kedua jenis alat tersebut dilarang dan masih berlaku sampai dikembangkan oleh Muhammad Dany menggunakan logika
izin masa berlakunya habis. Cantrang dilarang karena dapat fuzzy dimana akurasi keluaran sistem teridentifikasi
merusak lingkungan seperti terumbu karang dan ekosistem melakukan IUU Fishing sebesar 98,342%. (Dani, 2017).
dari baby fish (bibit ikan), serta menangkap para baby fish Achmad Nidzar Alif melakukan penelitian menggunakan
tersebut sebelum siap ditangkap (Armawanti, 2017). logika fuzzy dimana akurasi keluaran sistem teridentifikasi
Praktik IUU Transhipment dalam hal operasi melakukan IUU Transhipment sebesar 78.8% untuk sistem
penangkapan ikan adalah pemindahan muatan ikan yang logika fuzzy selection dan 82% untuk sistem logika fuzzy final
terjadi di tengah lautan lepas. Martin Tsamenyi, menyebutkan decision. (A. Alif, 2016). Penelitian tentang IUU
bahwa transhipment merupakan salah satu modus pencurian Transhipment dikembangkan oleh Krisandi Putra
ikan. Modus transhipment artinya pemindahan muatan ikan menggunakn logika fuzzy dimana akurasi keluaran sistem
yang terjadi di tengah lautan lepas dari satu kapal ke kapal teridentifikasi melakukan IUU Transhipment sebesar
asing. Modusnya, kapal itu menjual ikannya di laut lepas 83,075%.(Situmorang, 2017).
tanpa melaporkan hasil tangkapannya, baru pada tangkapan Tugas Akhir ini akan mengembangkan pemodelan
terakhir atau saat periode perizinan hampir berakhir, sistem pengambilan keputusan berbasis data AIS dengan
melaporkan hasil tangkapannya kepada pejabat yang mengintegrasikan IUU Fishing dan Transhipment
berwenang di Indonesia. Jumlah ikan yang ditangkap tidak menggunakan metode Jarinngan Saraf Tiruan (JST) sebagai
dihitung kembali secara cermat. Hal-hal seperti ini menjadi sistem pengambilan keputusan. Data AIS (data dinamis) akan
angka rugi yang tersamarkan.(Gustina, 2013) dijadikan informasi perancangan sistem pengambilan
Beberapa teknologi yang digunakan untuk pematauan keputusan untuk identifikasi terjadinya IUU Fishing dan
IUU Fishing dan Transhipment adalah AIS (Automatic Transhipment. Uji coba menggunakan berbagai trayektori
Identification System), VTS (Vessel Traffic Sevices), dan pergerakan kapal per satuan waktu maka dapat diidentifikasi
Radar. Pemantauan saat ini terhadap aktifitas IUU Fishing trayektori pergerakan kapal yang sedang melakukan IUU
dan Transhipment di Indonesia dilakukan melalui VTS di Fishing dan Transhipment. Metode JST digunakan untuk
Kantor Pusat Kementrian Kelautan Jakarta atau dari menetukan besarnya mse dari sistem pengambilan keputusan
pelabuhan terdekat. Informasi ini berdasarkan data AIS dan yaitu berupa nilai error yang keluar dari sistem tersebut.
