3.
3.1
METODE PENELITIAN
Tempat Dan Waktu Penelitian Penelitian dilakukan di wilayah perairan Selat Bali (Pelabuhan Perikanan
Nusantara (PPN) Pengambengan di Kabupaten Jembrana - Provinsi Bali dan Pelabuhan Perikanan Pantai (PPP) Muncar di Kabupaten Banyuwangi-Provinsi Jawa Timur) (Gambar 5).
Penentuan tempat penelitian didasarkan pada
pertimbangan, yaitu: 1) Lokasi penelitian merupakan pusat pendaratan ikan khususnya lemuru. 2) Lokasi penelitian merepresentasikan kondisi perikanan lemuru di Selat Bali. Tahapan penelitian ini terdiri dari tiga tahap, yaitu tahap persiapan, tahap pengumpulan data dan tahap penyusunan laporan. Pengumpulan data dilakukan sejak Oktober 2009 dan Januari-Maret 2011. 114o15’ +
114o30’ +
114o45’ +
08o15’+
• Pengambengan • Muncar Selat Bali o
08 30’+
Sumber:http//maps google.com/Data peta@2009,Tele Atlas, Europa Technologies.
Gambar 5 Wilayah penelitian perairan Selat Bali
28
3.2
Jenis Sumber Data Data yang digunakan meliputi data primer dan data sekunder. Data tersebut
diperlukan untuk membantu analisis keragaan perikanan tangkap lemuru, estimasi musim, dan daerah penangkapan ikan lemuru, dan penilaian tingakat kapasitas unit penangkapan ikan. Selain digunakan untuk membantu analisis, data juga digunakan untuk simulasi pengelolaan perikanan dengan model dinamis. Data sekunder diperoleh dari Tempat Pelelangan Ikan (TPI) Pengambengan, Dinas Pertanian, Kehutanan, dan Kelautan Kabupaten Jembrana, PPN Pengambengan, TPI Muncar, PPP Muncar, dan Dinas Kelautan dan Perikanan Kabupaten Banyuwangi. Data lainnya yang dikumpulkan untuk menggambarkan dinamika keragaan upaya penangkapan dan daerah penangkapan ikan adalah data primer. Data primer diperoleh langsung dari wawancara dengan nelayan (contoh/responden) dengan metode purposive sampling. Metode penarikan contoh ini berdasarkan informasi populasi berkaitan dengan informasi yang dibutuhkan dan pertimbangan tertentu yang sudah diketahui sebelumnya (Sugiyono, 2006). Responden target adalah nelayan lemuru yang disesuaikan dengan alat tangkap dan daerah operasi penangkapannya (vessel base). Perikanan Selat Bali merupakan perikanan tunggal, sehingga alat tangkap yang menjadi target adalah pure seine. Kedua jenis data tersebut diolah dan dipilah sesuai kebutuhan analisis.
3.2.1
Musim penangkapan ikan Data yang dibutuhkan untuk menduga musim penangkapan lemuru
mengunakan hasil olahan data produktivitas penangkapan (CPUE) per bulan secara urut waktu (time series). Penghitungan CPUE dibutuhkan data sekunder secara time series minimal lima tahun terakhir. Data produksi ikan diperoleh dari data hasil tangkapan (produksi landings) TPI dan Dinas Kelautan dan Perikanan setempat. Data jumlah armada dan upaya penangkapan ikan diperoleh dari buku Laporan Tahunan Dinas setempat dan PPN Pengambengan dan PPP Muncar.
3.2.2 Daerah penangkapan ikan Daerah penangkapan ikan (fishing ground) dianalisa melalui hasil-hasil penelitian sebelumnya dan dari data primer, yaitu hasil wawancara dengan
29
nelayan. Data primer diperoleh dari nelayan yang diminta menjelaskan dimana penangkapan ikan dilakukan dengan menggunakan metode wawancara dan dibantu peta laut.
Data pendukung daerah penangkapan ikan lainnya diduga
menggunakan data sekunder berupa oceanografi dan meteorologi dari hasil-hasil penelitian sebelumnya dan laporan institusi terkait.
