IV. HASIL DAN PEMBAHASAN
A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera di bagian atasnya yang digunakan untuk mengambil citra benih ikan. Untuk dapat mengambil citra benih ikan dengan baik maka alat harus mempunyai permukaan yang datar. Oleh karena itu alat harus dibuat agar selalu stabil kedudukannya terhadap tanah, sehingga pada perancangannya alat dibuat menyerupai kerangka meja dengan empat kaki yang saling terhubung untuk mempermudah dalam menciptakan permukaan yang datar. Pada kerangka meja terpasang tiang dudukan kamera. Gambar alat dapat dilihat pada Gambar 2.
4
3 1 2
Keterangan : 1. 2. 3. 4.
Wadah ikan Kerangka dudukan wadah Tiang penyangga kamera Kamera
Gambar 2. Rancangan alat penghitung benih ikan Alat juga dibuat agar dapat dibongkar pasang pada bagian dudukan kamera. Hal ini dilakukan dengan dasar pertimbangan untuk mempermudah pengaturan ketinggian kamera sehingga ukuran gambar dapat diatur sesuai kebutuhan. Cara penggunaan alat yaitu wadah ikan
8
diletakkan pada kerangka dudukan agar permukaan wadah stabil dan sejajar dengan tanah. Benih ikan diambil dengan gayung atau nampan kecil kemudian dituangkan dalam wadah. Setelah dilakukan pengambilan citra dengan kamera yang terpasang di atasnya, wadah ikan diangkat dan benih ikan yang telah diambil gambarnya dituang ke tempat penampungan (wadah ikan yang lain). Kemudian wadah diletakkan kembali pada kerangka dudukan untuk kemudian dilakukan pengambilan citra benih ikan berikutnya. 1. Rancangan Fungsional Rancangan ini terdiri atas beberapa komponen seperti : a.
Wadah Ikan Wadah ikan berfungsi untuk menampung ikan yang akan diambil gambarnya. Wadah tersebut juga dapat mengatur ketinggian air di dalamnya.
b. Rangka Meja Alas Rangka alas berfungsi sebagai dudukan wadah tempat ikan. Bagian ini terhubung dengan dudukan kamera. c.
Dudukan Kamera Bagian ini berfungsi sebagai pengikat kamera yang akan digunakan untuk pengambilan citra. Dudukan kamera ini dapat diatur ketinggiannya dengan mengatur posisi sekrup. Sehingga, ukuran citra (lebar dan panjang) hasil tangkapan kamera dapat disesuaikan ketinggiannya oleh rangka dudukan kamera.
d. Kamera Kualitas gambar dipengaruhi oleh resolusi pada kamera. Jenis kamera yang digunakan adalah kamera digital. Jenis kamera digital dapat dilihat pada Gambar 3.
Gambar 3. Kamera digital merk Spectra 2. Rancangan Struktural Rancangan sturuktural terdiri atas beberapa komponen :
9
a. Rangka Dudukan Kamera Bagian ini terbuat dari alminium yang terhubung dengan kamera. Bagian rangka ini terhubung dengan meja alas yang dapat dilepas dengan panjang 60 cm dan tegak lurus terhadap bidang horizontal meja alas. Pada rangka dudukan kamera terdapat sekrup untuk menahan dan mengatur ketinggian. Tampilan rangka dapat dilihat pada Gambar 4.
Gambar 4. Rangka dudukan kamera b. Wadah Ikan Bagian ini terbuat dari kaca dengan ukuran 40x30x3 cm. Terdapat empat buah celah berukuran 5 mm yang memanjang pada sepanjang sisi permukaan wadah dan terletak 1 cm dari dasar wadah sebagai pengatur ketinggian air. Celah air tersebut dibuat agar dapat meloloskan air tetapi dapat menahan benih ikan untuk tetap di dalam wadah. Ketinggian air diatur 1 cm bertujuan untuk menahan benih agar tidak bisa saling tumpang tindih satu sama lain. Tampilan wadah ikan dapat dilihat pada Gambar 5.
Gambar 5. Wadah ikan c.
Rangka Meja Alas Meja alas terbuat dari alminium dengan ukuran 31 x 41 cm dengan ketinggian kaki 30 cm. Meja alas dibuat dengan ukuran sedikit lebih besar dari wadah ikan untuk mempermudah penempatan wadah pada dudukan. Ketinggian rangka meja alas tersebut disesuaikan
10
dengan posisi tempat ikan yang akan dilakukan perhitungan. Pada umumnya benih ikan dipelihara pada kolam kecil dengan ketinggian rendah atau di dalam ember, sehingga saat menghitung benih ikan dilakukan dengan cara jongkok. Meja alas terhubung langsung oleh dudukan kamera. Gambar rangka meja alas dapat dilihat pada Gambar 6.
