Pemantauan Pertumbuhan Lobster Menggunakan Artificial Intelligence Berbasis Algoritma Decision Tree

Abstrak

Lobster merupakan komoditas perikanan bernilai ekonomi tinggi yang banyak dibudidayakan di wilayah pesisir Indonesia, khususnya di Pulau Jawa dan Sumatra. Namun, sistem budidaya intensif menghadapi berbagai tantangan seperti kestabilan kualitas air, kepadatan populasi, stres saat molting, serta ketidakseimbangan pertumbuhan. Perkembangan Artificial Intelligence (AI) dan computer vision membuka peluang pemantauan otomatis pertumbuhan lobster. Penelitian sebelumnya menggunakan Support Vector Machine (SVM) dan Neural Network dengan tingkat akurasi tinggi namun memiliki kompleksitas komputasi tinggi dan interpretabilitas rendah. Penelitian ini mengusulkan penggunaan algoritma Decision Tree sebagai model klasifikasi yang lebih sederhana dan interpretatif dengan variabel utama tingkat kecerahan lobster. Menggunakan dataset yang sama dengan penelitian Suhendri dan Ari (2025), penelitian ini mengevaluasi tingkat akurasi, presisi, recall, dan F1-score. Hasil menunjukkan akurasi sebesar 91,4% yang kompetitif dibanding metode sebelumnya. Kontribusi penelitian ini terletak pada penggunaan model Explainable AI dalam sistem budidaya lobster serta penegasan bahwa tingkat kecerahan merupakan indikator penting perkembangan pertumbuhan lobster