Sistem Informasi Akuntansi Tambak Lele Berbasis Web dengan Monitoring dan Prediksi Harga Jual

Abstract

Peningkatan efisiensi budidaya lele memerlukan sistem monitoring berbasis digital yang tidak hanya mencatat aktivitas tambak, tetapi juga mampu memprediksi kondisi pasar secara real-time. Penelitian ini mengembangkan sistem digitalisasi tambak lele berbasis web yang terintegrasi dengan pemantauan kualitas air dan prediksi harga menggunakan model Long Short-Term Memory (LSTM). Fondasi utama dari keberhasilan model prediktif ini terletak pada proses pembersihan data (data cleaning) yang dilakukan secara sistematis terhadap dataset historis kualitas air dan harga pasar. Proses ini mencakup deteksi dan penanganan data hilang, nilai ekstrem, serta standarisasi format data menggunakan pustaka Python seperti Pandas dan NumPy. Hasil menunjukkan bahwa akurasi prediksi meningkat signifikan setelah data dibersihkan, dengan performa model yang lebih stabil dan dapat diandalkan. Sistem ini diimplementasikan dalam antarmuka web responsif yang memudahkan petambak dalam mengambil keputusan berbasis data. Temuan ini menegaskan bahwa pembersihan data merupakan tahapan krusial yang tidak dapat diabaikan dalam pengembangan sistem berbasis kecerdasan buatan, khususnya di sektor pertambakan yang padat data dan sensitif terhadap fluktuasi pasar.