Gambar 6. Kerangka meja alas
B. PENGOLAHAN CITRA Hasil citra benih ikan yang telah diambil dengan kamera kemudian disimpan dalam memori card dalam bentuk JPEG berukuran 629 x 477 pixels. Selanjutnya citra tersebut dipindahkan ke komputer untuk selanjutnya diolah dengan menggunakan Microsoft Visual Basic 6.0. Program ini dirancang untuk menganalisa citra digital benih ikan lele sehingga diperoleh jumlah piksel parameter luas. Tampilan program dapat dilihat pada Gambar 7.
Gambar 7. Tampilan program pengolahan citra benih ikan lele
11
Program pengolahan citra yang dibuat terdiri atas tiga bagian utama, yakni proses membuka file gambar benih ikan lele yang telah disimpan (open file), proses thresholding untuk kalibrasi, dan proses perhitungan jumlah benih berdasarkan luas. Tahapan kerja program pengolahan citra benih ikan lele adalah sebagai berikut: 1. Pengambilan citra benih ikan lele Proses pengambilan citra menggunakan tombol perintah open file yang terdapat modul program Visual Basic 6.0. Proses ini bertujuan untuk mencari alamat file citra benih ikan lele yang telah disimpan pada folder. Citra benih ikan lele yang telah dipilih kemudian dibuka. Citra yang telah dibuka akan diproses thresholding untuk mengukur parameter. Proses pembukaan citra digital ditunjukkan pada Gambar 8.
Gambar 8. Tampilan proses pembukaan citra digital 2. Proses pemisahan citra objek dengan warna latar belakang (thresholding) Proses thresholding dilakukan dengan mengklik tombol perintah kalibrasi. Perintah ini bertujuan memisahkan objek dengan latar belakang sekaligus melakukan perhitungan jumlah luas objek sebagai hasil kalibrasi yang akan digunakan untuk perhitungan selanjutnya. Proses ini bekerja menggunakan nilai parameter R, G, dan B. Nilai-nilai parameter tersebut bekerja pada algoritma penentuan parameter thresholding yang membatasi nilai R, G, dan B citra digital sehingga piksel objek yang memenuhi batas nilai yang ditentukan akan diubah menjadi piksel hitam (0,0,0) dan latar akan diubah menjadi piksel putih (255,255,255). Nilai parameter algoritma penentuan parameter thresholding yang memisahkan objek dan latar pada waktu pengambilan citra ditunjukkan pada Tabel 1. Proses pemisahan citra objek dan citra latar ditunjukkan pada Gambar 9.
12
Tabel 1. Nilai sinyal RGB pada penentuan parameter thresholding
111
Intenitas cahaya siang (lux) 63,048
Intensitas cahaya sore (lux) 25,130
183
178
58,340
21,000
98
100
61,235
19,780
Parameter Thresholding
Siang
Sore
R
128
G B
Gambar 9. Tampilan proses pemisahan citra objek dan citra latar 3. Perhitungan parameter-parameter Setelah mengklik tombol perintah kalibrasi, maka program akan memproses data-data yang telah dimasukkan. Program akan menelusuri piksel demi piksel kemudian menghitung parameter nilai RGB keseluruhan citra. Selanjutnya nilai-nilai RGB tersebut akan menghitung jumlah luas per ekor benih sebagai kalibrasi. Tombol hitung kemudian diklik, program akan menelusuri piksel demi piksel kembali berdasarkan hasil kalibrasi tersebut untuk menghitung jumlah benih yang ada.
C. KARAKTERISTIK AREA BENIH IKAN LELE Berdasarkan analisa pengolahan citra diperoleh bahwa karakteristik area benih ikan lele saat pengambilan citra berbeda-beda satu sama lain. Karakteristik area dari benih ikan lele dipengaruhi oleh tingkah laku dari benih ketika berada di dalam wadah.
