1
INTEGRASI DATA VMS DENGAN ECHO SAR UNTUK IDENTIFIKASI ILLEGAL FISHING DENGAN BAHASA PYTHON
Dendy Mahabror1, 2*, Jejen Jenhar Hidayat1, 2, Abdul Rohman Zaky1, 2 1
Infrastructure Development of Space and Oceanography (INDESO)-Ground Station Radarsat-2Bali, 82218, Indonesia.
email korespondensi: mahabror_dee@yahoo.com ABSTRAK
Synthetic Aperture Radar (SAR) adalah salah satu teknologi penginderaan jauh yang dapat diterapkan untuk pengawasan daerah penangkapan ikan yang dapat juga membantu dalam deteksi kegiatan penangkapan ikan ilegal (illegal fishing). Keefektifan deteksi penangkapan ikan ilegal sangat penting karena pencegahan dan penegakan hukum IUUF (Illegal Unregulated Unreported Fishing) harus dapat dieksekusi dengan cepat. Vessel Monitoring System (VMS) dapat diintegrasikan dengan data SAR sehingga kita dapat membedakan kapal bertransmiter VMS sebagai kapal legal dan kapal tanpa VMS sebagai kapal ilegal. Untuk mengintegrasikan data antara SAR dengan VMS, dapat digunakan algoritma untuk membangun secara otomatis menggunakan bahasa python. Pengembangan algoritma ini untuk membantu menganalisis kapal ilegal secara cepat dan tepat untuk mengurangi kesalahan penafsiran oleh operator. Untuk itu diperlukan sistem inovasi dalam menganalisis kapal ilegal khususnya asosiasi data SAR dan VMS secara otomatis di beberapa lokasi daerah penangkapan ikan di Indonesia.
Kata Kunci: SAR, VMS, IUUF, phyton
PENDAHULUAN
Laut Arafura tidak dapat dipungkiri sebagai salah satu daerah penangkapan ikan dan udang terbesar dan terbaik yang dimiliki Indonesia. Banyaknya kasus illegal fishing di laut tersebut disebabkan tingginya potensi sumberdaya ikan di perairan
Arafura sehingga banyak kapal asing yang berminat mendapatkan izin penangkapan namun jumlah izin penangkapan terbatas. Luas wilayah perairan ini mencapai 150 ribu km2 dengan perkiraan total potensi sumberdaya ikan sebesar 725,250 ton/tahun (Ditjen Perikanan Tangkap, 2009).
Perairan Kepulauan Aru bagian selatan menjadi salah satu daerah penangkapan ikan (fishing zone) yang banyak diburu oleh kapal-kapal ikan berukuran
besar baik dari dalam maupun kapal asing khususnya pada bulan tertentu atau musim perairan subur sehingga merangsang terjadinya penangkapan secara besar-besaran yang juga berpotensi terjadinya aktivitas ilegal. Salah satu upaya pemantauan terhadap aktivitas penangkapan di fishing zone adalah dengan memanfaatkan
teknologi VMS (Vessel Monitoring System).
Sistem VMS ini untuk melacak armada penangkapan ikan yang telah banyak digunakan di beberapa negara dan telah terbukti menjadi alat yang efektif untuk mengatur keberadaan kapal-kapal nelayan berlisensi atau resmi memiliki ijin penangkapan di suatu fishing zone untuk periode tertentu (Lemoine, 2005). VMS
kapal, kecepatan kapal dan profil kapal secara detail dengan interval waktu informasi per jam atau 2 jam. Pada umumnya kapal ikan yang berkewajiban menggunakan transmiter VMS adalah kapal dengan panjang lebih dari 15 meter atau di atas 30GT. Tujuan dari pemasangan VMS pada kapal perikanan khususnya di Indonesia agar Indonesia dapat menerapkan pengelolaan sumberdaya perikanan secara berkelanjutan sehingga dalam proses pemanfaatan sumber daya ikan tetap dapat terkontrol.
