Kualitas air tambak merupakan salah satu faktor yang mempengaruhi tingkat kesuksesan dalam budidaya udang vannamei. Akan tetapi, para petani sering mengalami kesulitan dalam menentukan treatment yang tepat sesuai dengan kondisi air dan mikroorganisme di dalamnya. Oleh karena itu, diperlukan sebuah intelligent decision support system (IDSS) untuk mengetahui kualitas air serta memberikan rekomendasi yang sesuai. IDSS bekerja dengan cara mengklasifikasi kondisi air dan mengestimasi kadar mikroorganisme berdasarkan beberapa input nilai parameter air. Untuk melakukan hal tersebut, diperlukan sebuah knowledge model untuk diintegrasikan ke dalam sistem. Pada penelitian ini, berbagai algoritma machine learning digunakan untuk membuat knowledge model dari sebuah dataset akuakultur. Teknik pemrosesan lain seperti normalisasi data, feature extraction, dan penggunaan algoritma optimasi grid search juga diaplikasikan. Selanjutnya, skema pengujian dengan k-fold cross validation dilakukan untuk mengetahui performa dari knowledge model yang terbentuk. Adapun parameter performa utama untuk persoalan klasifikasi adalah nilai akurasi, sedangkan pada persoalan regresi digunakan nilai mean absolute error (MAE). Dari hasil percobaan yang telah dilakukan, model terbaik untuk klasifikasi kondisi air tambak adalah model yang dibentuk dengan algoritma 1D-CNN (1 dimensional-convolutional neural networks) dengan nilai akurasi sebesar 80,84%. Sedangkan untuk estimasi kadar mikroorganisme air, model algoritma multi-layer perceptron dan gradient tree boosting memiliki performa paling baik dengan nilai MAE masing-masing 0,024 dan 6,441. Dengan menanamkan ketiga model tersebut kedalam sistem, IDSS mampu memberikan rekomendasi treatment yang tepat untuk udang vannamei sesuai dengan kondisi air tambak.