13
1. Area Benih Ikan Tiap Waktu Analisa pengolahan citra dilakukan dengan parameter luas. Hasil analisa menunjukkan bahwa area yang diciptakan benih ikan lele tiap waktu mengalami peningkatan. Hal ini dapat dilihat pada Gambar 10, 11, 12, dan 13. Peningkatan luasan area dari benih ikan lele disebabkan oleh tingkah laku benih yang cenderung berkumpul ke tepi wadah setelah beberapa saat. Hal ini mempengaruhi hasil analisa program. Program akan mendeteksi tiap luasan area yang ditempati oleh benih ikan lele. Ketika benih berada pada posisi sendiri (tidak bersinggungan dengan yang lain), program akan mendeteksi luasan yang dibentuk oleh benih ikan tersebut kemudian luasan area tersebut akan diakumulasikan untuk menunjukkan luas area benih secara keseluruhan. Ketika benih ikan berada pada posisi menggerombol (bersinggungan dengan benih ikan yang lain), program tidak bisa memisahkan secara detil area dari tiap ikan. Program akan membaca luasan area yang dibentuk sebagai satu kesatuan sehingga celah area antar benih ikan yang bersinggungan tidak terdeteksi. Hal ini menyebabkan hasil pembacaan luas area yang dibentuk oleh benih ikan tersebut menjadi semakin besar. Oleh karena itu, luas area yang dibentuk benih ikan lele semakin besar seiring bertambahnya waktu benih di dalam wadah tersebut.
40000 35000 Luas (piksel)
30000 25000 Ulangan1
20000 15000
Ulangan2
10000 Ulangan3
5000 0 0
5
10
15
Waktu (s) Gambar 10. Grafik perubahan area 50 ekor benih ikan ukuran 3-4 cm pada siang hari
14
40000 35000
Luas(piksel)
30000 25000 20000
Ulangan1
15000
Ulangan2
10000
Ulangan3
5000 0 0
5
10
15
Waktu (s) Gambar 11. Grafik perubahan area 50 ekor benih ikan ukuran 5-7 cm pada siang hari
40000 35000
Luas(piksel)
30000 25000 20000
Ulangan1
15000
Ulangan2
10000
Ulangan3
5000 0 0
5
10
15
Waktu (s) Gambar 12. Grafik perubahan area 50 ekor benih ikan ukuran 3-4 cm pada sore hari
15
40000 35000
Luas(piksel)
30000 25000 20000
Ulangan1
15000
Ulangan2
10000
Ulangan3
5000 0 0
5
10
15
Waktu (s) Gambar 13. Grafik perubahan area 50 ekor benih ikan ukuran 5-7 cm pada sore hari Berdasarkan grafik tersebut dapat diketahui bahwa pada kondisi awal (0 detik) penempatan ikan di dalam wadah, luasan area yang dibentuk oleh benih lebih kecil daripada setelah beberapa saat (10 detik). Hal ini terjadi karena pada saat benih pertama dituang di dalam wadah, benih ikan lele berenang menyebar dan belum menggerombol sehingga luasan yang terhitung masih luasan tiap ekor yang terpisah. Setelah beberapa saat benih cenderung menggerombol dan berhimpit satu dengan yang lain. Gambar dari pengambilan citra mulai 0 detik sampai 15 detik dapat dilihat pada Lampiran 2 dan 3. Pengambilan citra yang dilakukan pada sore hari memiliki pencahayaan yang kurang, sehingga hasil pemotretan harus dinaikkan brignese dan contrasnya agar dapat dilakukan proses threshold. Selain itu, arah datang cahaya juga mempengaruhi hasil pengambilan citra yang selanjutnya berpengaruh pada hasil perhitungan. Arah datang cahaya yang tidak tegak lurus langsung pada bidang wadah menyebabkan adanya bayangan pada tepi wadah. Bayangan tersebut tidak terhapus saat dilakukan proses threshold sehingga dihitung sebagai ikan. 2. Karakteristik Area per Ekor Benih Ikan Lele Perhitungan jumlah piksel parameter luas merupakan akumulasi dari perhitungan luas dari tiap ekor yang diperoleh setelah proses thresholding. Perhitungan luas dari tiap ekor benih yang diperoleh berbeda tiap individu benih sesuai dengan posisi masing-masing benih ketika dilakukan pengolahan citra. a. Area pada benih ikan lele yang sama Luas area benih ikan yang satu dengan yang lain berbeda-beda tergantung ukuran dari benih tersebut. Untuk mengetahui kisaran area dari satu benih ikan lele, dilakukan pengolahan citra pada satu benih ikan dengan berbagai poisi. Hasil pengolahan citra untuk menentukan luas benih satu ekor ikan lele dapat ditunjukkan pada Tabel 2.
