23
BAB III BAHAN DAN METODE
3.1 Tempat dan Waktu Penelitian Penelitian ini dilaksanakan di Teluk Palabuhanratu, Kabupaten Sukabumi, Jawa Barat dari tanggal 17 April sampai 7 Mei 2013. Peta lokasi penelitian dapat dilihat pada Lampiran 2.
3.2 Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode survei dengan analisis deskriptif. Data-data yang digunakan terdiri dari data sekunder dan data primer. Data sekunder meliputi data time series tahunan hasil tangkapan ikan peperek dan upaya penangkapan (jumlah trip kapal yang menangkap ikan peperek) selama 11 tahun (tahun 2002-2012). Data ini menjadi masukan (input) dalam analisis Model Produksi Surplus. Data sekunder juga meliputi data jumlah kapal/alat tangkap yang menangkap ikan peperek tiap tahun dan keadaan umum Perairan Teluk Palabuhanratu sebagai penunjang hasil dan pembahasan. Data time series tahunan ini direkap dari buku harian dan buku laporan tahunan statistik perikanan tangkap PPN Palabuhanratu tahun 2002 sampai tahun 2012 dan data Dinas Kelautan dan Perikanan (DKP) Kabupaten Sukabumi. Data Keadaan umum Perairan Teluk Palabuhanratu didapatkan dari PPN Palabuhanratu dan DKP Kabupaten Sukabumi. Selain itu, digunakan juga data primer sebagai pendukung yang diperoleh dari pengamatan di lapangan dan wawancara kepada nelayan. Data primer meliputi jumlah trip tiap alat tangkap, jumlah produksi per trip, fishing ground, konstruksi alat tangkap, dan metode pengoperasian alat tangkap.
3.3 Analisis Data 3.3.1 Standardisasi Upaya Penangkapan Standardisasi upaya penangkapan dilakukan untuk menyeragamkan satuan upaya karena alat tangkap berbeda yang digunakan memiliki kemampuan yang 23
24
berbeda dalam menangkap ikan peperek. Dalam penelitian ini, payang ditetapkan sebagai alat tangkap standar karena merupakan alat tangkap dominan dan memiliki produktivitas yang lebih tinggi dari bagan. Alat tangkap standar ditetapkan mempunyai fishing power index (FPI) = 1. Nilai FPI alat tangkap lain diperoleh dari hasil tangkap per satuan upaya penangkapan (CPUE) alat lain dibandingkan dengan CPUE alat tangkap standar. Rumus yang digunakan dalam standardisasi upaya penangkapan adalah sebagai berikut (Tinungki 2005): CPUEs =
Ys fs
CPUEi =
Yi fi
FPIs = 1 FPIi =
CPUEi CPUEs
Standard effort =
(FPIi × fi )
(40)
dimana CPUEs adalah hasil tangkapan per satuan upaya alat tangkap standar, CPUEi adalah hasil tangkapan per satuan upaya alat tangkap i, Ys adalah jumlah tangkapan alat tangkap standar, Yi adalah jumlah tangkapan alat tangkap i, fs adalah jumlah upaya alat tangkap standar, fi adalah jumlah upaya alat tangkap i, FPIs adalah faktor daya tangkap alat tangkap standar, FPIi adalah faktor daya tangkap alat tangkap i. Selanjutnya upaya standar yang diperoleh dapat digunakan untuk analisis Model Produksi Surplus.
3.3.2 Analisis Fungsi Produksi Model-model Produksi Surplus Model Produksi Surplus idealnya diterapkan pada satu spesies ikan karena Model Produksi Surplus adalah metode pengkajian stok dengan pendekatan single spesies. Namun dalam penelitian ini hal itu tidak sepenuhnya dipatuhi, data yang digunakan merupakan data ikan peperek dari dua spesies yang berbeda. Hal ini karena baik di PPN Palabuhanratu maupun di DKP Kabupaten Sukabumi tidak
25
ada pemisahan dalam pencatatan data hasil tangkapan dan upaya penangkapan jenis-jenis ikan peperek yang berbeda tersebut. Berikut ini adalah metode analisis ketujuh Model Produksi Surplus: A. Model Schaefer Persamaan Model Schaefer ditulis dalam bentuk yang sederhana adalah sebagai berikut (Kekenusa 2009): Yt = a − bft ft
(41)
Untuk mengetahui nilai a dan b dilakukan regresi linier sederhana antara Y
CPUE tiap tahun ( f t ) dan upaya penangkapan tiap tahun (ft). t
