1.1. Latar belakang
Perairan umum daratan Indonesia memiliki keanekaragaman jenis ikan yang tinggi, sehingga tercatat sebagai salah satu perairan dengan mega biodiversity di Indonesia. Komisi Plasma Nutfah Indonesia melaporkan bahwa kekayaan plasma nutfah ikan di perairan umum daratan Indonesia mencapai 25% dari jumlah jenis ikan yang ada di dunia (Kartamihardja et al., 2008).
Salah satu upaya dalam pengelolaan sumberdaya perikanan secara lestari sebagaimana diamanatkan dalam UU No 31 Tahun 2009 tentang Perikanan, maka diperlukan data dan informasi tentang kondisi stok ikan di suatu perairan. Survey akustik menggunakan echosounder kuantitatif telah umum digunakan untuk menduga kelimpahan dan biomass ikan untuk menyediakan data dan informasi bagi pengelolaan sumberdaya perikanan (Simmonds dan MacLennan, 2005). Aplikasi hidroakustik untuk menduga stok ikan dapat memberikan data dan informasi mengenai kepadatan ikan, kedalaman dan topografi dasar perairan (Wijopriono et al., 2006).
Penelitian mengenai klasifikasi dan identifikasi target akustik ikan untuk membedakan hingga tingkat spesies masih merupakan bidang yang masih luas dan berpotensi untuk dikaji. Kesulitan identifikasi spesies dalam akustik perikanan adalah keterbatasan dalam mengklasifikasi backscattered energy target akustik (echo trace) menjadi klasifikasi target ikan dalam tingkatan spesies. Identifikasi ikan dalam pengolahan data akustik secara konvensional dilakukan dengan mengidentifikasi gema (echo) pada echogram dalam besaran target strength oleh orang yang telah terlatih dan dibandingkan dengan hasil tangkapan ikan. Metode ini sangat tergantung pada tingkat keahlian , pengalaman orang yang mengolah data akustik, dan memakan waktu yang banyak . Selain itu metode tersebut dapat menghasilkan bias yang relatif tinggi dan sulit untuk memperoleh data secara kuantitatif identifikasi sampai tingkat spesies (Charef et al., 2010).
Aplikasi jaringan saraf tiruan (JST) menjadi salah satu terobosan besar dalam upaya meningkatkan akurasi pendugaan stok ikan dengan aplikasi
hidroakustik. JST memberikan solusi dalam efisiensi, efektivitas pengolahan data akustik, bebas dari interpretasi data yang subyektif dan akurasi data yang dihasilkan dapat teruji (Jech dan Michaels, 2006). Penggunaan JST dalam indentifikasi dan klasifikasi kawanan ikan di Indonesia telah dilakukan untuk identifikasi beberapa kawanan ikan pelagis di Indonesia. Jaya dan Sriyasa (2004) membandingkan aplikasi JST dan deskriptor akustik untuk mengidentifikasi kawanan ikan di Selat Bali dengan hasil yang cukup menjanjikan walaupun dengan data pelatihan yang terbatas. Selanjutnya, penelitian untuk memperoleh permodelan JST yang memberikan tingkat ketepatan optimum dalam identifikasi kawanan ikan pelagis di Indonesia telah dilakukan dengan menggunakan masukan parameter deskriptor akustik (Muhiddin, 2007).
Berdasarkan hal-hal tersebut di atas, maka pada penelitian ini akan dilakukan untuk pengembangan aplikasi JST dalam identifikasi beberapa jenis ikan air tawar ekonomis penting dengan metode akustik sorot terbagi. Data dan informasi mengenai karakteristik beberapa parameter deskriptor akustik ikan air tawar diharapkan dapat mengidentifikasi, jenis ikan tawar sampai tingkatan spesies sebagai salah satu upaya dalam meningkatkan akurasi pendugaan stok ikan di perairan umum Indonesia.