radar long range camera yang mampu memantau hingga 40-
60 kilometer, serta kamera pemantau (CCTV) sejauh 4
kilometer. (Aulia Siti Aisjah, A.A Masroeri, 2013). II. METODOLOGI
AIS merupakan sistem pelacakan kapal otomatis, A. Perancangan Sistem Pengambilan Keputusan
digunakan pada kapal dan stasiun pantai untuk
mengidentifikasi dan melacak kapal dengan menggunakan Sistem pengambilan keputusan dirancang dengan
pengiriman data elektronik dengan kapal lainnya dan stasiun menggunakan JST untuk identifikasi terjadinya IUU Fishing
pantai terdekat. Informasi seperti identifikasi posisi, tujuan, dan Transhipment berbasis data AIS. Masukan pertama untuk
dan kecepatan dapat ditampilkan pada layar komputer atau mencari jarak yaitu:
ECDIS (Electronic Charts Display and Information System). d = Jarak 2 kapal (o)
Pada tahun 2000, International Maritime Organization (IMO) (o)
membuat peraturan baru yang mewajibkan setiap kapal untuk o
()
memasang peralatan AIS. AIS yang meliputi informasi statis
dan dinamis. Informasi dinamis diperbarui setiap 2 sampai 10 (o)
o
detik tergantung pada kecepatan kapal sedangkan informasi ()
statis terdiri dari IMO number, ships name, call sign, dimensi Maukan IUU Fishing yaitu:
kapal yaitu length and beam, tipe kapal dan lokasi antena (knot)
pemancar. Data dinamis meliputi posisi kapal, arah kapal, (knot)
kecepatan kapal, heading, dan status navigasional sudut putar
(o)
kapal. Dari data kecepatan, posisi, dan heading dari kapal
dapat diketahui trayektori pergerakan kapal (Aisjah et al., ( o)
2011). Masukan IUU Transhipment yaitu:
Penelitian sebelumnya menggunakan metode logika (knot)
fuzzy sebagai sistem pengambilan keputusan dan berbasis data
AIS kapal. Penelitian tentang IUU Fishing dilakukan oleh (knot)
Ikko Fransisko dan Muhammad Dany, sedangkan penelitian o
()
tentang IUU Transhipment dilakukan oleh Achmad Nidzar o
()
Alif dan Krisandi Putra. Ikko Fransisko melakukan penelitian
menggunakan logika fuzzy dimana akurasi keluaran sistem Desain sistem pengambilan keputusan dengan
teridentifikasi melakukan IUU Fishing sebesar 79.5837%. menggunakan JST dapat dilihat pada Gambar 1 dibawah:
(Fransisko, 2016). Penelitian tentang IUU Fishing
3
X1
Vii
X2 Hidden Layer Output Layer
X3 K Wii
L
X4
X5
X6
Gambar 2. Arsitektur JST pada pelatihan trayektori IUU Transhipment
Hidden Layer
Input Layer Vii K1
X1 K2
Wii
X2 K3
Output Layer
X3 K4
L
Gambar 1. Diagram Blok Sistem Pengambilan Keputusan
X4 K5
Gambar 11. Trayektori ke-1 untuk kapal 1 dan kapal 2 sedang melakukan
Gambar 9. Trayektori ke-6 untuk kapal 1 dan kapal 2 tidak teridentifikasi
transhipment (Head on)
melakukan IUU Fishing
Gambar 12. Trayektori ke-2 untuk kapal 1 dan kapal 2 sedang melakukan
transhipment (Crossing)
Gambar 10. Trayektori ke-7 untuk kapal 1 dan kapal 2 tidak teridentifikasi
melakukan IUU Fishing
Gambar 14. Trayektori ke-4 untuk kapal 1 dan kapal 2 sedang melakukan
transhipment (Crossing)
6
Hidden
No Input
Node
Regresi Goal MSE Epoch
10 6 10 1 0,02 2,56E-22 14
11 6 11 1 0,02 1,35E-22 6
12 6 12 1 0,02 1,31E-17 37
13 6 13 1 0,02 2,54E-20 6
14 6 14 1 0,02 2,13E-16 13
15 6 15 1 0,02 1,04E-19 14
16 6 16 1 0,02 2,23E-17 5
17 6 17 1 0,02 5,02E-17 5
18 6 18 1 0,02 9,32E-18 5
Gambar 15. Trayektori ke-5 untuk kapal 1 dan kapal 2 tidak sedang 19 6 19 1 0,02 2,47E-20 5
melakukan transhipment 20 6 20 1 0,02 3,92E-22 6
Gambar 18 menunjukkan model JST yang dipilih untuk bahwa program pelatihan JST tersebut berjalan dengan sistem
keperluan pengujian. JST tersebut memiliki 6 variabel yang valid.
