Sebelum digunakan, sebuah sistem berbasis komputer harus dievaluasi dalam berbagai aspek. Di antara aspek–aspek ini, validasi kinerja bisa merupakan yang paling penting (Fu 1994).
Metode k-fold cross validation membagi sebuah himpunan contoh secara acak menjadi k himpunan bagian lain (subset) yang paling bebas. Dilakukan ulangan serbanyak k kali untuk pelatihan dan pengujian. Pada setiap ulangan disisipkan setiap subset untuk pengujian dan subset lainnya untuk pelatihan (Fu 1994 diacu dalam Nurjayanti 2011).
Normalisasi
Pada perhitungan jarak Euclidean, atribut berskala panjang dapat mempunyai pengaruh lebih besar daripada atribut berskala pendek. Untuk mencegah hal tersebut perlu dilakukan normalisasi terhadap nilai atribut (Larose 2005). Salah satu metode normalisasi adalah min-max normalization yang diterapkan untuk parameter numerik. Formula untuk normalisasi atribut X dapat dilihat pada Persamaan 1.
13 �∗ = �−min (�)
max � − min(�) ... (1)
Dengan X* adalah nilai setelah dinormalisasi, X adalah nilai sebelum dinormalisasi, min(X) adalah nilai minimum dari parameter, dan max(X) adalah nilai maksimum dari suatu parameter.
Confusion Matrix
Evaluasi model klasifikasi berdasar pada proporsi antara data uji yang diprediksi secara tepat dengan total seluruh prediksi (Tan 2006). Informasi mengenai klasifikasi sebenarnya (aktual) dengan klasifikasi hasil prediksi dibentuk dalam tabel yang disebut confusion matrix seperti yang terlihat pada Tabel 7.
Tabel 7 Confusion matrix empat kelas Kelas aktual Kelas hasil prediksi
Kelas 1 Kelas 2 Kelas 3 Kelas 4
Kelas 1 A b c d
Kelas 2 E f g h
Kelas 3 I j k l
Kelas 4 m n o p
Akurasi merupakan proporsi jumlah prediksi yang tepat. Contoh perhitungan akurasi untuk tabel tesebut dapat dilihat pada Persamaan 2.
Akurasi = Jumlah prediksi yang tepat
total prediksi x 100% = a+f+k+p
a+b+c+…+n+o+p ... (2) KNN (K-Nearest Neighbour)
K-nearest neighbour merepresentasikan setiap data sebagai titik dalam k-ruang dimensi. Jika ada sebuah data uji maka akan dihitung kedekatan titik data latih untuk diklasifikasikan berdasarkan kedekatan–kedekatan titik data lainnya pada data latih untuk diklasifikasikan berdasarkan kedekatannya yang didefinisikan dengan ukuran jarak (Han dan Kamber 2006).
Analisis data mendefinisikan ukuran kedekatan atau ukuran kesamaan menggunakan fungsi jarak. Fungsi jarak yang umumnya digunakan adalah jarak Euclidean dengan menggunakan rumus sebagai berikut (Larose 2005). Jarak Euclidean dapat dicari menggunakan Persamaan 3.
d x, y = ni=1(xi-yi)2 ....……….. (3)
Dengan x = x1, x2, … , xm menyatakan data uji, y = y1, y2, … , ym menyatakan data latih dan xi-yi = selisih data uji dengan data latih.
Pada penelitian ini, terdapat dua jenis data yang digunakan yaitu data numerik dan data nominal. Data nominal atau sering disebut juga data kategori yaitu data yang diperoleh melalui pengelompokan objek berdasarkan kategori
14
tertentu. Walaupun data nominal dapat dinyatakan dalam bentuk angka, namun angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak dapat dibandingkan (Dharma 2008).
Untuk data nominal atau yang disebut juga kategori, penggunaan jarak Euclidean tidak tepat, sebaliknya dapat didefinisikan dengan sebuah fungsi yang digunakan untuk membandingkan nilai data uji dan data latih. Untuk menghitung jarak nominal menggunakan rumus sebagai berikut (Larose 2005). Perhitungan jarak nominal dapat dilihat pada Persamaan 4.
di= 0 Jika 1 Selainnyaxi=yi ……….. (4)
Yang berarti jika data latih sama dengan data uji maka jaraknya 0, selainnya jaraknya 1.
