Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kawasan pesisir di Banten merupakan salah satu kawasan potensial sebagai penghasil udang di Indonesia. Lokasi tambak udang vaname di Kecamatan Panimbang hanya berada pada dua desa yaitu di Desa Mekarsari dan Desa Panimbang Jaya. Penelitian ini bertujuan untuk menganalisis Persebaran lahan tambak udang vaname di Desa Mekarsari dan Desa Panimbang jaya di Kecamatan Panimbang, menganalisis tingkat kesesuaian lahan pada tambak udang vaname yang berada di Desa Mekarsari dan Desa Panimbang jaya di Kecamatan Panimbang, dan mengkategorikan tingkat kesesuaian lahan terhadap produktivitas budidaya tambak udang vaname di Desa Mekarsari dan Desa Panimbang jaya di Kecamatan Panimbang. Metode AHP digunakan untuk mencari bobot kriteria kesesuaian dari parameter fisik yaitu jenis tanah dan lereng, parameter Jarak yaitu jarak dari sungai dan jarak dari pantai, parameter kualitas air yaitu salinitas air, pH air, suhu air, dan oksigen terlarut, dan parameter non fisik yaitu kepadatan penduduk dan upah tenaga kerja. Setelah mendapatkan hasil bobot dari parameter yang digunakan diolah dengan menggunakan metode Weighted Overlay pada ArcGis. Penelitian ini membuktikan bahwa luas wilayah kesesuaian untuk tambak udang vaname di Kecamatan Panimbang memiliki dua tingkat kesesuaian yaitu kesesuaian sesuai seluas 740.15 ha, dan tidak sesuai seluas 2630.71 ha, dan pada kesesuaian lahan sangat sesuai terdapat dua titik lokasi tambak yang mengalami penurunan produktivitas udang. Hasil tersebut menunjukkan bahwa hasil produktivitas pada titik tersebut tidak memiliki keterkaitan dengan tingkat kesesuaian lahan dan dapat disimpulkan bahwa penurunan produktivitas yang terjadi di titik lokasi tambak dikarenakan faktor di luar kesesuaian lahan.......The coastal area in Banten is one of the potential areas as shrimp producers in Indonesia. The location of vanammei shrimp ponds in Panimbang District is only in two villages, namely Mekarsari Village and Panimbang Jaya Village. This study aims to analyze the land distribution of vanammei shrimp ponds in Mekarsari Village and Panimbang Jaya Village in Panimbang District, analyze the level of land allocation in vanammei shrimp ponds located in Mekarsari Village and Panimbang Jaya Village in Panimbang District, and categorize the vannamei shrimp ponds in Mekarsari Village. and Panimbang Jaya Village in Panimbang District. The AHP method is used to find the weight of the criteria from physical parameters, namely soil type and slopes, distance parameters namely distance from the river and distance from the beach, air quality parameters, namely air salinity, air pH, air temperature, and dissolved oxygen, and non-physical parameters, namely density. population and workforce. After getting the weight results from the parameters used, it is processed using the Weighted Overlay method on ArcGis. This study proves that the area according to vanammei shrimp ponds in Panimbang District has two levels, namely according to an area of ​​740.15 ha, and not according to an area of ​​2630.71 ha, and according to land that is very suitable there are two points of ponds that have decreased. productivity. These results indicate that the productivity results at these points have no relationship with the levels of land availability and it can be said that the decline in productivity that occurs in the pond locations is due to factors outside the land."

"Budidaya udang vaname (Litopenaeus vannamei) sangat diminati sehingga permintaan udang ini meningkat setiap tahunnya. Masalah terberat para petambak adalah kegagalan panen yang berakibat kepada keberlangsungan usaha mereka. Perlu adanya usaha perbaikan untuk meningkatkan keberhasilan panen. Penelitian ini bertujuan untuk lebih menggali mengenai penggunaan machine learning dalam prediksi hasil panen dari data kualitas air. Hasil prediksi ini selanjutnya dipakai dan digunakan dalam proses bisnis sehingga dapat meningkatkan produktivitas. Analisis yang digunakan pada penelitian ini adalah analisis kuantitatif dan kualitatif serta perbaikan proses bisnis. Analisis kuantitatif dengan metode big data dan machine learning. Model yang dipakai adalah k-Nearest Neighbor (kNN), Decision Tree (DT) dan Logistic Regression (LR). Analisis kualitatif dilakukan dengan observasi dan interview untuk memperbaiki proses bisnis. Proses bisnis diperbaiki mengikuti BPM Lifecycle dengan memasukan hasil analisis kuantitatif. Dari penelitian ini didapatkan bahwa prediksi machine learning dengan model Decision Tree dari variabel rasio bakteri merugikan dan NH4+ memberikan akurasi tertinggi mencapai 96%. Setelah didapatkan model dan variabel dengan akurasi tertinggi, penelitian ini juga melakukan penerapan ke dalam proses bisnis dengan pendekatan BPM Lifecycle sehingga hasil tersebut dapat diimplementasi dan memberikan hasil yang lebih produktif.......Interest in Vaname shrimp (Litopenaeus vannamei) farming is growing every year. The biggest problem for shrimp farming was the unsuccessful harvest that affected their business sustainability. So, there should be an improvement made to increase the chance of a successful harvest and its productivity. Past research mentioned that vaname shrimp harvest result can be predicted by machine learning approach from water quality data. It gave good accuracy and can be used to have faster decision making. The objective of this research is to deep dive into the utilization of machine learning to predict the successful harvest from water quality data. The predicted result will be utilized in the business process to improve productivity. Analysis that used at this research are quantitative and qualitative with business process improvement. Quantitative analysis used big data methode and machine learning. Models that have been applied are k-Nearest Neighbor (kNN), Decision Tree (DT) dan Logistic Regression (LR). Data that is used for analysis are pH, salinity, NOx, NH4+, and harmful bacteria index. Qualitative analysis was applied by observation and interview with the focus to improve business process. Business processes will be improved using BPM Lifecycle with the utilization of quantitative result. This research showed that prediction machine learning with Decision Tree model from harmful bacteria index and NH4+ giving the best accuracy until 96%. The next step was utilizing the quantitative result at the business process with BPM Lifecycle approach so the result can be implemented and gave more productive result."