BAB III METODE PENELITIAN -...

7
19 BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Lokasi penelitian adalah Perairan Timur Laut Jawa, selatan Selat Makassar, dan Laut Flores, meliputi batas-batas area dengan koordinat 2˚ - 9˚ LS dan 110˚ - 126˚ BT yang diperlihatkan pada Gambar 8. Pengolahan dan analisis data dilakukan di kantor Pusat Penelitian dan Pengembangan Sumberdaya Laut dan Pesisir (P3SDLP), Badan Penelitian dan Pengembangan Kelautan dan Perikanan (Balitbang KP) dan Laboratorium Komputer FPIK UNPAD. Pelaksanaaan penelitian selama dua bulan dari Juni sampai dengan Agustus 2013. Gambar 1. Peta Lokasi Penelitian

Transcript of BAB III METODE PENELITIAN -...

19

BAB IIIMETODE PENELITIAN

3.1 Waktu dan Tempat

Lokasi penelitian adalah Perairan Timur Laut Jawa, selatan Selat

Makassar, dan Laut Flores, meliputi batas-batas area dengan koordinat 2˚ - 9˚ LS

dan 110˚ - 126˚ BT yang diperlihatkan pada Gambar 8. Pengolahan dan analisis

data dilakukan di kantor Pusat Penelitian dan Pengembangan Sumberdaya Laut

dan Pesisir (P3SDLP), Badan Penelitian dan Pengembangan Kelautan dan

Perikanan (Balitbang KP) dan Laboratorium Komputer FPIK UNPAD.

Pelaksanaaan penelitian selama dua bulan dari Juni sampai dengan Agustus 2013.

Gambar 1. Peta Lokasi Penelitian

20

3.2 Bahan dan Alat3.2.1 Bahan

Bahan dalam penelitian ini yaitu berupa data sebagai berikut:

1. Data reanalysis hasil model laut global SODA (Simple Oceanic Data

Assimilation) versi 2.1.6 berbasis model Parallel Ocean Program 1.3 (POP

1.3), dengan output variabel yang digunakan diantaranya suhu, arus, dan

salinitas. Data yang digunakan yaitu data selama kurun waktu 1958 sampai

dengan 2008, yang kemudian dikalkulasi menjadi nilai klimatologi bulanan.

2. Data hasil model gabungan (coupled) gelombang MASNUM (Marine Science

and Numerical Modelling) dengan POM (Princeton Ocean Model), berupa

data suhu dengan kurun waktu 1980 sampai 2007 yang kemudian dikalkulasi

menjadi nilai klimatologi bulanan.

3. Data Klorofil-a citra satelit SeaWIFS resolusi 0,1º dengan kurun waktu 1998

sampai 2010 yang kemudian kalkulasi menjadi nilai klimatologi bulanan.

4. Data arus geostropik citra satelit AVISO Geostrophic Velocities resolusi

0,25º selama kurun waktu 1993 sampai 2010 yang kemudian dikalkulasi

menjadi nilai klimatologi bulanan.

5. Data pendukung Suhu Permukaan Laut (SPL) citra satelit AVHRR Pathfinder

V5 resolusi 0,0439453º selama kurun waktu 1982 sampai 2010 yang

kemudian dikalkulasi menjadi nilai klimatologi bulanan.

6. Data pendukung Ekman upwelling citra satelit QuikSCAT selama kurun

waktu 2000 sampai 2009.

7. Data hasil tangkapan ikan Layang di selatan Selat Makassar tahun 2006-2007

dan di Laut Jawa tahun 1996-1997.

3.2.2 Alat

Pengolahan data-data dalam penelitian ini dilakukan dengan

menggunakan beberapa software diantaranya :

1. Software Ferret v6.84 yang digunakan untuk mengkalkulasi,

memvisualisasikan, dan menganalisis data hasil model numerik laut dan citra

satelit dalam bentuk netCDF. Ferret merupakan program yang dibuat di

University of Hertfordshire oleh anggota Plagiarism Detection Group,

kemudian dikembangkan oleh Thermal Modeling and Analysis Project

(TMAP). Ferret dirancang untuk memenuhi kebutuhan para ahli kelautan dan

21

meteorologists dalam menganalisis gridded data sets yang besar dan

kompleks. Software ini dapat membaca data dengan format ASCII dan file

binary.

2. Microsoft Excel 2007, untuk membuat tabulasi data, perhitungan, dan

visualisasi data dalam bentuk grafik.