16
Tabel 2. Luas area 1 benih ikan ukuran 7.8 cm dengan berbagai posisi Posisi benih ke
Luas (piksel)
1
1006
2
1084
3
836
4
947
5
902
6
897
7
719
8
815
9
1091
10
1058
11
735
12
768
13
841
14
866
15
746
16
829
17
800
18
812
19
859
20
817
Data tersebut menunjukkan bahwa perubahan posisi dari benih berpengaruh terhadap perhitungan luas area per ekor benih, sehingga pada satu benih ikan dapat menghasilkan berbagai ukuran luas area (Lampiran 4). Dari data yang diperoleh, kemudian dilakukan uji kenormalan dari luas area yang dibentuk oleh benih ikan tersebut. Uji kenormalan dilakukan untuk mengetahui penyebaran normal dari data luas area benih yang diperoleh. Hasil uji kenormalan dari luas area benih berukuran 7.8 cm dapat ditunjukkan pada Gambar 14 dan 15. Hipotesis untuk uji kenormalan yaitu : H0 : Menyebar normal H1 : Tidak menyebar normal
17
Normal 99 Mean StDev N KS P-Value
95 90
871,4 112,6 20 0,169 0,137
80
Percent
70 60 50 40 30 20 10 5
1
600
700
800
900 1000 Luas (piksel)
1100
1200
Gambar 14. Grafik uji kenormalan luas area benih ikan ukuran 7.8 cm
Normal Mean StDev N
5
871,4 112,6 20
Frequency
4
3
2
1
0 600
700
800
900 Luas (piksel)
1000
1100
Gambar 15. Kurva sebaran normal luas area benih ikan ukuran 7.8 cm Berdasarkan uji KS (Kolmogorov Smirnov) diketahui bahwa nilai-p (0.137) > alpha 5% maka terima H0. Hal ini berarti data luas area yang dibentuk 1 benih ekor ikan ukuran 7.8 cm tersebut menyebar normal dengan standar deviasi sebesar 112.6. Dari data tersebut dapat diketahui bahwa jumlah luas area yang dibentuk oleh benih berukuran 7.8 cm berkisar pada sebaran 800-900 piksel.
18
b. Area pada benih ikan lele yang berbeda Tiap benih ikan lele mempunyai posisi masing-masing. Area yang diciptakan dari tiap benih berbeda satu sama lain. Hal ini dapat dilihat pada Gambar 16. Ukuran ikan yang beragam akan menghasilkan luasan yang beragam juga tetapi perbedaan area benih ikan satu dengan yang lain tidak jauh berbeda. 600
Luas(piksel)
500 400 300 200 100 0 1
2
3
4
5
Ikan Gambar 16. Diagram area beberapa benih ikan ukuran 3-4 cm c. Karakteristik Threshold Selain dari keragaman benih ikan lele, batasan nilai R, G, dan B untuk melakukan thresholding memberikan pengaruh terhadap hasil perhitungan area yang terjadi. Dalam hal ini telah dilakukan pengamatan perhitungan luas area pada benih ikan lele dengan menggunakan nilai threshold yang berbeda. Pada threshold 1, dengan nilai R= 128, G = 183, dan B = 98 menghasilkan rata-rata luas per ekor 498 piksel. Pada threshold 2, nilai R =128, G= 190, B= 98, rata-rata luas yang dihasilkan per ekor benih yaitu 585 piksel. Pada threshold 3, R =128, G= 175, B= 98, luas yang dihasilkan sebesar 432 piksel. Jika batas nilai G ditambah atau diturunkan, maka akan menghasilkan perbedaan area benih ikan yang jelas. Perubahan nilai R atau B tidak memberikan pengaruh yang besar terhadap perubahan area yang terjadi. Pembacaan area dengan batasan thresholding yang berbeda dapat ditunjukkan pada Gambar 17, 18, dan 19.