masukan, 8 hidden node dan 1 variabel keluaran sehingga
konfigurasi JST tersebut adalah 6 – 8 – 1. Hasil arsitektur 2. Hasil Pelatihan JST untuk Data IUU Transhipment
tersebut sudah cukup untuk digunakan pada proses Pelatihan terhadap model JST dengan 6 variabel
pengenalan trayektori IUU Fishing. masukan, variasi jumlah hidden node 1-20 dan nilai goal
Berdasarkan pelatihan Levenberg-Marquardt (trainlm) (error maksimal yang telah ditentukan) adalah 2%. Pelatihan
yang terdapat pada script Matlab, training akan berhenti tersebut memberikan hasil seperti yang ditunjukkan pada
ketika salah satu dari enam kondisi penghentian tercapai Tabel 3 dimana JST yang memiliki keluaran sistem
sebagai berikut: pengambilan keputusan terbaik adalah JST dengan 1 hidden
1. Epoch = 7 node menghasilkan MSE terbaik dengan nilai minimum
2. Performance = 1,22E-24 sebesar 9,96E-15, 1 epoch (proses iterasi berhenti ketika nilai
3. Gradient = 4,15E-13 mse terbaik telah tercapai di epoch ke-1) dan nilai regresi 1.
4. Mu = 1,00E-10 Hasil tersebut akan digunakan untuk proses validasi JST yang
5. Validation Check = 0 dipanggil dengan perintah “load netbest.mat”
Nilai performansi dari iterasi yang dilakukan oleh sistem Tabel 3. Nilai MSE training JST IUU Transhipment dengan variasi hidden node
ditunjukkan pada Gambar 17 dimana adanya perubahan yang Hidden
signifikan pada iterasi ke-7. Hal tersebut menunjukan bahwa No Input Regresi Goal MSE Epoch
Node
pengenalan trayektori dalam jaringan syaraf tiruan dapat 1 6 1 1 0,02 9,96E-15 17
dikenali dalam training yang cepat. Sistem pelatihan JST 2 6 2 1 0,02 1,78E-14 16
memiliki keluaran sistem pengambilan keputusan terbaik 3 6 3 1 0,02 2,39E-11 36
adalah 8 hidden node menghasilkan MSE terbaik dengan nilai 4 6 4 1 0,02 1,18E-14 16
minimum sebesar 1,22E-24 pada iterasi ke-7. Sehinga untuk
5 6 5 1 0,02 2,39E-14 15
mencapai target sebesar 0,02 dibutuhkan iterasi sebanyak 7
6 6 6 1 0,02 5,59E-12 49
epoch dengan error sebesar 1,22E-24.
7 6 7 1 0,02 1,73E-11 199
Selain meninjau nilai performansi dan error, simulasi
pada JST juga menghasilkan nilai regresi data. Nilai regresi 8 6 8 1 0,02 1,89E-10 118
tersebut menunjukan kedekatan hubungan antara beberapa 9 6 9 1 0,02 1,33E-10 163
variabel yang dimasukkan. Hasil perancangan menunjukan 10 6 10 1 0,02 3,68E-11 200
nilai regresi sebesar 1. Nilai tersebut menunjukan nilai 11 6 11 1 0,02 4,15E-10 200
kedekatan yang baik pada sistem tersebut. 12 6 12 1 0,02 4,78E-11 200
13 6 13 1 0,02 1,37E-08 200
Tabel 1. Hasil training dengan arsitektur 6-8-1
14 6 14 1 0,02 2,55E-10 130
No Variabel Masukan
Nilai Nilai 15 6 15 1 0,02 1,89E-12 31
d Vs Vh dx dy
j Traget Hasil 16 6 16 1 0,02 3,93E-10 200
(m) (knot) (knot) (o) (o)
1 1447 0,38 0,09 0,00 0,00 1 1 1 17 6 17 1 0,02 1,22E-10 148
2 1447 0,38 0,09 0,00 0,00 1 1 1 18 6 18 1 0,02 5,49E-11 47
3 1447 0,38 0,09 0,00 0,00 1 1 1 19 6 19 1 0,02 1,62E-11 52
4 1447 0,38 0,09 0,00 0,00 1 1 1 20 6 20 1 0,02 1,70E-10 200
5 1447 0,38 0,09 0,00 0,00 1 1 1
... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... Penambahan hidden node pada awalnya akan
