LESTARI MDS dg RAPFISH
III. METODELOGI PENELITIAN 3.1 Lokasi Penelitian
3.6 Pengolahan dan Analisis Data
Pengolahan dan analisis data dilakukan sesuai dengan tujuan penelitian yang meliputi analisis hubungan panjang bobot, analisis parameter pertumbuhan, analisis laju mortalitas dan laju eksploitasi, standarisasi alat tangkap, model
produksi surplus, analisis usaha perikanan, analisis pola musim penangkapan ikan, analisis keberlanjutan dan analisis Kobe Plot. Pengolahan dan analisis data yang digunakan dalam penelitian ini dapat dilihat pada Tabel 2. Berikut uraian setiap jenis analisis yang digunakan dalam pengolahan dan analisis data.
Hubungan Panjang Bobot
Analisis hubungan panjang bobot dilakukan untuk mengetahui pola pertumbuhan sp.esies ikan. Model pertumbuhan diasumsikan mengikuti pola hukum kubik dari dua parameter yang dijadikan analisis yaitu parameter panjang dan bobot. Analisis hubungan panjang bobot masing-masing sp.esies ikan digunakan rumus sebagai berikut Effendie (1979), Nuitja (2010):
...(1) W adalah bobot (gram), L adalah panjang (mm), α dan β adalah koefisien pertumbuhan bobot. Nilai α dan β diduga dari bentuk linier persamaan di atas, yaitu:
log W = log a + b log L...(2) Parameter penduga a dan b diperoleh dengan analisis regresi dengan log W sebagai y dan log L sebagai x, sehingga diperoleh persamaan regresi:
...(3) sebagai model observasi dan sebagai model observasi dan
̌ ...(4) sebagai model dugaan.
Konstanta b1 dan b0 diduga dengan:
∑ ∑ ∑
∑ (∑ ) ...(5)
̅ ̅...(6) sedangkan a dan b diperoleh melalui hubungan dan . Hubungan panjang dan bobot dapat dilihat dari nilai konstanta b (sebagai penduga tingkat kedekatan hubungan kedua parameter) yaitu dengan hipotesis:
1. Bila b = 3, dikatakan memiliki hubungan isometrik (pola pertumbuhan bobot sebanding pola pertumbuhan panjang)
2. Bila b ≠ 3, dikatakan memiliki hubungan allometrik (pola pertumbuhan bobot tidak sebanding pola pertumbuhan panjang)
Pola pertumbuhan allometrik ada dua macam yaitu allometrik positif (b>3) yang mengindikasikan bahwa pertumbuhan bobot lebih dominan dibandingkan dengan pertumbuhan panjang dan allometrik negatif (b<3) yang berarti bahwa pertumbuhan panjang lebih dominan dibandingkan dengan pertumbuhan bobotnya. Selanjutnya untuk menguji hipotesis tersebut digunakan statistik uji sebagai
berikut:
| |...(7) sb adalah galat baku dugaan b1 atau b yang diduga dengan:
∑ (∑ ) ...(8)
Selanjutnya, nilai thitung dibandingkan dengan nilai ttabel pada selang kepercayaan 95%. Pengambilan keputusannya yaitu jika thitung > ttabel, maka tolak hipotesis nol (H0) dengan pola pertumbuhan allometrik dan jika thitung < ttabel, maka gagal tolak atau terima hipotesis nol (H0) dengan pola pertumbuhan isometrik (Walpole 1993).
