##############################################

## Program untuk Assesmen Stok Perikanan ##

## Praktikum Manajemen Sumberdaya Perikanan ##
## ##
##############################################

##############################################
## Sumber: ##
## Irfan Yulianto (WCS/FPIK-IPB) ##
## Siska Agustina (WCS) ##
## Modifikasi: ##
## Nurul Latifah (FPIK-UNDIP) ##
##############################################

rm(list = ls())
install.packages("TropFishR")
install.packages("fishmethods")
install.packages("nlme", lib = .libPaths()[2])
install.packages("lme4")
library(lme4)
library(fishmethods)
library(TropFishR)

setwd("D:/Kantor/Kuliah/GENAP 20192020/PPT/Manajemen Sumberdaya Perikanan/Prak

MSDPi")
getwd()

#1. Menghitung Parameter Pertumbuhan

#Input data - Perhatikan sistem foldernya

CA_csv <-read.table(file="PL1.txt" ,header=T) #cara memasukkan data selain
menggunakan import dataset
#file PL1.txt disimpan dengan nama file CA_csv
dates <- colnames(CA_csv)[-1] #mengambil nama kolom yaitu tanggal dan diberi
nama dates
dates <- strsplit(dates, "X") #Split a character string or vector
#Fungsi strsplit menampilkan daftar, di mana setiap item daftar
berhubungan dengan elemen x yang telah dibagi
#x Sebuah string karakter atau vektor untuk dipisah
dates <- unlist(lapply(dates, function(x) x[2]))
#fungsi lapply mengembalikan daftar dengan panjang yang sama dengan
objek daftar input
dates <- as.Date(dates, "%Y_%d_%m")
#fungsi as.Date untuk mengkonversi antara representasi karakter dan
objek kelas "Tanggal"
#dan membuat formatnya sesuai dengan yang tercantum
CA_data <- list(dates = dates,
midLengths = CA_csv$MidLength,
catch = as.matrix(CA_csv[,-1]))
#membuat list (dates, midLengths, catch) yang diberi nama CA_data
class(CA_data) <- "lfq"
#lfq ( length frequency)
#A list of "lfq" class with
#dates (class Date): tanggal pengambilan sampel
#midLengths: titik tengah dari kelas panjang
#catch matrix: hasil tangkapan per kelas panjang (baris) dan tanggal
pengambilan sampel (kolom)
CA_data$catch[is.na(CA_data$catch)] <- 0

plot(CA_data, Fname = "catch")

#RUNNING ELEFAN (three versions)

#Pastikan range nilai Linf dan K sesuai dengan species yang di analisis
#Lmax = panjang maksimum yang tertangkap saat sampling = 67.5
#Linf.min dan Linf.max dicari dari nilai Lmax menggunakan formula Froese
(MS.Excel)
Linf.min <- as.numeric(readline(prompt="Enter Linf-min: "))
Linf.max <- as.numeric(readline(prompt="Enter Linf-max: "))
#Untuk menentukan koefisien pertumbuhan (K) sesuai dengan spesies ikan
#mengikuti referensi artikel jurnal atau website https://www.fishbase.de/ atau
https://fishbase.org/
#apabila spesies yang dicari tidak ada maka menggunkan kmin = 0,1 dan kmax =
0,5
K.min <- as.numeric(readline(prompt="Enter K-min: "))
K.max <- as.numeric(readline(prompt="Enter K-max: "))

#A. ELEFAN
#ELEFAN Fitting
set.seed(1)
#fungsi set.seed digunakan untuk menghasilkan sampel yang sama berulang kali
#Ketika kita menghasilkan angka acak tanpa fungsi set.seed () maka akan
menghasilkan sampel yang berbeda pada waktu eksekusi yang berbeda
#n adalah nomor seed yang merupakan nilai integer
#contoh jika kita membuat perintah sample(LETTERS, 6) maka akan muncul [1] "Y"
"D" "G" "A" "B" "K"
#jika kita mengetikkan perintah yang sama lagi sample(LETTERS, 6) maka hasil
yang muncul [1] "N" "R" "S" "A" "U" "V" berbeda dengan hasil awal
#Nah jika kita menggunakan perintah set.seed(321) sebelum perintah
sample(LETTERS, 6) pertama dan kedua maka hasil pertama dan kedua akan sama
CA_data_ELEFAN<-ELEFAN(CA_data, Linf_range=seq(Linf.min,Linf.max,1),K_range =
seq(K.min,K.max,0.05))
#metode ELEFAN (Electronic length frequency analysis)
#ELEFAN adalah sistem metode penilaian stok menggunakan length-frequency (LFQ)
data
CA_data_ELEFAN$Rn_max #0.281
plot(CA_data_ELEFAN, Fname = "catch", draw = FALSE)
lfqFitCurves(CA_data_ELEFAN, col=4, par=CA_data_ELEFAN$par, draw=TRUE)$Rn_max

MidLength X2016_15_04 X2016_15_05 X2016_15_06 X2016_15_07

X2016_15_08 X2016_15_09 X2016_15_10 X2016_15_11
X2016_15_12 X2017_15_01 X2017_15_02 X2017_15_03
19.5 0 0 0 0 1 0 0 0 0 0
0 0
21.5 0 0 0 1 0 0 0 1 0 0
0 0
23.5 0 1 4 0 7 0 0 0 0 0
0 0
25.5 1 3 8 2 2 1 3 1 1 0
1 0
27.5 2 1 7 5 16 2 17 3 0 3
1 3
29.5 0 5 5 5 17 6 31 12 6 2
3 3
31.5 5 9 6 11 26 12 45 8 5 3
3 10
33.5 1 10 16 11 19 13 31 8 13 4
5 2
35.5 3 10 9 14 8 10 36 14 3 4
2 15
37.5 1 8 14 7 12 10 14 10 9 3
7 11
39.5 4 14 9 7 5 9 9 7 8 8
3 9
41.5 2 3 7 6 6 2 5 5 4 7
5 11
43.5 2 5 8 4 8 8 9 6 7 3
2 7
45.5 2 5 4 4 1 4 12 5 7 3
4 8
47.5 4 4 3 0 5 4 2 2 5 1
5 5
49.5 2 5 0 4 3 4 0 2 3 0
1 9
51.5 2 2 7 3 3 2 1 2 3 0
0 6
53.5 2 3 2 1 2 1 3 0 2 1
0 3
55.5 1 1 0 1 1 1 2 2 2 0
0 2
57.5 1 2 0 0 1 0 1 2 2 0
1 2
59.5 0 3 0 1 0 1 0 1 0 0
0 0
61.5 0 0 0 0 2 0 1 1 0 0
2 0
63.5 0 1 2 2 0 1 0 0 0 0
0 0
65.5 0 0 0 0 0 0 0 1 0 0
0 0
67.5 1 0 0 0 2 0 1 0 0 0
0 1