Untuk menggabungkan kedua jarak semua variabel, dilakukan aggregate ketidaksamaan berat rata-rata dari jarak masing–masing parameter dengan menggunakan rumus pada Persamaan 5.
Sij= wijk . Sijk
n k=1
wijk
n
k=1 ………... (5)
Dengan k merupakan variabel parameter, ij selisih data latih dan data uji, Sijk merupakan kesamaan dan ketidaksamaan antara objek dimana Wijk bernilai 1 untuk nilai numerik dan 0.5 untuk nilai nominal. Nilai pembobotan ini diberikan agar jarak parameter nominal tidak terlalu mendominasi hasil perhitungan (Nurjayanti 2011).
METODE
Pada penelitian ini akan digunakan metode penelitian yang mengacu pada tahap–tahap pembentukan sistem pakar seperti yang dijelaskan Marimin (2005) yang ditunjukan pada Gambar 6.
Akuisisi Pengetahuan
Tahap akuisisi pengetahuan merupakan tahap penyerapan pengetahuan dari pakar. Tahap ini penting, kritis, dan sangat menentukan keberhasilan sistem pakar yang akan dikembangkan untuk pemecahan persoalan yang biasanya dapat diselesaikan oleh pakar. Bentuk struktur data pada basis pengetahuan tergantung dari hasil akuisisi pengetahuan.
Pengetahuan dari pakar dapat diperoleh melalui wawancara dan telaah pustaka. Dalam hal ini knowledge engineer (KE) menyodorkan permasalahan dan pakar menjelaskan proses penyelesaian masalah tersebut. Beberapa metode yang dapat digunakan dalam akuisisi pengetahuan adalah metode observasi, metode analisa masalah, metode diskusi masalah, metode intuisi, dan metode deskripsi masalah.
15 Representasi Pengetahuan
Setelah memperoleh pengetahuan dari berbagai sumber, KE mulai memilih teknik representasi pengetahuan yang diperoleh. Hasil dari representasi pengetahuan digunakan untuk membantu pengambilan keputusan pada sistem pakar yang dikembangkan.
Mulai Identifikasi Masalah Akuisisi Pengetahuan Representasi Pengetahuan Pengembangan Mesin Inferensi Implementasi Pengujian Mewakili Pakar? Selesai Tidak Ya
Gambar 6 Tahapan sistem pakar (Marimin 2005) Pengembangan Mesin Inferensia
Dari hasil akuisisi diperoleh fakta, informasi dan strategi penalaran untuk memecahkan persoalan. Fakta dan informasi selanjutnya dirumuskan dan direpresentasikan dengan metode yang dipilih pada tahap representasi pengetahuan. Ketidakpastian pengetahuan dan strategi penalarannya perlu diklasifikasikan serta dipilih metode penanganannya. Berdasarkan strategi penalaran dan representasi pengetahuan yang ada, metode inferensi yang digunakan adalah metode KNN. Tahapan pada KNN yang dilakukan dapat dilihat pada Gambar 7.
16 Mulai Identifikasi Masalah Pengadaan Data Praproses Data Penentuan Data Latih dan Data
Uji Data Latih Data Uji KNN Model Identifikasi Lokasi & Kualitas
Air Jenis Ikan air tawar
Hasil Prediksi
Selesai
Gambar 7 Tahapan KNN Identifikasi Masalah
Menurut Maguire (1988) dalam Marimin (2005) pada tahap identifikasi masalah perlu dipertimbangkan hal seperti jenis penerapan baru (terminologi, pengembangan alat, arsitektur sistem, dan interface pemakai) untuk pemakai umum dan sistem perorangan, pengembangan sistem pakar yang sesuai dengan model pengetahuan pakar, desain yang erat kaitannya dengan versi data sistem pakar (mesin inferensi) yang akan dikembangkan, dan keterpaduan sistem (volume data komunikasi dan memori yang diperlukan, serta beban pengolahan) dengan lingkungan produksi yang dimiliki pengguna.
17 Pengadaan Data
Penelitian ini menggunakan beberapa variabel untuk dapat mengidentifikasi jenis ikan berdasarkan lokasi dan kualitas air. Parameter ini diperoleh dengan cara wawancara langsung dengan pakar yaitu Bapak Ir Irzal Effendi, MSi dari BDP Fakultas Perikanan dan Ilmu Kelautan, serta informasi tambahan dari Bapak Abdul Wahid kepala pelayanan teknis dan Bapak Sidi Asih staf peneliti breading dan genetika Balai Penelitian dan Pengembangan Budidaya Ikan Air Tawar (Sempur-Bogor) dan telaah pustaka. Parameter input yang akan digunakan dapat dilihat pada Tabel 8.
