Waktu dan Tempat Penelitian
Penelitian ini dilaksanakan pada bulan Mei sampai dengan Juni 2019 di Pelabuhan Perikanan Nusantara Sibolga, Jalan Gatot Subroto Kecamatan Sarudik, Kabupaten Tapanuli Tengah Provinsi Sumatera Utara.
Gambar 6. Peta Lokasi Penelitian
Alat dan Bahan Penelitian
Alat yang digunakan dalam penelitian ini adalah Ms. Excel, RAPFISH, laptop, kamera digital, dan alat tulis.
Bahan yang digunakan dalam penelitian ini adalah data time series hasil tangkapan, upaya penangkapan dan alat tangkap tahun 2014-2018.
Prosedur Penelitian Pengumpulan Data
Penelitian ini dilakukan dengan metode deskriptif. Pengumpulan data primer dilakukan dengan menggunakan kuisioner yang diberikan kepada responden dan diutamakan kepada nelayan yang tangkapan utamanya adalah Ikan Tongkol Krai. Data yang dibutuhkan terkait keberlanjutan sumberdaya ikan pelagis besar dari dimensi ekologi, ekonomi, sosial, teknologi dan dimensi kelembagaan. Data primer juga bisa diperoleh dengan melakukan wawancara langsung ke berbagai pihak serta pakar perikanan yang terkait.
Data sekunder meliputi data dari Pelabuhan Perikanan Nusantara Sibolga dari tahun 2014 sampai dengan tahun 2018 berupa data produksi per spesies ikan per-tahun, produksi per alat tangkap per tahun, trip per alat tangkap per tahun dan jumlah nelayan perikanan tangkap di Kota Sibolga.
Analisis Data
Pengolahan data primer menggunakan program Microsoft Excel 2007 dengan menggunakan RAPFISH untuk mengetahui status keberlanjutan sumberdaya ikan di perairan Samudera Hindia. Status keberlanjutan sumberdaya Ikan Tongkol Krai dilihat dari dimensi ekologi untuk mempertahankan sumberdaya spesies pada tingkat tertentu untuk masa depan sehingga tidak terjadi pengurangan stok ikan, dimensi ekonomi untuk meningkatkan kesejahteraan ekonomi, sosial untuk meratakan pemanfaatan perikanan antar pihak terkait, dimensi teknologi untuk memastikan penangkapan tidak melukai ikan dan mempertahankan sumberdaya dan dimensi kelembagaan untuk memberikan aturan agar sumberdaya tetap lestari dari tahun ke tahun.
Pengolahan data sekunder menggunakan model Schaefer dan Fox yang diolah dengan Microsoft Excel 2007. Model Schaefer dan Fox merupakan model analisis regresi dari CPUE terhadap jumlah effort, untuk mengetahui potensi maksimum lestari (MSY) dan effort optimum (f opt) terhadap sumberdaya ikan demersal di perairan Samudera Hindia Kota Sibolga. Kemudian dilihat tingkat pemanfaatan, tingkat pengupayaan, dan tangkapan yang diperbolehkan.