Y = a + bX Perhitungan regresi dilakukan melalui tool “Data Analysis” pada program Microsoft Office Excel 2007 dimana a dan b memenuhi persamaan sebagai berikut (Sugiyono 1997): Yi ( Xi2 ) − Xi ( Xi Yi ) n Xi2 − ( Xi )2
a= b=
n
Xi Yi − Xi 2 n Xi − Xi
Yi 2
Selanjutnya dapat ditentukan persamaan lengkap Model Schaefer perikanan peperek di Perairan Teluk Palabuhanratu, Sukabumi. Besarnya upaya penangkapan optimum (fopt) dan hasil tangkapan maksimum lestari (MSY) dapat diketahui melalui persamaan sebagai berikut (Kekenusa 2009): a fopt = 2b a2 MSY = 4b
(42) (43)
B. Model Gulland Persamaan Model Gulland ditulis dalam bentuk yang sederhana adalah sebagai berikut (Widodo 1987): Ut = a − bft
(44)
26
dimana ft adalah upaya rata-rata yang digunakan terhadap i tahun sebelumnya dan termasuk tahun ke-t, i merupakan rentang hidup rata-rata individu dalam stok ikan peperek di Teluk Palabuhanratu. Dalam penelitian ini ditetapkan i = 1 tahun. Nilai a dan b diperoleh dari regresi linear sederhana CPUE tiap tahun (Ut) dan upaya penangkapan rata-rata (ft ) seperti pada Model Schaefer. Nilai MSY dan fopt dapat diduga dengan menggunakan rumus masing-masing sebagai berikut (Widodo 1987): a fopt = 2b
(45)
a2 MSY = 4b
(46)
C. Model Pella dan Tomlinson Persamaan Model Pella dan Tomlinson ditulis dalam bentuk yang sederhana adalah sebagai berikut (Tinungki 2005): Ut = a − bftm−1
(47)
Nilai a dan b diperoleh dari regresi linear sederhana CPUE tiap tahun (Ut) dan ftm−1 seperti pada Model Schaefer. Rumus untuk menduga besarnya MSY dan fopt berbeda-beda bergantung pada nilai m yang dipilih. Dalam penelitian ini nilai m yang dipilih adalah 1,1 sehingga rumus untuk menghitung dugaan fopt adalah sebagai berikut: fopt
10a = 11b
10
Besarnya MSY diperoleh dengan mensubstitusikan nilai fopt pada persamaan yield-effort Model Pella dan Tomlinson yang diperoleh.
D. Model Fox Persamaan Model Fox ditulis dalam bentuk yang sederhana adalah sebagai berikut (Sulistiyawati 2011): ln Ut = a − bft
(48)
Nilai a dan b diperoleh dari regresi linear sederhana ln CPUE tiap tahun (ln Ut) dan upaya penangkapan tiap tahun (ft) seperti pada Model Schaefer. Nilai
27
MSY dan fopt dapat diduga dengan menggunakan rumus masing-masing sebagai berikut (Prasetyo 2010): 1
fopt = b MSY =
(49)
1 a−1 e b
(50)
E. Model Walters dan Hilborn Persamaan Model Walters dan Hilborn ditulis dalam bentuk yang sederhana adalah sebagai berikut (Kekenusa 2009): Yt = α + β1 X1t + β2 X2t +∊t dimana: Yt =
U t+1 Ut
(51) r
− 1, X1t = Ut , X2t = ft , α = r, β1 = − Kq , β2 = −q,∊t adalah
error dari persamaan regresi. Dengan input data-data
𝐔𝐭+𝟏 𝐔𝐭
− 1, Ut dan ft dilakukan regresi linear
berganda untuk menentukan nilai α, β1, dan β2. Y = α + β1 X1 + β2 X2 Perhitungan regresi dilakukan melalui tool “Data Analysis” pada program Microsoft Office Excel 2007 dimana α, β1, dan β2 memenuhi persamaan sebagai berikut (Sugiyono 1997): n X1 X2
X1 X12 X1 X 2
X2 X1 X 2 X22
α β1 = β2
Y X1 Y X2 Y
Nilai MSY dan fopt dapat diduga dengan menggunakan rumus masing-masing sebagai berikut (Tinungki 2005): rK 4 r = 2q
MSY =
(52)
fopt
(53)
F. Model Schnute Persamaan Model Schnute ditulis dalam bentuk sederhana adalah sebagai berikut (Kekenusa 2009):
28
Yt = α + β1 X1t + β2 X2t U t+1
dimana Yt = ln
Ut
, X1t =
(54)
U t +U t+1 2
, X2t =
f t +f t+1 2
r
dan α = r, β1 = − qK , dan
β2 = −q. Nilai α, β1, dan β2 diperoleh dengan meregresikan nilai-nilai ln U t +U t+1 2
, dan
f t +f t+1 2
U t+1 Ut
,
seperti pada Model Walters dan Hilborn. Nilai MSY dan fopt
dapat diduga dengan menggunakan rumus masing-masing sebagai berikut (Tinungki 2005): MSY =
rK
(55)
4 r
fopt = 2q
(56)
G. Model Clarke Yoshimoto Pooley (CYP) Persamaan Model Clarke Yoshimoto Pooley (CYP) ditulis dalam bentuk yang sederhana adalah sebagai berikut (Kekenusa 2009): ln Ut+1 = α ln qK + β1 ln Ut − β2 (ft + ft+1 ) 2r
2−r
q
dengan α = 2+r , α = α ln qK , β1 = 2+r , β2 = 2+r , dan Ut =
(57) Yt ft
.
