Kualitas air menjadi kunci keberhasilan budidaya kepiting (Rumah Kepiting Vertikal) karena mempengaruhi kelangsungan hidup kepiting. Penelitian ini bertujuan untuk mengklasifikasikan data kualitas air menjadi dua kategori yaitu Baik dan Buruk. Tantangannya adalah belum diterapkan sistem klasifikasi berbasis teknologi pembelajaran mesin untuk memantau kualitas air. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine. SVM dipilih karena kemampuannya untuk menemukan hiperbidang yang mampu memisahkan dua set data yang termasuk dalam dua kelas berbeda. Dalam penelitian ini, digunakan 156 data kualitas air mencakup pH, Salinitas dan Suhu yang akan dilakukan dengan pemodelan SVM. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk data uji. Hasil penelitian menunjukkan bahwa model SVM dengan kernel linear berhasil mencapai akurasi 97,33%.

The quality of water is a key factor in the success of crab farming (Vertical Crab House) as it affects the survival of the crabs. This research aims to classify water quality data into two categories: Good and Poor. The challenge lies in the fact that a machine learning-based classification system has not yet been implemented to monitor water quality. The method used in this research is Support Vector Machine (SVM). SVM was chosen for its ability to find a hyperplane that can separate two sets of data belonging to two different classes. In this study, 156 water quality data points, including pH, Salinity, and Temperature, were used for SVM modeling. The data was split into 80% for training and 20% for testing. The results show that the SVM model with a linear kernel successfully achieved an accuracy of 97.33%.