Tabel 8 Parameter input yang digunakan Parameter yang digunakan
Lokasi Kualitas air
1.Jauh dari pembuangan limbah 1.Suhu
2.Ada sumber air 2.pH
3.Syarat tanah 3.Oksigen terlarut
4.Jenis kolam 4.NH3
5.Sistem pengairan 5.Kecerahan
6.Ketinggian dataran 6.Karbondioksida (CO2) 7.Nitrit (NO2)
8.Alkalinitas 9.Kesadahan total
Adapun penjelasan lebih lengkap mengenai masing-masing parameter menurut Ciptanto (2010), Cahyono (2001), Effendi (2004), dan Ghufran et al. (2010) adalah sebagai berikut:
Syarat–Syarat Lokasi Budidaya Ikan Air Tawar a) Sumber Air
Lokasi budidaya harus mempunyai sumber air yang memadai. Untuk sumber air ini bisa berupa sungai, aliran irigasi, maupun mata air. Suplai air sedapat mungkin tersedia sepanjang tahun dengan debit yang memadai. b)Syarat Tanah
Lahan untuk kolam sebaiknya adalah tanah yang liat atau lempung berpasir (sandy clay) sehingga tidak porus. Tanah harus mampu menahan massa air yang besar dan tidak mudah bocor sehingga dapat dibuat pematang. c) Kualitas Air
Kualitas air pada lokasi budidaya harus memenuhi persyaratan untuk hidup sehat ikan yang dibudidayakan. Nilai kualitas air untuk masing–masing jenis ikan air tawar berbeda. Secara umum parameter kualitas air untuk budidaya ikan dilihat dari faktor fisik air meliputi temperatur, kecerahan, dan kekeruhan air. Ketiganya sangat berpengaruh besar terhadap keberhasilan budidaya ikan. Bila salah satu saja tidak memenuhi syarat, ikan tentu tidak dapat tumbuh optimal dan kimia air meliputi kadar oksigen terlarut, derajat
18
keasaman, kadar amonia (NH3), kadar karbondioksida (CO2), kadar nitrogen (NO2) terlarut dalam kolam, alkalinitas, dan kesadahan total.
d) Jauh dari Tempat Pembuangan Limbah
Lokasi budidaya harus jauh dari limbah industri maupun limbah rumah tangga. Limbah akan mencemari air sehingga kualitas air tidak memenuhi syarat untuk pertumbuhan ikan. Bila kadar pencemaran limbahnya tinggi maka ikan yang dibudidayakan bisa mati.
e) Kolam Air Tenang
Kolam air tenang adalah wadah pemeliharaan ikan yang di dalamnya terdapat air bersifat menggenang (stagnant). Air yang masuk ke dalam kolam ini hanya untuk mengganti air yang hilang akibat penguapan (evaporasi) atau rembesan (infiltrasi) sehingga tinggi permukaan air kolam dipertahankan tetap.
Untuk kolam seluas 1000 m2, debit air yang dibutuhkan untuk mempertahankan ketinggian air tetap konstan adalah sekitar 0.5–5 lt/detik, tergantung pada kondisi pencahayaan matahari dan kolam. Kolam air tenang menggunakan perairan tawar sebagai sumber airnya, yaitu sungai, saluran irigasi, mata air, hujan, sumur, waduk, danau, dan situ (Effendi 2004).
f) Kolam Air Deras
Kolam air deras (raceway) adalah kolam yang didesain untuk memungkinkan terjadinya aliran air (flowthrough) dalam pemeliharaan ikan dengan padat penebaran yang tinggi. Aliran air yang melimpah dan relatif deras serta kaya oksigen ini penting untuk menyuplai oksigen dalam respirasi ikan dan membuang (flushing out) limbah metabolisme, terutama amonia. Debit air di kolam air deras dapat ditentukan dengan patokan setiap 10 menit seluruh air kolam sudah berganti semua. Sebagai contoh, bila ukuran kolam air deras (volume air) adalah 30 m3 maka dengan patokan tersebut debit air yang dibutuhkan kolam tersebut adalah 30 m3/10 menit atau 50 lt/detik. Bila dibandingkan dengan kolam air tenang yang berdebit air 0.5–5 lt/detik maka debit kolam air deras bisa 10–100 kali kolam air tenang (Effendi 2004).