... ... ... ... ... ... ... ... ... menghasilkan nilai error yang lebih kecil, namun apabila
... ... ... ... ... ... ... ... ... penambahan hidden node yang terlalu banyak akan
177 17354 5,78 6,05 0,00 0,00 1 0 0 menghambat laju sistem tersebut. Hal tersebut akan membuat
performansi yang diinginkan akan menurun drastis. Apabila
Pada Program JST telah ditentukan nilai target 1 dengan ditinjau dari nilai epoch yang dibutuhkan untuk mencapai
nilai keluaran JST 0,51-1 untuk setiap data IUU Fishing dan setpoint, penambahan hidden node dapat mempercepat proses
nilai target 0 dengan nilai keluaran JST 0-0,50 untuk setiap iterasi saat arsitektur yang dirancang masih jauh dari nilai
data bukan IUU Fishing. Sistem pengambilan keputusan optimum yang telah ditentukan. Namun, apabila arsitektur
dengan metode JST akan berjalan dengan baik jika akurasi sudah mendekati nilai optimum yang telah ditentukan maka
pada sistem >50%. Hasil training JST dari Tabel 2 (hasil/nilai penambahan hidden node tidak terlalu berpengaruh. Hal
keluaran pelatihan JST pada data 1-177) menjelaskan bahwa tersebut akan didapatkan dengan komposisi penyusunan
nilai akurasi sistem yang didapatkan sebesar 100 % artinya hidden node yang sesuai sehingga untuk mendapatkan
hasil keluaran sistem JST dengan nilai target yang telah arsitektur terbaik maka dibutuhkan komposisi beberapa
ditentukan bernilai sama untuk semua data. Ini menunjukkan hidden node.
8
Variabel input yang digunakan untuk sistem pengambil Tabel 2 Hasil validasi JST Kapal Cantrang
keputusan dari hasil analisis adalah sebagai berikut: Variabel Masukan
Nilai Nilai
Posisi Awal (Latitude) : 1,17102o No d Vs Vh dx dy
j Traget Hasil
Posisi Awal (Longitude) : 103,7149o (m) (knot) (knot) (o) (o )
Kecepatan (Setting) : 0,93 knot 1 898 0,93 0,01 0,00 0,00 1 1 0,96
Kecepatan (Hauling) : 0,01 knot 2 898 0,93 0,01 0,00 0,00 1 1 0,96
Perubahan Posisi (Latitude) : -0,47 3 898 0,93 0,01 0,00 0,00 1 1 0,96
Perubahan Posisi (Longitude) : 0,00 4 898 0,93 0,01 0,00 0,00 1 1 0,96
5 898 0,93 0,01 0,00 0,00 1 1 0,96
Perubahan kecepatan kapal ikan tanpa nama dengan 6 898 0,93 0,01 0,00 0,00 1 1 0,96
MMSI number 525200149 yang mengindikasikan suatu 7 898 0,93 0,01 0,00 0,00 1 1 0,96
trayektori tahapan penangkapan ikan yang mirip dengan 8 891 0,93 0,01 0,00 0,00 1 1 0,96
trayektori kecepatan untuk kapal ikan jenis catrang. 9 891 0,93 0,01 0,00 0,00 1 1 0,96
Kecepatan kapal ketika melakukan setting cenderung lebih 10 891 0,93 0,01 0,00 0,00 1 1 0,96
tinggi dibanding dengan kecepatan kapal saat melakukan 11 891 0,93 0,01 0,00 0,00 1 1 0,96
hauling. Trayektori pergerakan kapal cenderung melingkar 12 891 0,93 0,01 0,00 0,00 1 1 0,96
sama seperti pergerakan kapal cantrng. Hal-hal tersebut 13 891 0,93 0,01 0,00 0,00 1 1 0,96
menjadi indikator yang semakin memperkuat terjadinya 14 891 0,93 0,01 0,00 0,00 1 1 0,96
15 902 0,93 0,01 0,00 0,00 1 1 0,96
illegal fishing pada kapal ikan tanpa nama dengan MMSI
16 932 0,93 0,01 0,00 0,00 1 1 0,96
number 525200149.
