Abstract
Prediksi terkait budidaya ikan lele dilakukan sebagai langkah penting meningkatkan pengetahuan pembudidaya. Dempster shafer merupakan salah satu teknik pada kecerdasan buatan yang dapat digunakan untuk memprediksi hasil yang belum diketahui berdasarkan bukti-bukti yang ada kaitanya. Namun, pada penerapanya masih secara manual dan membutuhkan waktu yang lebih untuk menyelesaikan data yang besar. Sehingga diperlukan sebuah sistem yang tidak hanya dapat memprediksi namun juga menghasilkan prediksi yang lebih baik dengan waktu yang efisien. Dempster shafer merupakan algoritma yang sering digunakan karena mudah untuk diimplementasikan, efisien dan powerful untuk penanganan data dalam jumlah besar. Namun, kinerja dempster shafer sangat tergantung kepada ahli yang mempunyai kaitan dengan permasalahan sehingga solusi yang dihasilkan rentan terjebak pada daerah optimum lokal. Selain itu, Dempster shafer tidak menjamin hasil prediksi yang spesifik karena bukti-bukti yang saling berkaitan sering kali bersifat umum. Salah satu pendekatan yang dapat digunakan untuk mengatasi permasalahan ini adalah dengan menerapkan algortima optimasi yaitu Particle Swarm Optimization (PSO). PSO mengeksplorasi ruang pencarian untuk menemukan nilai densitas awal berdasarkan nilai cost partikel. Nilai cost dirancang untuk meminimalkan jarak antara nilai random dengan nilai bobot sehingga semakin kecil mendekatai 0 (nol) nilai cost maka semakin besar peluang sebuah partikel terpilih sebagai solusi.
Penelitian ini menggunakan hybrid Particle Swarm Optimization-Dempster Shafer untuk memprediksi hasil indikasi budidaya ikan lele. Kualitas Dempster shafer dievaluasi menggunakan data uji dari pakar dengan membandingkan keluaran sistem. Hasil percobaan menunjukan bahwa algoritma hybrid PSO-Dempster Shafer menghasilkan hasil prediksi lebih baik dibandingkan dengan algoritma Dempster Shafer.