19
700
Luas(piksel)
600 500 400 300 200 100 0 1
2
3
4
5
Ikan Gambar 17. Diagram area hasil threshold 1
700
Luas(piksel)
600 500 400 300 200 100 0 1
2
3
4
5
Ikan Gambar 18. Diagram area hasil threshold 2
700
Luas(piksel)
600 500 400 300 200 100 0 1
2
3
4
5
Ikan Gambar 19. Diagram area hasil threshold 3
20
Jika batas nilai G ditambah maka jumlah piksel luasan area benih ikan lele yang diperoleh semakin besar. Begitu juga sebaliknya, jika nilai G diturunkan maka jumlah piksel luasan area benih yang diperoleh juga semakin kecil. Hal ini terjadi karena pada benih ikan lele warna yang dominan adalah warna hijau, sehingga pada nilai R, G, B nilai G mempunyai nilai paling besar jika dibandingkan dengan R dan B. d. Area untuk benih ikan lele yang berhimpit Area benih ikan lele ketika sendiri dan menggerombol sangatlah berbeda. Benih ikan lele yang berhimpit memiliki luasan area yang lebih besar daripada benih ikan lele yang sendiri. Luasan area yang dibentuk tersebut tergantung dari posisi ketika berhimpit. Hal ini dapat ditunjukkan pada Gambar 20 dan 21. 1400
Luas(piksel)
1200 1000 800 600 400 200 0 1
2
3
4
5
Posisi Gambar 20. Diagram area 2 ekor ikan (3-4 cm) yang berhimpit
1400
Luas(piksel)
1200 1000 800 600 400 200 0 1
2
3
4
5
Posisi Gambar 21. Diagram area 2 ekor ikan (5-7 cm) yang berhimpit Besarnya luasan area yang dibentuk oleh 2 ekor benih ikan yang berhimpit rata-rata diatas 850 piksel untuk benih ukuran 3-4 cm dan 1100 piksel untuk benih ukuran 5-7 cm. Luasan area yang dibentuk oleh 2 ekor benih yang berhimpit belum tentu 2 kali lipat luasan area 1 ekor benih ikan lele. Besarnya luasan area tersebut bisa lebih besar atau lebih kecil dari 2 kali ukuran luas 1 ekor ikan, tergantung posisi benih yang berhimpit. Hal ini terjadi karena hasil
21
tresholding belum mampu menganalisis tiap celah antar benih secara detil, sehingga celahcelah tersebut masuk dalam perhitungan area benih.
D. PERHITUNGAN JUMLAH BENIH IKAN LELE Perhitungan jumlah benih ikan lele dilakukan berdasarkan hasil analisa luas dari tiap ekor benih ikan lele. Hasil perhitungan luas piksel rata-rata tiap ekor benih dapat ditunjukkan pada Tabel 3 dan 4. Tabel 3. Perhitungan luas piksel ikan berukuran 3-4 cm Ikan
Luas
ke
(piksel)
1
507
2
483
3
507
4
532
5
514
6
547
7
560
8
594
9
562
10
586
11
513
12
589
Rata-rata
542
22
Tabel 4. Perhitungan luas piksel ikan berukuran 5-7 cm Ikan ke 1
Luas (piksel) 692
2
643
3
698
4
729
5
559
6
552
7
708
8
651
9
583
10
663
11
627
12
497
Rata-rata
633.5
Hasil dari perhitungan area tiap ekor benih ikan lele digunakan untuk membagi luasan area secara kelompok sehingga diperoleh suatu angka yang menunjukkan jumlah dari benih ikan lele yang ada. Hasil perhitungan jumlah benih ikan secara keseluruhan dapat ditunjukkan pada Tabel 5.
Grade
3-4 cm
5-7 cm
Tabel 5. Hasil perhitungan dengan image processing Hasil perhitungan dengan image processing Jumlah Ulangan (ekor) (ekor) ke0 (s) 5 (s) 10 (s) 15 (s)
50
50
1
48
51
52
55
2
47
47
51
49
3
48
49
52
54
4
49
52
57
59
5
48
51
50
56
1
46
53
55
58
2
47
52
52
54
3
46
47
55
56
4
50
51
52
59
5
46
48
53
57
Perhitungan jumlah benih pada pengambilan citra dari 0 detik sampai 15 detik setelah benih berada dalam wadah cenderung mengalami peningkatan. Peningkatan jumlah perhitungan terjadi karena luas area yang dibentuk oleh benih cenderung mengalami peningkatan sedangkan
23
area pembagi yang digunakan untuk perhitungan tetap. Hal ini terjadi karena benih ikan lele dalam wadah cenderung menggerombol pada daerah tepi wadah sehingga mempengaruhi perhitungan dari luas area benih. Seperti pada hasil perhitungan sebelumnya bahwa luasan area yang dibentuk oleh 1 ekor benih ikan lele dapat menghasilkan bermacam luasan area tergantung posisi dari benih tersebut. Dengan posisi benih yang semakin banyak berhimpit maka luasan area yang diciptakan juga semakin bervariasi sehingga pembagian luas area dengan luas 1 ekor ikan menjadi bervariasi juga. Perhitungan jumlah error yang terjadi ditunjukkan pada Tabel 6. Tabel 6. Error perhitungan dengan image processing
Grade
3-4 cm
5-7 cm
Error (%)
Jumlah
Ulangan
(ekor)
ke-
0 (s)
5 (s)
10 (s)
15 (s)
1
4
2
4
10
2
6
6
2
2
3
4
2
4
8
4
2
4
14
18
5
4
2
0
12
1
8
6
10
16
2
6
4
4
8
3
8
6
10
12
4
0
2
4
18
5
8
4
6
14
50
50
Berdasarkan hasil perhitungan error di atas, waktu pengambilan citra terbaik yaitu pada waktu 5 detik benih berada dalam wadah. Rata-rata error pada pengambilan citra waktu 0 detik setelah benih dituang sebesar 4%, 5 detik setelah benih dituang sebesar 3%, 10 detik setelah benih dituang sebesar 5%, dan 15 detik setelah benih dituang sebesar 10% untuk grade 3-4 cm. Pada grade 5-7 cm rata-rata error pada pengambilan citra waktu 0 detik setelah benih dituang sebesar 6%, 5 detik setelah dituang sebesar 4%, 10 detik setelah dituang sebesar 7%, dan 15 detik setelah dituang sebesar 14%.
