Perpustakaan Digital ITB

Hasil tangkapan ikan merupakan data yang sangat penting untuk monitoring hasil laut Indonesia. Perkembangan teknologi terkait data saat ini dapat digunakan untuk melakukan estimasi hasil tangkapan ikan dengan metode Machine Learning. Hasil tangkapan ikan di Pelabuhan PPN Tanjung Pandan dipengaruhi oleh faktor oseanografi dan faktor sosial. Data pendaratan ikan dan beberapa faktor sosial seperti penggunakan oli, minyak tanah, solar, logistik nelayan dari Laporan Tahunan Pelabuhan PPN Tanjung Pandan digabungkan dengan data penginderaan jauh untuk faktor oseanografi seperti SST, klorofil-a, salinitas, angin dan arus dari tahun 2008-2017 dengan interval bulanan digunakan sebagai data untuk melakukan estimasi tangkapan ikan dengan metode Random Forest dan XGBoost. Korelasi antara parameter oseanografi salinitas dengan hasil tangkapan ikan yaitu korelasi tertinggi pada 0,35 dibandingkan dengan parameter oseanografi lainnya. Korelasi faktor sosial terhadap hasil tangkapan ikan yang tertinggi yaitu kunjungan kapal 0,34; oli(liter) 0,29; dan gula 0,22. Estimasi hasil tangkapan ikan di PPN Tanjung Pandan untuk metode XGBoost lebih baik dibandingkan dengan Random Forest untuk estimasi seluruh ikan model terbaik yaitu XGBoost dengan data 3 tahun akurasi 0,86; estimasi ikan selar model terbaik yaitu XGBoost dengan data 5 tahun akurasi 0,55; dan estimasi ikan kembung model terbaik yaitu XGBoost dengan data 10 tahun akurasi 0,40.