27 1. LATAR BELAKANG
METODOLOGI 4.1. Deskripsi
Perangkat lunak SIKBES-IKAN dibangun dalam rangka memindahkan kearifan dan pengetahuan tentang kelautan dan perikanan yg diwarisi secara turun-temurun menjadi pengetahuan teknis untuk prediksi yang lebih akurat keadaan perikanan guna memastikan kelestarian dan optimasi pemanfaatan sumberdaya laut di Indonesia. Pada tahun 2008, perangkat lunak SIKBES-IKAN sudah dilindungi UU Hak Cipta dari Ditjen. HKI, Departemen Hukum dan HAM RI. Selanjutnya dalam rangka implementasi dan komersialisasi aplikasi sistem ini lebih lanjut, BPPT telah melakukan sosialisasi ke institusi kelautan dan perikanan, industri perikanan serta pemerintah daerah di Indonesia.
Perangkat lunak SIKBES-IKAN memungkinkan menjawab pertanyaan-pertanyaan dari pengguna (user) dalam kerangka membantu menyusun perencanaan strategis dibidang kelautan dan perikanan berdasarkan data fishing ground (FG) yang diperoleh melalui sistem ini, adalah sebagai berikut:
• Dimana posisi Fishing Ground (FG) yang terdeteksi? • Berapa jarak dari pos pendaratan ikan ke titik FG ? • Jenis armada / kapal (tonase) apa yang layak digunakan ?
• Berapa lama waktu tempuh dan arah dari pos pendaratan ikan ke titik FG ? • Jenis alat tangkap apa yang layak digunakan ?
• Prasarana penunjang apa yang harus dlengkapi ?
• Jenis ikan apa yang kemungkinan menjadi target tangkapan ? • Berapa besar modal yang harus dikeluarkan ?
• Berapa besar biaya operasional yang harus dikeluarkan ? • Berapa besar produksi tangkapan yang akan dihasilkan ? • Berapa kemungkinan keuntungan yang akan diperoleh ?
• Kombinasi mana yang paling menguntungkan untuk dilakukan penangkapan ? • Berapa besar bagi hasil keuntungan untuk setiap kelompok orang yang terlibat ? • Kearah mana kemungkinan titk FG akan bergerak ?
4.2. Metodologi
Metodologi yang akan dijabarkan berikut ini disusun secara hierarki disusun sedemikian rupa agar didapatkan hasil kajian yang komprehensif, sistematik dari hulu yang berisi mengenai pengembangan metode baru dalam prediksi lokasi penangkapan ikan (fishing ground) dengan teknologi penginderaan jauh (remote sensing) hingga ke hilir yang berisi implementasi metode baru tersebut dalam penentuan fishing ground jenis ikan pelagis ekonomis sampai pada pembangunan perangkat lunak Sistem Informasi Perikanan Tangkap Terpadu (SIKBES-IKAN) berbasis expert system yang mana mengintegrasikan lokasi penangkapan ikan (fishing ground) dengan parameter sumberdaya perikanan tangkap (sosial, ekonomi dan valuasinya) sehingga dapat membantu pengguna/user dalam menyusun perencanaan strategis di bidang kelautan
Muhamad Sadly
Bunga Rampai Penginderaan Jauh Indonesia, 2011
30
dan perikanan yang bercirikan: intelligenct decision support system, cost minimizing
objective function dan bermanfaat secara ekonomi.
(1). Pengembangan Model Integrasi Knowledge-Based Expert System-Remote Sensing-GIS
Pada Gambar 1 diperlihatkan integrasi antara Sistem Pakar (expert system), Sistem Informasi Geografis (SIG) dan penginderaan jauh (remote sensing), yang merupakan konsep dasar yang diguanakan dalam pembangunan model. Sistem integrasi di sini merupakan metode baru yang digunakan dalam memetakan fishing ground dan valuasi ekonominya dan dirancang untuk menjawab 3 (tiga) pertanyaan yang biasa dijumpai di dalam studi ilmu kebumian. Komponen GIS & RS difasilitasi untuk menjawab pertanyaan pertanyaan ”What” dan ”Where”, yaitu RS & GIS database dan spatial
analysis. Komponen Expert System disusun dengan 2 (dua) modul utama, yaitu : Knowledge-Base dan inference engine yang difasilitasi untuk menjawab pertanyaan
”Why”. Basis pengetahuan (knowledge base) dari sebuah expert system dibangun berdasarkan hasil dari pengambilan pengetahuan (knowledge acquisition) di dalam bentuk ”production rules”. Inference engine dalah sebuah alat pemroses pengetahuan (knowledge processing tool) pada komponen expert system (sistem pakar). Tugas utamanya adalah menggabungkan fakta-fakta (facts) dengan aturan-aturan (rules) untuk mengembangkan atau untuk menyimpulkan atau untuk menggambarkan kesimpulan tentang fakta-fakta baru.