a. Penentuan Responden
Untuk melakukan kuesioner pada RAPFISH dibutuhkan beberapa responden yang ditentukan dan dipilih secara acak (simple random sampling) dan penentuan jumlah responden nelayan yang menjadi target utama digunakan rumus Slovin yaitu :
n = N 1 + N e2 n = 1.504
1 + (1.504 x 0,01) n = 93,76 nelayan Keterangan :
n = jumlah responden N = jumlah populasi
e = tingkat kesalahan yang ditelorir (10%)
Tabel 1. Kategori Responden/Pakar
No. Responden/Pakar Jumlah Responden
1. Pelabuhan Perikanan Nusantara Sibolga 1
2. Dinas Kelautan Dan Perikanan Sumatera Utara 1 3. Akademisi Manajemen Sumberdaya Perairan
Universitas Sumatera Utara
1
4. Pakar Perikanan 1
5. LSM (Pemerhati Lingkungan) 1
6. Nelayan 94
Jumlah 99
b. Hasil Tangkapan per Upaya Tangkapan/Catch per Unit Effort (CPUE) Produktivitas suatu alat tangkap dapat diduga dengan melihat hubungan antara hasil tangkapan (catch) dengan upaya penangkapan (effort) disebut dengan CPUE. Dalam penelitian ini data catch adalah data hasil tangkapan ikan tembang dari alat tangkap dan upaya penangkapan (effort) berupa jumlah trip. Persamaan untuk mencari nilai CPUE adalah sebagai berikut (Gulland, 1983) :
CPUE = Cpi
ft
Keterangan :
CPUE = Catch per Unit Effort
Cpi = Hasil tangkapan per alat tangkap pada tahun ke-i (ton) ft = Upaya penangkapan pada tahun ke-i (trip)
Selanjutnya dilakukan pengolahan data melalui pendekatan Model schaefer dan model fox. Model ini merupakan model analisis regresi dari CPUE
terhadap jumlah effort. Untuk mengetahui potensi maksimum Lestari (MSY) dan Effot optimum (Fopt) terhadap Ikan Tongkol Krai yang didaratkan di Pelabuhan Perikanan Nusantara Sibolga. Analisa dilakukan menggunakan Microsoft Excel 2007.
c. Pendugaan Potensi Lestari/Maximum Sustainable Yield (MSY) dan Upaya Penangkapam Optimum/Effort Optimum (Fopt)
Data yang digunakan dalam metode produksi surplus berupa hasil tangkapan (catch) dan upaya penangkapan (effort) dan kemudian dilakukan pengolahan data melalui pendekatan model schaefer dan fox. Model schaefer dan model fox merupakan model analisis regresi dari CPUE terhadap jumlah effort.
a. Model Schaefer
Hubungan antara C (hasil tangkapan) dan f (upaya penangkapan) adalah : C = af + b (f)2
Nilai Upaya Optimum (Fopt) adalah : Fopt = -
(
a2b
)
Nilai Potensi Maksimum Lestari (MSY) adalah :
MSY = - a
2 4b
b. Model Fox
Hubungan antara C (hasil tangkapan) dan f (upaya penangkapan) adalah : C = Fexp(a+ b(f)
Nilai Upaya Optimum (Fopt) adalah :
Fopt = -(1/b) exp(a-1)
Nilai Potensi Maksimum Lestari (MSY) adalah : MSY = - 1
b
Keterangan :
C = Jumlah hasil tangkapan persatuan upaya penangkapan (ton/trip) a = Intercept
b = Slope
f = Upaya penangkapan (trip) pada periode ke-i fopt = Upaya penangkapan optimal (trip)
MSY = Nilai potensi maksimum lestari (ton/tahun)
d. Pendugaan Tingkat Pemanfaatan/Level of Utilization (TPc) dan Tingkat Pengupayaan/Level of Effort (TPf)
Pendugaan tingkat pemanfaatan dilakukan untuk mengetahui seberapa besar tingkat pemanfaatan sumberdaya Ikan Tongkol Krai di Pelabuhan Perikanan Nusantara Sibolga. Pendugaan dilakukan dengan cara mempresentasikan jumlah hasil tangkapan pada tahun tertentu dengan nilai potensi maksimum lestari (MSY).
Persamaan dari tingkat pemanfaatan adalah (Latukonsina, 2010) : TPc = Ci x 100%
MSY Keterangan :
TPc = Tingkat pemanfaatan pada tahun ke-i (%) Ci = Hasil tangkapan ikan pada tahun ke-i (ton) MSY = Maximum Sustainable Yield(ton)
Pendugaan tingkat pengupayaan dilakukan untuk mengetahui tingkat upaya tangkapan sumberdaya Ikan Tongkol Krai di Pelabuhan Perikanan Nusantara Sibolga. Pendugaan dilakukan dengan mempresentasikan effort standar pada tahun tertentu dengan nilai effort optimal (fopt).