1.2. Kerangka Pemikiran
Pendugaan stok ikan di suatu perairan dapat dilakukan dengan salah satu metode holistik, yaitu melakukan survey hidroakustik untuk dapat menduga status stok ikan secara spasial secara cepat (rapid assessment). Kendala utama dalam aplikasi pendugaan stok dengan perangkat hidroakustik kuantitatif, adalah kesulitan dalam mengidentifikasi jenis ikan yang terekam dalam echogram. Hal ini sangat berpengaruh terhadap tingkat ketelitian dalam mengestimasi kelimpahan stok ikan di perairan umum tropis yang multispesies seperti di Indonesia. Oleh karena itu, maka dikembangkan suatu metode analisis pengolahan data akustik dengan mengekstrasi parameter deskriptor akustik yang dapat membedakan setiap jenis ikan. Deskriptor akustik tersebut kemudian dianalisis lebih lanjut menggunakan alat bantu statistik atau program jaringan saraf tiruan sehingga dapat diperoleh parameter karakteristik jenis ikan (Gambar 1).
Ikan dapat diidentifikasi dengan 2 (dua) cara, yakni identifikasi ikan secara ex-situ dan in situ. Identifikasi ikan secara ex situ atau secara taksonomi adalah suatu usaha untuk mengidentifikasi ikan dengan mengambil sampel ikan, dilihat ciri-ciri meristik dan morfometriknya (atau dilihat sampel DNA nya) serta mencocokannya dengan kunci identifikasi dan taksonomi. Identifikasi ikan secara in situ atau secara hidroakustik adalah suatu usaha untuk mengenali atau mengidentifikasi ikan dengan gelombang suara pada suatu area tertentu, dan waktu tertentu tanpa menyentuh ikan tersebut (Fauziyah, 2005).
Penggunaan metode akustik untuk pendugaan stok sumberdaya perikanan terdapat kelebihan dan kekurangannya. Wudianto (2001) mengungkapkan beberapa kelebihan metode akustik dibanding metode lainnya antara lain : (1) metode akustik tidak tergantung pada ketersediaan data statistik perikanan seperti hasil tangkapan dan upaya penangkapan, (2) memiliki skala waktu yang lebih baik, (3) biaya operasional relatif rendah, (4) hasilnya memiliki ragam (variance) yang rendah untuk ketelitian yang tinggi, dan (5) memiliki kemampuan untuk mengestimasi kelimpahan absolut ikan. Adapun kekurangan metode akustik antara lain : (1) sulit dalam mengidentifikasi ikan berdasarkan spesies, (2) kurang teliti digunakan untuk sampling ikan dekat permukaan dan dasar, (3) relatif rumit dan kompleks, (4) diperlukan biaya awal yang tinggi, (5) diperlukan sampling biologi ikan dan (6) kemungkinan terjadi bias saat penentuan target strength dan kalibrasi.
Metode identifikasi spesies kawanan ikan dengan menggunakan deskriptor akustik telah lama dikembangkan sehingga dapat membedakan secara efisien struktur dari kawanan ikan pelagis yang berbeda (Diner et al., 1989; Georgakarakos dan Paterakis, 1993 dalam Muhiddin, 2007). Sistem pengolah sinyal akustik untuk identifikasi ikan dengan metode deskriptor akustik berisi program untuk transformasi citra digital, pengolahan citra digital, pengukuran dan komputasi deskriptor dan fungsi diskriminan untuk identifikasi spesies (Fauziyah, 2005).
JST merupakan suatu struktur komputasi yang dikembangkan dari sistem pemrosesan informasi pada jaringan sel saraf manusia (Lawrence, 1992). Keunggulan identifikasi dan klasifikasi ikan dengan JST yaitu memberikan hasil
yang lebih cepat, memperkecil peluang kesalahan identifikasi dan dapat menekan biaya operasi (Muhiddin, 2007). Identifikasi jenis ikan dengan JST dilakukan dengan beberapa tahapan yaitu, input sinyal akustik yang terekam dalam echogram dan pemilihan deskriptor akustik yang akan digunakan dalam bentuk algoritma untuk mengidentifikasi ikan dan pemilihan arsitektur JST yang tepat untuk memberikan tingkat ketepatan yang optimum.