Sistem pemantauan kapal ikan berbasis VMS ternyata tidak sepenuhnya sempurna, pemerintah hanya dapat memantau kapal yang memiliki transmitter VMS atau yang dapat dikatakan legal karena untuk mendapatkan ijin penangkapan salah satu syarat kelengkapan kapal ikan yaitu harus memiliki transmitter VMS. Bagaimana dengan kapal yang tidak memiliki transmitter VMS khusunya kapal ikan asing yang beroperasi di sekitar fishing zone atau di daerah perbatasan ZEE (Zona Ekonomi
Eksklusif). Pastinya pemerintah akan kesulitan memantau kapal illegal tersebut, oleh sebab itu diperlukan sebuah integrasi sistem yang lebih handal untuk menutupi kekurangan sistem VMS.
Salah satu teknologi yang dapat diintegrasikan dengan VMS adalah teknologi satelit radar. Data citra satelit radar Synthetic Aperture Radar Satellite (SAR) dapat
mendeteksi sebaran kapal secara spasial di suatu area. Pengawasan maritim telah menjadi aplikasi utama dari data satelit radar, dan aplikasi sensor ini terus dikembangkan salah satunya adalah satelit RADARSAT-2. Kemampuan satelit RADARSAT-2 dalam pengawasan maritim berkembang cukup pesat dengan cakupan citra yang luas dan resolusi tinggi. Analisis untuk deteksi kapal terutama difokuskan pada dimensi kapal dan arah laju kapal guna mengidentifikasi jenis kapal dan aktifitasnya. Dimensi kapal dapat diklasifikasikan menjadi beberapa jenis seperti tanker, cargo dan passenger untuk kapal besar sedangkan untuk dimensi yang lebih
kecil diklasifikasikan menjadi fishing boat dan tug boat yang ditentukan dari nilai piksel
obyek (Hajduch, 2012).
Dengan mengetahui sebaran kapal di suatu area fishing zone yang
dikombinasikan dengan data VMS di area yang sama maka akan terdeteksi posisi kapal ilegal berdasarkan temuan posisi echo hasil deteksi radar yang tidak semuanya sama persis atau bertampalan dengan posisi kapal yang dihasilkan dari data VMS. Perbedaan jumlah dan posisi echo dari radar dengan posisi VMS menjadi sangat jelas dalam mengintepretasikan bahwa terdapat kapal ilegal yang mungkin bersanding dalam satu area.
Artikel ini akan mengulas tentang pendeteksian kapal ilegal di fishing zone
3
akan berlangsung secara otomatis, berbasis bahasa python dan akan mendapatkan
hasil analisis yang cepat dalam menentukan jumlah dan posisi di mana terdapat kapal ilegal. Studi kasus ini tidak hanya mengidentifikasi kapal ilegal akan tetapi juga mengkaji tentang pola peningkatan jumlah kapal ilegal di tiap musimnya dikarenakan pada musim tangkap yang baik ada kecenderungan jumlah armada yang beroperasi meningkat sehingga potensi kapal ilegal yang turut beroperasi dimungkinkan bertambah.
Lokasi fishing zone yang menjadi fokus kajian yaitu lintang 7 LS dan 7.5 LS dan
bujur 133.1 BT-136 BT. Tingkat kesuburan perairan dapat dideteksi menggunakan citra MODIS untuk parameter SPL (Suhu Permukaan Laut) dan klorofil-a meliputi masking awan dan daratan, ekstraksi nilai parameter, clipping area kajian, dan komposit citra
harian menjadi 7 harian. Salah satu cara yang efektif dalam penentuan fishing zone
yaitu dengan pemanfaatan teknologi penginderaan jauh menggunakan citra MODIS. Beberapa parameter yang diperlukan dalam penentuan daerah tersebut di antaranya adalah suhu permukaan laut (SPL) dan konsentrasi klorofil-a permukaan. Informasi sebaran SPL dapat diidentifikasikan sebagai daerah upwelling dan thermal front yang
merupakan daerah potensi perikanan (Simbolon dkk., 2013). Upwelling merupakan
peristiwa naiknya air dari dasar laut ke permukaan sebagai perbedaan gradien suhu. Pada daerah tersebut biasanya terdapat konsentrasi klorofil-a yang berlimpah yang merupakan makanan ikan dan diduga daerah tersebut terdapat banyak ikan yang disebut daerah fishing zone (Simbolon dkk., 2011).