17 1022 0,93 0,01 0,00 0,00 1 1 0,96
Error I =
Variabel input yang digunakan untuk sistem pengambil
Error I = 4,15% keputusan dari hasil analisis adalah sebagai berikut:
Akurasi I = 100% -4,15% = 95,85% Posisi Awal (Latitude) : 1,171124o
10
Error II= =
Eror II = 34,80%
Akurasi II = 100%-34,80% = 65,20% Gambar 25. Grafik trayektori pergerakan kapal transhipment
(MMSI number 525003620 dan 525018070)
Tabel 3 Hasil validasi JST Bukan Kapal Cantrang
Variabel Masukan Di bawah ini adalah sortir awal kapal 1 dan kapal 2:
Nilai Nilai Selisih Heading (Sortir) : 00 (Overtake)
No d Vs Vh dx dy
j Traget Hasil Jarak I (Sortir) : 448 meter
(m) (knot) (knot) (o) (o)
1 851 0,00 0,05 0,00 0,00 1 0 0,35
Di bawah ini adalah hasil perhitungan untuk menentukan
2 851 0,00 0,05 0,00 0,00 1 0 0,35
3 850 0,00 0,05 0,00 0,00 1 0 0,35 validasi kapal tersebut akan transhipment atau tidak:
4 850 0,00 0,05 0,00 0,00 1 0 0,35 Jarak II : 15 meter
5 854 0,00 0,05 0,00 0,00 1 0 0,35 Heading : 00 (Overtake)
6 880 0,00 0,05 0,00 0,00 1 0 0,35 Perubahan kecepatan kapal 1 : -0,21 knot (Negatif)
7 874 0,00 0,05 0,00 0,00 1 0 0,35 Perubahan kecepatan kapal 2 : -0,14 knot (Negatif)
11
Gambar 26. Grafik keluaran JST dan target pada validasi ke-1 (IUU
Transhipment)
Akurasi Total =
Gambar 28 merupakan grafik hasil keputusan JST ketika
program dijalankan dan didapatkan nilai RMSE sebesar 0,181. =
Sistem pengambilan keputusan JST menyatakan tidak
terjadinya IUU Transhipment dimana bernilai 0 untuk target Akurasi Total = 80,53%
tidak terjadi IUU Transhipment dengan nilai hasil keluaran Hasil akurasi dari validasi dengan menggunakan
terletak diantara 0,10-0,25. kapal dengan MMSI number pelatihan JST IUU Fishing adalah sebesar 80,53%. Nilai
525003620 terbukti tidak melakukan transhipment ke kapal akurasi tersebut sudah baik karena menunjukan nilai >50%.
dengan MMSI number 525018070.
Nilai akurasi yang didapatkan dengan cara 100% b. Akurasi untuk Validasi Sistem Pengambilan
dikurangi nilai error. Dimana berdasarkan data di Tabel 8
nilai akurasinya adalah 67,75%. Keputusan IUU Transhipment
Nilai akurasi total didapatkan dengan cara mencari nilai
rata-rata akurasi pada proses validasi menggunakan JST
Error II = = pelatihan IUU Transhipment, dengan perhitungan sebagai
Error II = 17,74% berikut:
Akurasi II = 100%-17,74% = 82,26% Akurasi I = 67,75 %
Tabel 5. Hasil validasi JST bukan kapal transhipment Akurasi II = 82,26 %
Variabel Masukan
V2 Nilai Nilai Akurasi Total =
No d V1 h12 j12
(kn j Traget Hasil
(m) (knot) (o) (m)
ot) Akurasi Total =
1 412 -0,46 0,17 -157 -23 1 0 0,21
2 434 -0,46 0,17 -154 -23 1 0 0,22 Akurasi Total = 75,01%
3 490 -0,46 0,17 -151 -23 1 0 0,22
4 502 -0,46 0,17 -149 -23 1 0 0,23 Hasil akurasi dari validasi dengan menggunakan
5 527 -0,46 0,17 -147 -23 1 0 0,23 pelatihan JST IUU Transhipment adalah sebesar 67,75%.