Standar Kualitas Air untuk Budidaya Ikan Air Tawar a) Temperatur Air/Suhu
Menurut Rounsefell dan Everhart (1953), pada temperatur yang rendah, proses pencernaan makanan pada ikan berlangsung lambat. Sedangkan pada suhu yang hangat proses pencernaan pada ikan berlangsung lebih cepat. Suhu yang mematikan untuk semua jenis ikan adalah 10–11C selama beberapa hari. Nafsu makan ikan akan menurun pada suhu di bawah 16 C, sementara respon ikan mengalami penurunan pada suhu 21C.
b) Kecerahan
Kecerahan air atau transparansi, adalah daya tembus cahaya matahari ke dalam perairan. Kecerahan air dipengaruhi oleh kerapatan plankton dan kekeruhan yang disebabkan oleh partikel tanah terlarut. Pengukuran kecerahan
19 air seringkali dilakukan pada budidaya intensif maupun super intensif. Alat untuk mengukur kecerahan air adalah piring seichi (seichi disk).
Tingkat kecerahan air yang baik untuk budidaya adalah 60–100 cm. Artinya, pada kedalaman 60–100 cm, cahaya matahari masih bisa menembus. Pada kecerahan 20 cm, kerapatan plankton sudah pada ambang batas berbahaya karena justru menurunkan kualitas air secara umum.
c) Kadar Oksigen Terlarut (Dissolved Oxygen [DO])
Oksigen terlarut adalah oksigen dalam bentuk terlarut di dalam air karena ikan tidak dapat mengambil oksigen dalam perairan dari difusi langsung dengan udara. Satuan pengukuran oksigen terlarut adalah mg/lt yang berarti jumlah mg/lt gas oksigen yang terlarut dalam air atau dalam satuan internasional dinyatakan ppm (part per million). Air mengandung oksigen dalam jumlah yang tertentu, tergantung dari kondisi air itu sendiri (Hadinafta 2009).
Laju pertumbuhan ikan dan konversi pakan sangat dipengaruhi oleh kandungan oksigen dalam air. Konsentrasi minimum DO bagi sebagian ikan air tawar adalah 5 ppm. Pada perairan dengan konsentrasi DO 4 ppm, ikan masih mampu hidup akan tetapi nafsu makannya rendah, sehingga pertumbuhannya terhambat.
d)Derajat Keasaman Air (pH)
Nilai derajat keasaman yang sangat rendah dapat menyebabkan kematian pada ikan. Nilai keasaman (pH) yang tinggi menyebabkan pertumbuhan ikan terhambat. Kisaran derajat keasaman (pH) perairan yang cocok untuk budidaya ikan tergantung pada jenis ikan yang dipelihara.
e) Kadar Amonia (NH3)
Persentase NH3 dari amonia total dipengaruhi oleh salinitas, konsentrasi oksigen, suhu, dan pH air. Makin tinggi suhu dan pH air makin tinggi pula persentase NH3. Dalam artian, peluang biota budidaya keracunan NH3 lebih besar pada suhu dan pH tinggi.
Perairan umum yang mengandung kadar amonia tinggi dapat mengganggu pertumbuhan ikan dan biota perairan lainnya, bahkan dapat bersifat racun yang mematikan ikan. Kadar amonia terlarut 2–7 ppm sudah dapat mematikan beberapa jenis ikan.
Amonia masuk ke dalam air melalui pupuk, hasil ekskresi ikan dan hasil penguraian senyawa bernitrogen oleh mikroba. Dalam air, amonia terionisasi menjadi ion amonium tetapi reaksi ini bisa kembali dengan terbentuknya amonia bebas. Efek racun yang ditimbulkan amonia tak terionisasi bisa menyebabkan kerusakan insang, ginjal, limfa, jaringan tiroid, dan darah ikan (Boyd 1990).
f) Kadar Karbondioksida (CO2)
Kenaikan karbondioksida di dalam air akan menghalangi proses difusi oksigen sehingga mengurangi konsumsi oksigen dan sebagai kompensasinya ikan budidaya akan aktif sekali bernafas sehingga memerlukan kalori dan mengurangi kesempatan makan ikan sehingga selera makan menjadi berkurang.