3.2.3
Keragaan perikanan lemuru Analisa tentang dinamika upaya penangkapan ikan lemuru dan produktivitas
alat tangkap ikan diperlukan data primer dan sekunder. Data primer ini berupa informasi sifat karakteristik dan perkembangan perikanan ikan lemuru yang diperoleh dari hasil wawancara dan kuesioner terhadap nelayan, pedagang, juragan, dan pegawai PPN Pengambengan dan PPP Muncar. Data sekunder yang diperlukan adalah data series produksi, upaya penangkapan (lamanya hari melaut dan jumlah trip per bulan), jenis alat tangkap, spesifikasi kapal, keluar masuk kapal di pelabuhan dan perbekalan.
3.2.4
Kapasitas penangkapan ikan Untuk melakukan analisis tentang kapasitas unti penangkapan ikan lemuru
diperlukan data kapal dari setiap jenis alat tangkap, berupa input dan output produksi penangkapan ikan. Data input produksi terdiri dari input tetap dan dan input variabel. Input tetap terdiri dari meliputi panjang dan lebar kapal (m), ukuran kapal (GT), dan kekuatan mesin (Hp). Input variabel terdiri dari upaya penangkapan (HOP) dan jumlah awak kapal (ABK). Data output produksi hanya singel output yaitu produksi ikan lemuru.
3.3 Metode Pengumpulan Data Pengumpulan data menggunakan metode wawancara/kuesioner dan studi pustaka. Metode wawancara/kuesioner untuk mengumpulkan data primer dari responden. Penentuan responden ditentukan dengan metode purposive sampling dengan cara memilih kapal yang memiliki kelengkapan data sesuai dengan keperluan dalam penelitian atau penentuan responden berdasarkan informasi
30
populasi berkaitan dengan informasi yang dibutuhkan. Responden target adalah nelayan purse seine. Data
dari
pustaka
dikumpulkan
dari
sumber
pustaka
secara
umum/konvensional dan elektronic file, baik yang dipublikasikan atau yang tidak dipublikasikan, diantaranya dari webside, dan institusi setempat.
3.4 Metode Analisis Data 3.4.1 Pengolahan data Data hasil dari pengumpulan dilakukan tabulasi, pengolahan, dan analisis. Hasil pengolahan ini bertujuan untuk melakukan validasi data, sehingga data-data yang menggangu dihilangkan atau bila ada kekurangan data akan kelengkapannya dari sumber lain.
dilakukan
Metode analisis yang dilakukan dalam
penelitian ini adalah : 1) Analisis diskriptif untuk menggambarkan keragaan perikanan lemuru di Selat Bali. 2) Analisis rata-rata bergerak (moving average) untuk peramalan musim penangkapan ikan lemuru. 3) Analisis diskriptif
untuk menggambarkan daerah penangkapan (fishing
ground). 4) Analisis diskriptif, tabel, dan flowchart simulasi dinamis perikanan lemuru (menggunakan software Powersim).
3.4.2
Kerangka analisis Kerangka analisis yang digunakan merupakan gabungan empat analisis
(multi-analysis) dari sub-sistem teknologi, sub sistem biologi, dan sub-sistem sumberdaya manusia (SDM), dan subsistem industri/pasar. Hasil multi-analisis dibuat dalam suatu model/simulasi dengan model dinamis untuk menggambarkan kondisi kedinamisan perikanan baik sekarang maupun dimasa mendatang. Dengan penggunaan multi-analysis diharapkan dapat menjawab tujuan penelitian secara komprehensif dan bisa menggambarkan kondisi dinamika perikanan lemuru di masa mendatang. disajikan pada Gambar 6.
