30
Penggunaan umpan digunakan secukupnya, pada penelitian ini digunakan sebanyak kurang lebih 50 gram cacing per kantong umpan. Kemudian kawat kasa tersebut ditusukkan pada besi yang digunakan untuk pemasangan umpan. Urutan penempatan bubu yang dirangkaikan pada tali utama, ditempatkan pada posisinya dengan cara pengundian, kemudian diambil satu persatu dan ditempatkan sesuai urutan angka nomor urut mulai dari nomor 1 hingga 18. Selengkapnya dapat dilihat pada Tabel 6 berikut. Tabel 4 Urutan dan penempatan bubu pada tali utama No. Urut
Kode Bubu
Jenis Umpan
1
S2
cacing
2
PS4
cacing
3
S4
cacing
4
PA6
cacing
5
PS6
cacing
6
PS1
ikan
7
S5
ikan
8
PS3
ikan
9
PA3
ikan
10
S1
ikan
11
PA4
cacing
12
PS2
cacing
13
S3
ikan
14
PA2
cacing
15
PA1
ikan
16
PS5
ikan
17
PA5
ikan
18
S6
cacing
Keterangan:
S = Jenis bubu standar; PS = Jenis bubu modifikasi pintu samping; PA = jenis bubu modifikasi pintu atas.
Proses setting tidak diharusan bubu dipasang dari urutan nomor satu, tetapi bisa dilakukan sebaliknya yaitu yang pertama diturunkan mulai dari nomor urut 18, tetapi urutan bubu tidak akan bisa tertukar karena bubu telah dirangkaikan berdasarkan urutan pada tali utama. Bubu akan selalu terangkai sesuai dengan urutan penempatan bubu, walaupun pada saat tidak dioperasikan (Gambar 20).
31
Gambar 5 Rangkaian bubu saat operasi. 3.4
Metode Analisis Data
3.4.1 Metode pengumpulan data Metode pengumpulan data yang digunakan adalah uji coba penangkapan (experimental fishing). Dalam penelitian ini modifikasi pada funnel atau mulut bubu sebagai perlakuan yang diteliti pengaruhnya dengan jenis umpan yang berbeda terhadap hasil tangkapan. Uji coba penangkapan dilakukan sebanyak 20 kali ulangan. Beberapa jenis data yang diambil dalam penelitian ini seperti komposisi hasil tangkapan, jenis spesies, berat, panjang karapas atau panjang total: 1) Komposisi Hasil Tangkapan Komposisi hasil tangkapan yaitu keanekaragaman jenis hasil tangkapan, dibedakan atas dua jenis yaitu hasil tangkapan utama dan hasil tangkapan samping (by-caych).
Hasil tangkapan utama yaitu hasil tangkapan dari
spesies target yaitu spiny lobster, sedangkan hasil tangkapan samping adalah hasil tangkapan selain lobster. 2) Jenis Spesies Jenis spesies yang dibedakan yaitu keragaman jenis spesies per individu. Masing-masing kelompok dikelompokkan menjadi satu. 3) Berat dan Panjang Karapas atau Panjang Total
32
Semua hasil tangkapan ditimbang dan beratnya dicatat, kemudia diukur panjang karapas atau panjang total dari masing-masing spesies (Gambar 21).
Keterangan: garis putus-putus berwarna merah pada gambar merupakan pengukuran panjang dari masing-masing jenis spesies yang diukur.
Gambar 6 Pengukuran panjang karapas, panjang total, panjang mantel dan lebar karapas.
3.4.2 Analisis data Data hasil penelitian dianalisis atau diuji dengan menggunakan dua metode, yaitu statistika parametrik dan nonparametrik. Kedua kelompok data tersebut yaitu data dari hasil tangkapan lobster (dalam satuan ekor) dan data hasil tangkapan total (dalam satuan ekor), yaitu data hasil tangkapan lobster dengan hasil tangkapan samping (by-catch). Data hasil tangkapan total diuji dengan menggunakan uji parametrik yaitu dengan metode Rancangan Acak Lengkap (RAL). Untuk menggunakan RAL terlebih dahulu data disusun dalam sebuah Daftar Analisi Variasi (ANOVA). ANOVA akan berlaku jika data tersebut menyebar normal atau homogenitasnya (Steel dan Torrie, 1989). Dalam penelitian ini uji normalitasnya diuji dengan uji Kolmogorov-Smirnov menggunakan aplikasi statistik MINITAB dan untuk
33
melihat perbedaan hasil dari perlakuan digunakan aplikasi statistik SAS 9.1. Karena pada data penangkapan banyak data yang kosong atau bernilai nol (data tidak menyebar normal) maka tidak dapat dilakukan penarikan asumsi. Oleh karena itu harus dilakukan transformasi data yaitu dengan tranformasi data akar kuadrat, (Y + ½)1/2, dengan Y adalah nilai yang akan ditransformasi yaitu data penangkapan total. Uji yang ke dua adalah uji nonparametrik yaitu metode Kruskal-Wallis. Digunakan uji ini karena data hasil tangkapan lobster tetap tidak menyebar normal setelah dilakuukan transformasi dengan metode transformasi data akar kuadrat sehingga tidak bisa dilakukan pengujian dengan uji parametrik. 3.4.3 Pengujian kenormalan galat Syarat data yang akan diuji dengan menggunakan statistik parametrik yaitu data harus menyebar normal.
