Komparasi Multiple Linear Regression dan Decision Tree dalam Memprediksi Penetasan Penyu Jenis Chelonioidea Sp di Pulau Mangkai
DOI:
https://doi.org/10.37859/jf.v14i1.6844
Abstract
Pulau Mangkai yang terletak di Kabupaten Kepulauan Anambas Provinsi Kepulauan Riau. Secara geografis Pulau Mangkai terletak pada titik koordinat 03005’32’ LU dan 105035’00”BT dengan luas + 2,27 km. Pantai bagian utara di Pulau Mangkai merupakan tempat peneluran penyu. Konservasi salah satu langkah untuk menekan menurunnya populasi penyu, pengelolaan kawasan yang terintegrasi dengan tetap mempertimbangkan ekologi dan ekosistem serta mengkolaborasikan keberadaan spesies yang terancam punah, masyarakat di sekitar kawasan melalui mekanisme ekowisata minat khusus. Peran serta Machine Learnging dipelukan dalam menganalisis lama penetasan telur penyu pada pengelolaan kawasan konservasi. Tujuannya adalah untuk mencari algoritma yang terbaik dalam memprediksi lama waktu yang dibutuhkan dalam penetasan telur penyu untuk melihat ketersediaan relokasi sarang penyu dan menjadi paket wisata Turtle Watching. Pemodelan algoritma Multiple Linear Regression diperoleh nilai RMSE 3,96387 pada data training dan 4,95446 pada data testing, sementara pada Algoritma Decission Tree nilai RMSE pada data training 4,29728 dan 4,82765 pada data testing. Pengujian pada data aktual untuk model prediksi pada algoritma Multiple Linear Regression dan algoritma Decission Tree dengan kedalaman sarang = 47, jumlah telur = 173 butir, jenis penyu = sisik, tanggal bertelur = 27 April 2022. Algoritma Multiple Linear Regression memprediksi telur akan menetas selama 47,99 dibulatkan menjadi 48 hari, sementara Algoritma Decission Tree memprediksi telur akan menetas selama 48 hari.
Downloads
References
K. K. dan Perikanan, “Direktorat Pengelolaan Kelautan dan Ruang Laut.” [Online]. Available: https://kkp.go.id/djprl/artikel/12083-profil-pulau-mangkai-kepulauan-anambas-kepulauan-riau#:~:text=Kondisi Geografis,° 35’ 00” BT.
L. P. LKKPN Pekanbaru, “Laporan Monitoring Penyu Kawasan Konservasi Pieh dan Kawasan Konservasi Anambas Tahun 2022,” 2022.
D. K. dan P. R. J. Direktorat Konservasi dan Taman Nasional Laut, Direktorat Jenderal Kelautan, Pesisir dan Pulau-Pulau Kecil, Pedoman Teknis Pengelolaan Konservasi Penyu. 2009, 2009.
IUCN, “Red List Of Threatened Spesies,” Biodiversity, vol. 8, pp. 17–26, 2007, [Online]. Available:https://doi.org/10.1080/148888386.2007.9712825
I. P. O. Saduarsa, I. G. N. P. Dirgayusa, and N. L. P. R. Puspitha, “Pengembangan Ekowisata Di Pulau Penyu Tanjung Benoa Bali Berdasarkan Prinsip-Prinsip Ekowisata,” J. Mar. Aquat. Sci., vol. 8, no. 1, p. 78, 2023, doi: 10.24843/jmas.2022.v08.i01.p09.
H. Damanhuri, A. Putra, and R. A. Troa, “Karakteristik bio-fisik pantai peneluran penyu di Pulau Laut-Sekatung Kabupaten Natuna – Provinsi Kepulauan Riau,” Pros. Simp. Nas. Magister, vol. 3, no. 2, pp. 1–15, 2019.
H. Mukhtar, Y. Rizki, F. A. Wenando, and M. Abdul Al Aziz, “Prediksi Kunjungan Wisatawan Ke Indonesia Dengan Reduksi Noise Pada Mesin Pencari Menggunakan Metode Hilbert Huang Transform,” J. Fasilkom, vol. 12, no. 3, pp. 152–159, 2022, doi: 10.37859/jf.v12i3.4332.