Gambar 1. Sistem Integrasi Expert System, GIS dan Remote Sensing yang digunakan dalam membangun SIKBES-IKAN
Pengembangan Sistem Penjejak Ikan Nan Cerdas (Intelligent Fish Tracker) dengan Pendekatan Integrasi Expert Systems, Remote Sensing dan GIS Model
Bunga Rampai Penginderaan Jauh Indonesia, 2011
31
(2). Lokasi Studi dan Akuisisi Data
Daerah penelitian terletak di daerah pesisir Teluk Tomini, Sulawesi Tengah dan Sulawesi Selatan (Gambar 2). Sebagai data input, kita menggunakan Suhu Permukaan Laut (SST), Laut Permukaan Klorofil-a (SSC) dan data Kekeruhan berasal dari data satelit MODIS NASA. Sedangkan untuk memverifikasi hasil Perikanan Ground Model Prediksi, kami mengumpulkan data in-situ dari titik penangkapan ikan di kedua daerah, dan analisis statistik sederhana digunakan untuk memahami persentase akurasinya.
Gambar 2. Lokasi Kegiatan Implementasi SIKBES-IKAN
(3). Perancangan Ontology Knowledge-Based Expert System Untuk Prediksi Lokasi Keberadaan Ikan (Fishing Ground Prediction)
Proses penentuan lokasi potensial keberadaan ikan (fishing ground) selanjutnya melalui para ahli/pakar (experts) disusun basis pengetahuan (knowledge base) tentang hubungan antara parameter-parameter yg mempengaruhi penentuan lokasi keberadaan ikan. Pada Gambar 2 diperlihatkan alur sistem yang digunakan di dalam membangun SIKBES-IKAN. Dalam penelitian ini, kami menggunakan 3 (tiga) parameter oseanografi (SST, Klorofil-a Kekeruhan, dan) sebagai input data Pengetahuan Berbasis Sistem Pakar (Knowledge Based Expert System/KBES) untuk menentukan lokasi potensial penangkapan ikan. Parameter ini kemudian juga diproses untuk menyelidiki dan mengidentifikasi fenomena oseanografi (upwelling, front, dan eddy) di daerah studi yang diduga memiliki korelasi kuat dengan lokasi potensial penangkapan ikan. Dalam penerapan KBES menggunakan data harian dari SST, Chl-a, dan Kekeruhan (turbidity) sebagai variabel input untuk menghasilkan informasi sehari-hari pembentukan daerah potensial penangkapan ikan. Proses perumusan hubungan antar parameter (ontologi) dalam rangka menghasilkan lokasi potensial keberadaan ikan (fishing tground) diperlihatkan pada Gambar 3.
Dari Gambar 3, diperlihatkan alur sistem SIKBES-IKAN, dimanan hubungan antar parameter (Chl, SST, Turbidity) serta arus laut untuk memprediksi pergerakan ikan,
Muhamad Sadly
Bunga Rampai Penginderaan Jauh Indonesia, 2011
32
yang akhirnya melakkan prediksi lokasi keberadaan ikan. Disamping prediksi FG, maka sistem SIKBSE-IKAN juga dirancang untuk membantu pengambil keputusan (decision
makers) didalam membuat perencanaan strategis bidang kelautan dan perikan di
wilayahnya serta bagaimana menghitung nilai ekonomi yang didapat nelayan dalam bentuk rekomendasi. Hasil dari rumusan ontology ini, selanjutnya diturunkan menjadi aturan-aturan (rules) yang digunakan didalam membangun model prediksi FG. Aturan-aturan (heuristic rules) diturunkan dari knowledge base sistem perikanan tangkap yang merupakan hubungan antar parameter-parameter oseanografi dan fenomenanya dalam rangka mendapatkan lokasi potensial keberadaan ikan.
Gambar 3. Alur Sistem SIKBES-IKAN
(4). Konsep Model prediksi untuk Fishing Ground (A proposed cyclical modeling
approach)
Konsep pemodelan yang digunakan dalam penelitian ini dengan pendekatan Knowledge
based expert system yang diintegrasi dengan GIS dan data penginderaan jauh
didasarkan pada pendekatan model yang bersiklus (seperti yang diilustrasikan pada Gambar 3). Model ini terdiri dari tiga (3) tahap, seperti yang dijelaskan di bawah ini: (a). Tahap Pengamatan: untuk menentukan karakteristik perilaku ikan, kondisi fisik laut dan menggunakan metode pengenalan pola daerah penangkapan ikan dan yang bukan daerah penangkapan ikan; (b). Analisis dan interpretasi data (SST, Chl-a, dan turbidity);
Pengembangan Sistem Penjejak Ikan Nan Cerdas (Intelligent Fish Tracker) dengan Pendekatan Integrasi Expert Systems, Remote Sensing dan GIS Model
Bunga Rampai Penginderaan Jauh Indonesia, 2011
33
(c). Pemodelan dan tahap pengujian/verifikasi : pengujian dan validasi menggunakan data in-situ untuk prediksi daerah penangkapan ikan (fishing ground)
Gambar 4. Konsep Model Prediksi Fishing Ground (A proposed cyclical modeling
approach)
Dari model ini, kita akan memahami bahwa terbukti dari kinerja model akan tergantung pada data umpan balik (feedback) dari pengamatan lapangan dan basis pengetahuan sistem pakar (knowledge base) dalam penyelidikan lebih lanjut yang dapat dilakukan dan disesuaikan dengan prediksi yang lebih akurat daerah penangkapan yang ada dan fenomena oseanografi. Aturan-aturan (heuristic rules) dalm bentuk IF-THEN Rule diformulasikan berdasarkan knowledge base yang telah disusun oleh para pakar (experts) untuk memprediksi lokasi keberadaan ikan (fishing ground). Aturan-aturanj (Heuristic Rules) yang telah diformulasikan ditunjukkan pada Tabel 1.
