PREDIKSI VOLUME DAN NILAI PRODUKSI IKAN DI TPI DKI JAKARTA DENGAN METODE REGRESI K-NEAREST NEIGHBOR

Nirmalasari, Hellen - 215410034 (2025) PREDIKSI VOLUME DAN NILAI PRODUKSI IKAN DI TPI DKI JAKARTA DENGAN METODE REGRESI K-NEAREST NEIGHBOR. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.

[img] Text
1_215410034_HALAMAN_DEPAN.pdf - Published Version

Download (2MB)
[img] Text
2_215410034_BAB_I.pdf - Published Version

Download (107kB)
[img] Text
3_215410034_BAB_II.pdf - Published Version

Download (311kB)
[img] Text
4_215410034_BAB_III.pdf - Published Version

Download (160kB)
[img] Text
5_215410034_BAB_IV.pdf - Published Version
Restricted to Repository staff only

Download (618kB)
[img] Text
6_215410034_BAB_V.pdf - Published Version

Download (23kB)
[img] Text
7_215410034_DAFTAR_PUSTAKA.pdf - Published Version

Download (107kB)
[img] Text
8_215410034_LAMPIRAN.pdf - Published Version

Download (477kB)

Abstract

Sektor perikanan memiliki peran penting dalam mendukung ketahanan pangan dan perekonomian daerah, khususnya di wilayah pesisir seperti DKI Jakarta. Ketidakpastian volume dan nilai produksi di Tempat Pelelangan Ikan (TPI) dapat menimbulkan gangguan pasokan serta kerugian ekonomi. Oleh karena itu, diperlukan pendekatan prediktif yang akurat untuk memperkirakan hasil produksi, guna mendukung pengelolaan perikanan yang berkelanjutan dan perencanaan yang lebih efektif. Penelitian ini menggunakan algoritma K-Nearest Neighbor (KNN) yang dipilih karena bersifat non-parametrik dan tidak memerlukan asumsi distribusi data. Algoritma ini bekerja berdasarkan prinsip kemiripan atau kedekatan data historis, sehingga cocok diterapkan pada permasalahan yang memiliki pola waktu (time series) yang kuat. Model KNN dengan nilai k = 3 mampu memprediksi volume dan nilai produksi ikan dengan baik. Pada data uji, model menghasilkan MAE sebesar 371,452 kg dan Rp14,4 miliar, serta RMSE sebesar 674,739 kg dan Rp25,2 miliar masing-masing untuk volume dan nilai produksi. Nilai R² sebesar 92% untuk volume dan 83% untuk nilai produksi menunjukkan bahwa model dapat menjelaskan sebagian besar variasi data dan pola historis secara akurat. Kata Kunci: K-Nearest Neighbor (KNN), Tempat Pelelangan Ikan (TPI), Regresi, Prediksi, DKI Jakarta

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing : Danny Kriestiyanto, S.Kom., M.Eng
Uncontrolled Keywords: K-Nearest Neighbor (KNN), Tempat Pelelangan Ikan (TPI), Regresi, Prediksi, DKI Jakarta
Subjects: A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma
A Karya Umum (General) > Metode Riset
A Karya Umum (General) > Ilmu Komputer (Computer Science) > Sistem Informasi
Divisions: Skripsi (S1) > Informatika (S1)
Depositing User: Mr. Andi Setyanto
Date Deposited: 06 Agu 2025 07:00
Last Modified: 06 Agu 2025 07:00
URI: http://eprints.utdi.ac.id/id/eprint/10791

Actions (login required)

View Item View Item