ANALISIS KOMPUTASIONAL PRODUKSI PERIKANAN TANGKAP LAUT BERDASARKAN INDIKATOR ATMOSFER BERBASIS RANDOM FOREST REGRESSOR

Abstract

Produksi perikanan tangkap merupakan sektor strategis dalam mendukung perekonomian dan ketahanan pangan daerah, khususnya di Provinsi Jawa Timur. Namun, volume hasil tangkapan ikan cenderung berfluktuasi akibat pengaruh kondisi cuaca yang dinamis serta keterbatasan ketersediaan data oseanografi historis pada skala kabupaten/kota. Kondisi ini mendorong perlunya pemanfaatan indikator atmosfer darat sebagai alternatif prediktor produksi perikanan tangkap. Penelitian ini bertujuan untuk menganalisis dan memprediksi volume produksi perikanan tangkap laut berdasarkan indikator cuaca menggunakan pendekatan machine learning. Data yang digunakan terdiri atas data produksi perikanan tahunan dan data cuaca meliputi suhu udara, kelembapan, curah hujan, durasi penyinaran matahari, dan kecepatan angin pada periode 2020–2023 di Provinsi Jawa Timur. Metode Random Forest Regressor digunakan sebagai model utama dengan Decision Tree Regressor sebagai model pembanding. Tahapan penelitian meliputi pra-pemrosesan data, transformasi logaritmik variabel target, pembagian data latih dan uji, serta evaluasi model menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (). Hasil penelitian menunjukkan bahwa Random Forest Regressor memberikan performa lebih baik dengan nilai MAE sebesar 1,29, RMSE sebesar 1,58, dan R² sebesar 0,2384. Analisis feature importance menunjukkan bahwa suhu udara dan kelembapan merupakan faktor paling berpengaruh terhadap variasi produksi perikanan tangkap di Jawa Timur.