Pengujian kenormalan dilakukan dengan
menggunakan uji sampel tunggal kenormalan Kolmogorov-Smirnov.
Uji
keselarasan sampel tunggal Kolmogorov-Smirnov adalah menegaskan bahwa kurangnya kecocokan antara F0(x) dan S(x) memadai untuk menyatakan keraguan terhadap hipotesis nol yang mengatakan bahwa F(x) = F0(x) atau sebaran kontinyu (Daniel, 1990). Langkah-lahkah uji sampel tunggal kenormalan Kolmogorov-Smirnov sebgai berikut: 1) Asumsi-asumi yang terdiri atas hasil pengamatan bebas x1, x2, …, xn yangmerupakan sampel acak berukuran n dari suatu fungsi distribusi yang belum diketahui dan dinyatakan dengan F(x). 2) Hipotesis yang berlaku yaitu jika mengandaikan F0(x) sebahgai fungsi distribusi yang dihipotesisikan (fungsi peluang kumulatif), maka kita dapat menyatakan hipotesis-hipotesis nol dan hipotesis-hipotesis saingannya masing-masing sebagai berikut: 1) Dua sisi H0: F(x) = F0(x) untuk semua nilai x H1: F(x) ≠ F0(x) untuk sekurang-kurangnya sebuah nilai x 2) Satu sisi
34
H0: F(x) ≥ F0(x) untuk semua nilai x H1: F(x) < F0(x) untuk sekurang-kurangnya sebuah nilai x 3) Satu sisi H0: F(x) ≤ F0(x) untuk semua nilai x H1: F(x) > F0(x) untuk sekurang-kurangnya sebuah nilai x 3) Statistik uji Andaikan S(x) menyatakan fungsi distribusi sampel (empirik). Dengan kata lain, S(x) adalah fungsi peluang kumulatif yang dihitung dari data sampel. Tegasnya: S(x) = proporsi nilai-nilai pengamatan dalam sampel yang kirang dari atau sama dengan x = (banyaknya nilai pengamatan dalan sampel yang ≤ x)/n Statistik uji untuk ini tergantung dari hipotesis yang diminati: 1) Untuk uji dua sisi statistic uji yang dipakai adalah: D = sup x │ S(x) - F0(x)│ D = supremum untuk semua x dari nilai mutlak S(x) - F0(x), apabila tersaji dalam sebuah grafik D adalah jarak vertikal terjauh antara S(x) dan F0(x) 2) Untuk uji satu sisi dengan hipotesis tandingan yang menetapkan bahwa F(x) < F0(x), statistik uji kita adalah: D+ = sup x [F0(x) - S(x)] Dalam betuk grafik statistik ini merupakan jarak vertikal terjauh antara F0(x) dan S(x), dimana fingsi yang dihipotesiskan F0(x) terletak di atas fungsi sampel S(x). 3) Untuk uji satu sisi dengan hipotesis tandingan yang menetapkan bahwa F(x) > F0(x), statistic uji kita adalah: D- = sup x [S(x) - F0(x)] Bila disajikan dalam bentuk grafik, statistik ini merupakan jarak vertikal terjauh antara S(x) dan F0(x) manakala S(x) terletak di atas F0(x).
35
3.4.4 Pembagian selang kelas Hasil tangkapan lobster akan dikelompokkan dalam selang kelas panjang karapas (mm) dan selang berat (gram) yang dihitung menurut distribusi frekuensi menurut Walepole (1982), yaitu: ∑K = 1 + 3,32 log n W = Nilai terbesar - nilai terkecil C = W/∑K Keterangan : ∑K = Jumlah kelas W = Wilayah C = Lebar Kelas n = banyaknya data.
