ANALISIS DAERAH PENANGKAPAN IKAN TUNA SIRIP KUNING Thunnus albacares DI PERAIRAN SUMATERA BARAT BERDASARKAN MODEL GAM

Emma Suri Yanti Siregar, Vincentius Paulus Siregar, Syamsul Bahri Agus

Abstract

Pengunaan Generalized Additive Model (GAM) sudah umum digunakan di beberapa wilayah laut Indonesia dengan tingkat akurasi yang lebih baik. Tujuan dari penelitian adalah untuk memprediksi daerah penangkapan ikan tuna sirip kuning melalui pendekatan statistik Generalized Additive Model (GAM). Data yang digunakan dalam penelitian ini berupa data penangkapan ikan tuna sirip kuning yang didapatkan dari logbook Pelabuhan Perikanan Samudera Bungus dan data oseanografi berupa data suhu permukaan laut, klorofil-a, salinitas dan tinggi muka laut. Analisis kelimpahan ikan dinyatakan dalam nilai laju pancing (hook rate) tuna longline. Laju tangkap merupakan indeks kepadatan stok. Didalam pemodelan, dataset dibagi menjadi 2 bagian yaitu training data yang digunakan untuk pembentukan model dan evaluation data digunakan untuk memvalidasi hasil prediksi dari pemodelan. Pada penelitian ini, data tahun 2015 digunakan sebagai training data dan data tahun 2016 digunakan sebagai evaluation data. Hasil penelitian menunjukkan bahwa, sebanyak 14 model prediksi telah dihasilkan melalui pendekatan model GAM berdasarkan parameter oseanografi. Model variabel SPL+Salinitas+TML+Chl-a merupakan yang terbaik dengan nilai AIC terkecil yaitu sebesar 658,1 dan nilai deviance terbesar yaitu 56,9%. Nilai deviance memberikan pengertian model GAM tersebut dapat menjelaskan data hook rate sebesar 56,9%. Berdasarkan model GAM, daerah penangkapan ikan yang potensial pada tahun 2016 terdapat pada perairan Pulau Siberut dan Sipora.

Authors

Emma Suri Yanti Siregar
emmasysiregar@gmail.com (Primary Contact)
Vincentius Paulus Siregar
Syamsul Bahri Agus
Yanti SiregarE. S., SiregarV. P., & AgusS. B. (2018). ANALISIS DAERAH PENANGKAPAN IKAN TUNA SIRIP KUNING Thunnus albacares DI PERAIRAN SUMATERA BARAT BERDASARKAN MODEL GAM. Jurnal Ilmu Dan Teknologi Kelautan Tropis, 10(2), 501-516. https://doi.org/10.29244/jitkt.v10i2.21908

Article Details