Adapun tujuan dari penelitian ini adalah mengetahui pola kesuburan daerah kajian secara spasial dan temporal, mengetahui pola sebaran kapal legal dan ilegal di daerah kajian, dan identifikasi kapal legal dan ilegal di daerah kajian berdasarkan integrasi data sebaran kapal citra SAR dengan data VMS berbasis bahasa pyhton.
METODE PENELITIAN
Lokasi kajian berada di Laut Arafura dengan batasan koordinat 133,1 BT – 136 BT dan 7 LS – 8.5 LS seperti pada Gambar 1 dibawah ini.Data yang digunakan pada kajian ini terdiri dari citra MODIS, citra Radarsat-2 dan data VMS (Vessel Monitoring System) periode Maret 2015 hingga Agustus 2016.Pengolahan citra Radarsat-2
dilakukan untuk mendapatkan sebaran kapal ikan dengan melakukan deteksi sebaran kapal ikan secara dimensi dan posisi untuk kemudian dilakukan overlay dan validasi dimensi dan posisi kapal ikan menggunakan data VMS.Selain itu, data VMS digunakan untuk melengkapi kekosongan data kapal ikan yang bersumber dari deteksi kapal ikan citra Radarsat-2 di daerah kajian.
dan me buj juga par Sel Nila bes dan seb kaji me dila ech terh pos pen ata Pengola n daratan, e njadi 7 hari ur 133.1-136 a titik seba rameter sec anjutnya dila ai rata-rata S Xmean = X = nila n = jum Analisis serta perleng n python 2. baran kapal ian ini yaitu nggunakan Untuk t akukan deng ho dari citra hadap fungs sisi kapal ndekatan po u ukuran ec ahan citra M ekstraksi nila an. Selanjut 6 BT. Ekstra aran kapal cara umum akukan perh SPL dan klor ∑ X/n ai SPL/klorof lah piksel SP s data men gkapannya. 7 untuk pe ikan pada analisis spa diagram, gra tahapan pen gan menggu radar dilak si waktu dan VMS. Para osisi terdeka cho dengan k Gamba MODIS baik ai parameter tnya dilakuk aksi piksel d ikan untu di lokasi ka hitungan rata rofil-a dipero fil-a PL/ klorofil-a nggunakan Perangkat l ngolahan ci citra Rada asial dan te afik, dan pet nentuan ind unakan bah ukan overla n pemberian ameter aso at antara ech kapal VMS. ar 1. Lokasi k k SPL maup r, clipping a
kan garis tra dilakukan be k menggam ajian dan s a-rata nilai S oleh dengan a ... komputer d unak berupa itra MODIS, rsat-2. Adap emporal den ta. ikasi kapal asa python, ay dengan d kriteria terh osiasi echo ho dan VMS kajian pun klorofil-a rea kajian, d ansek di lint rdasarkan g mbarkan va secara khus SPL dan klor rumus (Am ... dengan sist a software S , dan softw pun metode gan penyaji legal dan il , dimana ha ata VMS ya hadap echo dengan V S selain itu j a meliputi m dan kompos tang 7 LS d garis transek ariabilitas m us di titik p rofil-a di titik ri dkk, 2013 ... em operasi SEADAS 7.2 wareSartool e yang digu an data sec llegal secar asil deteksi ang telah dii yang beraso VMS yaitu
juga pendek
masking awa
sit citra haria dan 7.5 LS k tersebut da masing-masin penangkapa k-titik tersebu ): ... ( i Windows 2, Arcgis 10. untuk detek unakan dala cara deskrip ra otomatisa kapal berup interpolasika osiasi denga berdasarka katan dimen an an di an ng an. ut. 1) 7 1, ksi am ptif asi pa an an an nsi
5
Diagram 1. Metodologi Kajian HASIL DAN PEMBAHASAN
Kondisi kesuburan perairan di fishing ground
Kesuburan perairan dapat ditentukan oleh faktor fisik dan faktor biologi yang antara lain suhu permukaan laut (SPL) dan konsentrasi klorofil-a. Suhu adalah indikasi jumlah energi (panas) yang terdapat dalam suatu sistem atau massa sebagai ukuran energi gerakan molekul (Nybakken, 1992). Suhu permukaan laut sangat tergantung dari jumlah energi panas yang diterima dari sinar matahari yang kemudian diserap oleh massa air. Suhu merupakan salah satu faktor yang sangat penting dalam mengatur proses kehidupan dan penyebaran organisme.