3.4.5 Pengujian hasil Penarikan kesimpulan merupakan analisis terakhir dari pengolahan data, dimana dari sini didapatkan kesimpulan dari pengolahan data penelitian. Metode yang bisa digunakan ada dua, yaitu metode statistika parametrik dan metode statistika nonparametrik. Metode statistika parametrik terutama digunakan untuk menganalisis data interval atau rasio, yang diambil dari populasi yang berdistribusi normal (Sugiyono, 2003). Karena pada data hasil tangkapan total banyak data yang kosong atau bernilai nol maka tidak dapat dilakukan penarikan asumsi. Oleh karena itu harus dilakukan transformasi data yaitu dengan tranformasi data akar kuadrat, (Y + ½)1/2, dengan Y adalah nilai yang akan ditransformasi yaitu data penangkapan lobster (Mattjik dan Sumertajaya, 2006). Jika asumsi pokok dalam analisis ragam tidak teenuhi, salah satu jalan keluar untuk mengatasi hal ini adalah melalui transformasi data.
Transformasi data yang bisa digunakan adalah
transformasi logaritma, transformasi akar kuadrat, dan tranformasi arcsin. Melalui transformasi diharapkan kestabilan ragam akan teenuhi sehingga proses pengujian dapat mendekati kesahihan.
Kegunaan lain yang diperoleh
dengan melakukan tranformasi adalah diharapkan data menyebar mendekati sebaran normal dan ragam tidak akan dipengaruhi oleh perubahan nilai tengah perlakuan.
36
Bentuk umum: Yij = μ + τi + εij atau Yij = μi + εij Dimana: i = 1, 2, … , t dan j = 1, 2, … , r Yij = pengamatan pada perlakuan ke-i dan ulangan ke-j
μ = rataan umum τi = pengaruh perlakuan ke-i εij = pengaruh acak pada perlakuan ke-i dan ulangan ke-j Langkah selanjutnya adalah penghitungan tabel sidik ragam (Tabel 7), dengan langkah-langkah sebagai berikut (Mattjik dan Sumertajaya, 2006): FK = Faktor Koreksi FK =
..
JKT = Jumlah Kuadrat Total JKT = ∑
JKT = ∑
∑
∑
− ..
−
JKP = Jumlah Kuadrat Perlakuan JKP = ∑
∑
JKG = ∑
∑
( − ..) = ∑
−
JKG = Jumlah Kuadrat Galat
−
.
=
−
Pengujian Hipotesisi: F-Hitung = KTP/KTG mengikuti sebaran F dengan derajat bebas pembilang sebesar t – 1 dan derajat bebas penyebut sebesar (t - 1) (r - 1). Jika nilai F-Hitung lebih besar dari nilai Fα,db1,db2 maka hipotesis nol ditolak dan berlaku sebaliknya. F-Hitung = KTP/KTG mengikuti sebaran F dengan derajat bebas pembilang sebesar r – 1 dan derajat bebas penyebut sebesar (t - 1) (r - 1). Jika nilai F-Hitung lebih besar dari nilai Fα,db1,db2 maka hipotesis nol ditolak dan berlaku sebaliknya.
37
Tabel 5 Tabel sidik ragam Sumber Keragaman
Derajat Bebas
Perlakuan t–1 Galat t(r – 1) Total tr - 1 Sumber: Mattjik dan Sumertajaya, 2006.
Jumlah Kuadrat JKP JKG JKT
Kuadrat Tengah KTP KTG
F-Hitung KTP/KTG
Metode statistika nonparametrik dilakukan jika asumsi kenormalan dan asumsi lainnya tidak teenuhi atau sukar untuk dipenuhi walaupun berbagai cara transformasi telah dilakukan, maka kita dapat menggunakan prosedur alternatif selain uji F pada analisi ragam. Prosedur yang dapat dugunakan adalah metode nonparametrik, karena metode ini tidak memperhatikan bentuk sebaran data dan asumsi analisis ragam lainnya (Mattjik dan Sumertajaya, 2006). Metode nonparametrik ini digunakan dalam menganalisis data hasil tangkapan lobster atau hasil tangkapan yang menjadi target penangkapan. Data tersebut memiliki sebaran yang tidak normal dan memiliki banyak nilai nol, dan data tidak bisa transformasikan ke sebaran normal. Metode nonparametrik yang dipilih pada pengolahan data ini adalah uji Kruskal-Wallis. Langkah-langkah dalam melakukan pengujian adalah sebagai berikut: Hipotesis: H0: nilai tengah perlakuan sama H1: minimal ada satu nilai tengah perlakuan yang tidak sama dengan yang lainnya. Statistik uji: H= Dengan:
∑
−
(
)
ri = banyaknya ulangan pada perlakuan ke-i; N = jumlah pengamatan; Ri = jumlah peringkat (rank) dari perlakuan ke-i. dan H=
∑ ∑
−
(
)
38
Rij adalah peringkat dari pengamatan pada perlakuan ke-i ulangan ke-j. Kaidah keputusan uji ini: Tolak H0 jika: H >α2 atau P-Value < α). Terima H0 jika: H < α2 atau P-Value > α), dimana α2 adalah nilai Chikuadrat dari 2 dengan α = 0.05 pada table Chi-Square.