E. Berat Benih Ikan Lele 1. Berat 1 ekor benih Berdasarkan analisa berat benih ikan lele, dapat diketahui bahwa berat benih ikan yang satu dengan yang lain bervariasi tergantung dari ukuran benih itu sendiri. Benih yang berukuran kecil memiliki berat yang lebih ringan dibandingkan benih yang berukuran lebih besar. Hal ini dapat ditunjukkan pada Tabel 7. Pengukuran berat benih ditunjukkan Gambar 22.
24
Tabel 7. Hasil pengukuran berat dan panjang per ekor benih ikan lele Ikan ke
Berat (g)
Panjang (cm)
Ikan ke
Berat (g)
Panjang (cm)
Ikan ke
Berat (g)
Panjang (cm)
1
3.21
7.6
27
3.37
7.2
53
2.75
7.1
2
1.05
6
28
1.43
5.9
54
3.29
7.4
3
2.03
6.7
29
3.14
7.6
55
2.11
6.4
4
1.54
5.9
30
1.78
6.2
56
3.01
7
5
0.98
5.1
31
2.43
6.5
57
2.58
6.8
6
2.31
7.1
32
1.67
6.3
58
3.14
7.3
7
2.74
6.4
33
2.35
6.4
59
4.68
8.7
8
2.73
7.4
34
2.65
6.7
60
1.33
5.7
9
2.11
6.3
35
1.53
6.1
61
1.86
6.2
10
1.66
6.5
36
1.87
6.3
62
1.63
6
11
2.21
6.8
37
2.21
6.4
63
2.61
6.6
12
1.83
6
38
1.77
6.1
64
2.53
6.5
13
0.83
4.6
39
2.64
6.9
65
2.21
6.2
14
1.96
6.2
40
2.37
6.6
66
1.44
6
15
1.53
6.1
41
1.61
6.1
67
1.78
6.1
16
1.65
6
42
2.23
6.3
68
2.47
6.6
17
2.17
6.6
43
2.14
6.2
69
2.98
7.3
18
3.12
7.1
44
1.73
6.1
70
3.11
7.8
19
1.84
6.3
45
1.51
6
71
2.54
7.2
20
2.73
6.6
46
1.68
6.2
72
1.37
6.1
21
2.77
7
47
2.16
6.4
73
1.71
6.3
22
2.25
6.4
48
1.88
6
74
2.43
7.3
23
1.63
5.7
49
1.47
5.9
75
2.46
6.9
24
2.24
6.3
50
1.72
6.1
76
1.17
5.9
25
1.71
6.1
51
2.16
6.3
26
3.21
7.1
52
2.44
6.5
Gambar 22. Penimbangan benih
25
Berdasarkan data di atas dapat diketahui bahwa setiap benih ikan lele memiliki panjang tubuh dan berat yang berbeda-beda. Perbedaan tersebut dipengaruhi oleh keseragaman benih dalam suatu komunitas. Hubungan antara berat benih dan panjang benih ditunjukkan pada Gambar 23.