Suhu permukaan laut dapat digunakan sebagai salah satu cara untuk menduga keberadaan organisme disuatu perairan, khususnya ikan. Hal ini karena suhu permukaan air laut sangat erat hubungannya dengan produktivitas primer dan arus. Sebaran suhu permukaan laut mengindikasikan terjadinya front thermal yaitu proses Upwelling atau pengadukan air laut di suatu perairan. Upwelling adalah penaikan
massa air laut dari suatu lapisan dalam ke lapisan permukaan. Gerakan naik ini membawa serta air yang suhunya lebih dingin, salinitas tinggi, dan zat-zat hara yang kaya ke permukaan (Nontji, 1993). Menurut Barnes (1988), daerah upwelling terjadi
penurunan suhu permukaan laut dan tingginya kandungan zat hara dibandingkan daerah sekitarnya. Tingginya kadar zat hara tersebut merangsang perkembangan
Pengumpulan Data Pembahasan Sebaran Kapal Overlay Python Sebaran Kapal Ikan Analisis Deteksi Kapal
(20m -50m) Data Citra Radar Data MODIS (L2)
Pengolahan Data Chlo-a. SPL
Var. SPL Var. Chlo-a
Fishing Zone
Upwelling Data Proses
Korelasi D t
fito pro yan Hut ber per dar Gra dike ant laut II ( hing pad 201 ber me dau foto pad dilih pan pen plankton di oduktivitas p ng memiliki tabarat dan rkisar antar rmukaan lau ri lapisan baw afik 1. Dat Agu Dari da etahui bahw tara 28oC hin t cenderung September-gga dikisara da kisaran n 16 ternyata rada pada m Selain k mpengaruhi un yang te osintesis (No da konsentra hat dari jum ngkal rantai nting untuk d permukaan, lankton, kar karakterist Evans (19 ra 28-31oC ut dapat turu wah terangk a Komposit M ustus 2016 ata spasial s wa nilai SPL ngga 30oC M g menurun d November) an 29 oC da ormal perair memiliki kec musim timur y kondisi SPL i tingkat kes erdapat di ontji, 1993). asi nutrien. mlah fitopla makanan d diketahui dal sedangkan rena pada d ik berbeda 984) suhu p dan pada un menjadi 2 kat ke permu Mingguan Suh suhu permu L rata-rata Memasuki m ari kisaran 2 suhu perm an begitu pu ran Indonesi cenderunga yaitu tepatny L, konsentras suburan pe seluruh org Sebaran ko Jumlah klor ankton seba di perairan lam menentu n pada dae daerah ini m yaitu mass permukaan kasus tert 25 oC. Hal in ukaan laut. hu Permukaa ukaan laut ( di musim p musim timur ( 27oC hingga ukaan laut ula dimusim ia yaitu anta n yang sam ya pada bula si klorofil-a j rairan. Fakt ganisme fit onsentrasi k rofil-a yang agai produs tersebut. U ukan musim erah front j merupakan p sa air pana laut rata-ra tentu seper ni disebabka n Laut (SPL) (SPL) disek peralihan I ( (Juni-Agustu 23oC sedan secara bert barat suhu ara 30-31 oC. ma dimana S an Agustus 2 juga merupa tor biologis oplankton d lorofil-a dipe ada di pera sen primer Untuk itu pa m tangkap. juga terjadi pertemuan d as dan din ta di perair rti upwelling an karena a Periode Mare kitar lokasi (April-Mei) 2 us) 2015 suh ngkan di mu tahap kemb permukaan . Untuk pola SPL rendah 2016. akan faktor ini merupa dan mampu erairan sang iran laut um yang mana rameter klo peningkata dua massa a ngin. Menur ran Indones g, nilai suh ir yang ding et 2015 - kajian dap 2015 berkis hu permukaa usim peraliha ali meningk n laut kemba a SPL di tahu di suhu 24o biologis yan kan zat hija u melakuka gat tergantun mumnya dap a merupaka orofil-a sang an air rut sia hu gin pat ar an an kat ali un oC ng au an ng pat an at