Dengan regresi linear berganda seperti pada Model Walters dan Hilborn diperoleh nilai α, β1, dan β2, dan secara tidak langsung diketahui nilai r, q, dan K. Untuk keperluan ini digunakan algoritma tambahan (Fauzi 2002 dalam Tinungki et al. 2004): 1. Koefisien regresi β1 digunakan untuk menghitung r yaitu r =
2(1−β 1 ) 1+β 1
2. Koefisien regresi β2 dan nilai r digunakan untuk menghitung q yaitu q = −β2 (2 + r) 3. Koefisien regresi α dan nilai q digunakan untuk menghitung nilai Q yang nantinya digunakan untuk menghitung nilai K yaitu Q =
α(2+r) 2r
4. Nilai q dan Q digunakan untuk menghitung nilai K yaitu : K =
eQ q
29
Nilai MSY dan fopt dapat diduga dengan rumus sebagai berikut (Breen dan Stocker 1993): MSY = fopt =
rK
(58)
e
r q
(59)
3.3.3 Perbandingan Goodness of Fit Model-model Produksi Surplus Persamaan dari tiap Model Produksi Surplus diperoleh dari regresi linear baik regresi linier sederhana maupun regresi linear berganda. Oleh karenanya, ramalan tiap-tiap model dipastikan tidak akan tepat setepat-tepatnya. Untuk menguji tingkat ketepatan sebuah model regresi bisa digunakan pengujian goodness of fit yakni dengan koefisien determinasi (R2) yang menguji sejauh mana nilai dugaan dari hasil regresi tidak menyimpang jauh dari data-data aktual. Koefisien determinasi (R2) ditentukan dengan rumus sebagai berikut (Schroeder et al. 1996): 2
R =
n i=1(Yi n i=1(Yi
− Y)2 − Y)2
(60)
dimana: Yi
= nilai dugaan ke-i (dari persamaan hasil regresi)
Yi
= nilai aktual ke-i
Y
= rata-rata nilai aktual atau rata-rata nilai dugaan Semakin tinggi nilai R2 semakin dekat nilai dugaan hasil dari hasil regresi
terhadap nilai aktual yang berarti semakin tepat sebuah model menggambarkan keadaan yang sebenarnya. Untuk
selanjutnya,
tiap-tiap
model
dibandingkan
nilai
koefisien
determinasinya. Model dengan koefisien determinasi tertinggi berarti lebih tepat diterapkan pada stok ikan peperek di Perairan Teluk Palabuhanratu. Selain pertimbangan goodness of fit baik tidaknya regresi tiap Model Produksi Surplus juga dilihat dari Uji F dan P-Value. Uji F dan perhitungan PValue menggunakan tool “Data Analysis” pada program Microsoft Office Excel
30
2007. Selain itu, khusus untuk model Walters dan Hilborn, Schnute, dan CYP dilakukan uji multikolinieritas dengan melihat nilai VIF.
3.3.4 Penentuan Kesesuaian Tanda Parameter Model-model Produksi Surplus Dari analisis regresi Model Produksi Surplus diperoleh nilai dugaan intrinsic growth (r), carrying capacity (K), dan catchability coefficient (q). Ketiga parameter ini haruslah bernilai positif, tidak boleh ada yang negatif. Pada Model Schaefer, Model Gulland, Model Pella & Tomlinson, dan Model Fox, nilai r, K, dan q “tersembunyi” dalam intercept (a) dan slope (-b) regresi dimana pada Model Schaefer dan Model Gulland a = qK dan b =
q2K r
, pada Model Pella dan
qm K
Tomlinson a = qK dan b = r m −1 , dan pada Model Fox a = ln(qK) dan b =
q r
.
Pada keempat model ini kesesuaian tanda diindikasikan dari nilai intercept dan slope. Pada Model Schaefer, Model Gulland, Model Pella & Tomlinson parameter q, K, dan r dianggap sesuai bila nilai intercept positif dan slope negatif, dan pada Model Fox slope harus negatif. Dalam hal terdapat Model Produksi Surplus yang menghasilkan r, K, atau q bernilai negatif berarti kesimpulannya model tersebut tidak sesuai dengan keadaan ikan peperek di Perairan Teluk Palabuhanratu. Model itu tidak tepat untuk diterapkan sekalipun nilai koefisien determinasi (R2) yang diperoleh tinggi. Pada akhirnya, model yang dipilih sebagai model yang paling sesuai adalah model yang memiliki koefisien determinasi (R2) tertinggi dan menghasilkan nilai dugaan r, K, dan q yang positif. Dari model ini dihasilkan nilai-nilai MSY dan fopt yang dapat dipercaya mendekati keadaan sebenarnya.
