IMPLEMENTASI GREY FORECASTING MODEL GM (1,1) DAN GM (1,N) UNTUK SISTEM PRAKIRAAN JUMLAH TANGKAPAN IKAN

Abstract

Meningkatnya kebutuhan ikan menimbulkan permasalahan yang berkaitan dengan jumlah tangkapan ikan di sektor perikanan. Dalam jumlah tangkapan ikan, walaupun semua informasi yang berhubungan dengan area tangkap sudah dikenal dengan tepat, tapi tidak mudah untuk memprakirakan jumlah tangkapan ikan karena informasi yang tidak jelas. Hal ini berkaitan pula dengan jumlah kapal yang melakukan trip, lama (waktu) trip, jenis alat tangkap yang digunakan, kondisi cuaca, kualitas SDM, faktor lingkungan alam, dan lain-lain. Tujuan dari penelitian ini adalah menerapkan grey forecasting model GM (1,1) dan GM (1,N) untuk memprakirakan hasil jumlah tangkapan ikan. Grey forecasting model digunakan untuk membangun model prakiraan dengan jumlah data terbatas dengan prakiraan jangka pendek akan menghasilkan prakiraan yang akurat. Penelitian ini menggunakan data bulanan jumlah tangkapan ikan dan tinggi gelombang tahun 2016 sampai 2018 untuk dilakukan analisa perhitungan menggunakan model GM (1,1) dan GM (1,N). Penelitian dilakukan dengan 2 percobaan yaitu dengan data seri waktu sebanyak 36 data dan 12 data (1 tahun dibuat 4 periode).Hasil penelitian menunjukkan bahwa model GM (1,1) memiliki akurasi lebih tinggi dibandingkan dengan model GM (1,N), dengan MAPE pada model GM (1,1) sebesar 26% pada percobaan dengan 36 data dan 12% pada percobaan dengan 12 data, sedangkan MAPE pada model GM (1,N) sebesar 51% pada percobaan dengan 36 data dan 27% pada percobaan dengan 12 data maka dapat dikatakan bahwa semakin panjang data yang digunakan semakin besar nilai kesalahan prakiraan. Selain itu, performa variabel tinggi gelombang yang digunakan pada model GM (1,N) termasuk dalam kategori mempengaruhi hasil akhir dari nilai prakiraan. Kata kunci : Grey forecasting model, GM (1,1), GM (1,N), Prakiraan, Jumlah tangkapan ikan. The increasing need for fish causes problems related to number of fish catches in the fisheries sector. In fish catches amount, all information related to fishing ground is well known, but on the other hand it is not easy to predict the number of fish catches due to unclear information. This is also related to the number of ships that make trips, the length (time) of the trip, the type of fishing gear, weather conditions, the quality of human resources, natural environmental factors, and others. The purpose of this study is to apply grey forecasting model GM (1.1) and GM (1.N) to forecast the number of fish catches. Grey forecasting models are used to build forecast models with limited amounts of data with short-term forecasts that will produce accurate forecasts. This study employs the data on monthly number of fish catches and wave height in the year of 2016 to 2018 to analyze calculations using the GM (1.1) and GM (1.N) models. The study was conducted with 2 experiments, namely 36 time series data and 12 time series data (1 year made 4 periods). The result showed that the GM (1.1) model had higher accuracy compared to the GM (1.N) model, with a MAPE on the GM (1.1) model of 26% in the experiment with 36 data and 12% in the experiment with 12 data, while the MAPE on the GM (1.N) model of 51% in the experiment with 36 data and 27% in the experiment with 12 data then it can be said that the getting the length of data are used the greater value of forecast error.In addition, the performance of wave height variable are used in the GM (1.N) model falls into the category of influencing the final output of the forecast value. Keywords : Grey forecasting model, GM (1.1), GM (1.N), Fish catches amount, Forecast