201 tim Pen Bar ber yan beg bula Agu kon ser dim terb tim ding diba pad Dari da 15 konsentra ur cenderu nurunan kon rat, tepatnya rkisar 0,77 m Grafik 2. Memas ng hampir s gitu pula den an Agustus ustus 2016 nsentrasi han Dari Da ries klorofil-a mana pada s balik dengan ur. Fenome gin dari lap awah norma da kisaran 2 ata satelit M asi klorofil-a ng mening nsentrasi klo a pada Bul mg/m3. .Data Kompo uki musim sama denga ngan nilai ko 2016 meni tidak sebe nya berkisar ata time ser
a dapat terli saat tren pe n kondisi ko ena ini di du pisan bawah al berkisar 2 -5 mg/m3 da MODIS didap a berada pa kat hingga orofil-a mula lan Septem sit Mingguan peralihan I an tahun se onsentrasi kl ngkat dikisa esar konse r 1,89 mg/m ries SPL se hat adanya enurunan S onsentrasi kl uga muncul h terangkat 24-25 oC se an tren ini be 7 patkan bahw ada konsent konsentras ai terjadi pad ber hingga Klorofil-a Pe tahun 2016 ebelumnya lorofil menin aran 1,89 m ntrasi kloro 3. elama 18 bu nilai konse SPL terjadi orofil-a yang karena terj ke lapisan edangkan ko erlaku pada m wa pada mu trasi 1 mg/m si 5 mg/m da musim p Bulan Janu riode Maret 2 6 memiliki n yaitu dikisa ngkat di mus g/m3. Nilai ofil-a di tah ulan disandi ntrasi yang memasuki m g cenderung jadinya upw atas (Amri onsentrasi k musim timur usim peralih m3 dan mem 3 pada bu eralihan II h uari di titik 2015 - Agustu nilai konsent ran rendah sim timur khu konsentras hun sebelum ngkan deng saling berto musim timu g meningkat welling dima dkk, 2013). klorofil-a rela r di tahun 20 an I di tahu masuki musi ulan Agustu hingga musi rendah yai us 2016 trasi klorofil 0,39 mg/m ususnya pad si untuk bula mnya diman
gan data tim olak belakan r, berbandin t pada musi na massa a Kondisi SP atif meningk 015 dan 2016 un m us. m tu -a m3, da an na me ng ng m air PL kat 6.
per upw Ter dan sek di kes pro ikan seb kon 31o Inte jum pen ber per me den dike Pergant rairan, dima welling dan d rjadinya feno n tingginya kitarnya. Tin permukaan. suburan pera oduktivitas pr n di peraira baliknya feno ndisi musim oC sedangka egrasi data Peningk mlah armada nangkapan rpotensi men rikanan ber ngetahui ko ngan meng etahui jumla Grafik 3 tian musim ana pada di musim ba omena upwe kandungan gginya kada . Perkemba airan, maka rimer di sua an tersebut omena down barat pada an konsentra echo SAR-katan popula a kapal ika sebanyak ningkatnya k rlomba-lomb ondisi sebara integrasikan ah dan posis . Data Kompo m mengakib musim tim arat (Desemb elling diindik n zat hara ar zat hara t angan fitopl a proses air tu perairan d atau juga d nwelling dap tahun 2015 asi klorofil-a -VMS untuk asi ikan di s n untuk me mungkin. M kapal ilegal y ba untuk m an kapal ika n data citra i kapal legal osit Mingguan atkan terja ur (Juni-Se ber-Maret) te kasikan deng daerah ters ersebut mer ankton san naik selalu dan selalu d dapat disebu pat terjadi pa dan 2016 d menjadi ren k identifikas suatu perair endekati titi Meningkatnya yang berope mendapatkan an legal dan a Radarsat-l dan iRadarsat-legaRadarsat-l s n SPL dan Klo dinya peru eptember) m erjadi downw gan penurun sebut diban rangsang pe ngat erat ka dihubungka diikuti denga ut dengan f ada musim dimana SPL ndah dibawa si kapal ileg ran pada mu k tersebut a jumlah a erasi dikaren n keuntung ilegal pada -2 dan data secara spasi orofil-a bahan kon menyebabka welling (Nyb nan suhu pe ndingkan de erkembanga aitannya de an dengan m an meningka fishing zone barat, hal in relatif hanga ah 1mg/m3. al usim tertent dan melaku armada yan nakan semua gan yang b a satu waktu a VMS seh ial. disi hidrolo an terjadiny akken, 1992 ermukaan la engan daera an fitoplankto engan tingk meningkatny atnya popula e. Begitu jug ni dapat dilih at di suhu 3 u akan diiku ukan aktivita ng beropera a perusahaa besar. Untu u pemantaua hingga dap ogi ya 2). aut ah on kat ya asi ga at 0-uti as asi an uk an pat