Secara diagramatik kerangka analisis penelitian
31
Isu dan Tekanan Permasalahan Perikanan Lemuru Data Primer - Informasi nelayan - Informasi Stakeholder terkait
Data Sekunder Perikanan Lemuru
Sub Sistem SDM
Analisis tingkat pertumbuhan nelayan
Sub Sistem Industri/Pasar
Sub Sistem Teknologi Penangkapan Ikan
Fixed Input : Alat Tangkap (pure seine)
Varible Input : - Jumlah Trip - ABK
Sub Sistem Biologi
SDI utama (Lemuru)
Pemetaan DPI
Analisis CPUE Analisis Bio-Ekonomi
Kapasitas Alat Tangkap
Analisis Moving Avarage Pola Musim (IMP)
Simulasi Model Dinamis
Strategi Pengelolaan Sumberdaya Lemuru di Selat Bali
Gambar 6 Diagram alir kerangka analisis penelitian perikanan lemuru
3.4.3
Analisis daerah penangkapan Informasi daerah penangkapan ikan lemuru (fishing graound) diperoleh
berdasarkan analisis spasial dan temporal. Data informasi daerah penangkapan ikan lemuru diperoleh dari hasil penelitian-penelitian sebelumnya dan wawancara dengan nelayan, kemudian diplotkan dalam peta perairan Selat Bali dengan analisis spasial dan temporal dalam bentuk kalender musim. Sedangkan untuk data oceanografi perairan menggunakan data sekunder dari hasil penelitan sebelumnya atau data dari laporan instansi terkait.
32
3.4.4
Analisis musim penangkapan ikan Perhitungan pendugaan dinamika musim penangkapan ikan lemuru
menggunakan data deret waktu (time series) terhadap hasil tangkapan per satuan upaya penangkapan (CPUE) minimal lima tahun terakhir.
Metode yang
dipergunakan dalan penentuan dinamika musim penangkapan, adalah metode rasio rata-rata bergerak (moving average), yang dikemukakan oleh Dajan dimodifikasi oleh Wiyono (2001). Langkah-langkahnya adalah sebagai berikut: 1) Menyusun deret CPUE i Y i = CPUE i
.............................…..................... ……................
(1) Keterangan : i
: 1,2,3,...,n
Y i : CPUE ke-i 2) Menyusun rata-rata bergerak CPUE 12 bulanan (RG) i +5
∑Y
1 RG i = 12
i =i − 6
i
.......................…………....................................….(2)
Keterangan : i
: 7,8,...., n-5
Yi
: CPUE urutan ke-i
RG i : Rata-rata bergerak 12 urutan ke-i 3) Menyusun rata-rata bergerak CPUE terpusat (RGP) RGP i =
1 2
i +1
∑ RG i =i
i
....................………………................................... (3)
Keterangan : I
: 7,8,...,n-5
RGP i : rata-rata bergerak CPUE terpusat ke-i RG i : rata-rata bergerak 12 bulan urutan ke-i 4) Menghitung rasio rata-rata untuk tiap bulan (Rb)
Rb i =
Yi RGPi
Keterangan :
.............................…………………................................... (4)
33
i
: 6, 7, 8, ...,12
Y i : CPUE urutan ke-i Rb i : rasio rata-rata bulan urutan ke-i 5) Menyusun nilai rata-rata dalam suatu matrik berukuran i x j yang disusun untuk setiap bulan, dimulai dan bulan Juli - Juni. Kemudian menghitung rasio rata-rata tiap bulan, menghitung total ratio rata-rata bulanan dan menghitung indeks musim penangkapan. i) Rasio rata-rata untuk bulan ke-i (RBB)
RRB i =
n
∑ Rb
1 n
j =1
ij
........................................................................ (5)
Keterangan : j
: 1,2,3,....,n
i
: 1, 2, 3, …, n
Rb ij : rasio rata-rata bulanan dalam matriks ukutan i x j RBB i : rata-rata Rb ij untuk bulan ke-i ii) Jumlah rasio rata-rata bulanan (JRBB) 12
JRRB
=
∑
RRB i
i =1
..............................................................................(6) Keterangan : i
: 1, 2, 3,.., 12
RBB i : rata-rata Rb ij untuk bulan ke-i JRRB : jumlah rasio rata-rata bulan iii) Menghitung Faktor Koreksi (FK) FK =
1200 JRRB
.............................….............................................(7)
Keterangan : i
: 1, 2, 3,.., 12
JRRB : jumlah rasio rata-rata bulan FK
: faktor koreksi
iv) Indeks musim penangkapan (IMP)
34
IMP i = RRB i x FK
...........................................................................…(8)
Keterangan : i
: 1, 2, 3,... ,12
RRB i
: rasio rata-rata untuk bulanan ke-
i IMP i : indeks musim penangkapan bulan ke-i Indeks musim penangkapan ikan dapat dikatakan tinggi jika nilai IMP-nya diatas 100 dan dikatakan rendah jika nilai IMP-nya dibawah 100.
