3 METODOLOGI
Secara garis besar metode penelitian dalam disertasi ini berkaitan dengan permasalahan identifikasi kawanan ikan secara hidroakustik yang berkaitan dengan pengukuran dan pemrosesan data hidroakustik, ekstraksi deskriptor hidroakustik, dan identifikasi kawanan ikan berdasarkan deskriptor hidroakustik. Pengukuran data hidroakustik sebagian besar dilakukan secara vertikal dan dilakukan dengan alat scientific echosounder. Data hasil pengukuran selanjutnya diproses dengan cara tertentu dan ditampilkan dalam bentuk citra akustik duadimensi (2-D). Walaupun digambarkan secara 2-D, informasi yang terdapat pada sebuah data citra akustik bersifat tiga-dimensi (3-D). Karena itu, dari citra akustik yang dihasilkan dapat diperoleh informasi tentang bentuk dan posisi kawanan ikan dalam kolom air serta intensitas hamburan balik dari kawanan tersebut. Metode identifikasi yang digunakan hingga saat ini tidak dapat secara langsung bekerja pada citra akustik maka identifikasi tidak dilakukan secara langsung pada citra tersebut tetapi pada deskriptor hidroakustik yang terkandung dalam data citra akustik. Karena itu, ekstraksi deskriptor akustik yang terdapat pada sebuah data hidroakustik merupakan permasalahan tersendiri dalam disertasi ini. Saat ini telah tersedia banyak program ekstraksi yang dapat digunakan untuk keperluan itu tetapi dalam disertasi ini digunakan Program ADA-2004. Dalam disertasi ini, identifikasi kawanan ikan dilakukan dengan Metode Statistik dan JST. Hasil identifikasi metode statistik selain digunakan sebagai masukan JST juga digunakan sebagai pembanding hasil identifikasi JST. Secara menyeluruh metode penelitian dalam disertasi ini dapat dirangkum dalam bentuk diagram alir seperti tampak pada Gambar 14.
32
MULAI Masukan Data
Pemrosesan data /citra akustik
Citra akustik Ikan Uji
Data Hasil Tangkapan
Citra Akustik Ikan Target
Matriks Data Akustik 17 Desk hidroakustik
METODE STATISTIK
Hitungan Deskriptor 15 Desk. teridentifikasi
JSTPB2
8 Desk. utama
8 Desk. utama
Rancangan awal JSTPB JSTPB3
JSTPB1 Identifikasi STATISTIK
Identifikasi JSTPB1
Identifikasi JSTPB2
Validasi Silang
Validasi Silang SELESAI
Gambar 14 Diagram alir metode penelitian.
Identifikasi JSTPB3
33
Sebagaimana dijelaskan sebelumnya, dalam disertasi ini, identifikasi spesies kawanan lemuru dilakukan dengan Metode Statistik dan Metode JST. Hasil dari kedua metode ini selanjutnya dibandingkan untuk melihat apakah terdapat perbedaan nyata antara hasil keduanya. Dalam melakukan identifikasi, kedua metode ini pada dasarnya melakukan hal yang sama yaitu melihat kesamaan antara variabel-varibel deskriptor dari ikan target dengan variabelvariabel deskriptor dari ikan uji. Gambar 14 menunjukkan seluruh proses yang akan dilakukan dalam mengolah data akustik baik data akustik kawanan ikan target (data akustik dari kawanan ikan yang sudah diidentifikasi dan klasifikasi), maupun data akustik kawanan ikan uji (data akustik dari kawanan ikan yang akan di identifikasi dan klasifikasi). Dengan demikian data kawanan lemuru akan terdiri dari dua kelompok data yaitu kelompok data kawanan ikan target dan kelompok data kawanan ikan uji.
3.1 Data Akustik Data akustik yang dimaksudkan dalam penelitian ini adalah data threshold dari kawanan lemuru (Sardinella lemuru) yang diperoleh dari hasil survei akustik yang telah dilakukan sebelumnya. Data akustik lemuru diperoleh dari hasil survei akustik yang dilakukan oleh Departemen Kelautan dan Perikanan (DKP) dan Badan Pengkajian dan Penerapan Teknologi (BPPT) yang dilakukan di Selat Bali pada bulan September 1998 (musim peralihan II, September-November), bulan Mei 1999 (musim peralihan I, Maret-Mei), dan bulan Agustus 2000 (musim timur, Juni-Agustus) dengan menggunakan Kapal Riset Baruna Jaya IV. Pengukuran data akustik dilakukan dengan SIMRAD Scientific Echosounder EK-500 tipe bim terbagi (split beam) dengan tipe transduser ES120-7F dengan frekwensi 120kHz, dan maksimum daya pancar 1500watt. Transduser dipasang secara tetap (hull mounted) di bawah Kapal Riset Baruna Jaya IV. Gambar 15 menunjukkan lintasan survei akustik Kapal Baruna Jaya IV.