Analisis Parameter Pertumbuhan
Analisis parameter pertumbuhan dilakukan untuk mengetahui parameter pertumbuhan yang digunakan mengikuti model von Bertalanffy (Sp.arre dan Venema 1999) yang dirumuskan sebagai:
t 1-e - (t-t0) ...(9)
Lt adalah ukuran ikan pada umur t (cm), L adalah panjang asimptotik (cm), K adalah koefisien pertumbuhan (tahun-1), dan t0 adalah umur hipotesis ikan pada panjang nol (tahun). Koefisien pertumbuhan K dan L pada (9) diduga dengan menggunakan metode Ford Walford yang diturunkan berdasarkan pertumbuhan von Bertalanffy untu Lt pada saat t + t dan t sedemikian sehingga:
t t 1-e(- t) e- t t ...(10) Persamaan diatas diduga melalui persamaan regresi linear y b0 b1x, dengan Lt sebagai absis (x), Lt t sebagai ordinat (y), b0= L (1-b), dan b1= exp (- t). Nilai K dan L diduga dengan rumus:
- 1
t ln b...(11) dan
L 1- ...(12) Pendugaan umur teoritis dihitung melalui persamaan empiris Pauly (1984), yaitu: og (-t0) -0.3922-0.2752 og -1.0380 og ... (13)
Laju Mortalitas dan Laju Eksploitasi
Analisis laju mortalitas dilakukan guna mengetahui laju mortalitas alami (M), mortalitas penangkapan (F), dan mortalitas total (Z) (Sparre dan Venema, 1999). Laju mortalitas total (Z) diduga dengan kurva tangkapan yang dilinearkan berdasarkan data panjang sedemikian sehingga diperoleh hubungan:
ln C 2
t 1, 2 = h – Z t( 1 2
2 ...(14) Persamaan (12) diduga melalui persamaan regresi linear sederhana y b0 b1x, dengan y = ln C 2
t 1, 2 sebagai ordinat, x = ( 1 2
2 sebagai absis, dan Z = -b1. Laju mortalitas alami (M) diduga dengan menggunakan rumus empiris Pauly (1980) in Sp.arre dan Venema (1999) sebagai berikut:
M = exp (-0.0152 – 0.279 ln L + 0.6543 ln K + 0.463 ln T) ...(15) M adalah mortalitas alami (per tahun), dan T adalah suhu rata-rata perairan (0C).
Setelah laju mortalitas total (Z) dan laju mortalitas alami (M) diketahui maka laju mortalitas penangkapan dapat ditentukan melalui hubungan:
F = Z – M ...(16) Selanjutnya Pauly (1984) menyatakan laju eksploitasi dapat ditentukan dengan membandingkan F dengan Z ssebagai berikut:
E F ...(17) F adalah laju mortalitas penangkapan (per tahun), Z adalah laju mortalitas total (per tahun), dan E adalah tingkat eksploitasi.
Standarisasi Alat Tangkap
Standarisasi alat tangkap digunakan untuk menyeragamkan upaya penangkapan yang ada sehingga dapat diasumsikan upaya penangkapan suatu alat tangkap dapat menghasilkan tangkapan yang relatif sama dengan alat tangkap yang dijadikan standar. Alat tangkap yang digunakan standar adalah alat tangkap yang dominan menangkap menangkap jenis ikan tertentu dan memiliki nilai Fishing Power Index (FPI) sama dengan satu. Nilai FPI dari masing-masing alat tangkap lainnya dapat diketahui dengan membagi laju penangkapan rata-rata unit penangkapan yang dijadikan standar. Menurut Sp.are dan Venema (1999) nilai FPI diketahui dengan rumus:
CPUEi =
...(17)
FPIi =
...(18)
CPUEi adalah hasil tangkapan per upaya penangkapan alat tangkap ke-i, Ci adalah jumlah tangkapan jenis alat tangkap ke-i, fi adalah jumlah upaya penangkapan jenis alat tangkap ke-i, CPUEs adalah hasil tangkapan per upaya penangkapan alat tangkap yang di jadikan standar, dan FPI adalah faktor upaya tangkap pada jenis alat tangkap ke-i.