3.4.5
Keuntungan ekonomi perikanan Rente sumberdaya yang didapatkan dari usaha sumberdaya perikanan
tangkap (π) adalah selisih keseluruhan penerimaan (tota revenue/TR) dengan jumlah biaya yang dikeluarkan untuk melakukan usaha penangkapan (total cost/TC), sehingga bisa dirumuskan sebagai berikut (Fauzi & Anna, 2005) : π = TR - TC = ph – cE
.........................................................................................(9)
Dimana : p : harga rata-rata ikan lenmuru (Rp per kg) h : total hasil produksi (kg) c : total biaya setiap satuan upaya/effort (Rp per trip) E : upaya tangkap/effort (trip per tahun)
3.4.6 Pengkajian stok (stock assesment) Pengkajian stok ikan bertujuan memberikan estimasi pemanfaatan yang optimum tentang sumberdaya ikan yang sifatnya terbatas tetapi dapat memperbaharui dirinya.
Pengkajian stok ini adalah upaya pencarian tingkat
pemanfaatan dalam jangka panjang memberikan hasil tangkapan yang maksimum. Upaya penagkapan dalam jangka panjang yang memberikan output tertinggi dicirikan oleh E MSY dan sedang hasil tangkapan yang dicirikan dengan tangkapan lestari atau MSY (Maxumum Sustainaible Yield). sarana yaitu input
Penangkapan ikan diperlukan
yang disebut upaya (effort) yang merupakan indeks dari
35
berbagai input sebaga aktivitas penangkapan seperti jaring, kapal, tenaga kerja, dan lain-lain. Produksi (C t ) diasumskan sebagai fungsi upaya (effort) dan stok ikan, secara matematis dapat ditulis : Ct
=
f(X t ,E t )..........................................................................................................(10) Fungsi f(X t ,E t ) menghubungkan faktor produksi X t dan E t (effort) dengan produksi h(t), sehingga dalam fungsi produksi tersirat sebagai : Ct
=
qX t
Et
.........................................................................................................(11) Dimana : q : koefisien penangkapan sebagai proporsi stok ikan yang dapat ditangkap oleh satu unit upaya (effort) Xt : stok ikan atau biomas Et : upaya (effort) Dengan adanya kegiatan penangkapan, persamaan (11) menjadi : δXt δt
=: rX t (1 -
Xt K
) – Ct
δXt δXt = rX t (1 δt δt ........................................................................(12)
)
–
qX t E t
Schaefer (1954), perubahan stok merupakan selisih antara laju pertumbuhan biomas dengan jumlah biomas yang ditangkap atau hasil tangkapan, secara matematis sebagai berikut : Xt rX t (1 K ...............................................................(13) F(X t )
–
Ct
=
)
–
qX t E t
Pada kondisi keseimbangan jangka panjang persamaan (13) dapat ditulis : Xt rX t (1 K ....................................................................................(14) qX t E t
=
Sehingga bila dijabarkan menjadi :
)
36
E t = K (1 -
qEt r
) ..........................................................................................(15)
Dengan mensubstitusi persamaan (15) akan diperoleh fungsi tangkapan lestari (sustainable yield), sebagai berikut :
C t = qE t K (1 -
qEt r
)
......................................................................(16)
C (E)
MS
Prod. Lestari
CMS
E MSY
Effort
Gambar 7 Kurva yield effort
