Data Mining Clustering and Correlation Analysis of Marine Potential Insights from Capture Fisheries Coral Reef Quantity and Plankton Abundance
DOI:
https://doi.org/10.5281/zenodo.14715318Keywords:
Data Mining, Clustering, Correlation, Analysis of Marine PotentialAbstract
Indonesia, sebagai negara kepulauan dengan wilayah laut yang luas, memiliki potensi besar dalam memanfaatkan sumber daya laut, seperti terumbu karang, mangrove, budidaya, dan penangkapan ikan laut. Pemanfaatan yang berkelanjutan tidak hanya berdampak positif pada ekosistem laut tetapi juga meningkatkan kesejahteraan masyarakat. Untuk mendukung pengelolaan berkelanjutan, diperlukan analisis data mendalam guna mengidentifikasi pola dan hubungan yang relevan. Data mining menjadi alat efektif untuk menggali pola yang tersembunyi, terutama melalui teknik clustering. Analisis clustering dilakukan terhadap data perikanan tangkap, kuantitas terumbu karang, dan kelimpahan plankton guna menemukan kelompok homogen dalam dataset. Proses ini diawali dengan pemilihan data sesuai kriteria, dilanjutkan dengan preprocessing untuk menyaring data redundan. Hasilnya, terdapat tiga cluster utama: cluster 0 berfokus pada terumbu karang, cluster 1 pada jumlah ikan tangkap, dan cluster 2 pada kelimpahan plankton.
Downloads
References
A Pardosi, N. M., Ristamaya, W., Mariami, I., & Bacaan dan Buku Latihan Soal, B. (2020). Penerapan DataMining Untuk Analisa Pola Penjualan Buku Bacaan Dan Buku Latihan Soal Pada PT. BPK. Gunung Mulia Dengan Menggunakan Algoritma FP-Growth. Jurnal SI (SISTEM INFORMASI.
Adinda, P. R. (n.d.). Mensortir Jenis Daun Mint Menggunakan Euclidean Distance Dan K-Means Clustering Dengan Ekstraksi Ciri Bentuk Dan Tekstur. Portaldata.Org, 2(9), 2022–2023.
Darmica, H. (2023). Kelautan Berbasis Big Data Dalam Menghadapi Era Industri 4.0. Jurnal Kelautan Dan Perikanan Terapan (JKPT), 1, 81. https://doi.org/10.15578/jkpt.v1i0.12052
Hartama, D., Perdana Windarto, A., & Wanto, A. (2019). The Application of Data Mining in Determining Patterns of Interest of High School Graduates. Journal of Physics: Conference Series, 1339(1). https://doi.org/10.1088/1742-6596/1339/1/012042
Ikotun, A. M., Ezugwu, A. E., Abualigah, L., Abuhaija, B., & Heming, J. (2023). K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Information Sciences, 622, 178–210. https://doi.org/10.1016/j.ins.2022.11.139
Lestari, W. (2019). Clustering Data Mahasiswa Menggunakan Algoritma K-Means Untuk Menunjang Strategi Promosi (Studi Kasus : STMIK Bina Bangsa Kendari). Jurnal Sistem Informasi Dan Sistem Komputer, 4(2). http://e-jurnal.stmikbinsa.ac.id/index.php/simkom35
Nabila, Z., Rahman Isnain, A., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(2), 100. http://jim.teknokrat.ac.id/index.php/JTSI
Senthilnathan, S. (2019). Usefulness of Correlation Analysis. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3416918
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Cindy Muhdiantini, Mega Fitri Yani, Ilham Auliya Rahman, Ati Maryati (Author)

This work is licensed under a Creative Commons Attribution 4.0 International License.
How to Cite
Share
Most read articles by the same author(s)
- Mega Fitri Yani, Cindy Muhdiantini, Syifa Nur Aini, Risk Management in Financial Technology: A Systematic Literature Reviewto Support Sustainability and Security of Digital Financial Services , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 2 No. 1 (2025): January
Similar Articles
- Karisma Septa Kresna, Kusnawi, Performance Analysis of SVM and Random Forest Algorithms in the Case of the Influence of Music on Mental Health , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 2 No. 2 (2025): April
- Nicolaus Advendea Prakoso Indaryono, RD. Rohmat Saedudin, Faqih Hamami, COMPARISON ANALYSIS OF RANDOM FOREST AND NAÏVE BAYES ALGORITHMS FORRAINFALL CLASSIFICATION BASED ON CLIMATE IN INDONESIA , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 1 No. 2 (2024): July
- Muhammad Irvan Shandika, Kusnawi, S.Kom, M.Eng, AI Web-based Computer Service Management System at PUSCOM , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 2 No. 3 (2025): July
- Muhammad Fauzan Nasrullah, RD. Rohmat Saedudin, Faqih Hamami, COMPARISON ACCURACY OF C4.5 ALGORITHM AND K-NEAREST NEIGHBORS FOR RAINFALL CLASSIFICATION , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 1 No. 2 (2024): July
- Tegar Wirawan, Kusnawi, Performance Analysis of Support Vector Machine and Gradient Boosting Machine Algorithms for Heart Disease Prediction , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 2 No. 2 (2025): April
- Raffa Nur Listiawan Dhito Eka Santoso, Kusnawi, Optimization of Stress Classification Among Students Using Random Forest Algorithm , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 2 No. 2 (2025): April
- Hasan Abdullah Muhammad, Fitri Adini Firdaus, Ni Ketut Mega Diana Putri, Customer Relationship Management (CRM) Strategy of PT ASDP Indonesia Ferry (Persero): A Customer Satisfaction and Digital Transformation Approach , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 2 No. 2 (2025): April
- Putry Wahyu Setyaningsih, Putri Taqwa Prasetyaningrum, Implementasi Business Intelligence Untuk Menganalisis Jumlah Mahasiswa Baru Tahun 2024 di Universitas Mercu Buana Yogyakarta , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 2 No. 1 (2025): January
- Rifki Nugraha Nurilahi, Mohammad Miswan, RD. Rokhmad Saedudin, PROSES BISNIS MANAGEMENT OPEN API MEDICAL RECORD PASIEN BERBASIS CLOUD COMPUTING , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 1 No. 1 (2024): January
- Ika Putri Puspitsari, Perencanaan Strategi PT. Paragon Technology and Innovation di Era Society 5.0 , SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan: Vol. 2 No. 3 (2025): July
You may also start an advanced similarity search for this article.