Perpustakaan Digital ITB

Manajemen perikanan berkelanjutan di Indonesia memerlukan informasi spasial-temporal yang akurat mengenai aktivitas penangkapan ikan. Kementerian Kelautan dan Perikanan (KKP) memiliki data Vessel Monitoring System (VMS) dalam jumlah besar, namun belum memiliki sistem otomatis untuk menerjemahkan data mentah yang tidak berlabel ini menjadi peta hotspot penangkapan ikan yang interaktif dan spesifik per spesies. Penelitian ini mengadopsi pendekatan CRISP-DM dan model prototyping untuk merancang, membangun, dan mengevaluasi sebuah prototipe sistem interaktif. Sistem ini menjalankan sebuah pipeline analitis yang mengadopsi metode unsupervised learning TripTracker. Metode ini menggabungkan klasterisasi HDBSCAN dengan Hidden Markov Models (HMM) untuk mengklasifikasikan aktivitas kapal. Hasil dari penelitian ini adalah sebuah sistem berbasis web yang mengotomatisasi seluruh alur kerja dan menampilkan distribusi hotspot secara interaktif. Evaluasi sistem melalui pengujian fungsional dan kinerja menunjukkan bahwa sistem berhasil memenuhi seluruh kebutuhan yang dirancang dan memiliki performa yang responsif. Verifikasi internal melalui pengujian fungsional dan kinerja membuktikan bahwa sistem berhasil memenuhi 100% kebutuhan yang dirancang dan memiliki performa yang responsif. Selanjutnya, validasi eksternal oleh para ahli memberikan skor penerimaan dan potensi dampak yang sangat tinggi untuk mendukung pengambilan keputusan di KKP. Penelitian ini berhasil mendemonstrasikan sebuah solusi komprehensif yang relevan untuk modernisasi analisis data perikanan di Indonesia.