Tingkat pertumbuhan atau pembaruan ikan juga sangat dipengaruhi oleh parameter pertumbuhan alami r, daya dukung lingkungan K, dan koefisien penangkapan q. Model Schnute adalah model yang cocok untuk pengelolaan ikan lemuru di Selat Bali. Mengestimasi parameter biologi ikan lemuru dari model surplus adalah melalui pendugaan koefisien yang dikembangka oleh Model Schnute (1977). Model Schnute merupakan transformasi persamaan dinamis (12), sehingga didapatkan sebuah persamaan sebagai berikut : δXt δt
= rX t (1 -
Xt K
) – Ct
Dimana, Ct = q.X t .E t , sehingga, δXt δt
= rX t (1 -
δXt ) – qX t E t K
................................................(17)
37
δXt X
= { r-
rXt K
- qE}dt
................................................(18)
Persamaan (32) dintegrasikian dan dilakukan satu langkah ke depan akan diperoleh persamaan sebagai berikut :
Ln (X t+1 ) – ln (X t ) = r -
rXt K
- qE
................................................(19)
Di mana X t = ∫ t t+1X t dt, dan E = ∫ t t+1Edt . Persamaan (19) bisa disederhanakan, dimana Ē dan Ū merupakan rata-rata catch per unit effort dan rata-rata upaya penangkapan per tahun, sehingga menjadi: Ut+1 r )=rU- q Ē Ut qK
Ln (
................................................(20)
Apabila CPUE t tiap tahun mendekati rata-rata geometri dari nilai yang dimulai dan akhir tahun yaitu, Ū ≈ √(U t U t+1 ), maka penjumlahan persamaan (20) untuk tahun ke t+1 di bagi 2, sehingga persamaan tersebut dimodifikasi menjadi :
Ln(
Ut+1 r + + )=r( Ut Ut+1 ) – q ( Et Et+1 ) Ut qK 2 2
.....................................(21)
Sehingga persamaan ini bisa untuk menduga parameter-parameter biologi dengan mengunakan OLS, dimana :
Y t = ln (
Ut+1 ) Ut
X 1t =
Ut+ Ut+1 2
X 2t =
Et + Et+1 2
38
Persamaan tersebut untuk suatu regresi linier dalam peubah tidak bebas adalah laju perubahan biomassa dan peubah bebas adalah CPUE = U t dan upaya penangkapan (effort) E t . Secara umum bentuk regresinya adalah : Y t = a + bX 1t + cX 2t + ε t ................................................................................(22) Daimana : Ut+1
U + Ut+1 t + Et+1 X 1t = t , X 2tE= , dan ε t adalah error dari Ut 2 2 regresi dan diasumsikan kosong dan ragam yang konstan. Untuk mendapatkan Ct
Yt =
,
dugaan, maka perlu dikembalikan ke persamaan pertumbuhan terpusat (model Schaefer dalam Sparre dan Venema (1999), sebagai berikut : Y eq = (qK)f – ((q2K)/r)f2
................................................................................(23)
Persamaan (37) merupakan persamaa regresi kuadratik dan bisa ditulis : Y eq = af –bf2
......................................................................................(24)
Persamaan (24) dibagi dengan f maka akan diperoleh :
Y eq /f = a –bf dan
Y eq /f = CPUE, sehingga : CPUE = a –bf
.......................................................................................(25)
Persamaan (25) diturunkan pertama sama dengan 0 maka diperoleh f MSY = a/2b dan f msy dimasukan ke persamaan (25) akan diperoleh Y msy = a2/4b. Jumlah armada bisa diestimasi dengan membagi jumlah upaya penangkapan pada setiap kondisi pengusahaan sumberdaya dengan konversi kemampuan operasi unit armada, yang ditulis dalam formula : Y = E’/Ø, Dimana : Y : armada yang direkomendasikan untuk setiap kondisi pengusahaan sumberdaya, E’ : jumlah upaya penangkapan pada kondisi pengusahaan sumberdaya (E MSY ), sedang Ø : konversi kemampuan operasi unit armada.
