Prediksi Stok Ikan Menggunakan Kecerdasan Buatan pada Perairan Tropis

Perairan tropis memiliki dinamika oseanografi yang kompleks, sehingga memprediksi stok ikan secara akurat menjadi tantangan bagi pengelolaan sumber daya perikanan. Kecerdasan buatan (AI) menawarkan pendekatan baru yang mampu memodelkan pola non-linier dan variabilitas lingkungan yang sulit ditangkap oleh metode statistik konvensional. Penelitian ini bertujuan untuk mengevaluasi kemampuan berbagai model AI, termasuk machine learning dan deep learning, dalam memprediksi stok ikan dengan mengintegrasikan variabel oseanografi seperti suhu permukaan laut, klorofil-a, arus, dan kedalaman. Metode penelitian meliputi pengumpulan data deret waktu, pemrosesan citra satelit, pelatihan model (training), validasi, serta evaluasi menggunakan metrik RMSE, MAE, dan akurasi. Hasil penelitian menunjukkan bahwa model jaringan saraf dalam memiliki performa prediktif yang lebih tinggi dibandingkan metode tradisional, dengan peningkatan akurasi lebih dari 20% ketika menggunakan data multi-sumber. Temuan ini menegaskan bahwa AI berpotensi besar dalam meningkatkan monitoring stok ikan secara real-time, sehingga mendukung pengelolaan perikanan berkelanjutan di wilayah tropis. Penelitian ini diharapkan berkontribusi pada transformasi teknologi perikanan modern berbasis data.