SISTEM PEMANTAUAN KESEHATAN LOBSTER (LHMS) MENGGUNAKAN MACHINE LEARNING

  • Cecep Kurnia Sastradipraja Universitas Nusa Putra
Keywords: Perkembangbiakan Lobster, Machine learning, Monitoring

Abstract

Lobster merupakan hewan yang hidup di perairan dangkal. Hewan ini memiliki nilai jual yang sangat tinggi, oleh karena itu perlu ditingkatkan produksinya untuk proses peningkatan ekspor dan untuk memenuhi kebutuhan pasar. Di Indonesia sistem budidaya lobster dilakukan di lepas pantai dengan menggunakan bantuan keramba. Sistem ini masih dilakukan secara tradisional dan lobster yang dijual bervarietas. Nilai jual lobster akan meningkatkan jika lobster tersebut berukuran besar dan dalam kondisi hidup, sehingga cara pengawasan dan peningkatan hewan ini perlu dilakukan secara spesifik dan dilakukan secaraserius. Monitoring perkembangan lobster dengan cara ini memiliki beberapa kelemahanya itu sistem montoring yang sulit karena hanya bisa dilakukan pada saat-saat tertentu dan tidak terpantau selama 24 jam, kadang air dan pusaran arus laut yang berubah-ubah sehingga berpengaruh besar pada perkembangan lobster. Perkembangan lobster dengan keramba juga saat ini berbahaya yang dipengaruhi oleh suhu air yang dapat menyebabkan lobster tersebut kekurangan makanan. Solusi masalah tersebut adalah dengan menggunakan bantuan teknik komputerisasi dengan Teknik machine learning yang dipergunakan untuk memonitoring pertumbuhan lobster tanpa mengganggu habitat lobster tersebut. Dengan bantuan teknik machine learning bisasecara langsung menampilkan gambar visual keadaan lobster tersebut dibawah laut atau bisa dipergunakan untuk monitoring lobster pada tangki atau kolam. Tingkat monitoring dan pemberian pakan bisa dilakukan secara otomatis. Identifikasi dan monitoring lobster dengan teknik computer vision memiliki tingkat akurasi hingga 90%.

Published
2020-01-31
How to Cite
Sastradipraja, C. K. (2020). SISTEM PEMANTAUAN KESEHATAN LOBSTER (LHMS) MENGGUNAKAN MACHINE LEARNING . Jurnal Riset Sistem Informasi Dan Teknologi Informasi (JURSISTEKNI), 2(1), 1-9. https://doi.org/10.52005/jursistekni.v2i1.34
Received 2020-02-03
Accepted 2021-03-24
Published 2020-01-31