3. Software ArcGIS versi 10.1, untuk membuat peta lokasi penelitian dan peta

sebaran daerah potensial penangkapan ikan.

3.3 Tahapan Penelitian3.3.1 Pengumpulan Informasi dan Data

Pengumpulan informasi dilakukan dengan melakukan studi kepustakaan

mengenai kajian penelitian, kemudian melakukan pengumpulan data penelitian,

baik dari website yang dapat diakses secara bebas maupun dari instansi terkait

yang menyediakan data-data yang dibutuhkan. Adapun data yang dipilih dalam

penelitian ini adalah:

1. Data reanalysis hasil model laut global dari SODA (Simple Oceanic Data

Assimilation) versi 2.1.6 yang berbasis model Parallel Ocean Program 1.3

(POP 1.3) yang dapat diakses secara gratis melalui website

http://iridl.ldeo.columbia.edu/SOURCES/.CARTON-GIESE/.SODA/.v2p1p6/.

2. Data hasil model MASNUM (Kuswardani 2012)

3. Data Klorofil-a, arus geostropik, SPL dan Ekman upwelling dari NOAA

(National Oceanic and Atmospheric Administration) yang dapat diakses

secara gratis dari website www.las.oceanwatch.pfeg.noaa.gov. (nama satelit

yang digunakan).

4. Data hasil tangkapan ikan Layang di selatan Selat Makassar adalah data PPN

Pekalongan dalam penelitian Prasetyo dan Suwarso (2010), sedangkan data di

Laut Jawa adalah data PPN Pekalongan dalam penelitian Astuti (1999).

3.3.2 Pengolahan dan Analisis Data3.3.2.1 Verifikasi Model

Verifikasi model dilakukan untuk mengetahui seberapa besar tingkat

akurasi hasil model yang digunakan. Metode verifikasi dilakukan secara kualitatif

dengan membandingkan visual parameter-parameter hasil simulasi model dengan

22

pola umum yang diperoleh dari data hasil observasi. Dalam penelitian ini terdapat

dua model yang akan diverifikasi dengan data hasil rekaman citra satelit yaitu

model SODA versi 2.1.6 dan model MASNUM. Variabel yang dibandingkan

adalah hasil model suhu yang diambil pada lapisan kedalaman 1 (Z=1), sedangkan

data observasi sebagai pembanding digunakan data SPL dari citra satelit

NOAA/AVHRR Pathfinder V5. Model dengan nilai Root-Mean-Square-Error

(RMSE) paling kecil yang akan digunakan sebagai media analisis. Adapun

persamaan yang digunakan dalam menghitung nilai RMSE adalah sebagai

berikut:

Dimana :

n = Jumlah data

di = Variabel model berupa suhu dari lapisan permukaan

ďi = Variabel aktual berupa SPL dari satelit

3.3.2.2 Hasil Model Laut Global SODA versi 2.1.6 berbasis Model ParallelOcean Program 1.3 (POP 1.3)

Hasil Model yang digunakan dalam penelitian ini memiliki format netCDF

(network Common Data Format) yang dirancang oleh Unidata Program Centre di

Boulder, Amerika Serikat. NetCDF banyak dipakai untuk menyimpan data ilmiah

khususnya data klimatologi, karena data dengan format ini tak tergantung pada

jenis mesin komputer yang digunakan. Data dengan format netCDF dapat

digunakan dalam berbagai macam sistem operasi seperti Windows dan Unix, dan

pada berbagai jenis mesin komputer seperti PC IBM atau DEC Alpha.

Keuntungan menggunakan tipe data ini jelas tidak ada masalah dalam hal

kompatibilitas, sehingga kita dapat memindahkan datanya dari satu jenis

komputer ke komputer lainnya. NetCDF dikenal sebagai self-defining data format

(informasi tambahan tentang datanya) berupa data iklim, data hasil

pengamatan/hasil simulasi model, informasi letak geografis, informasi grid yang

digunakan, periode pengamatan atau simulasi, dan di ketinggian (level) berapa

data pengamatan atau simulasi tersebut berlaku. Fungsi informasi tambahan ini

23

untuk mempermudah dalam membuat visualisasi dari data hasil pengamatan atau

simulasi. NetCDF merupakan salah satu jenis data biner yang hanya bisa

dimengerti apabila sudah diterjemahkan dengan suatu program atau software yang

cocok, sehingga untuk melakukan analisis dan visualisasinya digunakan software

Ferret v6.84 yang berjalan di bawah sistem operasi Linux, sebagai tools standar

netCDF.