5 y = 0.986x - 4.218 R² = 0.831
4.5 4
Massa(g)
3.5 3 2.5 2 1.5 1 0.5 0 0
1
2
3
4
5
6
7
8
9
10
Panjang (cm)
Gambar 23. Grafik perbandingan berat terhadap panjang tubuh benih ikan ukuran 5-7 cm Hipotesis H0 : Panjang tidak berpengaruh nyata terhadap berat H1 : Panjang berpengaruh nyata terhadap berat Berdasarkan analisis regresi berat terhadap panjang benih, dapat diperoleh hasil bahwa nilai-p pada uji-t sebesar (0.000)
26
Hipotesis H0 : Menyebar normal H1 : Tidak menyebar normal
Normal 99,9
Mean StDev N KS P-Value
99 95
2,173 0,6654 76 0,091 0,117
Percent
90 80 70 60 50 40 30 20 10 5 1
0,1
0
1
2
3
4
5
Bobot(g) (g) Berat
Gambar 24. Grafik uji kenormalan berat benih ikan lele ukuran 5-7 cm Berdasarkan uji KS Kolmogorov Smirnov) nilai-p (0.117) > alpha 5% maka terima H0. Hal ini menunjukkan bahwa data berat menyebar normal. Kurva sebaran normal dari berat benih dapat ditunjukkan pada Gambar 25. Normal Mean StDev N
20
2,173 0,6654 76
Frequency
15
10
5
0 0,8
1,6
2,4 3,2 Bobot Berat(g) (g)
4,0
4,8
Gambar 25. Kurva sebaran normal berat benih ukuran 5-7 cm Berdasarkan data pengukuran diketahui bahwa benih ikan lele pada ukuran antara 5-7 cm memiliki berat rata-rata 2.17 g dengan standar deviasi sebesar 0.66 dan panjang tubuh 6.48 cm.
27
2. Berat beberapa ekor benih ikan Berat benih ikan lele yang bervariasi menghasilkan berat kolektif yang bervariasi juga tergantung dari keseragaman ukuran benih ikan lele satu dengan yang lain. Hal ini dapat ditunjukkan pada Tabel 8. Tabel 8. Hasil pengukuran berat 100 ekor benih ikan Sampel ke1
Berat total (g) 213
2
227
3
232
4
204
5
211
6
236
7
221
8
228
9
225
10
211
11
216
12
224
13
229
14
206
15
217
16
213
17
207
18
218
19
223
20
219
Berdasarkan data tersebut, diperoleh data berat total 100 ekor benih yang bervariasi. Kisaran berat total benih antara 204-236 g. Variasi hasil pengukuran berat total benih dipengaruhi oleh keseragaman benih satu dengan yang lain. Pengambilan sampel dilakukan secara acak sehingga sampel yang diperoleh bervariasi, ada yang dominan besar, ada yang dominan kecil, dan campuran besar kecil. Untuk mengetahui kenormalan dari berat total benih yang diperoleh maka dilakukan uji kenormalan pada berat total benih tersebut. Hasil dari uji kenormalan dapat dilihat pada Gambar 26 dan 27.
28
Normal 99 Mean StDev N KS P-Value
95 90
219 8,991 20 0,098 >0,150
80
Percent
70 60 50 40 30 20 10 5
1
200
210
220 Berat total (g)
230
240
Berat (g)
Gambar 26. Grafik uji kenormalan berat 100 ekor benih ikan Normal 5
Mean StDev N
219 8,991 20
Frequency
4
3
2
1
0 200
210
220 Berat Berat (g)total (g)
230
240
Gambar 27. Kurva sebaran normal berat 100 ekor benih ikan Hipotesis H0 : Menyebar normal H1 : Tidak menyebar normal Berdasarkan uji KS (Kolmogorov Smirnov) nilai-p (0.150) > alpha 5% maka terima H0. Hal ini menunjukkan bahwa data berat total 100 ekor benih tersebut menyebar normal. Dari kurva sebaran normal di atas dapat diketahui bahwa nilai rata-rata berat 100 ekor benih ikan sebesar 219 g dengan standar deviasi sebesar 8.9. 3. Perhitungan Jumlah dan Error Dengan melihat data berat 1 ekor benih dan berat kolektif dari sejumlah benih, maka dapat dilakukan perhitungan untuk mengetahui jumlah benih yang sebenarnya. Perhitungan
29
jumlah benih dapat ditunjukkan pada Tabel 9. Perhitungan jumlah benih dapat diketahui dengan membagi berat total benih dengan berat rata-rata 1 ekor benih. Tabel 9. Hasil perhitungan 100 ekor benih ikan dengan pengukuran berat
Sampel ke
Berat total (g)
1
213
Jumlah ikan dugaan (ekor) 98
2
227
3
Jumlah sebenarnya (ekor)
Error (%)
100
2
105
100
5
232
107
100
7
4
204
94
100
6
5
211
97
100
3
6
236
109
100
9
7
221
102
100
2
8
228
105
100
5
9
225
104
100
4
10
211
97
100
3
11
216
100
100
0
12
224
103
100
3
13
229
106
100
6
14
206
95
100
5
15
217
100
100
0
16
213
98
100
2
17
207
95
100
5
18
218
100
100
0
19
223
103
100
3
20
219
101
100
1
Data di atas menunjukkan perbedaan hasil perhitungan dengan jumlah sebenarnya. Dari data tersebut, dapat diperoleh hasil bahwa akurasi perhitungan jumlah benih dengan membagi berat total benih dengan berat 1 individu benih mempunyai akurasi yang cukup tinggi dengan error rata-rata 3.5%. Hal ini disebabkan keseragaman ukuran antar individu benih cukup besar, sehingga hasil pembagian tidak begitu jauh berbeda satu dengan yang lain.