20
g) Kadar Nitrogen/Nitrit (NO2)
Kandungan nitrit yang tinggi di dalam perairan sangat berbahaya bagi udang dan ikan, karena nitrit dalam darah mengoksidasi haemoglobin menjadi meta–haemoglobin yang tidak mampu mengedarkan oksigen (Darti dan Iwan 2006), kandungan nitrit sebaiknya lebih kecil dari 0.3 ppm. Kadar oksigen terlarut dalam air merupakan faktor pembatas dan sangat berpengaruh terhadap berlangsungnya proses nitrifikasi. Nilai kosentrasi nitrit dari kedua petak ujicoba ini berkisar antara 0.012–0.018 ppm (mg/lt), di bawah nilai ambang batas yang disarankan. Sehingga dengan kandungan nitrit pada ujicoba ini termasuk kedalam kondisi yang cukup optimal. Pada salinitas di atas 20 ppt, batas ambang aman nitrit adalah <2 ppm (Chia 1989).
h) Kesadahan Total
Kesadahan di dalam air disebabkan oleh ion Ca2+ dan Mg2+ juga oleh Mn2+, Fe2+, dan semua kation bermuatan dua. Kualitas air yang sesuai untuk budidaya ikan air tawar adalah yang mempunyai kesadahan total minimal 20 mg/lt CaCO3. Konsentrasi total dari ion logam yang bervalensi dua terutama Ca dan Mg yang dinyatakan dalam mg/lt setara CaCO3 menunjukkan tingkat kesadahan air.
Total alkalinitas dan kesadahan air umumnya sama besarnya. Namun pada beberapa perairan, total alkalinitas mungkin lebih besar dari kesadahan atau sebaliknya. Tingkat total kesadahan dan total alkalinitas air yang diperlukan untuk budidaya ikan umumnya terletak pada deret 20–300 mg/lt. Bila total alkalinitas dan total kesadahan terlalu rendah dapat ditingkatkan melalui penambahan kapur. Bila total kesadahan dan total alkalinitas lebih tinggi dari yang diperlukan maka belum ada cara yang praktis untuk usaha menurunkannya (Ghufran et al. 2007).
i) Alkalinitas
Alkalinitas adalah kapasitas air untuk menetralkan tambahan asam tanpa penurunan pH larutan. Alkalinitas dinyatakan CaCO3 dalam mg/lt (atau disebut ppm). Alkalinitas di dalam air disebabkan oleh ion bikarbonat (HCO3), karbonat (CO3), dan hidroksida (OH). Pada siang hari, aktivitas fotosintesis fitoplankton, ganggang, dan lumut menyebabkan turunnya karbondioksida (CO2) dan bikarbonat (HCO3). Turunnya karbondioksida dan bikarbonat menjadikan karbonat (CO3) dan hidroksida (OH-) naik sehingga pH larutan naik.
Air dengan kandungan CaCO3 >100 mg/lt disebut sebagai alkalin, sedangkan <100 mg/lt disebut sebagai lunak atau alkalinitas sedang. Alkalinitas untuk budidaya ikan air tawar adalah >20 mg/lt CaCO3. Dengan alkalinitas yang cukup, perubahan/fluktuasi pH air tidak drastis. Dalam budidaya ikan air tawar di kolam, untuk menaikkan alkalinitas biasanya ditebarkan dolomite, CaMg (CO3)2.
Kapasitas air menerima protein disebut alkalinitas. Air yang alkali atau bersifat basa sering mempunyai pH tinggi dan umumnya mengandung padatan terlarut yang tinggi. Alkalinitas merupakan faktor kapasitas untuk menetralkan asam. Oleh karena kadang–kadang penambahan alkalinitas lebih banyak
21 dibutuhkan untuk mencegah supaya air itu tidak menjadi asam (Darusalam 2005).
Alkalinitas relatif sama jumlahnya dengan kesadahan dalam suatu perairan. Alkalinitas juga berpengaruh terhadap pH dalam suatu perairan. Dalam kondisi basa ion bikarbonat akan membentuk ion karbonat dan melepaskan ion hidrogen yang bersifat asam sehingga keadaan pH menjadi netral. Sebaliknya bila keadaan terlalu asam, ion karbonat akan mengalami hidrolis menjadi ion bikarbonat dan melepaskan hidrogen oksida yang bersifat basa, sehingga keadaan kembali netral. Perairan dengan nilai alkalinitas yang terlalu tinggi tidak terlalu disukai oleh organisme akuatik karena biasanya diikuti dengan nilai kesadahan yang tinggi atau kadar garam natrium yang tinggi (Darusalam 2005).