39
3.4.7
Perhitungan penentuan fishing power index (FPI) Alat penangkapan ikan lemuru terdiri dari pukat cincin (purse seine) yang
memiliki ukuran nyang berbeda yaitu menengah (250 meter) dan besar (500 meter).
Masing-masing ukuran alat dan daerah asal operasi, tentu memiliki
tingkat produktivitas berbeda, maka untuk melakukan perhitungan dengan menggunakan metode surplus produksi perlu dilakukan standarisasi alat tangkap. Metode standarisasi alat tangkap yang digunakan adalah metode langsung seperti yang diusulkan oleh Robson (1966) yang dikutip oleh Gulland (1991), yang menghasilkan nilai Fishing Power Index (FPI). Nilai FPI dapat diperoleh melalui persamaan berikut :
CPUEr =
Catchr , r : 1,2,3,..., P (alat tangkap yang distandarkan) Effortr
CPUEs =
Catchs Efforts
FPIi =
CPUEr CPUEs
, s : 1,2,3,..., Q (alat tangkap standar)
, i : jenis alat tangkap; 1,2,3,..., K
Dimana : CPUE r : total hasil tangkapan (Catch) per unit upaya penangkapan (Effort) dari alat tangkap r yang akan distandarisasi (ton/trip) CPUE s : total hasil tangkapan (Catch) per unit upaya penangkapan (Effort) dari alat tangkap s yang dijadikan standar (ton/trip) FPI i
: fishing power index dari alat tangkap i (yang distandarisasi dan alat tangkap standar)
3.4.8
Perhitungan E std dan CPUE Std Effort (E) dari berbagai ukuran alat tangkap ikan dan pada waktu tertentu
harus dikonversi ke dalam satuan trip (boat-day). Pertimbangannya adalah : 1) respon stock terhadap alat tangkap standart akan menentukan status sumberdaya selanjutnya berdampak pada status perikanan alat tangkap lain, 2) total hasil tangkapan per unit Effort alat tangkap standart lebih dominan dibanding alat tangkap lain,
40
3) daerah penangkapan alat tangkap standart meliputi dan atau berhubungan dengan daerah penangkapan alat tangkap lain. 4) E std merupakan jumlah dari upaya alat tangkap i dikalikan dengan nilai FPInya (FPI i ), adapun nilai E std dapat diperoleh melalui persamaan berikut :
l
E std =
∑ FPIixEi i =1
Dimana : E std :
total Effort dari alat tangkap yang distandarisasi dan alat tangkap standar (trip)
Ei
:
Effort dari alat tangkap yang distandarisasi dan alat tangkap standar (trip)
Perhitungan nilai CPUE std pada tahun ke-n dengan menghitung hasil tangkapan tahun ke-n per E std pada tahun ke-n, adapun perhitungan nilai CPUE std dapat diperoleh melalui persamaan berikut :
Catchn Effortstd-n
CPUEstd-n = Dimana : CPUE std-n :
total hasil tangkapan per upaya penangkapan yang telah distandarisasi pada tahun n (ton/trip)
Catch n
:
Total produksi dari seluruh alat tangkap dalam tahun n (ton)
Catch n
:
total Effort dari alat tangkap yang distandarisasi dengna alat tangkap standar dalam tahun n (trip)
3.4.9 Model dinamis Didasarkan adanya suatu pemahaman tentang kejadian perikanan lemuru yang sistemik, maka dilakukan suatu langkah untuk membangun model yang bersifat sistemik tersebut. Langkah yang bisa ditempuh adalah ada lima langkah (Muhammadi et al, 2001) : 1) Identifikasi proses menghasilkan kejadian nyata
41
2) Identifikasi kejadian diinginkan 3) Identifikasi sesenjangan antara kenyataan dengan keinginan 4) Identifikasi mekanisme menutup kesenjangan 5) Analisis kebijakan Hasil analisis subsitem teknologi, analisis sub sistem biologi, analisis sub sistem SDM, dan analisis subsistem industri/pasar diatas akan didapatkan parameterparameter untuk menggambarkan secara komprehensip perikanan lemuru di Selat Bali (Gambar 8). Mengacu kepada diagram Gambar 8 akan dilakukan identifikasi dan pemodelan dinamika perikanan lemuru di Selat Bali baik waktu sekarang maupun di waktu mendatang. Dari dinamika tersebut akan terjadi kesenjangan baik input maupun output sistem perikanan tangkap dengan daya dukung laju pertumbuhan alami ikan lemuru.