34
Gambar 15 Lintasan survei kapal Baruna Jaya IV di Selat Bali tahun 1998, 1999, 2000. 3.1.1 Pemrosesan data akustik Pemrosesan data akustik dilakukan terhadap data ikan target dan data ikan uji. Pemrosesan data lemuru dilakukan dengan program SIMRAD Echo Processing 500 (EP-500) versi 5. dengan menggunakan fasilitas analyze pelagic layer, analyze trace tracking, dan analyze expended integral dengan Time Varied Gain (TVG) 40log(r). Dari pemrosesan ini didapatkan citra akustik dan Matriks Data Akustik (MDA) dari kawanan ikan target dan ikan uji yang akan diidentifikasi. Secara garis besar citra akustik dan MDA didapatkan dengan cara sebagai berikut: (1) Menghapuskan jejak-gema (echo-trace) dari konsentrasi biomassa bukan target dengan menetapkan ambangbatas (threshold) Scattering Volume (SV) dan Target Strength (TS) dari spesies kawanan ikan target. (2) Mengelompokkan pixel dari kawanan ikan target, untuk hitungan nilai deskriptor. (3) Mengelompokkan rataan energi kawanan ikan target untuk menghilangkan jejak-gema dari kumpulan plankton.
35
Pada tahapan ini dihasilkan matriks data akustik yang berisi nilai SV, TS dan informasi tambahan lainnya seperti posisi vertikal dan horisontal kawanan ikan. Hasil dari tahapan ini selanjutnya digunakan sebagai data masukan dalam menghitung nilai-nilai deskriptor. Sebelum citra akustik kawanan ikan diproses lebih lanjut maka terlebih dahulu dilakukan seleksi morfometrik, batimetrik, dan energetik terhadap citra tersebut. Hal ini dilakukan selain untuk mengurangi kemungkinan tercampurnya data kawanan ikan yang diinginkan dengan data kawanan ikan lainnya juga untuk memudahkan dalam proses pengelompokan nantinya. Kriteria morfometrik, batimetrik, dan energetik yang digunakan adalah sebagai berikut: (1) Kriteria Morfometrik; ukuran minimal panjang dan tinggi kawanan ikan masing-masing 5m dan 6m, sedangkan ukuran maksimalnya tidak dibatasi. Kriteria ini diambil berdasarkan hasil penelitian Simmonds et al. (1996); Coetzee (2000); Bahrie & Freon (2000) terhadap kawanan ikan mackarel, sardine, anchovy, dan herring. (2) Kriteria Batimetrik; posisi vertikal kawanan ikan dibatasi antara selang kedalaman 10-250m. Pada selang kedalaman ini 80% kawanan ikan yang paling sering tertangkap oleh masyarakat pada bulan Mei, Agustus, dan September adalah kawanan lemuru Selat Bali (Wudianto, 2001). (3) Kriteria Energetik; kriteria energetik yang digunakan adalah kriteria yang didasarkan pada hasil penelitian Wudianto (2001) yang menyebutkan bahwa intensitas hamburan balik (SV) kawanan lemuru bali yang terukur pada kedalaman seperti yang disebutkan diatas adalah berkisar antara -80dB sampai -30dB dengan nilai TS berkisar antara -50db sampai -41dB atau setara dengan panjang ikan antara 7,5-21,5cm.
3.1.2 Data hasil tangkapan Data hasil tangkapan adalah data ikan tangkapan yang diperoleh dengan menggunakan pukat cincin dan atau hasil tangkapan nelayan yang melakukan penangkapan di sekitar areal survei. Data hasil tangkapan diperlukan untuk mengidentifikasi citra akustik kawanan ikan target dengan cara membandingkan data hasil tangkapan dengan citra akustik kawanan ikan. Dari hasil perbandingan
36
ini, citra akustik dari kawanan ikan yang terdeteksi diidentifikasi. Jika data hasil tangkapan tidak tersedia maka identifikasi dan klasifikasi kawanan ikan dilakukan dengan pendekatan statistik dengan memperhatikan hasil penelitian sebelumnya sebagaimana dijelaskan pada sub-bab 3.4. Dalam disertasi ini, data kawanan ikan yang sudah diidentifikasi diambil dari hasil penelitian Wudianto (2001) dan Fauziyah (2005). Data ini digunakan sebagai data pembimbing dalam identifikasi dan klasifikasi dengan Metode Statistik Terbimbing (supervised identification and classification) sedangkan dalam identifikasi dan klasifikasi dengan Metode JST data ini digunakan sebaga data pelatihan (data latih).