Model Produksi Surplus
Pendugaan potensi sumber daya perikanan dapat diduga dengan model produksi surplus yang menganalisis hasil tangkapan (catch) dan upaya penangkapan (effort). Model ini pertama kali dikembangkan oleh Schaefer (1954) in Sp.arre dan Venema (1999). Model produksi surplus dapat diterapkan apabila diketahui dengan baik hasil tangkapan per unit upaya tangkap (CPUE) atau berdasarkan sp.esies dan upaya penangkapannya dalam beberapa tahun. Upaya penangkapan harus mengalami perubahan substansial selama waktu yang dicakup (Sp.arre dan Venema 1999). Menurut Sp.arre dan Venema (1999) tingkat upaya penangkapan optimun (fMSY) dan tangkapan maksimum lestari (MSY) dapat dihitung melalui persamaan:
= a – bft... ...(19) dan ln
= a – b ft ...(20) masing-masing untuk model Schaefer (persamaan 18) dan model Fox (persamaan 19), sehingga diperoleh dugaan fMSY untuk model Schaefer dan model Fox masing-masing:
fMSY =
...(21)
fMSY = ...(22) Serta MSY masing-masing untuk model Schaefer dan model Fox yaitu:
MSY =
...(23)
dan
MSY = ...(24)
Model yang akan digunakan adalah model yang memiliki nilai determinasi yang paling tinggi. Nilai Potensi Lestari (PL) dan jumlah tangkapan yang diperbolehkan atau Total Allowable Catch (TAC) sumber daya ikan dapat ditentukan dengan analisis produksi surplus berdasarkan prinsip kehati-hatian (FAO 1995 in Syamsiyah 2010):
PL = 90% x MSY...(25) TAC = 80% x PL... ...(26)
Analisis Usaha
Analisis usaha perikanan dilakukan terhadap beberapa parameter usaha perikanan seperti penerimaan, pengeluaran, keuntungan dan R/C.
1. Penerimaan
Jumlah hasil yang diperoleh hasil penangkapan dengan harga (Umar 2003) TR = P xQ...(27) 2. Pengeluaran
Faktor total pembiayaan meliputi biaya tetap dan biaya operasional biaya variabel (Umar 2003)
TC = FC + VC...(28) 3. Keuntungan
Merupakan selisih dari nilai total penerimaan dan total pengeluaran (Umar 2003), (Mauthe MB et al.2014)
∏ TR – TC…...…… (29) 4. R/C
R/C yaitu rasio dari total penerimaan terhadap total biaya (Umar 2003). Analisis Pola Musim Penangkapan Ikan
Analisis pola musim penangkapan ikan digunakan sebagai pertimbangan dalam melakukan operasi penangkapan. Indeks Musim Penangkapan (IMP) dihitung dengan menggunakan data hasil tangkapan dari data bulanan ikan dengan metode rata-rata bergerak. Metode rata-rata bergerak memiliki keuntungan yaitu dapat mengisolasi fluktuasi musim sehingga dapat menentukan saat yang tepat untuk melakukan operasi penangkapan. Kerugian dari metode rata-rata bergerak (moving average) adalah tidak dapat menghitung pola musim penangkapan sampai tahun terakhir data. Penentuan pola musim penangkapan dengan metode rata-rata bergerak dilakukan dengan rumus sebagai berikut (Dajan 1986):
……...…...(30) Keterangan :
I : 1, 2, 3,... ,12
IMPi : indeks musim penangkapan bulan ke-i FK : faktor koreksi.
Kriteria Indeks Musim Penangkapan (IMP): IMP < 50% : Musim paceklik
IMP 50% < IMP < 100% : Bukan musim penangkapan IMP > 100% : Musim penangkapan
Analisis Keberlanjutan
Analisis keberlanjutan sumber daya perikanan di perairan Bengkulu dilakukan dengan teknik Multi Dimensional Scaling (MDS) melalui pendekatan RAPFISH (Rapid Asessment Technique for Fisheries) yang dikembangkan oleh Fisheries Center, Univercity Of British Colombia (Kavanagh 2001 ; Pitcher dan Preikshot 2001; Alder et al. 2002; Cisse et al. 2014). Tahapan analisis keberlanjutan sumber daya perikanan di perairan Bengkulu adalah penentuan atribut tergantung kepada karakteristik yang dikaji dan bisa saja berbeda–beda (Garcia et al. 2000 dan Alder et al.2002). Penyusunan atribut keberlanjutan sumber daya perikanan berdasarkan pendekatan 5 (lima) dimensi keberlanjutan yaitu: (1) dimensi ekologi; (2) dimensi ekonomi; (3) dimensi sosial; (4) dimensi kelembagaan; Dan (5) dimensi teknologi.
Pembuatan skor (nilai) didasarkan pada pengamatan di lapangan, hasil wawancara, kuisioner ataupun data sekunder yang tersedia. Adapun skor yang diberikan berkisar antara 1-3 tergantung pada keadaan masing–masing berdasarkan modifikasi modul EAFM (Ecological Aproach to Fisheries Management) dari Kementerian Kelautan dan Perikanan, WWF dan PKSP.L–IPB 2012. Nilai buruk mencerminkan kondisi paling tidak menguntungkan bagi pengelolaan keberlanjutan, sedangkan nilai baik mencerminkan kondisi paling menguntungkan bagi pengelolaan keberlanjutan. (Pitcher 1999; Susilo 2003) sedangkan diantara nilai buruk dan baik ada nilai yang disebut dengan nilai tengah.