Sehingga bisa dilakukan identifikasi kesenjangan dan
bagaimana cara penutupan kesenjangan tersebut, serta bagaimana kebijakan perikanan lemuru yang harus diambil.
Hasil Analisis Sub sistem Teknologi
Hasil Analisis Sub sistem Biologi
Hasil Analisis Sub sistem SDM
Hasil Analisis Sub sistem Industri
Sistem Dinamis
OUTPUT Gambar 8 Diagram pemikiran model dinamis
3.4.9.1 Subsistem teknologi alat tangkap Subsistem teknologi alat tangkap terdiri dari kapal dan jaring (pure seine), karena alat tangkap ini merupakan satu kesatuan, dimana besarnya jaring, dalam hal ini ukuran kapal pure seine. Armada dibedakan menjadi dua klasifikasi yaitu kapal kecil/tradisional (5-10 GT) dengan pure seine menengah (M) dan kapal dengan ukuran menengah (di atas 10 sampai 30 GT) dengan pure seine besar (B).
42
Dalam diagram simpal kausal teknologi alat tangkap merupakan fungsi dari alat tangkap M dan alat tangkap B, seperti pada Gambar 9. + Alat Tangkap B
Alat Tangkap
(+) +
+
(+)
+
(+)
+
+
Trip
+
Alat Tangkap M
Trip
(+) +
Gambar 9 Diagram simpal kausal subsistem teknologi alat tangkap
3.4.9.2 Subsistem SDM Subsistem tenaga kerja/nelayan menggambarkan jumlah SDM yang terserap dalam sektor perikanan. Perkembangan SDM ini sangat tergantung dari populasi nelayan, dimana populasi nelayang tergantung dari ketersediaan lapangan pekerjaan dibidang perikanan. Dalam diagram simpal kausal SDM merupakan bagian dari nelayan yang bekerja pada armada purese seine, seperti Gambar 10.
SDM
+
(+) populasi nelayan
+
(+) +
+
Nelayan purse seine
Gambar 10 Diagram simpal kausal subsistem sumberdaya manusia
3.4.9.3 Subsistem industri Subsistem industri ini menggambarkan bahwa seluruh produk ikan lemuru yang dijual di tempat pelelangan ikan (TPI) diasumsikan seluruhnya diserap oleh industri dan seluruh hasil produksi industri diserap seluruhnya oleh pasar baik domestik maupun eksport, sehingga mudah untuk menganalisis fungsi pasar. Fungsi pasar ini merupakan besarnya nilai rupiah yang terjadi di TPI dan besarnya produksi industri yang dijual/dikonsumsi serta besaran pajak pertambahan nilai
43
(PPN). Dalam diagram simpal kausal, pasar merupakan fungsi dari industri dan komsumsi, serta akan menghasilkan pendapatan asli daerah (PAD), seperti pada Gambar 11. Ju mlah Tan gka pan
+ Indus tri
PAD
(+)
+
+ +
+ Pas ar
(-)
Laju Kon sum si
-
Gambar 11. Diagram simpal kausal subsistem industri
3.4.9.4 Subsistem biologi Subsistem biologi merupakan penggambaran jumlah stok ikan lemuru (sumberdaya ikan Lemuru) maupun produksi ikan Lemuru yang ditangkap. Laju tangkapan akan sangat tergantung dari sumberdaya ikan, teknologi alat tangkap, sumberdaya manusia, dan jumlah tangkapan.
