OSEANOGRAFI PERIKANAN
Oleh :
KELOMPOK 6
Oleh:
KELOMPOK 6
Oleh:
Kelompok 06
Pada tanggal
Menyetujui,
Koordinator Asisten Asisten Praktikum
Putri Dila
Daniel Ananggadipa
NIM. 175080601111011
NIM. 175080600111021
Mengetahui,
Koordinator Mata Kuliah
Puji syukur kehadirat Tuhan Yang Maha Esa sehingga penulis dapat
salah satu syarat kelulusan praktikum oseanografi perikanan dalam mata kuliah
Brawijaya, Malang.
Laporan ini berisi tentang penjelasaan kegiatan partisipasi aktif yaitu dengan
melakukan pengolahan data SST dan chl-a dengan korelasinya di dunia perikanan
serta korelasi antara setiap parameter untuk mengetahui suatu trend perikanan.
Penulis menyadari masih ada kekurangan dari segi teknis maupun materi.
Oleh karena itu, maka diharapkan kritik dan saran yang konstruktif dari semua pihak
Penulis tidak lupa menyampaikan ucapan terima kasih kepada semua pihak
yang telah membantu dalam menyelesaikan laporan ini. Akhirnya penulis berharap
Penulis
i
DAFTAR ISI
KATA PENGANTAR..................................................................................................i
DAFTAR ISI............................................................................................................... ii
DAFTAR GAMBAR..................................................................................................iv
DAFTAR TABEL.....................................................................................................vii
DAFTAR LAMPIRAN..............................................................................................viii
BAB 1. PENDAHULUAN...........................................................................................1
1.1 Latar Belakang.............................................................................................1
1.2 Tujuan.......................................................................................................... 3
1.3 Waktu dan Tempat.......................................................................................3
BAB 2. TINJAUAN PUSTAKA..................................................................................4
2.1 Data Hasil Tangkap.....................................................................................4
2.2 SST (Sea Surface Temperature)..................................................................5
2.3 Klorofil.......................................................................................................... 7
2.4 ENSO (El Ninõ Southern Oscillation)...........................................................8
2.4.1 SOI (Southern Oscillation Index)...........................................................9
2.4.2 Ninõ 3.4..............................................................................................10
2.5 IOD (Indian Ocean Dipole).........................................................................12
2.5.1 DMI (Dipole Mode Index)....................................................................13
2.6 ZPPI (Zona Potensi Penangkapan Ikan)....................................................15
BAB 3. METODOLOGI............................................................................................17
3.1 Alat dan Bahan..........................................................................................17
3.2 Skema Kerja..............................................................................................19
3.2.1 Pre-Processing Data...........................................................................19
3.2.2 Data Analysis......................................................................................20
3.2.3 ZPPI....................................................................................................21
3.3. Metode Pengolahan Data..........................................................................22
3.3.1 Pre-Processing Data...........................................................................22
3.3.2 Data Analysis......................................................................................35
3.3.3 ZPPI....................................................................................................43
BAB 4. HASIL DAN PEMBAHASAN......................................................................61
4.1 Analisis Korelasi Antar Variabel.................................................................61
4.1.1 Ano-Catch dengan Ano-Temp............................................................61
4.1.2 Ano-Catch dengan Ano-Chlor.............................................................63
4.1.3 Ano-Catch dengan DMI......................................................................64
4.1.4 Ano-Catch dengan SOI.......................................................................66
4.1.5 Ano-Catch dengan Ninõ 3.4................................................................67
4.1.6 Ano-Temp dengan Ano-Chlor.............................................................69
4.2 Analisis Peta ZPPI.....................................................................................70
BAB 5. PENUTUP...................................................................................................73
ii
5.1 Kesimpulan................................................................................................73
5.2 Saran.........................................................................................................74
DAFTAR PUSTAKA................................................................................................75
LAMPIRAN..............................................................................................................79
iii
DAFTAR GAMBAR
Gambar
Halaman
1. Wilayah Nino 3,4..................................................................................................11
2. Dipole Mode Positif..............................................................................................14
3. Dipole Mode Negatif.............................................................................................14
4. Skema kerja pre-processing data.........................................................................19
5. Skema kerja data analysis...................................................................................20
6. Skema kerja membuat peta ZPPI.........................................................................21
7. Buka laman NASA OceanColor............................................................................22
8. Memilih data citra.................................................................................................23
9. Unduh data........................................................................................................... 23
10. Buka aplikasi SeaDAS.......................................................................................24
11. Open product.....................................................................................................24
12. Klik raster...........................................................................................................25
13. Color manager...................................................................................................25
14. Cropping wilayah................................................................................................26
15. Klik raster...........................................................................................................26
16. Color manager...................................................................................................27