9
Gambar 2. Pola Sebaran SST, Klorofil-a dan Kapal Ikan
Penentuan analisis echo SAR pada kajian ini dibatasi untuk kapal berukuran 15-50 m dengan asumsi kapal dengan ukuran tersebut masuk dalam kategori kapal ikan dan ukuran rata-rata kapal ikan ber-VMS. Dari hasil pengolahan data citra SAR dan VMS didapatkan bahwa jumlah armada kapal yang beroperasi di sekitar lokasi kajian cenderung meningkat di musim Timur pada tahun 2015. Pada tahun 2015 jumlah armada kapal ikan yang terdeteksi dalam satu waktu pemantauan tanggal 10 Agustus mencapai 118 unit dan pada tanggal 17 September mencapai 101 unit. Sedangkan pada tahun 2016 pada tanggal 14 Juli mencapai 32 unit dan tanggal 11 Agustus mencapai 15 unit. Memasuki tahun 2016 jumlah armada kapal yang terdeteksi beroperasi di daerah kajian relatif lebih sedikit jika dibandingkan pada tahun 2015 hal ini merupakan salah satu dampak dari moratorium ijin kapal eks asing dan kapal asing khususnya disekitar perairan Arafura.
Tabel 1. Rasio Kapal Legal dan Kapal Ilegal Hasil Deteksi SAR dan VMS
Periode Echo (Non VMS) (%) VMS (%) Σ Kapal Ikan
20150316 36 81.8 8 18.2 44 20150409 6 23.1 20 76.9 26 20150513 10 71.4 4 28.6 14 20150603 65 100.0 0 0.0 65 20150810 118 100.0 0 0.0 118 20150917 93 92.1 8 7.9 101 20151028 51 82.3 11 17.7 62 20151111 53 98.1 1 1.9 54 20160115 36 100.0 0 0.0 36 20160215 9 100.0 0 0.0 9 20160303 25 71.4 10 28.6 35 20160413 10 71.4 4 28.6 14
Periode Echo (Non VMS) (%) VMS (%) Σ Kapal Ikan
20160518 11 84.6 2 15.4 13
20160614 20 62.5 12 37.5 32
20160811 7 46.7 8 53.3 15
Penggabungan echo SAR dan VMS untuk mengetahui pola sebaran kapal ikan pada satu waktu pemantauan dan dari penggabungan data tersebut dapat kita telusuri apakah posisi kapal VMS berasosiasi dengan echo SAR. Metode overlay ini untuk
mengidentifikasi mana kapal yang bertransmiter VMS dan mana yang tidak bertransmiter atau dengan sengaja mematikan transmiter di saat pemantauan dilakukan. Akan sangat sulit dan membutuhkan waktu jika analisis penentuan kapal legal dan ilegal yang dilakukan oleh operator secara manual karena harus memilah satu demi satu objek atau echo SAR. Data VMS secara umum tersedia per 1 atau 2
jam sedangkan data citra SAR tersedia dalam waktu sesaat tergantung waktu satelit melewati area yang dikaji sehingga data VMS dan citra SAR akan berbeda waktu oleh karena itu perlu dilakukan interpolasi terkait posisi kapal dari data VMS terhadap waktu data citra SAR yang diperoleh.
Untuk mempermudah proses identifikasi kapal ikan legal dan ilegal maka digunakan bahasa pemograman python untuk mengintegrasikan data sebaran echo
SAR dengan data VMS dengan melakukan penyamaan waktu melalui interpolasi posisi terhadap waktu dan kemudian mencari asosiasi antara echo SAR dengan VMS dimana
sisa echo yang tidak berasosiasi dengan VMS dikategorikan kapal ilegal. Penggunaan bahasa pemograman python secara komputasi ini juga mempercepat proses analisis sehingga hasil penentuan kapal legal dan ilegal yang didapatkan bisa lebih cepat diketahui.
