Show simple item record

dc.contributor.advisorSiregar, Vincentius Paulus
dc.contributor.advisorAgus, Syamsul Bahri
dc.contributor.authorSiregar, Emma Suri Yanti
dc.date.accessioned2018-11-14T05:58:18Z
dc.date.available2018-11-14T05:58:18Z
dc.date.issued2018
dc.identifier.urihttp://repository.ipb.ac.id/handle/123456789/95042
dc.description.abstractPermasalahan yang dihadapi oleh nelayan perikanan tuna longline di perairan Sumatera Barat adalah keterbatasan pengetahuan dalam menentukan lokasi penangkapan yang tepat atau menentukan daerah penangkapan ikan yang potensial. Pengunaan Generalized Additive Model (GAM) untuk pendugaan daerah penangkapan sudah umum digunakan di beberapa wilayah laut Indonesia dengan tingkat akurasi yang lebih baik. Tujuan dari penelitian adalah untuk mengetahui distribusi parameter lingkungan serta kesesuaian daerah penangkapan ikan tuna sirip kuning dan memprediksi daerah penangkapan ikan disetiap musimnya dengan menggunakan model GAM. Data yang digunakan dalam penelitian ini berupa data penangkapan ikan tuna sirip kuning yang didapatkan dari logbook Pelabuhan Perikanan Samudera (PPS) Bungus dan data oseanografi berupa data suhu permukaan laut (SPL), klorofil-a (Chl-a), salinitas dan tinggi muka laut (TML). Analisis kelimpahan ikan dinyatakan dalam nilai laju pancing (hook rate) tuna longline. Laju tangkap (hook rate) merupakan indeks kepadatan stok, digunakan untuk mengetahui tingkat eksploitasi sumberdaya perikanan di suatu perairan. Didalam pemodelan dengan menggunakan model GAM, dataset dibagi menjadi 2 (dua) bagian yaitu training data yang digunakan untuk pembentukan model dan evaluation data digunakan untuk memvalidasi hasil prediksi dari pemodelan tersebut. 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. Jika ditinjau dari keseluruhan model yang ada, bahwa 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 (HR) sebesar 56.9%. Variabel SPL (p=0.00163**) dan Chl-a (p=0.09021.) mempunyai kontribusi yang paling besar dibandingkan dengan variabel Salinitas (p=0.74861) dan TML (p=0.47014). Berdasarkan model GAM, daerah penangkapan ikan (DPI) yang potensial pada tahun 2016 terdapat pada perairan Pulau Siberut dan Sipora.id
dc.language.isoidid
dc.publisherBogor Agricultural University (IPB)id
dc.subject.ddcMarine Technologyid
dc.subject.ddcFishing Groundid
dc.subject.ddc2017id
dc.subject.ddcSumatera Baratid
dc.titlePrediksi Zona Potensi Penangkapan Ikan Tuna Sirip Kuning (Thunnus albacares) Menggunakan Model GAM di Perairan Sumatera Barat.id
dc.typeThesisid
dc.subject.keyworddaerah penangkapan ikanid
dc.subject.keywordgeneralized additive modelid
dc.subject.keywordtuna longlineid


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record