Model sirkulasi laut yang mencakup model klimatologi suhu, salinitas, dan

pergerakan arus baik secara vertikal maupun horisontal ini diekstrak sesuai

dengan wilayah penelitian kemudian dianalisis dan ditampilkan dalam bentuk peta

sebaran spasial dengan resolusi waktu rata-rata per bulan selama periode tahun

1958 sampai dengan tahun 2008 (data klimtologi). Dari tampilan peta tersebut

akan terlihat perbedaan nilai gradien yang mencolok dari setiap variabel yang

diamati. Hal inilah yang dapat menentukan keberadaan daerah upwelling yang

diprediksi sebagai daerah yang subur dan pola pergerakan massa air sebagai

analisis daerah potensial yang disukai oleh ikan, terutama ikan pelagis. Sebagai

parameter pendukung dalam analisis, dilakukan kalkulasi parameter turunan dari

parameter suhu, yakni gradien suhu dan lapisan termoklin. Gradien suhu diperoleh

dari nilai selisih suhu antara lapisan kedalaman, sedangkan lapisan termoklin

diperoleh dari hasil pendeteksian lapisan massa air dengan isotherm 20 ºC.

3.3.2.3 Klorofil-a

Data klorofil-a diperoleh melalui data citra SeaWiFS dengan resolusi 0.1°.

Data tersebut dalam bentuk ascii dari NOAA OceanWatch – Central Pasific yang

diperoleh dari situs http://oceanwatch.pifsc.noaa.gov. NOAA OceanWatch-

Central Pasific adalah aplikasi berbasis web yang dikembangkan oleh NOAA

(National Oceanic and Atmospheric Administration) yang menyediakan cara

mudah untuk memvisualisasikan, menganalisis, dan akses sejumlah besar data

oseanografi. Beberapa jenis kegiatan satelit oleh NOAA OceanWatch-Central

Pasific meliputi observasi, monitoring, analisis, dan distribusi data.

Data konsentrasi klorofil-a digunakan sebagai indikator tingkat kesuburan

dan produktifitas perairan. Informasi mengenai variabilitas spasial klorofil-a

permukaan laut dapat digunakan untuk mempermudah pengelolaan dan

24

pemanfaatan sumber daya perikanan yaitu sebagai dasar untuk menduga dan

menentukan perairan yang potensial untuk fishing ground.

Data klorofil-a yang diperoleh diolah dengan menggunakan perangkat

lunak Ferret v6.84 kemudian dianalisis secara deskriptif. Sebaran klorofil-a yang

telah diolah kemudian dikelompokkan berdasarkan variasi bulanan dan musiman.

Dari data citra kemudian diidentifikasi sebaran nilai maksimum dan minimum

serta dievaluasi dari waktu ke waktu (temporal) berdasarkan perubahan area

(spasial).

3.3.2.4 Analisis Hubungan SPL dan Klorofil-a dengan Hasil TangkapanIkan

Hubungan faktor lingkungan dengan kelimpahan hasil tangkapan secara

kuantitas diketahui berdasarkan hasil korelasi Pearson melalui perhitungan

sebagai berikut:

Dimana :

r = Pearson r correlation coefficient

x = variabel yang dikorelasikan berupa SPL atau Klorofil-a

x = rata-rata variabel x

y = variabel yang dikorelasikan berupa hasil tangkapan

y = rata-rata variabel y

Tabel 1. Interpretasi kekuatan hubungan hasil korelasi Pearson (Kuncoro danRiduwan 2007)

Nilai Korelasi Interpretasi

1 Korelasi linear sangat tinggi

0,99 – 0,81 Korelasi linear tinggi

0,80 – 0,61 Korelasi linear cukup

0,60 – 0,41 Korelasi linear agak rendah

0,40 – 0,21 Korelasi linear rendah

0,20 – 0,01 Korelasi linear sangat rendah

0 Tidak berkorelasi linier, tetapi masih dimungkinkan

berkorelasi non linier

25

3.3.3 Diagram Alir Penelitian

Untuk mempermudah mengetahui tujuan dan tahapan analisis data pada

penelitian ini, maka dibuat suatu diagram alir penelitian. Adapun diagram alir

penelitian ini disajikan pada Gambar 9.

Gambar 2. Diagram alir penelitian