Python merupakan bahasa pemrograman open source yang dibuat oleh Guido
van Rossum pada tahun 1991. Bahasa pemograman python mudah dipahami, dan dapat digunakan untuk pengolahan data spatial, tabular maupun gabungan keduanya. Selain itu bahasa pemrograman python dapat diintegrasikan dengan software GIS
seperti, ArcGis dan QGIS.
Selanjutnya pada diagram 2 menunjukkan bahwa echo radar dan vms
merupakan inputan data, selanjutnya dengan pemrograman python digunakan untuk
menghasilkan pasangan kapal echo dan vms yang berasosiasi dengan pendekatan
jarak dan dimensi kapal.
Data echo radar digunakan sebagai target acuan untuk mencari pasangan
kapal terdekat dengan radius 6 km di sekitarnya, dan setiap kandidat kapal VMS dalam radius tersebut akan dihitung jarak dan dimensi kapal dengan target echo. Setelah
11
mendapatkan kandidat kapal vms yang berasosiasi dengan target, maka kapal VMS yang memiliki jarak dan dimensi terdekat akan menjadi syarat untuk dipilih menjadi kapal VMS yang berasosiasi. Kapal VMS yang yang tidak terpilih akan diasosiakan lagi dengan echo target yang lain.
Diagram 2. Flowchart logika python
Flowchart diatas adalah alur logika penggunaan pyhton dimana tahap pertama
adalah sumber data dibagi menjadi 2 yaitu data radar (SAR) dan data VMS. Data SAR dan data VMS memiliki perbedaan waktu sehingga perlu disamakan terlebih dahulu dengan melakukan interpolasi waktu terhadap informasi posisi kapal. Tahap kedua adalah melakukan penggabungan data SAR dengan data VMS melalui teknik tumpang tindih atau overlay dan dilakukanlah proses asosiasi secara otomatis dengan
pemberian syarat echo SAR dengan posisi kapal VMS dicari yang terdekat dan selisih dimensi hasil deteksi echo dengan profil kapal VMS sehingga dengan sebanyak
berapapun data echo SAR dan data VMS dapat ditemukan hasil asosiasinya. Berikut script yang digunakan dalam asosiasi target pada gambar dibawah ini.
Data Radar Data VMS
Syarat Asosiasi
Data
Hasil Mulai
Gambar 4
Gam
4. Sebaran ec
mbar 3. Script
cho SAR
proses asosiiasi pada pyth
Gambar 5.
hon
VM Den ant VM SA yan ata Agu 27, me sela dae mu jum mo Per KE (SP sela dim rata Sebaga MS (warna b ngan pengg tara echo SA MS yang ber R yang terde Untuk p ng bertransm u mematika ustus 2016 2% sedang nurun menja Dari ha ama tahun 2 erah kajian sim timur. J mlah hingga ratorium ijin rikanan. SIMPULAN Kondisi PL) dan kon ama musim mana terjadi a-rata kons ai contoh ilu iru) yang te gunaan baha AR dan dat rasosiasi de eteksi dalam periode Mar miter VMS an transmite rasio perba kan kapal y adi 76,7%. asil statistik 2015 hingga pada tahun Jumlah kapa memasuki m n kapal eks perairan di nsentrasi klo Timur. Hal penurunan entrasi klor Gambar 6 ustrasi peng lah dilakuka asa python ta VMS, dar ngan echo m satu waktu ret 2015 hin sebesar 18 er sebesar andingan kap yang tidak b jumlah kap a 2016 menu n 2015 relat al yang bero musim timur s asing dan selatan Kep orofil-a pera ini diindikas nilai suhu m rofil-a lebih 13 6. Asosiasi ec ggabungan an interpolas maka akan ri contoh dia SAR seban u pemantaua ngga Novem ,9% sedang 81,1%. Me pal yang be ertransmiter
pal yang did unjukkan ba
tif lebih ban operasi pada r, hal ini dap n kapal asin pulauan Aru airan selatan sikan sebag mencapai 2 dari 2 mg cho-VMS data SAR ( si posisi terh dengan mu atas didapat yak 8 unit d an. mber 2015 r gkan kapal emasuki ta ertransmiter r atau senga dapatkan da hwa jumlah nyak dari ta a tahun 201 pat disebab ng oleh Ke dari parame n Aru menu gai terbentuk 4oC diikuti d g/m3 pada (warna mera hadap waktu udah didapa tkan bahwa dari total jum
rasio perban yang tidak hun 2016 VMS menin aja mematik ata citra SA kapal yang ahun 2016 16 mengalam kan adanya ementerian K eter suhu pe unjukkan ada knya fenome dengan pen tahun 201 ah) dan da u yang sam atkan asosia jumlah kap mlah 36 ech ndingan kap bertransmit hingga bula ngkat menja kan transmit AR dan VM beroperasi khususnya mi penuruna a dampak da Kelautan da ermukaan la anya anoma ena upwellin ningkatan nil 5 dan 201 ata a. asi pal ho pal er an adi er MS di di an ari an aut ali ng lai 6.
