Data Mining Clustering and Correlation Analysis of Marine Potential Insights from Capture Fisheries Coral Reef Quantity and Plankton Abundance

Authors

  • Cindy Muhdiantini Telkom University, Indonesia Author
  • Mega Fitri Yani Telkom University, Indonesia Author
  • Ilham Auliya Rahman Telkom University, Indonesia Author
  • Ati Maryati Universitas Adhirajasa Reswara Sanjaya, Indonesia Author

DOI:

https://doi.org/10.5281/zenodo.14715318

Keywords:

Data Mining, Clustering, Correlation, Analysis of Marine Potential

Abstract

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

Download data is not yet available.

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

31-01-2025

Issue

Section

Articles

How to Cite

Data Mining Clustering and Correlation Analysis of Marine Potential Insights from Capture Fisheries Coral Reef Quantity and Plankton Abundance. (2025). SITEKNIK: Sistem Informasi, Teknik Dan Teknologi Terapan, 2(1), 141-148. https://doi.org/10.5281/zenodo.14715318

Share

Similar Articles

11-20 of 26

You may also start an advanced similarity search for this article.