Persamaan dari tingkat pengupayaan adalah :
TPf = fsx 100%
fopt
Keterangan :
TPf = Tingkat Pengupayaan pada tahun ke-i (%)
fs = Upaya penangkapan (Effort standar) pada tahun ke-i (trip) fopt = Upaya penangkapan optimum (ton/thn)
e. Jumlah Tangkapan yang Diperbolehkan/Total Allowed Catch (TAC) Jumlah tangkapan yang diperbolehkan (Total Allowable Catch / TAC) dapat ditentukan dengan analisis surplus produksi. Besarnya TAC biasanya dihitung berdasarkan nilai MSY suatu sumberdaya perikanan yang perhitungannya didasarkan atas berbagai pendekatan/metode.
Rumus jumlah tangkapan yang diperbolehkan (Imron, 2008) yaitu : TAC = 80% x MSY
Keterangan :
TAC = Jumlah tangkapan yang diperbolehkan (kg/thn) MSY = Maximum Suistainable Yield (kg)
f. Analisis Status Keberlanjutan
Untuk mengetahui status keberlanjutan dari upaya pemanfaatan sumber daya Ikan Tongkol Krai (Auxis thazard) di Perairan Samudera Hindia Kota Sibolga dilakukan analisis keberlajutan terhadap kelima dimensinya yang meliputi: (1) ekologi; (2) ekonomi; (3) teknologi; (4) sosial dan (5) kelembagaan dengan menggunakan perangkat lunak RAPFISH (dikembangkan oleh Kavananagh P dan Pitcher, 2004), kemudian diperkuat dengan uji Monte Carlo dan selanjutnya untuk
mengetahui atribut yang paling berpengaruh sebagai pengungkit maka dilakukan analisis Leverage (Suryana et al, 2012).
RAPFISH (Rapid Appraisal for Fisheries) adalah metoda analisa untuk mengevaluasi sustainability dari perikanan secara multidisipliner yang didasarkan pada teknik ordinasi (menempatkan sesuatu pada urutan atribut yang terukur) dengan Multi Dimensional Scalling (MDS). MDS sendiri pada dasarnya merupakan teknik statistik yang mencoba melakukan tranformasi multidimensi ke dalam dimensi yang lebih rendah (Fauzi dan Anna, 2005).
RAPFISH digunakan untuk menentukan indeks tingkat keberlanjutan pada kegiatan perikanan tangkap dari berbagai dimensi. Teknik RAPFISH telah dikembangkan untuk melakukan evaluasi tingkat keberlanjutan pembangunan suatu obyek penelitian dengan melakukan modifikasi dimensi dan atibutnya sesuai dengan aspek yang dievaluasi (Zainal, 2013).
Pengukuran tingkat kesesuaian atau kondisi fit (goodness of fit), jarak titik pendugaan dengan titik asal menjadi sangat penting. Goodness of fit dalam MDS merupakan ukuran ketepatan dari suatu titik yang dapat mencerminkan data aslinya. Goodness of fit dalam MDS ditentukan oleh nilai S-Stress yang dihasilkan dari perhitungan nilai S tersebut. Nilai stress rendah menunjukkan good of fit, sementara nilai S tinggi menunjukkan sebaliknya. Dalam RAPFISH, model yang baik ditunjukkan dengan nilai stress yang lebih kecil dari 0,25 (S<0,25).
Analisis RAPFISH ini dapat memungkinkan untuk menganalsis leverage (senstivitas dari pengurangan atribut terhadap skor keberlanjutan). Leverage dihitung berdasarkan stdanard error perbedaan antara skor dengan atribut dan skor yang diperoleh tanpa atribut.