Sedangkan fenomena downwelling terjadi pada musim Barat dimana nilai rata-rata
SPL cenderung hangat berkisar 30oC dengan konsentrasi rata-rata klorofil-a kurang dari 1 mg/m3. Pada musim timur 2015 saat kesuburan perairan tinggi jumlah armada kapal yang terdeteksi rata-rata mencapai lebih dari 91 unit, sedangkan pada musim barat (Desember-Februari 2016) menurun menjadi 22 unit. Untuk periode Maret 2015 hingga November 2015 rasio perbandingan kapal yang bertransmiter VMS sebesar 18,9% sedangkan kapal yang tidak bertransmiter atau mematikan transmiter sebesar 81,1%. Memasuki tahun 2016 hingga bulan Agustus 2016 rasio perbandingan kapal yang bertransmiter VMS meningkat menjadi 27,2% sedangkan kapal yang tidak bertransmiter atau mematikan transmiter menurun menjadi 76,7%.
DAFTAR PUSTAKA
Amri, K., Djisman, M., Gaol, J. L., dan Baskoro, M,S. (2013). Karakteristik Suhu Permukaan Laut dan Kejadian Upwelling Fase Indian Ocean Dipole Mode Positif di Barat Sumatera dan Selatan Jawa Barat. ResearchGate. Diakses: https://www.researchgate.net/publication/273887034_KARAKTERISTIK_SUHU_ PERMUKAAN_LAUT_DAN_KEJADIAN_UPWELLING_FASE_INDIAN_OCEAN_ DIPOLE_MODE_POSITIF_DI_BARAT_SUMATERA_DAN_SELATAN_JAWA_B ARAT
Barnes, R. S. K. And R.N. Hughes. 1988. An introduction to Marine Ecology. 2nd
Edition. Blokwell Scientific Publication. 35p.
Hajduch, G., N. Longepe, J. Habonneau, JY. Le Bras. 2012. Progress in Automatic Ship Detection and Classification. The 4th International Workshop on Advances in
SAR Oceanography. CLS, France.
Hutabarat, S. dan S. M Evans. 1985. Pengantar Oseanografi. Universitas Indonesia Press. Jakarta. 159 hal.
Lemoine, G.G. (2005). Vessel Detection System, a Blueprint for an Operational System, Technical Note I.05.14, European Commission, Joint Research Centre,
p. 37.
Nontji, A. (1993). Laut Nusantara. Jakarta: Djambatan.
Nybakken, J. (1992). Biologi Laut: Suatu Pendekatan Ekologis. Jakarta: PT Gramedia
Pustaka Utama.
Simbolon, D., Silvia, dan Prihatin I.W. (2013). Pendugaan Thermal Front dan upwelling Sebagai Indikator Daerah Potensial Penangkapan Ikan di Perairan Mentawai.
Jurnal Marine Fisheries, 4(1), hal 51-hal 57. Diakses:
http://journal.ipb.ac.id/index.php/jpsp/article/view/7113
Simbolon, D., Jeujanan, B. dan Wiyono, E S. (2011). Efektifitas Pemanfaatan Rumpon pada Operasi Penangkapan Ikan di Perairan Kei Kecil. Jurnal Marine
Fisheries,2(1), hal 19– hal 28. Diakses:
