PREDIKSI SPASIAL PRODUKTIVITAS KLOROFIL-A LAUTAN MENGGUNAKAN METODE BACKPROPAGATION

Sitti Najmia Rifai

Abstract


Indonesia memiliki sumber daya laut yang melimpah, termasuk berbagai jenis ikan yang telah memberikan kontribusi signifikan pada peningkatan ekspor komoditi perikanan. Salah satu tantangan yang kerap dihadapi dalam sektor kelautan dan perikanan, terutama oleh para nelayan, adalah ketidakmampuan mereka untuk mengakses informasi yang akurat dan real-time mengenai kondisi laut, migrasi ikan, serta perubahan pola penangkapan ikan. Keterbatasan ini dapat mengakibatkan pemborosan waktu dan sumber daya karena proses penangkapan yang kurang efisien, memberikan dampak negatif pada pendapatan nelayan dan keberlanjutan sumber daya laut. Parameter Klorofil-a dalam lautan merupakan pigmen aktif dalam sel tumbuhan yang memainkan peran krusial dalam proses fotosintesis di lingkungan air, dan dapat berfungsi sebagai indikator tingkat keberlimpahan ikan dalam suatu wilayah, mencerminkan gambaran siklus rantai makanan di laut. Dengan penerapan sistem prediksi spasial menggunakan teknologi Sistem Informasi Geografis (SIG) dengan metode backpropagation yang dapat diakses secara langsung, produktivitas klorofil-a di perairan laut dapat memberikan informasi yang dapat meningkatkan efektivitas dan efisiensi dalam kegiatan penangkapan ikan. Hal ini bertujuan untuk mengurangi waktu, biaya, dan tenaga yang diperlukan dalam proses penangkapan, sehingga dapat mencapai efisiensi optimal.

Kata Kunci : 

Klrofil-a; Sistem Informasi Geografis; Backpropagation


Full Text:

PDF 458-467

References


Rifai, S. N., Ilham, A. A., & Achmad, A. (2022, September). Temporal Forecasting System of Potential Catching Areas of Skipjack Tuna in Bone Sea Using Artificial Neural Network. In 2022 International Conference on Electrical Engineering and Informatics (ICELTICs) (pp. 71-77). IEEE. DOI: 10.1109/ICELTICs56128.2022.9932066

Rifai, S. N. (2023). Analisis Oseanografi Lautan Menggunakan Model Jaringan Syaraf Tiruan. Prosiding Seminar Nasional Pemanfaatan Sains Dan Teknologi Informasi, 1(1), 1-10. Retrieved from https://epublikasi.digitallinnovation.com/index.php/sempatin/article/view/35

Yunus, F., Zainuddin, M., & Farhum, S. A. (2019). Pemetaan Daerah Potensial Penangkapan Ikan Tongkol (Euthynnus sp) Di Perairan Selat Makassar. Jurnal IPTEKS Pemanfaatan Sumberdaya Perikanan, 6(11). DOI: https://doi.org/10.20956/jipsp.v6i11.6273

Santos, R., Pabon, A., Silva, W., Silva, H., & Pinho, M. (2020). Population structure and movement patterns of blackbelly rosefish in the NE Atlantic Ocean (Azores archipelago). Fisheries Oceanography, 29(3), 227-237.DOI: https://doi.org/10.1111/fog.12466

Eden Ishal, A. (2012). Studi Perbandingan Jumlah Hasil Tangkapan Pole and Line (Huhate) Berdasarkan Waktu Penangkapan di Perairan Baubau (Doctoral dissertation, Universitas Hasanuddin). http://repository.unhas.ac.id/id/eprint/10439/1/ahmadedeni-2856-1-skiripsi%201-2.pdf

Syetiawan, A. (2015). Penentuan Zona Potensi Penangkapan Ikan Berdasarkan Sebaran Klorofil-a. Jurnal Ilmiah Geomatika, 21(2), 131-136. https://www.researchgate.net/profile/agung-syetiawan/publication/355108709_penentuan_zona_potensi_penangkapan_ikan_berdasarkan_sebaran_klorofil-a/links/615e5a9250be5507288c319d/penentuan-zona-potensi-penangkapan-ikan-berdasarkan-sebaran-klorofil-a.pdf

Nababan, B., Rosyadi, N., Manurung, D., Natih, N. M., & Hakim, R. (2016). The seasonal variability of sea surface temperature and chlorophyll-a concentration in the south of Makassar Strait. Procedia Environmental Sciences, 33, 583-599. DOI:https://doi.org/10.1016/j.proenv.2016.03.112

Rosdiana, A., Prartono, T., Atmadipoera, A. S., & Zuraida, R. (2017). Nutrient and chlorophyll-A distribution in Makassar upwelling region: From MAJAFLOX cruise 2015. In IOP Conference Series: Earth and Environmental Science (Vol. 54, No. 1, p. 012087). IOP Publishing. DOI:10.1088/1755-1315/54/1/012087

Prayudha, J., Purwadi, P., & Mariami, I. (2019, August). Implementasi Jaringan Syaraf Tiruan Dalam Memprediksi Hasil Perkebunan Dengan Metode Backpropagation. In Seminar Nasional Sains dan Teknologi Informasi (SENSASI) (Vol. 2, No. 1). http://seminar-id.com/prosiding/index.php/sensasi/article/view/342

Putra, K. O., Nurcahyo, G. W., & Santony, J. (2018). Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Volume Pemakaian Air Dengan Metode Backpropagation (Studi Kasus PT. PDAM Kota Padang). JSR: Jaringan Sistem Informasi Robotik, 2(1), 86-90. DOI: 10.58486/jsr.v2i1.30

Dina, R. (2019). Optimasi Backpropagation Neural Network Menggunakan Metode Algoritma Genetika Dalam Memprediksi Jumlah Pengangguran (Doctoral Dissertation, Universitas Islam Negeri Sultan Syarif Kasim Riau). http://repository.uin-suska.ac.id/id/eprint/23604

Hidayat, R., Zainuddin, M., Mallawa, A., Mustapha, M. A., & Putri, A. R. S. (2021). Mapping Spatial-Temporal Skipjack Tuna Habitat As a Reference For Fish Aggregating Devices (Fads) Settings In Makassar Strait, Indonesia. Biodiversitas Journal Of Biological Diversity, 22(9). DOI: https://doi.org/10.13057/biodiv/d220905




DOI: http://dx.doi.org/10.23960/jitet.v12i1.3804

Refbacks

  • There are currently no refbacks.


This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Publisher
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Email: jitet@eng.unila.ac.id
Website : https://journal.eng.unila.ac.id/index.php/jitet

Copyright (c) Jurnal Informatika dan Teknik Elektro Terapan (JITET)
pISSN: 2303-0577   eISSN: 2830-7062