Analisis RAPFISH ini juga memperhitungkan aspek ketidakpastian dan dianalisis dengan menggunakan teknik analisis Monte Carlo. Ketidakpastian ini disebabkan oleh (Fauzi dan Anna . 2005) :
1. Dampak kesalahan dalam skoring akibat minimnya informasi.
2. Dampak dari keragaman dalam skoring akibat perbedaan penilaian.
3. Kesalahan dalam entry data.
4. Tingginya nilai stress yang diperoleh dari algoritma ALSCAL.
Analisis Monte Carlo merupakan Metode simulasi untuk mengevaluasi dampak kesalahan acak/galat (rdanom error) dalam analisis statistik (Kavanagh dan Pitcher2004) yang dilakukan terhadap seluruh dimensi. Dalam hal ini analisis Monte Carlo dilakukan dengan Metode scatter plot yang menunjukkan ordinasi
dari setiap dimensi.
Tahapan analisis RAPFISH (Rapid Apprasial for Fisheries) sebagaimana mengacu pada pedoman operasional rapfisheries meliputi langkah-langkah : a. Mengevaluasi dan menetapkan atribut dari kelima dimensi (review atribut).
Atribut merupakan parameter dari dimensi yang mewakili kondisi sumberdaya perikanan dan kelautan di Samudera Hindia Kota Sibolga. Atribut yang telah disusun kemudian dilakukan evaluasi untuk dilihat hubungan antar atribut, apakah memiliki hubungan linier atau tidak. Jika terdapat hubungan linier maka disatukan menjadi satu atribut. Evaluasi dan penetapan atribut dilakukan dengan pendekatan scientific judgement berdasarkan pendekatan keilmuan yang sesuai baik berdasarkan hasil kajian maupun penelitian maupun sumber pustaka lainnya. Penetapan atribut juga dilakukan dengan mempertimbangkan ketersediaan data dari atribut tersebut.
b. Memberikan penilaian terhadap setiap atribut yang telah disusun dari masing-masing dimensi dalam skala ordinal 0 - 2 atau 0 - 3.
Atribut dari setiap dimensi dilakukan penilaian berdasarkan scientific judgment oleh para pakar sesuai dengan kondisi atribut terkini dibandingkan
dengan standar yang berlaku maupun pada kondisi normal. Pemberian skor ordinal pada rentang 0-2, atau 0-3 atau sesuai dengan karakter atribut yang menggambarkan strata penilaian dari terendah (0) sampai yang tertinggi (3). Skor 0 adalah buruk (bad) dan skor 3 adalah baik (good). Penilaian atribut dilakukan dengan membandingkan kondisi atribut dengan memberikan penilaian buruk (0), sedang (1), baik (2) atau sangat baik (3).
c. Menghitung nilai indeks dan menilai status keberlanjutan.
Penilaian terhadap keseluruhan atribut dari masing-masing dimensi keberlanjutan dalam pengelolaan perikanan tangkap Samudera Hindia Kota Sibolga dikategorikan ke dalam baik, cukup baik, kurang baik, dan buruk. Asumsi bahwa kinerja pengelolaan terletak antara 0 sampai 100% atau buruk sampai ke baik sekali. Diantara nilai buruk sampai baik maka ada interval nilai kinerja yaitu cukup dan kurang, sehingga diperoleh empat tingkatan kinerja yaitu buruk, kurang, sedang dan baik. Tingkatan kinerja dibagi menjadi 4 tingkat sehingga diperoleh interval 0, 25%, 50%, 75%, dan 100%. Hasil penilaian kinerja atribut dari masing-masing dimensi dipetakan kedalam dua titik acuan yang merupakan titik buruk (bad) dan titik baik (good). Kategori hasil penilaian atribut disajikan pada Tabel 2.
Tabel 2. Kategori Penilaian Status Keberanjutan
No. Nilai Indeks Dimensi Kategori Keterangan
1 0,00 - 24,99 Buruk Tidak Berkelanjutan
2 25,00 - 49,99 Kurang Kurang Berkelanjutan
3 50,00 - 74,99 Cukup Cukup Berkelanjutan
4 75,00 - 100,00 Baik Berkelanjutan
Posisi titik keberlanjutan dapat digambarkan dalam bentuk garis sumbu vertikal ataupun sumbu horisontal. Nilai indeks keberlanjutan berada pada nilai 0% (buruk) sampai 100% (baik). Jika dimensi yang dinilai dengan nilai indeksnya berada di bawah 50% maka mempunyai nilai yang kurang atau kurang berkeberlanjutan (unsustainable), dan jika dimensi yang dinilai berada di atas nilai 50% maka dimensi dari sistem yang dinilai dapat dikatakan berkelanjutan (sustainable). Penilaian ini dapat diilustrasikan pada Gambar 7.
Gambar 7. Posisi titik keberlanjutan
Hasil penilaian atas masing-masing dimensi keberlanjutan (lima dimensi) disajikan dengan diagram layang-layang (kite diagram) pada Gambar 8.
Gambar 8. Diagram Layang Indeks Keberlanjtan Multidimensi
d. Menentukan faktor pengungkit (leverage factor)
Faktor pengungkit adalah atribut yang keberadaannya berpengaruh sensitif terhadap peningkatan atau penurunan status keberlanjutan. Semakin besar nilai RMS maka semakin besar peranan atribut tersebut terhadap sensitivitas status keberlanjutan (Kavanagh, 2004). Analisis RAPFISH memungkinkan untuk menganalisis leverage (senstivitas atribut terhadap nilai indeks keberlanjutan).
Leverage dihitung berdasarkan stdanard error perbedaan antara skor dengan
atribut dan skor yang diperoleh tanpa atribut. Faktor pengungkit dapat dilihat dari hasil olahan RAPFISH dengan nilai root means square (RMS) tertinggi (maksimum) sampai dengan nilai setengahnya dari tiap-tiap dimensi keberlanjutan.
e. Analisis Monte Carlo
Analisis Monte Carlo dilakukan pada selang kepercayaan 95%. Hasil analisis Monte Carlo kemudian dibandingan dengan hasil analisis MDS. Hasil perbandingan ini jika perbedaannya kecil maka menunjukkan bahwa dampak dari kesalahan pemberian skor relatif kecil, dampak dari variasi beberapa pemberian skor terhadap atribut relatif kecil, penilaian dengan MDS yang berulang-ulang menjadi stabil, kesalahan data atau kehilangan data menjadi reltif kecil.
Membandingkan hasil analisis Monte Carlo (MC) dan analisis MDS pada taraf kepercayaan 95% atau tingkat kesalahan 5% sehingga diperoleh bahwa selisih nilai kedua analisis tersebut lebih besar MDS>5%) atau lebih kecil (MC-MDS<5%). Jika nilai selisih kedua analisis ini >5% maka hasil analisis MDS tidak memadai sebagai penduga nilai indeks keberlanjutan, dan jika nilai selisih
kedua analisis tersebut <5% maka hasil analisis MDS memadai untuk menduga nilai indeks keberlanjutan Pengelolaan Perikanan Tangkap di Kota Sibolga.
f. Penilaian Ketepatan (Goodness of Fit)
Ketepatan analisis MDS (goodness of fit) ditentukan oleh nilai S-Stress yang dihasilkan dari perhitungan nilai S tersebut. Nilai stress rendah menunjukkan ketepatan yang tinggi (good of fit), sementara nilai S tinggi menunjukkan sebaliknya. Selanjutnya dalam RAPFISH, model yang baik ditunjukkan dengan nilai stress yang lebih kecil dari 0,25 dan sebaliknya jika nilai stress lebih tinggi dari 0,25 maka hasil MDS memiliki ketepatan yang rendah.