6 593 -0,46 0,17 -203 -23 1 0 0,15
13
Nilai akurasi tersebut sudah baik karena menunjukan 16. KKP. (2005). Mina Bahari. Pusat Data, Statistik, Dan Informasi
Kementrian Kelautan Dan Perikanan, p. 82.
nilai >50%.
17. KKP. (2014). Laut masa depan bangsa.
18. KKP. (2015). Laporan kinerja satu tahun kementerian kelautan
IV. KESIMPULAN dan perikanan 1.
Kesimpulan yang dapat diambil dari hasil penelitian ini 19. KKP Republik Indonesia. (2015). Keputusan Menteri Kelautan
dan Perikanan Republik Indonesia Nomor 3A/KEPMEN-KP/2015.
adalah sebagai berikut: 20. Lewerissa, Y. A. (2010). Praktek Illegal Fishing Di Perairan
1. Arsitektur JST dengan performansi terbaik adalah Maluku Sebagai Bentuk Kejahatan Ekonomi. Sasi, 16(3), 61–68.
konfigurasi 6-8-1 untuk pelatihan IUU Fishing dan 6-1-1 21. Purnama, R. H., & Wahju, R. I. (2016). ESTIMASI KEGIATAN
untuk pelatihan IUU Transhipment. ALIH MUAT PADA KAPAL RAWAI TUNA BERDASARKAN
DATA VMS DAN KOMPOSISI HASIL TANGKAPAN
2. Jenis JST yang digunakan adalah Backpropagation Transshipment Activites Estimation in Tuna Longliner Base on
levenberg Marquard (LM) yang mampu menghasilkan VMS Data and Catch Composition Oleh :, 7(2), 179–189.
sistem keputusan terbaik. Sitem berhasil 22. Risnain, M. (2017). Rekonsepsi Model Pencegahan dan
Pemberantasan Illegal Fishing di Indonesia, 4(62), 379–398.
mengidentifikasikan dengan akurasi tinggi dibuktikan 23. Sasmita, S. (2013). Kesesuaian Desain dan Konstruksi Cantrang
dengan keluaran hasil validasi mencapai 80,53% dengan pada Kapal 20 GT untuk Peningkatan Performa Operasional.
menggunakan hasil pelatihan JST untuk IUU Fishing Kesesuaian Desain Dan Konstruksi Cantrang Pada Kapal 20 GT
serta 75,01% dengan menggunakan hasil pelatihan JST Untuk Peningkatan Performa Operasional.
24. Siang, J. J. (2005). Jaringan Syaraf Tiruan Dan Pemrogramannya
untuk IUU Transhipment. Dengan Matlab. Yogyakarta: Andi.
25. Situmorang, K. P. (2017). Pengembangan Perancangan Sistem
Pengambilan Keputusan Berbasis Data Automatic Identification
DAFTAR PUSTAKA System (AIS) dan Radar untuk Identifikasi Terjadinya Illegal
Transhipment Menggunakan Logika Fuzzy. ITS.
3. Alif, A. N. (2016). Perancangan Sistem Pengambilan Keputusan 26. Suhery, N. (2010). Kajian Teknis Pengoperasian Cantrang Di
Berbasis Data Automatic Identification System (AIS) untuk Perairan Brondong, Kabupaten Lamongan, Jawa Timur.
Identifikasi Terjadinya Illegal Transhipment Menggunakan
Logika Fuzzy. ITS, Surabaya.
4. Amelia Hudayana, T. N. U. (2017). Analisis Kebijakan Larangan
Transhipment (Alih Muat) Tangkapan Perikanan Terhadap
Kinerja Usaha Penangkapan Ikan Kapal Long Line (Studi Kasus BIODATA PENULIS
Pelabuhan Perikanan Samudera Nizam Zachman DKI Jakarta),
5(01), 78–89. Penulis memiliki nama lengkap Sarah Maulida,
5. Armawanti, Safira (2017). Potensi Dampak Pelarangan Cantrang dilahirkan di Karanganyar pada 31 Agustus 1994. Penulis
Ditinjau dari Segi Perekonomian Masyarakat di PPP Tasikagung
Rembang. Institut Pertanian Bogor.
