ANALISIS REGRESI NON-LINIER PRODUKSI PERIKANAN TANGKAP MENGGUNAKAN PENDEKATAN ENSEMBLE LEARNING BERBASIS INDIKATOR ATMOSFER

Abstract

Produksi perikanan tangkap laut merupakan sistem kompleks yang dipengaruhi oleh interaksi non-linier berbagai faktor lingkungan, sementara ketersediaan data oseanografi historis pada skala kabupaten/kota masih terbatas. Penelitian ini bertujuan menganalisis hubungan regresi non-linier antara indikator geofisika atmosfer darat dan volume produksi perikanan tangkap laut di Provinsi Jawa Timur menggunakan pendekatan statistik berbasis machine learning. Data yang digunakan merupakan data tahunan periode 2020–2023 yang meliputi suhu udara, kelembapan, curah hujan, durasi penyinaran matahari, dan kecepatan angin sebagai variabel prediktor. Variabel respon berupa volume produksi perikanan tangkap ditransformasikan secara logaritmik untuk menstabilkan varians dan mengurangi pengaruh pencilan. Pemodelan dilakukan menggunakan Random Forest sebagai estimator regresi non-parametrik dan dibandingkan dengan Decision Tree sebagai model dasar. Evaluasi kinerja model menggunakan Mean Absolute Error, Root Mean Squared Error, dan koefisien determinasi menunjukkan bahwa pendekatan ensemble menghasilkan kesalahan prediksi yang lebih rendah dan estimasi yang lebih stabil dibandingkan model pohon tunggal. Analisis kepentingan fitur mengindikasikan bahwa suhu udara dan kelembapan merupakan variabel dengan kontribusi dominan. Temuan ini menunjukkan bahwa indikator atmosfer darat dapat dimanfaatkan secara aplikatif sebagai proksi lingkungan dalam analisis produksi perikanan tangkap dengan keterbatasan data laut langsung.