Elzahra, Najwa
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

KOMPARASI ALGORITMA MACHINE LEARNING PADA IDENTIFIKASI VOLUME PRODUKSI PERIKANAN TANGKAP LAUT DI INDONESIA Fitransyah, Hikmal Akbar; Fadhilah, Iqlima Yasmin; Elzahra, Najwa
Jurnal Pendidikan Perikanan Kelautan (Journal of Fisheries and Maritime Studies) Vol 5, No 1 (2025): Juni 2025
Publisher : Universitas Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jppk.v5i1.90848

Abstract

Penelitian ini membandingkan tiga algoritma Machine Learning, Linear Regression,Random Forest, dan Decision Tree untuk mengidentifikasi volume produksi perikanantangkap laut di Indonesia dari tahun 2020 hingga 2023, dengan mengukur kinerjamenggunakan koefisien determinasi (R2). Hasil menunjukkan bahwa Decision Tree mencapainilai R2 tertinggi secara konsisten, yaitu 1.0 setiap tahun, mengindikasikan akurasi yangsangat tinggi. Random Forest juga menunjukkan performa yang sangat baik dengan R2mendekati 1.0, yaitu 0.998 pada tahun 2020, 0.995 pada tahun 2021, 0.995 pada tahun 2022,dan 0.994 pada tahun 2023. Linear Regression, meskipun dengan nilai R2 lebih rendahdibandingkan kedua algoritma lainnya, menunjukkan ketepatan yang cukup baik, yaitu 0.949pada tahun 2020, 0.903 pada tahun 2021, 0.907 pada tahun 2022, dan 0.871 pada tahun 2023.Berdasarkan komparasi ini, Decision Tree dan Random Forest terbukti unggul dalam prediksivolume produksi perikanan tangkap laut di Indonesia, dengan akurasi tinggi dan ketahananterhadap variasi data. Algoritma-algoritma ini direkomendasikan untuk digunakan dalamanalisis volume produksi perikanan, yang dapat mendukung pengembangan strategipengelolaan perikanan tangkap yang berkelanjutan.