KOMPARASI ALGORITMA MACHINE LEARNING PADA IDENTIFIKASI VOLUME PRODUKSI PERIKANAN TANGKAP LAUT DI INDONESIA

Hikmal Akbar Fitransyah, Iqlima Yasmin Fadhilah, Najwa Elzahra

Abstract


Penelitian ini membandingkan tiga algoritma Machine Learning, Linear Regression,
Random Forest, dan Decision Tree untuk mengidentifikasi volume produksi perikanan
tangkap laut di Indonesia dari tahun 2020 hingga 2023, dengan mengukur kinerja
menggunakan koefisien determinasi (R2). Hasil menunjukkan bahwa Decision Tree mencapai
nilai R2 tertinggi secara konsisten, yaitu 1.0 setiap tahun, mengindikasikan akurasi yang
sangat tinggi. Random Forest juga menunjukkan performa yang sangat baik dengan R2
mendekati 1.0, yaitu 0.998 pada tahun 2020, 0.995 pada tahun 2021, 0.995 pada tahun 2022,
dan 0.994 pada tahun 2023. Linear Regression, meskipun dengan nilai R2 lebih rendah
dibandingkan kedua algoritma lainnya, menunjukkan ketepatan yang cukup baik, yaitu 0.949
pada tahun 2020, 0.903 pada tahun 2021, 0.907 pada tahun 2022, dan 0.871 pada tahun 2023.
Berdasarkan komparasi ini, Decision Tree dan Random Forest terbukti unggul dalam prediksi
volume produksi perikanan tangkap laut di Indonesia, dengan akurasi tinggi dan ketahanan
terhadap variasi data. Algoritma-algoritma ini direkomendasikan untuk digunakan dalam
analisis volume produksi perikanan, yang dapat mendukung pengembangan strategi
pengelolaan perikanan tangkap yang berkelanjutan.


Keywords


Machine Learning; Perikanan; Volume

References


Ariawan, I., Rosalia, A. A., Anzani, L., Arifin, W. A., Minsaris, L. O. A., & Lukman. 2021.

Identifikasi Spesies Mangrove Menggunakan Algoritma Random Forest. Jurnal

Kemaritiman: Indonesian Journal of Maritime 2(2): 87-96.

https://doi.org/10.17509/ijom.v2i2.33920

Arifin, WA, Ariawan, I., Rosalia, A. A., Lukman, & Tufailah, N. 2022. Data Scaling

Performance on Various Machine Learning Algorithms to Identifyabalone Sex. Jurnal

Teknologi dan Sistem Komputer, 10(1): 26-31.

https://dx.doi.org/10.14710/jtsiskom.2022.14105

Devanda, M., Kusuma, H., & Hidayat, S. (2024). Penerapan Model Regresi Linier dalam

Prediksi Harga Mobil Bekas di India dan Visualisasi dengan Menggunakan Power BI.

In Jurnal Indonesia: Manajemen Informatika dan Komunikasi (JIMIK) 5(2).

https://journal.stmiki.ac.id

Dewan Pertimbangan Presiden Republik Indonesia. (2017).

https://wantimpres.go.id/id/2017/04/potensi-perikanan-indonesia/

Guntara, R. G., Nugraha, M. R., Aprilia, R., Dewinta, N. A. P., Dewanto, F. B., & Nurahma,

S. (2023). Pemodelan Data Menggunakan Algoritma Decision Tree untuk Visualisasi

Data Hubungan Nilai Siswa dengan Makan Siang, Partisipasi Kursus Persiapan Tes,

dan Tingkat Pendidikan. Jurnal Perjuangan 5(2).

https://e-journal.unper.ac.id/index.php/informatics

Putri, A. (2024). Pentingnya Data Cleaning sebelum Visualisasi: Teknik Dan Tips. Jurnal

Teknologi Pintar 4(5).

Kementerian Kelautan dan Perikanan. 2022.

https://kkp.go.id/news/news-detail/kkp-perbarui-data-estimasi-potensi-ikan-totalnya-12

-juta-ton-per-tahun65c1b1dfcd9b1.html

Kencana Putri, A., & Ichsanuddin Nur, D. (2023). Penggunaan Bahasa Python untuk

Analisis an Visualisasi Data Penduduk Di Desa Sumberjo, Nganjuk. Jurnal Pengabdian

Kepada Masyarakat 3(3). https://jurnalfkip.samawa-university.ac.id/karya_jpm/index

Mai, P., Tarigan, S., Tata Hardinata, J., Qurniawan, H., Safii, M., Winanjaya, R., Studi, P.,

Informasi, S., Tunas, S., & Pematangsiantar, B. (2022). Implementasi Data Mining

Menggunakan Algoritma Apriori dalam Menentukan Persediaan Barang (Studi Kasus:

Toko Sinar Harahap). Jurnal Sistem Informasi, Teknologi Informasi dan Komputer

(2). https://jurnal.umj.ac.id/index.php/just-it/index

Meilina, P. (2015). Penerapan Data Mining dengan Metode Klasifikasi Menggunakan

Decision Tree dan Regresi. Jurnal Teknologi 7(1).

Maryani, H., & Nasution, A. 2019. Rekonsepsi Model Pemberantasan Illegal Fishing di

Perairan Indonesia (Analisis Perspektif Hukum Internasional). Jurnal Legislasi

Indonesia, 16(3): 379-391.

Pambudi, H. K., Giri, P., Kusuma, A., Yulianti, F., Ahessa, K., Jurnal, J., Teknologi, I.,

Terapan, I., Julian, K. A., Studi, P., Logistik, T., & Rekayasa Industri, F. (2020).

Prediksi Status Pengiriman Barang Menggunakan Metode Machine Learning. Jurnal

Ilmiah Teknologi Terapan 6(2).

Patlisan, & Rusdah. 2023. Optimasi Akurasi Model Decision Tree Menggunakan Random

Forest Regression untuk Prediksi Kuantitas Pembelian Barang pada Perusahaan

Manufaktur. Jurnal SIMETRIS, 14(2).

Rahma, C. A. 2022. Analisis dan Penerapan Data Mining untuk Mengestimasi Laju

Pertumbuhan Penduduk Kabupaten Musi Banyuasin Menggunakan Metode Regresi

Linier Berganda di Badan Pusat Statistik Musi Banyuasin. [SKRIPSI]. Jambi:

Universitas Dinamika Bangsa.

Rizky, A. C., Muzakki, A., Rangga, M., & Kusuma, P. (2024). Prediksi Jumlah Produksi

Ikan Tahun 2018-2022 pada Teluk Banten Menggunakan Support Vector Regression.

Jurnal Responsif, 6(2), 205–213. https://ejurnal.ars.ac.id/index.php/jti

Rokach, L., & Maimon, O. 2007. Data Mining with Decision Trees – Theory and

Applications. Singapore: World Scientific Publishing.


Refbacks

  • There are currently no refbacks.


Jurnal Pendidikan Perikanan Kelautan (Journal of Fisheries and Maritime Studies) is published by UPI.