STRATEGI PENINGKATAN EKSPOR HASIL LAUT MELALUI KEBIJAKAN PERIKANAN TERUKUR MENGGUNAKAN RANDOM FOREST ALGORITHM

Joannes Fregis Philosovio Anugrahnu, Ezra Etika, Sania Lina Sumarni, Naomi Nessyana Debataraja, Yoke Lestyowati, Dwi Ari Priyanto

Abstract


 

Penelitian ini bertujuan menyusun strategi dalam menerapkan eco-preservation fishing dalam kerangka kebijakan Penangkapan Ikan Terukur (PIT) di PPN Pemangkat, Kabupaten Sambas. Dengan menggunakan data sekunder mengenai produksi ikan tahun 2020, peneliti mengidentifikasi faktor-faktor penting yang perlu dijadikan dasar dalam penyusunan kebijakan agar penerapan eco-preservation fishing dapat berjalan efektif sekaligus mendukung kinerja ekspor setelah masa pandemi. Variabel yang dianalisis mencakup berat hasil tangkapan (Y), ukuran kapal/gross tonnage (X1), jenis alat penangkapan (X2), waktu pembongkaran (X3), jumlah hari perjalanan (X4), jumlah ABK (X5), dan frekuensi penangkapan (X6). Algoritma random forest digunakan untuk mengklasifikasikan serta mengevaluasi tingkat pengaruh masing-masing variabel. Model yang dihasilkan memiliki akurasi prediksi sebesar 81,32% (kategori baik). Frekuensi penangkapan (X6) menunjukkan penurunan rataan Gini terbesar, sehingga menjadi variabel yang paling berpengaruh, diikuti oleh ukuran kapal (X1), jenis alat (X2), dan hari perjalanan (X4). Dari temuan tersebut, ditemukan strategi prioritas, yaitu : (1) penetapan kuota berdasarkan effort (per trip/kapal) dan ukuran kapal, (2) pembatasan serta penggantian alat tangkap yan glebih ramah lingkungan, (3) pengaturan durasi dan jumlah hari operasi, serta (4) peningkatan kepatuhan melalui pengawasan waktu bongkar. Hasil penelitian ini memberikan strategi untuk penerapan eco-preservation fishing dalam skema PIT di PPN Pemangkat yang didasarkan pada bukti empiris dari data tahun 2020.

 

Measured fisheries management (PIT) is a policy of capturing marine products accompanied by control over its quotas and areas. Compliance with this policy should be increased along with the sustainability of the marine product exports sector amidst the decline in the economic sector due to the covid-19 pandemic. Eco-preservation fishing is one of the solutions that can be offered. This study uses secondary data on marine products production in 2020 obtained from Archipelago Fishing Port (AFP) of Pemangkat, Sambas Regency. Random forest algorithm is used to classify randomly selected subsets of the sample and training variables to produce several decision trees. The results of the data testing test show the predicted value of 81.32% and is included in the good category. The variable in this research is weight of catches (Y), gross tonnage (X1), fishing gear type (X2), ship unloading time (X3), number of travel days (X4), number of crew members (X5), and the number of catches (X6). X6 has the largest mean decrease gini value than the other variables, so it has the biggest contribution in classifying the causes of catches in Pemangkat AFP as per 2021.


Keywords


Perikanan terukur; mean decrease gini; gross tonnage; data mining, klasifikasi

Full Text:

PDF

References


Anas, A. (2020). Penerapan Algoritma Fp-Growth Dalam Menentukan Perilaku Konsumen Ghania Mart Muara Bulian. Jurnal Ilmiah MEDIA SISFO, 14(2), 120–129. https://doi.org/https://doi.org/10.33998/mediasisfo.2020.14.2.879

Apriliah, W., Kurniawan, I., Baydhowi, M., & Haryati, T. (2021). Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest. SISTEMASI: Jurnal Sistem Informasi, 10(1), 163–171. https://doi.org/10.32520/stmsi.v10i1.1129

Badan Pusat Statistik. (2021). Pertumbuhan Ekonomi Indonesia Triwulan IV-2020 No. 13/02/Th. XXIV, 5 Februari 2021. Berita Resmi Statistik, 1–12.

Belgiu, M., & Dragut, L. (2016). Random forest in remote sensing : A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24–31. https://doi.org/10.1016/j.isprsjprs.2016.01.011

Chen, W., Xie, X., Wang, J., Pradhan, B., Hong, H., Bui, D. T., Duan, Z., & Ma, J. (2017). A comparative study of logistic model tree , random forest , and classification and regression tree models for spatial prediction of landslide susceptibility. Catena, 151, 147–160. https://doi.org/10.1016/j.catena.2016.11.032

Darmawan, A., Kustian, N., & Rahayu, W. (2018). Implementasi Data Mining Menggunakan Model SVM Untuk Prediksi Kepuasan Pengunjung Taman Tabebuya. Jurnal String, 2(3), 299–307.

Darwanto, A. R. S., Viarindita, T. L., & Widyaningsih, Y. (2021). Analisis Regresi Logistik Binomial dan Algoritma Random Forest pada Proses Pengklasifikasian Penyakit Ginjal Kronis. Jurnal Statistika dan Aplikasinya, 5(1), 1–14.

