Prediksi Hasil Tangkapan Ikan Cakalang dengan Metode Regresi Linear dan Recurrent Neural Network

Prediction of Skipjack Tuna Catches Using Linear Regression and Recurrent Neural Network Methods

Abstract

Abstrak – Ikan Cakalang (Katsuwonus Pelamis) merupakan salah satu sumber daya ikan pelagis yang melimpah di Laut Sulawesi. Tujuan penelitian ini adalah memprediksi produksi hasil tangkapan ikan Cakalang dengan menerapkan metode Regresi Linear dan Recurrent Neural Network (RNN). Penelitian dilaksanakan dari Maret 2023 sampai Desember 2023. Data yang digunakan adalah hasil tangkapan cakalang yang didaratkan di Pelabuhan Perikanan Pantai Tumumpa, Sulut dari 2018 sampai 2023. Data faktor lingkungan diambil dari situs web Marine Copernicus dan Climate Copernicus pada bulan Juni 2023, di 14 titik pengamatan. Model dibuat dengan meggunakan library Scikit-learn dan library Keras yang telah disertakan dalam library Tensorflow.  Hasil analisis menunjukkan bahwa ada hubungan signifikan diantara beberapa variabel lingkungan yakni antara variabel SPL dan variabel klorofil, yang bersifat negatif. Namun hubungan antara variabel lingkungan yang dianalisis dan hasil tangkapan ikan cakalang, terlihat relatif rendah, yakni hanya dapat dijelaskan kurang dari 25%, selebihnya karena pengaruh faktor lain. Hasil permodelan menunjukan bahwa variabel prediktor yang digunakan (SPL, Klorofil, Angin Laut, dan Arus Laut) memiliki pengaruh yang kurang signifikan (kurang dari 50%) terhadap hasil tangkapan ikan Cakalang. Kinerja kedua model masih belum memuaskan dalam memprediksi hasil tangkapan ikan Cakalang.