Dalam diagram simpal kausal
subsistem biologi yang merupakan laju tangkapan merupakan fungsi dari sumberdaya ikan, teknologi alat tangkap, sumbedaya manusia, dan jumlah tangkapan, seperti pada Gambar 12.
+
Alat tangkap/ Teknologi
+
Laju Tangkapan
Potens i SDI
+ Jumlah Tangkapan
(-) -
+ SDM
Gambar 12 Diagram simpal kausal subsistem biologi
3.4.9.5 Sistem dinamis perikanan lemuru
44
Dari fungsi keempat subsistem tersebut di atas dapat dikembangkan menjadi suatu sistem dinamis perikanan lemuru, dimana merupakan suatu fungsi dari subsistem teknologi alat tangkap, subsistem SDM, subsistem industri/pasar, dan subsistem biologi. Sehingga secara keseluruhan bisa disusun rancangan model yang disebut stock flow diagram/diagram stok aliran, seperti pada Gambar 13.
3.5 Validasi Model Validasi atau keabsahan adalah salah satu kriteria penilaian keobyektivan dari suatu pekerjaan ilmiah. Uji validasi ada dua yaitu uji validitas struktur dan uji validitas kinerja/output model.
Validitas struktur ada dua, yaitu validitas
konstruksi adalah keyakinan terhadap konstruksi model valid secara ilmiah atau didukung/diterima secara akademis dan kestabilan struktur adalah keberlakuan atau kekuatan struktur dalam dimensi waktu.
Uji validitas struktur melalui
generalisasi struktur nyata ditunjukan dengan sejauh mana struktur model yang diciptakan sesuai dengan aturan berfikir logis dalam masing-masing teori keilmuan dari obyek yang diteliti, artinya setiap hubungan sebab akibat, baik secara umum atau rinci di dalam model harus didukung dengan argumen teori ilmiah. ? ? Pop_Nelayan SDM_Purse_seine ?
?
Potensi_Lemuru
Kontribusi_SDM
? ?
? ? Teknologi_KM ?
Jumlah_Tangkapan Laju_Tangkapan
?
Fraksi_Musim ?
PAD_Perikanan PDRB_Perikanan
?
Laju_Trip
?
?
Jumlah_Trip
?
Jml_Trip_KM
? ?
?
Musim
? Teknologi_KB
Laju_Penjualan ?
Laju_Trip_1 ? ? Hari_trip
Jml_Trip_KB ? Musim_1
Harga_Ikan
PPN
Pasar ?
?Industri_Pengolahan
Biaya_Pengolahan
45 Gambar 13 Rancangan model dinamis perikanan lemuru di Selat Bali
Validasi kenerja/output model adalah memvalidasi kinerja model dengan data empiris, untuk melihat sejauh mana perilaku output model sesuai dengan perilaku data empirik. Prosedur malakukan uji konsistensi adalah : 1) Mengeluarkan output simulasi, khusus hasil simulasi dari variabel utama (reference mode), kemudian dibandingkan dengan pola perilaku data empirik, dengan membandingkan secara visual terlebih dahulu, jika ada penyimpangan yang menonjol, kemudian memperbaiki variabel dan parameter model berdasarkan hasil penelusuran terhadap sebab-sebab penyimpangan.
Jika
secara visual pola output simulasi sudah mengikuti pola data aktual, untuk memperoleh keyakinan dilakukan uji statistik. 2) Melakukan uji statistik untuk melihat penyimpangan antara output simulasi dengan data aktual dengan Saringan Kalman (KF) yaitu perbandingan antara varian nilai simulasi dengan penjumlaha varian nilai aktual dan varian nilai simulasi, dengan persamaan KF : V s /(V s +V a ) dengan V s : (S i -S i )2 / (N-1) dan V a : (A i -A i )2 /(N-1); dimana Va : varian nilai aktual, Vs : varian nilai simulasi, dan N:interval waktu pengamatan. Tingkat kecocokan (fitting) hasil simulasi dengan kenyataan yang dapat diterima secara statistik adalah 47,5% 52,5%, (Barlas,1996 dalam Muhamadi et al, 2001).
