PENETASAN TELUR CUMI-CUMI 5.1 Pendahuluan
6.3.2 Model Peningkatan Stok dengan Introduksi Atraktor cum
Introduksi atraktor cumi pada perairan yang sesuai berdasarkan hasil kajian awal dan kajian Mulyono dan Mustarudin (2006), Tallo (2006) dan Syari (2014) berpotensi untuk meningkatkan stok sumberdaya cumi-cumi. Meningkatnya stok selanjutnya diharapkan akan meningkatkan ketersediaan produkvitas cumi-cumi.
Bartley dan Leber (2004) mengemukakan ada tiga cara meningkatkan produktivitas ikan. Pertama, juvenil hasil budidaya dilepas ke alam untuk memperbaiki stok hingga tingkatan menghasilkan hasil tangkapan lestari, dimana istilah ini disebut dengan restocking. Kedua, juvenil hasil budidaya dilepas ke alam untuk meningkatkan stok hingga ke tingkatan tidak dieksploitasi, dimana istilah ini disebut sebagai stock enhancement. Ketiga, juvenil hasil budidaya dapat dibesarkan di dalam tempat tertentu untuk meningkatkan produktivitasnya dan tidak terkait dengan pengelolaan perikanan tangkap, dimana proses ini dikenal denganaquacultureataufarming.
Model yang dibuat dalam penelitian ini ditujukan untuk mengetahui pengaruh penempatan atraktor cumi pada suatu perairan terhadap kelimpahan stok sumberdaya cumi-cumi serta berapa tingkat pemanfaatan optimum yang dapat dicapai dengan tetap menjaga agar stok tetap terjaga kelestariannya. Informasi hal diatas akan berguna bagi penyusunan kebijakan perikanan cumi-cumi baik di lokasi penelitian maupun untuk diterapkan di daerah lainnya yang memiliki sumberdaya cumi-cumi.
Penyusunan model peningkatan stok sumberdaya cumi-cumi ini merupakan simulasi kelanjutan dari model awal stok sumberdaya cumi-cumi. Faktor pembatas dalam menyusun model ini yaitu kapasitas daya dukung lingkungan. Nilai daya dukung perairan Kabupaten Bangka untuk sumberdaya cumi-cumi sebesar 3.240 ton per tahun. Beberapa parameter yang harus diketahui terlebih dahulu untuk penyusunan model ini yaitu luasan perairan yang efektif untuk penempatan atraktor cumi, hatching ratedan tingkat mortalitas alami cumi-cumi telah didapat datanya. Terkait dengan data yang telah didapat tersebut maka dalam penyusunan model ini dibuat simulasi dengan beberapa skenario. Skenario yang disimulasikan terbagi dari tiga yaitu 1) hatching rate telur cumi-cumi; 2) mortalitas alami; dan 3) luas areal efektif penempatan atraktor cumi.
Dari hasil pengamatan penetasan telur pada skala laboratorium diperoleh hatching rate yaitu 24% dan 37%. Berdasarkan hal tersebut maka dalam penyusunan model ini hatching rate yang digunakan dalam terdiri dari dua skenariohatching rate yaitu 20% dan 35%.
Dari hasil perhitungan laju mortalitas dengan menggunakan rumus empiris Pauly (1980) diketahui mortalitas alami cumi-cumi di perairan Kabupaten Bangka sebesar 0,15, mortalitas penangkapan 0,95 dan mortalitas total 1,10. Selanjutnya karena nilai mortalitas total lebih dari 1, maka dilakukan standarisasi sehingga nilai mortalitas alami menjadi 0.14. Dengan memperhatikan tingginya tingginya resiko kematian di alam maka digunakan tiga skenario mortalitas alami yaitu 1) 0,15 setelah distandarisasi menjadi 0,14; 2) 0,30 setelah distandarisasi menjadi 0,27; dan 3) 0,45 setelah distandarisasi menjadi 0,41.
Luas areal efektif penempatan atraktor cumi akan menentukan berapa paket atraktor cumi yang dapat ditempatkan pada areal tersebut. Dari perhitungan pada Bab 6 diketahui bahwa areal efektif penempatan atraktor cumi dibuat menjadi 3 zona yaitu: zona 1 untuk penempatan atraktor cumi pada kedalaman 3-7 m luasnya 1,95 km2; zona 2 untuk penempatan pada kedalaman 3-10 m luasnya 3,75 km2; dan zona 3 untuk penempatan pada kedalaman 3-12 m luasnya 5,37 km2. Berdasarkan hasil percobaan setiap 1 paket atraktor cumi terdiri dari 12 unit atraktor cumi memerlukan areal 400 m2. Selanjutnya dapat dihitung jumlah paket
atraktor cumi pada zona 1 sebanyak 4,875 paket; zona 2 sebanyak 9,375 paket dan zona 3 sebanyak 13,425 paket.
Dari hasil percobaan diketahui jumlah telur yang menempel pada satu paket atraktor cumi dalam 7 bulan sebanyak 17.245 butir telur. Jika diasumsikan bahwa jumlah telur yang menempel sama proporsinya setiap bulan, maka telur yang menempel pada satu paket atraktor cumi berjumlah 29.563 butir telur per tahun.
