Industrial Kelautan Published: 2/2/2026
Penelitian ini membandingkan tiga algoritma Machine Learning, Linear Regression, Random Forest, dan Decision Tree untuk mengidentifikasi volume produksi perikanan tangkap laut di Indonesia dari tahun 2020 hingga 2023, dengan mengukur kinerja menggunakan koefisien determinasi (R²). Hasil menunjukkan bahwa Decision Tree mencapai nilai R² tertinggi secara konsisten, yaitu 1.0 setiap tahun, mengindikasikan akurasi yang sangat tinggi. Random Forest juga menunjukkan performa yang sangat baik dengan R² mendekati 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 rendah dibandingkan kedua algoritma lainnya, menunjukkan ketepatan yang cukup baik, yaitu 0.949 pada 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 prediksi volume produksi perikanan tangkap laut di Indonesia, dengan akurasi tinggi dan ketahanan terhadap variasi data. Algoritma-algoritma ini direkomendasikan untuk digunakan dalam analisis volume produksi perikanan, yang dapat mendukung pengembangan strategi pengelolaan perikanan tangkap yang berkelanjutan.
Akses lengkap publikasi dalam format PDF dengan semua gambar, tabel, dan formatting asli
Download PDFThis work is licensed under Open Access