RLC MM FEB-UI

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject ISBN/ISSN Advanced Search

Last search:

{{tmpObj[k].text}}
Image of PREDIKSI KEBERHASILAN PANEN TAMBAK UDANG VANAME PADA PT FEI DENGAN PENDEKATAN MACHINE LEARNING

Text

PREDIKSI KEBERHASILAN PANEN TAMBAK UDANG VANAME PADA PT FEI DENGAN PENDEKATAN MACHINE LEARNING

DJAJA, IRYANTI - Personal Name; ARVIANSYAH - Personal Name;

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.


Availability
300070777077RLC MM (Rak Tesis)Available
Detail Information
Series Title
Tesis
Statement of Responsibility
Iryanti Djaja
Call Number
7077
Publisher
Salemba, Jakarta : Magister Manajemen FEB UI., 2023
Collation
xii, 58 p. : ill. ; 30 cm.
Language
Indonesia
ISBN/ISSN
-
Classification
650
Content Type
text
Edition
-
Subject(s)
Tesis
Big Data
Machine Learning
Manajemen Operasi
Analisis Prediktif
BPM Lifecycle
Produktivitas
Udang Vanamei
2023
Specific Detail Info
-
Other version/related

No other version available

File Attachment
No Data
Comments

You must be logged in to post a comment

RLC MM FEB-UI
  • Information
  • Services
  • Librarian
  • Member Area

About Us

RLC MM-FEBUI (Library) occupies the right side of the ground floor of the MM FEB UI Building with a reading room capacity of more than 60 people.
 
The MM-FEB UI library service system is closed (closed access); where the user does not have direct access to the collection shelf. Or in other words, users are not allowed to take their own books from the collection shelf

Search

start it by typing one or more keywords for title, author or subject


© 2025 — RLC MM FEB UI

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search