A. Hanif, H. Damanhuri, S. Suparno, and M. U. Rusli, “Tingkat Penetasan Penyu Hijau di Pulau Pandan Kawasan Konservasi Pulau Pieh, Sumatera Barat,” J. Akuatiklestari, vol. 6, no. 1, pp. 1–9, 2022, doi: 10.31629/akuatiklestari.v6i1.4696.
A. Fauzi, F. F. Wati, I. Sulistyowati, M. F. Akbar, E. Rahmawati, and R. K. Sari, “Penerapan Metode Machine Learning Dalam Memprediksi Keberhasilan Panggilan Telemarketing Menjual Produk Bank,” Indones. J. Softw. Eng., vol. 6, no. 2, pp. 213–222, 2020, doi: 10.31294/ijse.v6i2.8977.
S. Ningsih and H. H. Dukalang, “Penerapan Metode Suksesif Interval pada Analsis Regresi Linier Berganda,” Jambura J. Math., vol. 1, no. 1, pp. 43–53, 2019, doi: 10.34312/jjom.v1i1.1742.
K. aswin N. ramadhan Wiga Maulana Baihaqi, Melia Dianingrum, “Regresi linier sederhana untuk memprediksi kunjungan pasien di rumah sakit berdasarkan jenis layanan dan umur pasien,” Simetris, vol. 10, no. 2, pp. 671–680, 2019.
N. Luh, P. Wulandari, A. Kartika, Y. Sarja, G. Ayu, and D. Saryanti, “Prediksi Jumlah Pelanggan Dan Persediaan Barang Menggunakan Metode Regresi Linier Berganda Pada Bali Orchid,” Eksplora Inform., vol. L2, pp. 1–12, 2015.
I. Sungkawa, “Penerapan Regresi Linier Ganda untuk Mengukur Efisiensi Pola Penggunaan Air Tanah System Rice Intensification (SRI) di Kabupaten Bandung, Subang, dan Karawang,” ComTech Comput. Math. Eng. Appl., vol. 6, no. 2, p. 259, 2015, doi: 10.21512/comtech.v6i2.2270.
Dwita Elisa Sinaga, Agus Perdana Windarto, and Rizki Alfadillah Nasution, “Analisis Data Mining Algoritma Decision Tree Pada Prediksi Persediaan Obat (Studi Kasus : Apotek Franch Farma),” KLIK Kaji. Ilm. Inform. dan Komput., vol. 2, no. 4, pp. 123–131, 2022, doi: 10.30865/klik.v2i4.328.
M. A. Abdillah, A. Setyanto, and S. Sudarmawan, “Implementasi Decision Tree Algoritma C4.5 Untuk Memprediksi Kesuksesan Pendidikan Karakter,” Respati, vol. 15, no. 2, p. 59, 2020, doi: 10.35842/jtir.v15i2.349.
F. A. Artanto, I. Rosyadi, S. E. Rahmawati, and H. T. B. J. Pangestu, “Decision Tree Dalam Analisis Keputusan Pembelian Program Pada Perkumpulan Penggiat Programmer Indonesia,” J. Fasilkom, vol. 12, no. 3, pp. 141–144, 2022, doi: 10.37859/jf.v12i3.3948.
K. Maharana, S. Mondal, and B. Nemade, “A review: Data pre-processing and data augmentation techniques,” Glob. Transitions Proc., vol. 3, no. 1, pp. 91–99, 2022, doi: 10.1016/j.gltp.2022.04.020.
I. Cholissodin and A. A. Soebroto, “AI , MACHINE LEARNING & DEEP LEARNING ( Teori & Implementasi ),” no. July 2019, 2021.
M. B. B. and E. Plutzer, “Jurnal Manajemen Diversitas,” vol. 1, p. 6, 2021.
Downloads
Published
Issue
Section
License
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
_(1).png)