1 Skala Indeks Keberlanjutan, Analisis Monte Carlo dan Analisis Leverage Skala indeks keberlanjutan mempunyai selang 0-100. Dalam penelitian ini disusun empat kategori status keberlanjutan (Susilo 2003) yaitu : 0-25 (buruk), 26-50(kurang), 51-75(cukup) dan 76-100(baik). Kavanagh (2001) menyatakan bahwa untuk mengetahui nilai galat maka dilakukan analisis Monte Carlo,yang dilakukan sebanyak 25 kali ulangan pada metode RAPFISH. Analisis Leverage dilakukan untuk mengetahui atribut apa saja yang sensitif pada setiap dimensi keberlanjutan yang digunakan. Dalam analisis ini setiap empat atribut yang paling sensitif dalam setiap dimensi akan menjadi atribut terpilih untuk dianalisis kembali secara multidimensi untuk mengetahui status keberlanjutan secara multidimensi.
2 Nilai Stress dan Ordinasi dalam RAPFISH
Nilai Stess dapat mengukur seberapa dekat nilai jarak dua dimensi dengan nilai jarak multidimensi. Nilai stress yang dilambangkan dengan S dan koefisien determinasi (R2) digunakan dalam mengukur goodness of fit. Hasil analisis yang baik ditunjukkan dengan nilai stress yang rendah S < 0,25 dan nilai R2 yang tinggi (Fauzi dan Anna 2002).
Secara ringkas tahap analisis penggunaan metode MDS dalam teknik RAPFISH dapat dilihat dalam Gambar 3.
Gambar 3 Tahapan Analisis Aplikasi MDS dalam Teknik Rapfish. Sumber : diadaptasi dari Alder et al. (2000)
Analisis Kobe Plot
Dalam penentuan prioritas strategi kebijakan pengelolaan sumber daya perikanan digunakan analisis kobe plot (Zhang et al. 2009) dimana dilakukaan prioritas berdasarkan nilai indikator (Gambar 4) dan resiko (Gambar 5), sehingga didapat killer indicator (yang memiliki dampak besar dan sering terjadi, dalam penelitian ini selain dilakukan pemilihan prioritas berdasarkan nila indikator dan resiko juga berpedoman pada hasil analisis leverage secara multi-dimensi dalam penentuan killer indicator). Setelah itu dilakukan penentuan Periode Rencana Pengelolaan (PRP) (Gambar 6). Kobe plot digunakan untuk visualisasi hasil penilaian aspek ekologi dan aspek sosial (kelembagaan, sosial, ekonomi dan teknologi). Jika aspek ekologi suatu ekosistem berada pada warna merah, berarti buruk dan harus ada tindakan manajemen untuk memperbaiki sampai berda pada warna kuning ( sedang), sampai mencapai warna hijau (baik). Jika aspek ekologi dan sosial rendah berarti berada di warna merah, maka yang harus dilakukan adalah restoration strategy. Jika aspek sosial rendah dan ekologi tinggi (berada pada warna kuning) maka yang harus dilakukan adalah social development
Simulasi Monte carlo untuk mengecek ketidakpastian dari analisis
Analisis leverage untuk mengidentifikasi anomali atribut yang dianalisis Start
Review atribut dalam beberapa kriteria dan kategori
Penilaian Kelestarian
Penyusunan nilai skor dan penentuan titik referensi nilai tengah, bad dan good
Ordinasi MDS untuk tiap set atribut, rotasi plot ordinasi bad dan good dalam garis horizontal
Identifikasi data dan penentuan jenis perikanan berdasar kriteria yang ditentukan
strategy. Jika aspek sosial tinggi dan ekologi yang rendah (berada pada warna kuning) maka yang harus dilakukan untuk mencapai kondisi keberlanjutan adalah conservation management strategy. Jika aspek sosial dan ekologi suatu ekosistem sudah berada pada warna hijau dan keduanya sudah memiliki nilai yang tinggi maka yang harus dilakukan adalah sustaining strategy.