3.1.3 Matriks data akustik Matriks data akustik merupakan matriks hasil olahan data akustik dari kawanan ikan target dan ikan uji. Matriks ini menunjukkan nilai-nilai SV yang terukur pada kolom air baik yang berasal dari kawanan ikan maupun dari sekitar kawanan. Matriks ini berisikan nilai kedalaman, jumlah ping, posisi ikan, dan nilai intensitas hamburan balik, SV.
3.2 Hitungan Nilai Deskriptor Hitungan nilai deskriptor terhadap citra akustik ikan target dan citra akustik ikan uji dilakukan dengan menggunakan program ADA-2004. Data masukan yang digunakan untuk menentukan nilai deskriptor adalah matriks data akustik. Nilai deskriptor dihitung dengan rumus tertentu, sebagai contoh lihat Tabel 1. Dengan program ADA-2004 deskriptor akustik yang digunakan untuk mengidentifikasi spesies kawanan ikan adalah dekriptor yang dikemukakan oleh Lawson et al. (2001), Coetzee (2000), Bahri & Frĕon (2000), dan Fauziyah (2005). Pemilihan variabel deskriptor yang digunakan dalam program ADA-2004 dilakukan dengan merujuk pada standar baku Reid et al. (2000), Haralabous & Georgakarakos (1996), Bahri & Freon (2000). Deskriptor yang dihasilkan dikelompokkan kedalam 3 tipe deskriptor yaitu; deskriptor morfometrik, deskriptor energetik, dan deskriptor batimetrik.
37
3.3 Deskriptor Akustik Dengan Program ADA-2004 didapatkan 17 deskriptor akustik. Ke-17 deskriptor tersebut dianalisis dengan menggunakan Metode Statistik untuk melihat korelasi antara deskriptor dalam kelompok deskriptor masing-masing (morfometrik, batimetrik atau energetik) dan kaitannya satu sama lain secara menyeluruh (Coetzee, 2000). Selanjutnya dengan menggunakan Metode Analisis Komponen Utama (selanjutnya disingkat AKU) ditentukan peran masing-masing deskriptor dalam pengelompokan kawanan ikan. Dengan menggunakan AKU maka variabel penciri dari sekelompok observasi dapat diketahui (Santoso, 2006). Lebih lanjut Haralabous & Georgakarakos (1996) mengemukakan bahwa dengan AKU dapat ditentukan variabel-variabel bebas (deskriptor akustik) yang berpengaruh dalam membedakan sekumpulan kawanan ikan.
3.4 Identifikasi, Klasifikasi dan Penentuan Deskriptor Utama dengan Metode Statistik Analisis dengan Metode Statistik selain dilakukan untuk validasi silang, identifikasi dan klasifikasi kawanan ikan uji (56 kawanan), juga dilakukan untuk menentukan deskriptor utama. Identifikasi, klasifikasi dan penentuan deskriptor utama dilakukan dengan menggunakan Metode Analisis Gerombol (selanjutnya disingkat AG) dan Analisis Fungsi Diskriminan (selanjutnya disingkat AFD) (Barange & Hampton, 1997; Lu & Lee, 1995). AG dilakukan untuk mengelompokkan observasi (Santoso, 2006). Pengelompokan kawanan ikan yang memiliki kemiripan yang tinggi dilakukan berdasarkan indeks kesamaan atau ketidaksamaan. AFD dilakukan untuk mengetahui fungsi diskriminan dari variabel deskriptor yang secara signifikan membedakan antara grup, kelompok, atau kategori dari sekelompok observasi (Santoso, 2006). AG dilakukan terhadap kelompok data uji dengan menggunakan kelompok data target sebagai data pembimbing. Dari AG dihasilkan kelompok data uji yang teridentifikasi. AFD dilakukan dengan cara mereduksi data dengan menggunakan Multy Analysis of Varians (MANOVA). Dengan analisis MANOVA maka analisis ragam beberapa variabel dapat dilakukan secara sekaligus. AFD dilakukan setelah
38
didapatkan hasil dari AG. Data kelompok kawanan ikan yang dihasilkan AG digunakan sebagai masukan dalam AFD. Dari analisis AFD dihasilkan fungsifungsi diskriminan yang berfungsi secara signifikan membedakan antar kelompok kawanan ikan. Fungsi diskriminan yang dimaksud adalah fungsi dari beberapa variabel diskriminan. Variabel-variabel ini yang selanjutnya disebut sebagai deskriptor utama. Hasil dari tahap ini adalah kawanan ikan terklasifikasi dan deskriptor utama. Analisis statistik dilakukan dengan Program Statistik SPSS 12.
