| Judul | 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 |
| Pengarang | ANATANSYAH AYOMI ANANDARI GENTIO HARSONO Sobar Sutisna Achmad Farid Wadjdi Rudy A. G. Gultom Agus Haryanto Ikhsanudin |
| Penerbitan | Bogor : Universitas Pertahanan Republik Indonesia, 2024 |
| Subjek | Deret Fourier -- Laut Arafura -- LSTM-RNN -- Penginderaan Jauh -- Perikanan Laut Tangkap -- Prediksi |
| Catatan | 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. |
| Bentuk Karya | Tidak ada kode yang sesuai |
| Target Pembaca | Tidak ada kode yang sesuai |
Informasi: Di sini Anda dapat mengakses seluruh konten digital yang tersedia untuk koleksi ini.
Tombol "Baca Buku" di bawah sampul hanya menampilkan file pertama sebagai preview.
| No | Nama File | Nama File Format Flash | Format | Aksi |
|---|---|---|---|---|
| 1 | e0367d70263f84e060dc899ec18cdb46.pdf | e0367d70263f84e060dc899ec18cdb46.pdf | Baca | |
| 2 | 39a3e3f8f09ed233b3ac9f0633cdc006.pdf | 39a3e3f8f09ed233b3ac9f0633cdc006.pdf | Baca | |
| 3 | 477e2f9566d0255299f7c3e91b4fd4f4.pdf | 477e2f9566d0255299f7c3e91b4fd4f4.pdf | Baca | |
| 4 | 95846151813484af86d1ff552f77320a.pdf | 95846151813484af86d1ff552f77320a.pdf | Baca | |
| 5 | 98b83167b9d4549cb8e2f4721c1c7b87.pdf | 98b83167b9d4549cb8e2f4721c1c7b87.pdf | Baca |
Informasi: Di sini Anda dapat melihat ketersediaan eksemplar fisik koleksi ini di perpustakaan beserta lokasinya.
| No | No Barcode | No. Panggil | Akses | Lokasi | Ketersediaan | Aksi |
|---|
| Tag | Ind1 | Ind2 | Isi |
| 001 | INLIS000000000003141 | ||
| 005 | 20260212093915 | ||
| 008 | 260212################|##########|#|## | ||
| 035 | # | # | $a 0010-1225003141 |
| 041 | $a id | ||
| 082 | # | # | $a NONE |
| 100 | 0 | # | $a ANATANSYAH AYOMI ANANDARI |
| 245 | 1 | # | $a 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 |
| 260 | # | # | $a Bogor :$b Universitas Pertahanan Republik Indonesia,$c 2024 |
| 500 | # | # | $a 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. |
| 650 | 4 | $a Deret Fourier -- Laut Arafura -- LSTM-RNN -- Penginderaan Jauh -- Perikanan Laut Tangkap -- Prediksi | |
| 700 | 0 | # | $a Achmad Farid Wadjdi |
| 700 | 0 | # | $a Agus Haryanto Ikhsanudin |
| 700 | 0 | # | $a GENTIO HARSONO |
| 700 | 0 | # | $a Rudy A. G. Gultom |
| 700 | 0 | # | $a Sobar Sutisna |
Content Unduh katalog
Karya Terkait :