mengenyam pendidikan Taman Kanak-kanak di TK
6. Aulia Siti Aisjah, A.A. Masroeri, Yusuf Santoso, Syamsul Arifin, Karangmojo pada tahun 2000-2001, lalu melanjutkan
A. N. A. (2017). A Fuzzy Decision Support System Of IUU- pendidikan Sekolah Dasar di SDN 02 Karangmojo hingga
Transhipment in Indonesia. In Senta 2017 (pp. 1–8). Surabaya:
FTK ITS.
lulus pada tahun 2007. Pada tahun 2007 - 2010, penulis
7. Aulia Siti Aisjah, A.A Masroeri, M. Y. S. (2013). Pemetaan Pola bersekolah di SMP Negeri 1 Karanganyar, lalu pada tahun
Gerak Illegal Fishing dan Transhipment pada Vessel Monitoring 2013, penulis menyelesaikan pendidikannya di SMA Negeri 1
System Berdasarkan Data AIS (Vol. 2). Surabaya.
8. AuliaSiti Aisjah, A.A, Masroeri, Syamsul Arifin, S. (2011).
Surakarta.
Perancangan Sistem Pengendalian pada Kapal Berbasis Data AIS Penulis melanjutkan jenjang S1 di Jurusan Teknik
(Automatic Identification System) untuk Menghindari Tabrakan di Fisika FTI – ITS melalui jalur Lintas Jalur 2016. Sebelumnya
Perairan Tanjung Perak Surabaya. In Seminar Nasional (SENTA)
2011 (pp. 1–10). Surabaya: FTK ITS.
penulis menempuh pendidikan D3 di Jurusan Metrologi &
9. BPK. (2016). Audit IUU Fishing. Road Map E-Commerce. Instrumentasi ITB. Semasa kuliah, penulis aktif di organisasi
10. Budiarto, U. (2004). Perencanaan kapal ikan untuk nelayan daerah baik didalam kampus maupun luar kampus seperti PSTK ITB,
tegal. Purse Seine, 157–166.
11. Dani, M. (2017). Pengembangan Perancangan Sistem KM ITB, Robotic ITS, SBBH Bandung, Sahabat Belajar
Pengambilan Keputusan Berbasis Data AIS dan Rasar untuk Surabaya. Selain itu, penulis juga pernah menjadi tutor untuk
Identifikasi IUU Fishing Menggunakan Logika Fuzzy. ITS. mata pelajaran Fisika, Matematika di Juara Kelas. Pada tahun
12. Fransisko, I. (2016). Perancangan Sistem Pengambilan Keputusan
Berbasis Data Automatic Identification System (AIS) untuk 2018, penulis berhasil menyelesaikan penelitian Tugas Akhir
Identifikasi Terjadinya Illegal Unregulated Unreported (IUU) dalam bidang Rekayasa Bahan yang berjudul “Perancangan
Fishing Menggunakan Logika Fuzzy. ITS. Integrasi Sistem Pengambilan Keputusan Berbasis Data
13. Gustina, A. (2013). Analisis Transhipment Pasal 69 Ayat ( 3 )
Peraturan Menteri Kelautan Perikanan No . 30 Tahun 2012 Automatic Identification System (AIS) untuk Pemodelan
Tentang Usaha Perikanan Tangkap, 10(30), 340–349. Illegal Unregukated and Unreported (IUU) Fishing dan
14. Harto, D., Sarosa, M., & Suprapto, W. (2012). Aplikasi Jaringan Transhipment Menggunakan Jaringan Saraf Tiruan
Syaraf Tiruan untuk Mendeteksi White Spot. EECCIS, 6(1), 75–
82. (JST)”. Bagi pembaca yang ingin berdiskusi dengan penulis,
15. Kementrian Kesehatan Republik Indonesia. (2018). Kenali dapat mengubungi penulis melalui email:
Cantrang , Alat Tangkap Ikan yang Dilarang. In Kenali Cantrang, sarahmaulidaok@gmail.com.
Alat Tangkap Ikan yang Dilarang (pp. 1–7). Retrieved from
https://kominfo.go.id/index.php/content/detail/9753/kenali-
cantrang-alat-tangkap-ikan-yang-dilarang/0/artikel_gpr
14