OPTIMASI PENENTUAN JUMLAH KAPAL PENGAWAS PERIKANAN DI WILAYAH PENGELOLAAN PERIKANAN – 716 MENGGUNAKAN ALGORITMA GENETIKA

Hozairi Hozairi, B. Buhari, Heru Lumaksono, M. Tukan
{"title":"OPTIMASI PENENTUAN JUMLAH KAPAL PENGAWAS PERIKANAN DI WILAYAH PENGELOLAAN PERIKANAN – 716 MENGGUNAKAN ALGORITMA GENETIKA","authors":"Hozairi Hozairi, B. Buhari, Heru Lumaksono, M. Tukan","doi":"10.36564/NJCA.V4I1.130","DOIUrl":null,"url":null,"abstract":"Wilayah Pengolahan Perikanan - Republik Indonesia (WPP-RI) terbagi menjadi sebelas wilayah pengelolaan perikanan, salah satunya adalah WPP RI - 716. Wilayah Pengolahan Perikanan RI – 716 meliputi laut Aru, laut Arafuru, dan laut Timur dengan luas wilayah 215.725 square milies. Permasalahan di WPP RI-716 adalah tingginya pelanggaran Illegal, Unreported dan Unregulated (IUU) Fishing yang menyebabkan kerugian Negara. Salah satu faktor terjadinya illegal, unreported dan unregulated fishing adalah belum tersedianya kapal pengawas perikanan secara optimal dan minimnya biaya anggaran pengawasan dan pengamanan laut Indonesia. Untuk menyelesaikan permasalahan ketersediaan kapal pengawas perikanan di WPP RI – 716 dan meminimumkan biaya operasional adalah dengan menggunakan metode Genetic Algorithm (GA). Metode GA adalah metode optimasi yang paling cocok untuk menyelesaikan permasalahan multi obyetif yang bekerja berdasarkan mekanisme seleksi alami dan evolusi biologis. Hasil analisa perhitungan GA dengan 1000 iterasi diperoleh nilai kombinasi kapal yang paling optimal yaitu 7 (tujuh) kombinasi kapal [A-B-B-B-E-D-C] dengan capaian coverage area 222.375 Mil 2 , dan biaya operasional Rp. 1.638.756.100. Jika kombinasi kapal tersebut digunakan untuk mengawasi wilayah pengelolaan perikanan – 716 akan diperoleh peningkatan capaian coverage area dibandingkan luas wilayah sebesar ±3% ~ 6.650 Mil 2 dan efisiensi biaya operasional sebesar ±18% ~ Rp. 361.243.900. Salah satu temuan signifikan dari penelitian ini adalah bahwa GA mampu menyajikan calon solusi kombinasi kapal yang optimal sesuai dengan nilai fitness yang ditetapkan, tetapi metode GA tidak bisa memilih calon solusi terbaik diantara solusi.","PeriodicalId":102207,"journal":{"name":"NJCA (Nusantara Journal of Computers and Its Applications)","volume":"128 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"NJCA (Nusantara Journal of Computers and Its Applications)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36564/NJCA.V4I1.130","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Wilayah Pengolahan Perikanan - Republik Indonesia (WPP-RI) terbagi menjadi sebelas wilayah pengelolaan perikanan, salah satunya adalah WPP RI - 716. Wilayah Pengolahan Perikanan RI – 716 meliputi laut Aru, laut Arafuru, dan laut Timur dengan luas wilayah 215.725 square milies. Permasalahan di WPP RI-716 adalah tingginya pelanggaran Illegal, Unreported dan Unregulated (IUU) Fishing yang menyebabkan kerugian Negara. Salah satu faktor terjadinya illegal, unreported dan unregulated fishing adalah belum tersedianya kapal pengawas perikanan secara optimal dan minimnya biaya anggaran pengawasan dan pengamanan laut Indonesia. Untuk menyelesaikan permasalahan ketersediaan kapal pengawas perikanan di WPP RI – 716 dan meminimumkan biaya operasional adalah dengan menggunakan metode Genetic Algorithm (GA). Metode GA adalah metode optimasi yang paling cocok untuk menyelesaikan permasalahan multi obyetif yang bekerja berdasarkan mekanisme seleksi alami dan evolusi biologis. Hasil analisa perhitungan GA dengan 1000 iterasi diperoleh nilai kombinasi kapal yang paling optimal yaitu 7 (tujuh) kombinasi kapal [A-B-B-B-E-D-C] dengan capaian coverage area 222.375 Mil 2 , dan biaya operasional Rp. 1.638.756.100. Jika kombinasi kapal tersebut digunakan untuk mengawasi wilayah pengelolaan perikanan – 716 akan diperoleh peningkatan capaian coverage area dibandingkan luas wilayah sebesar ±3% ~ 6.650 Mil 2 dan efisiensi biaya operasional sebesar ±18% ~ Rp. 361.243.900. Salah satu temuan signifikan dari penelitian ini adalah bahwa GA mampu menyajikan calon solusi kombinasi kapal yang optimal sesuai dengan nilai fitness yang ditetapkan, tetapi metode GA tidak bisa memilih calon solusi terbaik diantara solusi.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
优化确定渔业管理区域的渔业监督船只数量——716使用基因算法
印度尼西亚共和国的渔业处理区(wppri -RI)分为11个渔业管理区域,其中一个是WPP RI - 716。RI - 716渔业区域包括了Aru海、Arafuru海和东海,面积为215,725平方公里。WPP RI-716的问题是非法、报告和不受监管的钓鱼行为的高度。非法、未报告和不受管制捕鱼的一个因素是,渔业监测船没有最佳的存在,对印尼海域的监测和保护成本也很低。为了解决WPP RI - 716渔业监管的问题,使用该方法的基因算法将运营成本降到最低。GA方法是解决基于自然选择和生物进化机制的多明令问题的最佳优化方法。通过对1000次重复计算,最优组合的结果是7次(7)组合如果这艘船组合用于监视地区渔业管理—716会获得成就相比,覆盖区域面积增加±3% ~ 6650英里2万欧元和运营成本效率高达±18% ~ 361243900 Rp。这项研究的一个重要发现是,未能提供符合既定健身价值的最佳组合方案方案候选人,但GA方法无法在方案之间选择最佳方案方案。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
PENGEMBANGAN APLIKASI MARKETPLACE IKAN DI KABUPATEN PROBOLINGGO BERBASIS FRONTEND BACKEND MENGGUNAKAN REACT JS PEMODELAN MONTE CARLO DALAM MERAMALKAN PARTISIPASI MAHASISWA DALAM PERKULIAHAN RANCANG BANGUN SISTEM MONITORING KESEHATAN DAN TRACKING PEKERJA KONTRUKSI MELALUI SAFETY VEST BERBASIS IOT ANALISIS PENERAPAN METODE SEARCH ENGINE OPTIMIZATION (SEO) ON PAGE DALAM OPTIMALISASI KONTEN WEBSITE BLOG (STUDI KASUS: RUMAHGINJAL.ID) IMPLEMENTATION OF ARTIFICIAL NEURAL NETWORK AND RECURRENT NEURAL NETWORK METHODS TO PREDICT THE AMOUNT OF SALT PRODUCTION
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1