Muhiddin (2007) menyebutkan bahwa permodelan JST Backpropagation dengan parameter masukan deskriptor akustik memberikan tingkat ketepatan optimum dalam identifikasi jenis kawanan ikan sebesar 70% - 100%. Charef et al. (2010) menggunakan arsitektur JST Multi Layer Perceptron (MLP) untuk mengidentifikasi kawanan ikan di Laut Cina Selatan dengan tingkat ketepatan sebesar 87.6 %, sedangkan Robotham et al. (2010) membandingkan aplikasi arsitektur JST Multi Layer Perceptron (MLP) dengan arsitektur Probabilistic Neural Network (PNN) dan Support Vector Machine (SVM). Hasil penelitian Robotham et al. (2010) menyebutkan hasil klasifikasi kawanan ikan pelagis di perairan Chili dengan menggunakan arsitektur PNN dan SVM memberikan tingkat ketepatan sebesar 89.5%, lebih baik dibandingkan dengan aplikasi arsitektur MLP yang memberikan tingkat ketepatan sebesar 79.4%.
Jenis ikan air tawar ekonomis penting yang banyak terdapat di perairan umum seperti waduk dan danau di Indonesia antara lain ikan nila (O.niloticus), ikan patin (P. hypothalmus) dan ikan mas (C. caprio) (Umar dan Kartamihardja, 2006). Keberhasilan introduksi jenis ikan air tawar di perairan umum Indonesia sangat menarik untuk dikaji sejauh mana dinamika stok ikan tersebut di habitat barunya.
Berdasarkan hal-hal tersebut di atas maka, penelitian ini dilakukan untuk memperoleh data kuantitatif karakteristik beberapa jenis ikan air tawar ekonomis penting dengan metode akustik sorot terbagi. Selanjutnya aplikasi JST dilakukan dengan menggunakan input nilai deskriptor akustik yang dikembangkan untuk identifikasi spesies dari modifikasi rumusan Charef et al. (2010). Hasil akhir penelitian ini adalah data dan informasi karakteristik beberapa jenis ikan air tawar sehingga akan bermanfaat langsung dalam usaha pengkajian stok dan pelestarian sumberdaya ikan tersebut.
1.3. Ruang Lingkup Penelitian Ruang Lingkup Penelitian ini adalah :
1. Pengukuran kuantitatif beberapa parameter deskriptor akustik beberapa jenis ikan air tawar (nila, patin dan mas) dengan akustik sorot terbagi yang meliputi parameter Sv, Area Backscattering Strength, Target Strength,, Skewness, Kurtosis, Ketinggian, Ketinggian relatif dan Kedalaman ikan.
2. Pengembangan dan aplikasi program JST Backpropagation dan Multi Layer Perceptron (MLP) dalam penentuan jenis ikan air tawar dengan akustik sorot terbagi berdasarkan parameter deskriptor akustik yang diperoleh.
1.4. Tujuan Penelitian Penelitian ini bertujuan untuk :
1. Mengukur deskriptor beberapa jenis ikan air tawar (mas, nila, patin) dari echogram SIMRAD EY60.
2. Membandingkan program JST Backpropagation dan Multi Layer Perceptron (MLP) dengan model statistik dalam penentuan jenis ikan air tawar.
3. Menentukan karakteristik akustik ikan Mas, Nila dan Patin.
1.5. Manfaat Penelitian
Penelitian ini diharapkan dapat menjadi bahan informasi dalam hal :
1. Peningkatan akurasi pendugaan stok ikan dengan metode akustik di perairan umum daratan Indonesia.