3.5 Arsitektur JST Dalam penelitian ini arsitektur JST dibangun untuk mengidentifikasi spesies kawanan ikan berdasarkan data kawanan ikan target. Arsitektur jaringan saraf yang dibangun tersusun dari lapisan tunggal dan banyak lapisan. Pemilihan arsitektur JST yang terbaik dilakukan dengan mengujicobakan setiap arsitektur JST dengan menggunakan data ikan uji. Arsitektur JST yang terbaik ditentukan berdasarkan nilai Mean Square Error (MSE), Jumlah iterasi, dan tingkat ketepatan jaringan dalam melakukan identifikasi (Storbeck & Daan, 2001; Haralabous & Georgakarakos, 1996; Simmonds et al., 1996). Ada 3 arsitektur JST yang akan dibangun yang dibedakan berdasarkan jumlah dan jenis deskriptor akustik yang digunakan sebagai masukannya. Ketiga JST tersebut adalah; (1) JST dengan unit sel masukan sebanyak jumlah deskriptor utama hasil analisis statistik, JST1. (2) JST dengan jumlah unit sel masukan sebanyak jumlah deskriptor akustik yang dihasilkan dari hasil hitungan deskriptor, JST2. Dengan JST ini ditentukan kontribusi masing-masing deskriptor dalam proses identifikasi dan klasifikasi dengan Metode JST2. Kontribusi masing-masing deskriptor dapat dilihat pada Diagram Pareto. (3) JST dengan jumlah unit sel masukan yang sama dengan jumlah unit sel masukan JST1 tetapi dengan jenis deskriptor yang berbeda, JST3. Deskriptor JST3 adalah deskriptor dengan kontribusi yang terbesar yang dihasilkan JST2.
39
3.6 Rancangan Awal JST Rancangan awal JST dilakukan untuk menentukan kisaran jumlah awal (initial value) dari jumlah sel dalam lapisan masukan, lapisan tersembunyi, lapisan keluaran, dan metode pelatihan yang tepat yang dapat digunakan untuk merancang model JST. Penentuan jumlah awal dilakukan dengan pendekatan numerik dengan mencobakan beberapa jumlah sel dan metode pelatihan kedalam JST. Jumlah sel dan metode pelatihan yang dipilih dijadikan sebagai jumlah awal dan metode pelatihan dalam pembuatan model JST. Model JST yang dipilih selanjutnya dilatih lagi untuk mengenali pola-pola tertentu yang unik dari nilai deskriptor kawanan ikan target. Jika proses pelatihan dengan sejumlah citra akustik ikan target berhasil maka selanjutnya dilakukan uji coba jaringan dengan cara mencoba mengidentifikasi citra akustik kawanan lainnya dari data uji yang sudah teridentifikasi sebelumnya. Hasil identifikasi dan klasifikasi dengan metode JST selanjutnya dibandingkan dengan hasil identifikasi dan klasifikasi yang dilakukan dengan Metode Statistik. Hal ini sejalan dengan apa yang telah dilakukan oleh Haralabous & Georgakarakos (1996); Simmonds et al. (1996).
3.7 Validasi Silang Validasi silang dilakukan dengan maksud untuk mengetahui apakah terdapat perbedaan ketelitian yang nyata antara Metode Statistik dengan Metode JST. Validasi dilakukan dengan membandingkan ketepatan hasil identifikasi Metode Analisis Statistik dengan ketepatan hasil identifikasi Metode JST.
3.8 Hasil Validasi Silang Dari proses validasi silang dihasilkan spesies kawanan ikan teridentifikasi, deskriptor akustik yang paling berperan dalam proses identifikasi, arsitektur JST yang terbaik, jumlah data minimal yang dibutuhkan untuk proses identifikasi, ketelitian dan kecepatan identifikasi yang dapat dicapai dengan metode JST.