Kardian, A. R., & Gustiana, D. (2021). Analisis Sentimen Berdasarkanan Opini Pengguna pada Media Twitter Terhadap BPJS Menggunakan Metode Lexicon Based dan Naïve Bayes Classifier. Jurnal Ilmiah KOMPUTASI, 20(1), 39–52. https://doi.org/http://dx.doi.org/10.32409/jikstik.20.1.401

Kementerian Kelautan dan Perikanan. (2020). Peringkat Indonesia Sebagai Eksportir Produk Perikanan Dunia Meningkat di Masa Pandemi. https://kkp.go.id/djpdspkp/artikel/33334-peringkat-indonesia-sebagai-eksportir-produk-perikanan-dunia-meningkat-di-masa-pandemi

Kepala Badan Karantina Ikan Pengendalian Mutu dan Keamanan Hasil Perikanan. (2015). Keputusan Kepala Badan Karantina Ikan, Pengendalian Mutu, dan Keamanan Hasil Perikanan Nomor 67/KEP-BKIPM/2015 Tentang Metode Pengujian Mikrobiologi, Bidang Mutu, dan Keamanan Hasil Perikanan.

Menteri Kelautan dan Perikanan. (2021). Laporan Kinerja Kementerian Kelautan dan Perikanan 2021 Tentang Ekspor Hasil Laut Indonesia.

Menteri Kelautan dan Perikanan Republik Indonesia. (2022). Keputusan Menteri Kelautan dan Perikanan Nomor 19 tahun 2022 Tentang Estimasi Potensi Sumber Daya Ikan, Jumlah Tangkapan Ikan Yang Diperbolehkan dan Tingkat Pemanfaatan Sumber Daya Ikan di Wilayah Pengelolaan Perikanan Negara Republik Indonesia (hal. 1–7).

Menteri Kelautan dan Perikanan RI. (2020). Peraturan Menteri Kelautan dan Perikanan Republik Indonesia Nomor 54/PERMEN-KP/2020 Tentang Izin Lokasi, Izin Pengelolaan, dan Izin Lokasi di Laut.

Mutmainah, S. (2021). Penanganan Imbalance Data pada Klasifikasi Kemungkinan Penyakit Stroke. Jurnal SNATi, 1(1), 10–16.

Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2), 697–711.

Pratiwi, R. W., & Nugroho, Y. S. (2016). Prediksi Rating Film Menggunakan Metode Naïve Bayes. Jurnal Teknik Elektro, 8(2), 60–63.

Presiden Republik Indonesia. (2020). Peraturan Pemerintah (PP) Nomor 21 Tahun 2020 Tentang Pembatasan Sosial Berskala Besar dalam Rangka Percepatan Penanganan Coronavirus Disease 2019 (Covid-19).

Presiden Republik Indonesia. (2023). Peraturan Pemerintah Republik Indonesia Nomor 11 Tahun 2023 Tentang Penangkapan Ikan Terukur.

Raihananda, Q., Putra, I. W. E. D., Sijabat, M. S., Rofatunnisa, S., Maruf, I., Hermarwan, H., & Nooraeni, R. (2021). Application of Random Forest Method Classification to Predict BPJS Kesehatan Card Users Who Receive Contribution Assistance in Karangasem District, Bali Province 2017. Jurnal Matematika, Statistika dan Komputasi, 17(2), 178–188. https://doi.org/10.20956/jmsk.v17i2.11710

Sadewo, M. G., Windarto, A. P., & Hartama, D. (2016). Penerapan Data Mining pada Populasi Daging Ayam RAS Pedaging di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering. InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan), 2(1), 60–67.

Satmoko, D. B., Sukarno, P., & Jadied, E. M. (2018). Peningkatan Akurasi Pendeteksian Serangan DDoS Menggunakan Multiclassifier Ensemble Learning dan Chi-Square. e-Proceeding of Engineering, 5(3), 7877–7985.

Schonlau, M., & Zou, R. Y. (2020). The Random Forest Algorithm for Statistical Learning. The Stata Journal, 20(1), 3–29. https://doi.org/10.1177/1536867X20909688

Suherman, & Muzaky, I. (2019). Analisis Penjualan Barang Laris Dan Kurang Laris Terhadap Percetakan Awfa Digitl Printing Menggunakan Metode Decision Tree Dengan Optimasi Algoritma Genetika. SIGMA: Jurnal Teknologi Pelita Bangsa, 10(1), 118–130.

Susanto, H., & Sudiyatno. (2014). Data Mining untuk Memprediksi Prestasi Siswa Berdasarkan Sosial Ekonomi, Motivasi, Kedisiplinan, dan Prestasi Masa Lalu. Jurnal Pendidikan Vokasi, 4(2), 222–231. https://doi.org/10.21831/jpv.v4i2.2547

Tanujaya, L. B. C., Susanto, B., & Saragih, A. (2020). Perbandingan Metode Regresi Logistik dan Random Forest untuk Klasifikasi Fitur Mode Audio Spotify. Indonesian Journal of Data and Science (IJODAS), 1(3), 68–78.




DOI: http://dx.doi.org/10.15578/jkpi.17.2.2025.105-113

Creative Commons License
Jurnal Kebijakan Perikanan Indonesia is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
View My Stats
p-ISSN 1979-6366
e-ISSN 2502-6550