Skor aspek ekologi dan sosial didapatkan dari perhitungan yang diturunkan dari flag model ( skor 1 = merah kondisi ekosistem buruk, skor 2 = kuning kondisi ekosistem bak, skor 3 = hijau kondisi ekosistem baik), yang skor setiap aspek merupakan skor rata – rata dari setiap atribut pada masing – masing aspek. Nilai skornya sama dengan nilai skor pada analisis RAPFISH.
Gambar 4 Prioritas indikator (Sumber : Habibi 2014)
Skor indikator
Warna indkator
Dampak kemungkinan Target pebaikan (Tahun)
5 10 15
Killer indikator x x X
1 Merah Besar Sering x x X
2 Jarang x X
3 Kuning Sedang Sering x X
4 Jarang X
5 Hijau Kecil Sering X
6 Jarang X
0 5 10 15
Jangka pendek Jangka menengah Jangka panjang
Tabel 2 Jenis, metode, analisis dan sumber data
Tujuan Peubah Metode Penelitian Analisis Data Sumber Data Output
Menganalisis pola pemanfaatan sumber daya perikanan di Bengkulu
1. jenis ikan yg sering ditangkap
2. fishing ground
3. ukuran hasil tangkapan 4. kondisi hasil tangkapan 5. alat tangkap 6. target ikan yg ditangkap 7. Musim penangkapan Wawancara mendalam, pengamatan langsung di lapangan, kuisioner. Analisis statistik deskriptif ,IMP
Data primer (di dapat dari pengamatan langsung di lapangan) dan data sekunder (didapat dari DKP Prov. dan Bengkulu)
Pola pemanfaatan sumber daya perikanan di Bengkulu
Menentukan potensi dan status sumber daya perikanan di Bengkulu
1. bobot ikan (gram) 2. panjang ikan (mm) 3. jumlah hasil tangkapan 4. upaya perikanan (effort) pengamatan langsung di lapangan, study pustaka.
Analisis panjang bobot, Model Surplus
Produksi, model pertumbuhan dg menggunakan FISAT II, RAPFISH
Data primer (didapat dari pengamatan langsung di lapangan) dan data sekunder (didapat dari Dinas Kelautan dan Perikanan Kota dan Provinsi Bengkulu) Indikator Performance Populasi Menganalisis usaha perikanan di perairan Bengkulu 1. jumlah RTP tangkap di Bengkulu 2. total penerimaan 3. total biaya Wawancara mendalam, pengamatan langsung di lapangan, kuisioner
Analisis usaha Data primer (didapat dari pengamatan langsung di lapangan) dan data sekunder (didapat dari DKP Prov. dan Bengkulu dan BPS
Bengkulu).
Rata – rata jumlah penerimaan bersih setiap RTP. keuntungan usaha perikanan
Menentukan status masyarakat nelayan di Bengkulu.
1.Rata – rata jumlah penerimaaan bersih setiap RTP 2.UMR Wawancara mendalam, kuisioner dengan membandingkan rata – rata jumlah penerimaaan bersih setiap RTP dibagi dengan jumlah anggota RTP dengan UMR (Upah Minimum Regional) di Bengkulu.
Data primer (didapat dari pengamatan langsung di lapangan) dan data sekunder (didapat dari DKP Prov. dan Bengkulu dan BPS Bengkulu). Status Masyarakat Nelayan di Bengkulu 23
Tujuan Peubah Metode Penelitian Analisis Data Sumber Data Output Merumuskan strategi
pemanfaatan sumber daya perikanan yang berkelanjutan di Bengkulu.
1. status stok sumber daya perikanan 2. pola pemanfaatan 3. penerimaan bersih RTP 4. status masyarakat Wawancara mendalam, kuisioner, pengamatan langsung di lapangan
RAPFISH dan kobe plot
Data primer (didapat dari pengamatan langsung di lapangan) dan data sekunder (didapat dari DKP Prov. dan Bengkulu dan BPS Bengkulu). Rumusan Prioritas strategi pemnfaatan sumber daya perikanan yang berkelanjutan di Bengkulu.
IV. HASIL DAN PEMBAHASAN