Dalam pemodelan jumlah telur yang menempel pada setiap paket atraktor cumi per tahun diturunkan jumlahnya menjadi 25.000 telur. Hal ini disebabkan beberapa faktor seperti adanya ikan karang dan ikan dasar yang memakan telur, telur yang hanyut terbawa arus dan beberapa faktor alam lainnya. Dengan menggunakan data yang didapat sebelumnya yaituhatching rate, mortalitas alami, luas areal efektif atraktor cumi, jumlah paket atraktor cumi, dan jumlah telur maka selanjutnya dapat dhitung populasi cumi-cumi dan dengan menggunakan asumsi bahwa rata-rata 1 kg terdiri dari 15 ekor cumi-cumi maka dapat diprediksi sediaan stok sumberdaya cumi. Prediksi sediaan stok sumberdaya cumi-cumi disajikan pada Tabel 18.
Berdasarkan data pada Tabel 18 maka dalam simulasi model peningkatan stok cumi-cumi di perairan Kabupaten Bangka hanya akan menggunakan prediksi sediaan stok pada Zona 1 (kedalaman perairan 3 - 7 m) denganhatching rate(HR) 0,35 dan zona 2 (kedalaman perairan 3 - 10 m) dengan HR 0,20.
Asumsi tambahan yang digunakan dalam penyusunan model peningkatan stok ini yaitu:
1) Kualitas perairan, fungsi, struktur dan komposisi populasi cumi-cumi dianggap tetap.
2) Rekrutmen hanya berasal dari telur yang menetas dari atraktor cumi. Rekrutmen dari telur yang menetas diluar atraktor cumi dianggap sebagai upaya perbaikan ekosistem dan tidak dimasukan sebagai stok dalam model ini. 3) Jenis alat tangkap dan kemampuan tangkapnya dianggap tetap.
4) Pola penangkapan yang dilakukan oleh nelayan dianggap tetap.
Tabel 18. Prediksi sediaan stok sumberdaya cumi-cumi (ton) menurut zona kedalaman,hatching rate(HR) dan tingkat mortalitas alami
Mortalitas alami
Zona 1 (3-7 m) Zona 2 (3-10 m) Zona 3 (3-12 m) HR 0.2 HR 0.35 HR 0.2 HR 0.35 HR 0.2 HR 0.35
0,41 958* 1.676 1.842 3.223 2.638 4.616**
0,27 1.180* 2.065 2.270 3.972** 3.250** 5.688**
0,14 1.403* 2.455 2.697 4.720** 3.863** 6.759**
Keterangan :
*) nilainya dibawah biomassa MSY (1.620 ton) dan MEY (1.648 ton) **) nilainya diatas kapasitas daya dukung lingkungan (3.240 ton) 6.3.3 Verifikasi dan Validasi Model
Tahap verifikasi model merupakan tahap pengecekan terhadap model simulasi apakah model berfungsi sesuai logika pada obyek sistim atau sesuai dengan model konseptual yang dibuat. Proses verfikasi tersebut dilakukan dengan check unitdengan menggunakansoftware powersim. Check unitdilakukan untuk memastikan konsistensi satuan sesuai dengan formulasi yang dibuat. Verifikasi
dilakukan untuk mengecek kesesuaian formulasi dalam model dan error atau kesalahan yang mungkin ada pada model yang dibuat.
Validasi model dilakukan dengan uji validasi besaran dan validasi kinerja model. Uji validasi besaran digunakan untuk mengetahui konsistensi satuan yang digunakan pada setiap variabel. Berikut ini uji validasi besaran:
1) Produksi per trip = produksi cumi/jumlah upaya tangkap [ton/trip] = [ton]/[trip]
2) Laju kematian = stok SD cumi x Rasio DD x fraksi laju kematian [ton/tahun] = [ton/tahun] x [unit] x [unit]
Uji validasi kinerja dilakukan untuk mengetahui apakah model yang dibangun layak secara akademik dan juga untuk menghindari kesalahan model. Cara pengujian yang umum dilakukan yaitu dengan melakukan validasi output model menggunakan uji statistik yang dikembangkan oleh Muhammadi et al. (2001) yaitu uji statistik penyimpangan antara nilai rata-rata simulasi terhadap aktual (absolute mean error, AME) dimana kisaran nilai maksimal penyimpangan 10%. Uji validitas kinerja dapat dilakukan terhadap satu atau lebih variabel yang dominan baik padamain modelmaupunco model.
Berdasarkan hal diatas dan ketersedian data yang ada, maka dalam uji validasi dipilih variabel jumlah produksi cumi-cumi dari tahun 2005-2013 sebagai variabel untuk menguji validasi kinerja. Jumlah produksi aktual dan produksi hasil simulasi disajikan pada Tabel 19.
Tabel 19. Perbandingan produksi aktual dan produksi hasil simulasi komoditas cumi-cumi Kabupaten Bangka tahun 2005-2013
Tahun Produksi aktual (ton) Produksi simulasi (ton)
2005 557,83 690,44 2006 465,00 697,34 2007 579,50 703,79 2008 541,60 709,81 2009 512,50 715,41 2010 890,80 720,63 2011 881,72 725,47 2012 858,39 729,96 2013 925,63 734,13 Rata-rata 690,33 714,11
Rumus AME yaitu : AME = ((S̅ – A̅)/A̅) x 100% dimana:
S̅= rata-rata produksi simulasi A̅= rata-rata produksi aktual
Berdasarkan rumus diatas maka diperoleh nilai AME yaitu 3,44%. Nilai tersebut berada dibawah nilai batas yang diperbolehkan yaitu 10% sehingga model yang dibangun memiliki kinerja yang baik, relatif tepat dan dapat diterima secara ilmiah.