Berdasarkan parameter yang ada, akhirnya diperoleh 540 data, dimana untuk masing-masing jenis ikan memiliki 90 data. Nantinya data ini akan dibagi menjadi beberapa subset untuk data pelatihan dan data uji.
Praproses Data
Tahapan yang dilakukan pada tahapan ini mempersiapkan data sebelum dilakukan pengolahan data di antaranya adalah mempersiapkan parameter nominal seperti lokasi pembuangan limbah, ketersediaan sumber air, syarat tanah, jenis kolam, sistem pengairan, dan ketinggian dataran.
Pada praproses data ini juga akan dilakukan pembuangan data yang tidak lengkap maupun tidak valid berdasarkan justifikasi pakar, sehingga diperoleh data yang benar-benar dapat diolah. Selanjutnya, akan dilakukan proses normalisasi pada data numerik bila didapatkan range yang terlalu besar antar parameter. Penentuan Data Latih dan Data Uji
Pada penelitian ini pembagian data latih dan data uji akan dilakukan dengan menggunakan teknik k-fold cross validation dengan nilai k = 3.
Klasifikasi
Teknik klasifikasi yang digunakan adalah KNN, yaitu mencari jarak terdekat antara data yang akan diuji dengan k tetangga terdekatnya dalam data latih. Pada penelitian ini penentuan nilai k dilakukan melalui beberapa skenario percobaan untuk mendapatkan k terbaik.
Pada penelitian ini, terdapat dua jenis data kategori yaitu data yang diperoleh melalui pengelompokan objek berdasarkan kategori tertentu. Perhitungan pada data numerik menggunakan perhitungan Euclidean distance sesuai Persamaan 2. Perhitungan pada data nominal menggunakan perhitungan nominal distance sesuai Persamaan 3.
Untuk menggabungkan kedua jarak semua variabel, dilakukan aggregate ketidaksamaan berat rata–rata dari jarak masing-masing parameter dengan menggunakan Persamaan 4.
22
Model Identifikasi Jenis Budidaya Ikan Air Tawar Berdasarkan Lokasi dan Kualitas Air
Tahapan ini adalah yang paling penting karena pada tahap ini teknik klasifikasi diaplikasikan pada data yang sudah diperoleh. Dari data uji yang sudah dibagi sebelumnya, kemudian diujikan pada model klasifikasi KNN dengan menggunakan mayoritas dari kelas tetangga terdekat sebagai nilai prediksi data baru.
Hasil Prediksi
Pada tahap akhir ini diharapkan data uji yang dimasukkan akan terklasifikasi pada kelas yang benar. Evaluasi model klasifikasi berdasar pada proporsi antara data uji yang diprediksi secara tepat dengan total seluruh prediksi.
Sistem diuji dengan menghitung akurasi, yaitu jumlah data yang berhasil dikenali oleh metode klasifikasi KNN dibagi total data yang ada. Akurasi yang diperoleh berasal dari Persamaan 5.
Implementasi Pengembangan
Spesifikasi perangkat keras yang digunakan di tahap implementasi pengembangan sistem pada penelitian ini di antaranya menggunakan processor Intel Core 2 Duo 2.10 GHz, RAM 2.00 GB, dan harddisk kapasitas 320 GB. Spesifikasi perangkat lunak yang digunakan di antaranya menggunakan Windows 7 sebagai sistem operasi, AppServ Open Project 2.5.9 for Windows, bahasa pemrograman PHP, Photoshop CS2, dan Dreamweaver.
Sistem pakar ini dikembangkan berbasis website agar lebih mudah diakses dan dimanfaatkan oleh lebih banyak orang terutama pembudidaya maupun masyarakat umum yang ingin mengetahui jenis ikan apa yang sesuai dengan kondisi lingkungan dan kualitas air yang ada di tempat tinggal mereka.
Pengujian
Tahap pengujian dilakukan dengan uji coba program kepada ahli atau praktisi. Dilakukan juga pengujian melalui kuisioner yang nantinya akan dijawab oleh pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan sistem dan data yang digunakan, seperti ketepatan dan konsistensi pengetahuan pada hasil yang diperoleh.