Muhamad Sadly
Bunga Rampai Penginderaan Jauh Indonesia, 2011
34
5. HASIL DAN PEMBAHASAN
Beberapa hasil yang diperoleh dalam pengembangan Sistem Penjejak Ikan Nan Cerdas (intelligent fish tracker) untuk mendukung program Ketahanan Pangan Nasional di Bidang Kelautan dan Perikanan antara lain: Perangkat Lunak SIKBES-IKAN: model integrasi antara Expert system dengan penginderaan jauh dan Sistem Informasi Geografis (GIS) untuk prediksi lokasi keberadaan ikan (fishing ground) yang sangat bermanfaat di dalam memberikan data dan informasi fishing ground yang cepat, akurat, dan mudah untuk diakses, yang dapat dipergunakan untuk membantu nelayan dalam melakukan operasi penangkapan ikan agar menjadi efektif dan tepat sasaran; Basis data spasial sumberdaya perikanan; Peta lokasi keberadaan ikan (fishing ground map); Model valuasi ekonomi sumberdaya perikanan tangkap.
Pada Gambar 5. di ilustrasikan peta lokasi keberadaan ikan (fishing ground map) di wilayah pesisir Teluk Tomini (Sulawesi Tengah) dengan menggunakan KBES-GS-RS FG model yang terpaket dalam sistem SIKBES-IKAN. Dengan menerapkan perangkat lunak SIKBES-IKAN, maka sebagai masukan digunakan 3 parameter, yaitu: suhu permukaan laut (SST), Konsentrasi klorofil (chl) dan Turbidity. Sistem SIKBES-IKAN akan melakukan proses dan analisa, sampai menghasilkan fishing ground map. Hasil pada Gambar 5 menunjukkan bahwa peta daerah penangkapan ikan yang dihasilkan dari model dapat dibagi menjadi dua (2) kategori. Kategori pertama adalah FG daerah potensial yang ditandai dengan titik warna merah, dan kategori kedua adalah wilayah semi FG potensial ditandai dengan titik berwarna hijau. Sementara titik-titik warna hitam merupakan daerah non FG. Peta lokasi keberadaan ikan (FG map) beserta titik koordinatnya selanjutnya diinformasikan kepada Nelayan. FG map ini sangat penting di dalam memberikan panduan kepada para nelayan untuk menuju lokasi penangkapan ikan dan dengan panduan ini, Nelayan bisa menangkap ikan lebih efektif dan yang lebih penting lagi nelayan dapat menghemat penggunaan bahan bakar kapalnya.
Sistem SIKBES-IKAN diterapkan dan dijalankan dengan mempertimbangkan informasi lingkungan laut diidentifikasi oleh tiga (3 parameter SST harian, kekeruhan Klorofil-a,) sebagai data input. Setiap hari dan hasil variabilitas model dalam menghasilkan diperkirakan luas daerah potensial penangkapan yang akurat tergantung pada cakupan awan serta situasi meteorologi. Hasil penelitian juga menunjukkan bahwa daerah potensial penangkapan ikan sebagian besar terkonsentrasi di perbatasan dekat (depan) dari tingkat konsentrasi tinggi rendahnya klorofil-a. Pada Gambar 6 diperlihatkan hasil analisisi statistik (data keluaran dan data lapangan/in-situ) unjuk kerja dari model yang dikembangkan. Untuk memahami tingkat akurasi dari model ini, dengan membandingkan hasil harian model (output model)dan data observasi lapangan harian daerah penangkapan ikan dalam waktu yang sama dari perolehan data dan observasi. Hasil yang ditunjukkan dalam Gambar 6, menunjukkan bahwa persentase rata-rata tingkat akurasi hasil model di kedua wilayah di daerah pesisir Teluk Tomini, Sulawesi Tengah dan Sulawesi Selatan relatif tinggi dengan tingkat akurasi 86%. Sedangkan hasil harian model prediksi di wilayah pesisir Teluk Tomini, Sulawesi Tengah dalam kisaran 68% sampai 95%.
Pengembangan Sistem Penjejak Ikan Nan Cerdas (Intelligent Fish Tracker) dengan Pendekatan Integrasi Expert Systems, Remote Sensing dan GIS Model
Bunga Rampai Penginderaan Jauh Indonesia, 2011