PENDUGAAN NILAI PRODUKSI HASIL TANGKAPAN PERIKANAN TANGKAP DI KABUPATEN PATI MENGGUNAKAN ALGORITMA RANDOM FOREST

Dinda Faatihah Ramadhani Putri, - (2024) PENDUGAAN NILAI PRODUKSI HASIL TANGKAPAN PERIKANAN TANGKAP DI KABUPATEN PATI MENGGUNAKAN ALGORITMA RANDOM FOREST. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_SIK_2009938_Title.pdf Download (483kB)
	Text S_SIK_2009938_Chapter 1.pdf Download (217kB)
	Text S_SIK_2009938_Chapter 2.pdf Restricted to Staf Perpustakaan Download (333kB)
	Text S_SIK_2009938_Chapter 3.pdf Download (398kB)
	Text S_SIK_2009938_Chapter 4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_SIK_2009938_Chapter 5.pdf Download (190kB)

Abstract

Wilayah Pati yang berbatasan dengan Laut Jawa memiliki potensi sebagai salah satu penghasil ikan terbesar di wilayah Jawa Tengah, khususnya pada perikanan tangkap yang memberikan kontribusi besar bagi perekonomian wilayah Pati. Kurangnya pemahaman dan pengetahuan masyarakat terkait pengelolaan sumber daya perikanan, penelitian ini ditujukan untuk menciptakan sistem prediksi hasil tangkapan perikanan tangkap guna meningkatkan pendapatan masyarakat setempat dan agar masyarakat dapat memanfaatkan sumber daya perikanan dengan baik. Salah satu cara yang dapat dilakukan yaitu perlu dilakukan penelitian pendugaan atau prediksi harga jual hasil tangkapan agar dapat tercapainya jumlah produksi dan nilai produksi yang diinginkan dengan memanfaatkan algoritma machine learning, salah satunya Random Forest. Data yang digunakan diperoleh dari data arsip DKP Kabupaten Pati dan BPS Provinsi Jawa Tengah pada tahun 2013-2022, dengan membandingkan rasio pembagian dataset atau splitting 60:40, 70:30, dan 80:20 dan membandingkan metode evaluasi hyperparameter tuning menggunakan RandomizedSearch CV dan GridSearch CV. Hal ini dilakukan agar dapat memaksimalkan kinerja pada algoritma Random Forest. Pemilihan metode terbaik dilakukan dengan membandingkan nilai r-square (r2), MSE, dan MAPE dengan rasio splitting yang unggul adalah 80:20 menggunakan metode evaluasi GridSearch CV, dengan nilai r2 sebesar 0.85, nilai MSE sebesar 1.3 dan nilai MAPE sebesar 15.38 %. Berdasarkan ketentuan Lewis pada tahun 1982, nilai MAPE antara 10-20% menandakan bahwa model prediksi yang dibentuk dalam kategori baik dan dapat dijadikan sebagai acuan. Pati region has a potential become one of the largest fisheries production in Central Java, especially in marine fisheries. Lack of the knowledge about how to utilize fisheries resources properly and correctly to increase their income, this study aims to produce a system prediction of catch fisheries, and to achieve the production amount. The algorithm will be used in this problem is Random Forest with splitting dataset was 60:40, 70:30, and 80:20. The prediction results is compared with cross-validation hyperparameter tuning methods such as RandomizedSearch CV and GridSearch CV to produce a proper accuracy. The best evaluation method was selected by comparing the r-square (r2), MSE and MAPE values with splitting ratio 80:20 using the GridSearch CV. The r2 value was 0.85%, the MSE value was 1.3 and the MAPE value was 15.38%. According to Lewis condition in 1982, MAPE value between 10-20%, the prediction is in the good category.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?user=Sit87HEAAAAJ&hl=en ID Sinta Dosen Pembimbing: - Willdan Aprizal Arifin: 6745746 - Ayang Armelita Rosalia: 6721849
Uncontrolled Keywords:	Algoritma machine learning, Algoritma Random Forest, Cross validation, Hyperparameter tuning, Pendugaan Nilai Produksi Perikanan Tangkap Estimation of Capture Fisheries Production Value, Cross validation, Hyperparameter tuning, Machine learning algorithms, Random Forest algorithms
Subjects:	L Education > L Education (General)
Divisions:	UPI Kampus Serang > S1 Sistem Informasi Kelautan
Depositing User:	Dinda Faatihah
Date Deposited:	26 Jun 2024 03:00
Last Modified:	26 Jun 2024 03:00
URI:	http://repository.upi.edu/id/eprint/117358

Actions (login required)

View Item