MODEL PENDUGAAN PRODUKTIVITAS PERIKANAN PUKAT CINCIN DI LAUT JAWA

Abstract

Produktivitas perikanan dipengaruhi banyak faktor, salah satu faktor adalah upaya dan lingkungan yang meliputi suhu permukaan laut (SPL), ketinggian permukaan laut (KPL), klorofil-a, angin, arus, SOI, DMI dan curah hujan. Faktor-faktor tersebut terlebih dahulu diuji multikolinearitas kemudian dianalisis komponen utama untuk mereduksi faktor. Selanjutnya faktor terpilih menjadi masukan bagi jaringan syaraf tiruan (JST) dengan bantuan Forecaster XL. Data yang digunakan merupakan data runtun waktu bulanan selama 16 tahun (1996 - 2011) untuk menyusun model pendugaan dan memvalidasi produktivitas pukat cincin pada tahun 2011. Hasil analisis menunjukkan 9 faktor yang diduga berpengaruh bersifat saling bebas, dan kemudian disederhanakan menjadi 4 faktor dengan PCA. Hasil training data dengan JST diperoleh koefisien pendugaan produktivitas terbaik, dengan nilai korelasi (r) dan Root Mean Square Error (RMSE) berturut-turut sebesar 78.03% dan 48.93%.

Fisheries productivity are effected by many factor, such as effort and environment factors; including SST, SSH, chlorophyll-a, wind, current, SOI, DMI and rainfall. That factors are tested by multicolinearity analysis and principle component analysis (PCA) first, to reduce factors. Furthermore, simplified factors will entered to Forcaster XL for artificial neural network (ANN) analysis. This analysis was used monthly time series for 16 years (1996-2011), as a prediction target is purse seine productivity in 2011 and will validated by actual values. Results show that 9 factors were independently (no multicolinearity), furthermore that factors was simplified to 4 factors using PCA. ANN training resulted the best fit coefficient to predict productivity which have correlation value (r) and Root Mean Square Error (RMSE) 78.03% and 48.93% respectively.