Analisis Peramalan Jumlah Produksi Perikanan Budidaya di Provinsi Riau Menggunakan Metode Time Series Analysis
Keywords:
aquaculture, time-series analysis, RapidMiner, production prediction, Riau Province.Abstract
This study evaluates the prediction of aquaculture production in Riau Province using time-series analysis. Against the backdrop of underutilized fisheries potential and declining production, this research aims to project future production volumes. Aquaculture production data from 2014 to 2022 were analyzed using RapidMiner to model trends, seasonality, and patterns in the time-series data. The results indicate that catfish, pangasius, and tilapia are the main contributors to production, with predicted increases in future volumes, despite temporary declines in certain periods. The high RMSE value suggests the need for further research to identify factors affecting prediction accuracy. These findings highlight the importance of comprehensive historical data and precise forecasting techniques in enhancing fisheries production. Additionally, the study provides valuable insights for decision-making in the development and management of fisheries resources in Riau Province.
References
Agung Widhi Kurniawan, Z. P. (2016). Metode penelitian kuantitatif. Pandiva Buku.
Al-Adawiyah, R., & Syamsudin, H. (2008). Agar ngampus tak sekadar status. Surakarta: Indiva Media Kreasi.
Aprilla, D. A. (2013). Belajar data mining dengan RapidMiner. Jakarta: Perpustakaan STMIK Budi Darma.
Dahuri, R. (2003). Keanekaragaman hayati laut aset pembangunan berkelanjutan Indonesia. Jakarta: PT. Gramedia Pustaka Utama.
Dewi, D. (2019). Analisis regresi dan korelasi. Purwokerto: IRDH.
Elwood, B. (1996). Manajemen operasi/produksi modern. Jakarta: Penerbit Binarupa Aksara.
Heizer, J., & Render, B. (2011). Manajemen operasi (9th ed., Vol. II). Jakarta: Salemba Empat.
Hendrian, S. (2018). Algoritma klasifikasi data mining untuk memprediksi siswa dalam memperoleh bantuan dana pendidikan. Jurnal Ilmiah, 11(3), 266–274.
KOMNAS Pengkajian Stok Sumberdaya Ikan Laut. (1998). Potensi dan penyebaran sumber daya ikan laut di perairan Indonesia. Jakarta.
Mabrur, A. G., & Lubis, R. (2012, Maret). Penerapan data mining untuk memprediksi kriteria nasabah kredit. Jurnal Komputer dan Informatika (KOMPUTA), 1.
Makridakis, S. (1999). Metode dan aplikasi peramalan (2nd ed.). Jakarta: Binas Aksara.
Nofitri, R. I. (2019). Analisis data hasil keuntungan menggunakan software RapidMiner. Jurnal Teknologi dan Sistem Informasi (JURTEKSI), 5, 199–204.
Pasokan (11th ed.). (2015). (R. S. Hirson Kurnia, Penerj.) Jakarta: Salemba Empat.
Stevenson, W. J. (2011). Operations management (11th ed.). New York: McGraw-Hill Companies, Inc.
Sukirno, S. (2009). Mikro ekonomi: Teori pengantar edisi ketiga. Jakarta: Rajawali Pers.
Suyanto. (2017). Data mining untuk klasifikasi dan klasterisasi data. Bandung: Informatika.
Taylor, J. W. (2004). Smooth transition exponential smoothing. Journal of Forecasting, 385-404.
Winarno, B. (2007). Kebijakan publik: Teori dan proses (Edisi revisi ed.). Yogyakarta: Media Pressindo.
Yani, A. (2007). Geografi. Jakarta: Grafindo.
Yogya, A. S. (2002). Perubahan sosial. Yogyakarta: PT Tiara Wacana.
