Detail Cantuman
03 Tesis
PREDIKSI PRODUKSI PERIKANAN LAUT TANGKAP BERBASIS PENGINDERAAN JAUH MENGGUNAKAN REGRESI DERET FOURIER DAN LONG SHORT-TERM MEMORY RECURRENT NEURAL NETWORK (LSTM-RNN) DI LAUT ARAFURA
Laut Arafura memiliki peran penting dalam industri perikanan Indonesia yang kaya akan keanekaragaman hayati, namun menghadapi masalah overfishing dan ancaman IUU fishing. Moratorium diterapkan sebagai respons terhadap penangkapan ikan berlebihan yang dapat merusak sumber daya laut. Penelitian ini mengkaji faktor-faktor yang memengaruhi produksi perikanan laut tangkap di Laut Arafura, mengevaluasi model prediksi produksi menggunakan Regresi Deret Fourier dan LSTM-RNN, dan mengembangkan pemetaan ZPPI menggunakan penginderaan jauh. Penelitian ini menggunakan pendekatan kuantitatif dan metode komparatif dengan analisis regresi deret Fourier dan LSTM-RNN serta pendekatan SIG untuk pemetaan ZPPI. Variabel dependen yang digunakan yaitu produksi perikanan laut tangkap menurut bulan di Perairan Laut Arafura Tahun 2014-2023 dengan variabel independen adalah Jumlah Kapal Bongkar, Rata-rata Suhu Permukaan Laut, Rata-rata Klorofil-a, Rata-rata Salinitas Air Laut, Kecepatan Angin, Tinggi Gelombang, Indeks El Nino & La Nina, Nilai Tukar Nelayan, Indeks Harga Yang Diterima Nelayan, dan Indeks Unit Value Ekspor Ikan. Hasil penelitian menunjukkan bahwa semua variabel independen berpengaruh terhadap produksi perikanan laut tangkap di Laut Arafura. Model regresi deret Fourier terbaik adalah dengan K=8 diperoleh nilai GCV sebesar 5,226x10-2, parameter sebanyak 91, RMSE sebesar 0,18, dan koefisien determinasi 96,82%. Metode LSTM-RNN menghasilkan nilai RMSE Set Pelatihan sebesar 0,109 dan Set Pengujian sebesar 0,086. Berdasarkan hasil analisis data, metode LSTM-RNN lebih efektif digunakan untuk memprediksi produksi perikanan laut tangkap di Laut Arafura karena fleksibel dalam menangani data yang memiliki dependensi temporal yang kompleks. Penelitian ini berhasil mengembangkan pemetaan ZPPI di Perairan Basin Laut Arafura dengan mengintegrasikan variabel suhu permukaan laut, klorofil-a, dan salinitas air laut.
Ketersediaan
Tidak ada salinan data
Informasi Detil
Judul Seri |
-
|
---|---|
No. Panggil |
-
|
Penerbit | Universitas Pertahanan Republik Indonesia : Bogor., 2024 |
Deskripsi Fisik |
-
|
Bahasa |
Indonesia
|
ISBN/ISSN |
-
|
Klasifikasi |
NONE
|
Fakultas |
Sains dan Teknologi Pertahanan
|
Program Studi |
S-2 Teknologi Penginderaan
|
---|---|
Tipe Pembawa |
-
|
Edisi |
-
|
Subyek | |
NIM |
120220402001
|
Versi lain/terkait
Tidak tersedia versi lain