F. Simulasi Perhitungan Jumlah Benih Ikan Lele Berdasarkan Berat Benih ikan lele memiliki berat yang berbeda dari tiap individu tergantung dari ukuran benih ikan tersebut. Benih yang besar akan memiliki berat tubuh yang lebih dibandingkan dengan benih ikan yang kecil. Dengan diketahui berat dari tiap ekor benih ikan lele, maka dapat diketahui kisaran berat per ekor benih ikan lele. Kisaran berat yang dimaksud adalah berat minimum dan
30
maksimum dari 1 ekor benih ikan. Simulasi dilakukan dengan perhitungan peluang dari tiap berat benih ikan lele pada kisaran yang ada. Peluang munculnya berat ikan tertentu dapat dilihat pada Tabel 10. Tabel 10. Peluang munculnya berat ikan tertentu pada benih ikan berukuran 5-7 cm
No
Berat Minimum (g)
Berat Maksimum (g)
1
0.75
0.93
Ratarata Berat (g) 0.8417
2
0.93
1.12
3
1.12
4
Jumlah Kejadian
Jumlah Berat (g)
Peluang
Peluang Kumulatif
1
0.8417
0.012987
0.0129870
1.0250
2
2.0500
0.025974
0.0389610
1.30
1.2083
1
1.2083
0.012987
0.0519481
1.30
1.48
1.3917
5
6.9583
0.064935
0.1168831
5
1.48
1.67
1.5750
9
14.1750
0.116883
0.2337662
6
1.67
1.85
1.7583
11
19.3416
0.142857
0.3766234
7
1.85
2.03
1.9417
4
23.3000
0.155844
0.5324675
8
2.03
2.22
2.1250
10
17.0000
0.103896
0.6363636
9
2.22
2.40
2.3083
6
16.1583
0.090909
0.7272727
10
2.40
2.58
2.4917
7
9.9667
0.051948
0.7792208
11
2.58
2.77
2.6750
9
13.3750
0.064935
0.8441558
12
2.77
2.95
2.8583
1
11.4333
0.051948
0.8961039
13
2.95
3.13
3.0417
3
12.1667
0.051948
0.9480519
14
3.13
3.32
3.2250
6
9.6750
0.038961
0.9870130
15
3.32
3.50
3.4083
1
3.4083
0.012987
1.0000000
Hasil perhitungan dengan simulasi berdasarkan berat ikan dapat dilihat pada Tabel 11. Tabel 11. Hasil simulasi perhitungan 100 ekor benih ikan berdasarkan berat Hasil Error Percobaan Berat (g) pendugaan (%) (ekor) 1 211.97 100 0 2
219.25
103
3
3
208.28
98
2
4
214.32
101
1
5
209.19
99
1
6
207.94
98
2
7
204.25
96
4
8
205.98
97
3
9
218
102
2
10
215.23
102
2
11
208.9
99
1
31
Percobaan 12
Tabel 11. (Lanjutan) Hasil Berat (g) pendugaan (ekor) 212.14 100
Error (%) 0
13
208.64
98
2
14
206.3
97
3
15
218
103
3
16
200.45
95
5
17
202.98
96
4
18
205.17
97
3
19
210.14
99
1
20
204.1
96
4
21
207.41
98
2
22
205.98
97
3
23
203.18
96
4
24
214.5
101
1
25
214.17
101
1
Berdasarkan hasil perhitungan simulasi tersebut dapat diketahui bahwa error perhitungan yang terjadi kecil, yaitu rata-rata sebesar 2.3 %. Hasil pendugaan jumlah benih ikan memiliki akurasi yang cukup tinggi. Hasil tersebut tidak jauh berbeda dengan hasil pengukuran berat benih secara langsung. Hal ini terjadi karena input yang digunakan dalam simulasi merupakan data hasil dari pengukuran berat secara langsung.
32