17. Reproject............................................................................................................27
18. Save file.............................................................................................................28
19. Buka aplikasi ArcGIS..........................................................................................28
20. Mengubah data raster to point............................................................................29
21. Save file.............................................................................................................29
22. Open attribute table............................................................................................30
23. Export file...........................................................................................................30
24. Save file .dbf......................................................................................................31
25. Open file .dbf......................................................................................................31
26. Menghapus data pencilan..................................................................................32
27. Hitung rata-rata bulanan Chl-a dan SST............................................................32
28. Save file.............................................................................................................33
29. Input rata-rata bulanan pada sheet Chlorophyll..................................................33
iv
30. Input rata-rata bulanan pada sheet Temperature...............................................34
31. Input nilai hasil CPUE.........................................................................................34
32. Hitung rata-rata bulanan CPUE..........................................................................35
33. Sheet Ano-Catch................................................................................................35
34. Sheet Ano-Temp................................................................................................36
35. Sheet Ano-Chlor.................................................................................................36
36. Sheet Ano-Temp - Ano-Catch............................................................................37
37. Sheet Ano-Chlor - Ano-Catch.............................................................................37
38. Sheet Ano-Temp - Ano-Chlor.............................................................................38
39. Sheet DMI.......................................................................................................... 38
40. Sheet SOI........................................................................................................... 39
41. Sheet Nino 3.4...................................................................................................39
42. Sheet All Data....................................................................................................40
43. Copy data pada Ms. Excel.................................................................................40
44. Paste data ke Minitab.........................................................................................41
45. Mencari korelasi antar variabel...........................................................................41
46. Metode Pearson Correlation..............................................................................42
47. Nilai r dan P-value..............................................................................................42
48. Koefisien korelasi...............................................................................................43
49. Save file.............................................................................................................43
50. Laman NASA OceanColor.................................................................................44
51. Find swaths........................................................................................................44
52. Pilih data citra.....................................................................................................45
53. Unduh data.........................................................................................................45
54. Membuka aplikasi SeaDAS................................................................................46
55. Open product.....................................................................................................46
56. Raster Chl-aor-a.................................................................................................47
57. Reproject............................................................................................................47
58. Save file.............................................................................................................48
59. Raster SST.........................................................................................................48
60. Reproject............................................................................................................49
61. Save file.............................................................................................................49
62. Band ke-13 (‘Chl-a')...........................................................................................50
v
63. Band ke-1 (‘sst’).................................................................................................50
64. Memunculkan citra Chl-a pada ArcGIS..............................................................51
65. Memunculkan citra SST pada ArcGIS................................................................51
66. Color Ramp Merah (SST)...................................................................................52
67. Color Ramp Hijau (Chl-a)...................................................................................52
68. Add file .shp Peta Indonesia...............................................................................52
69. Buat Rectangle...................................................................................................53
70. Image Analysis...................................................................................................53
71. Clip layer SST....................................................................................................54
72. Clip layer Chl-a...................................................................................................54
73. Export data.........................................................................................................55
74. Export clip layer..................................................................................................55
75. Rectangle Properties..........................................................................................56
76. Ubah warna Rectangle.......................................................................................56
77. Color Ramp Merah (Clip SST)............................................................................57
78. Color Ramp Hijau (Clip Chl-a)............................................................................57
79. Reclassify (Spatial Analyst)................................................................................58
80. Classify..............................................................................................................58
81. Classify..............................................................................................................59
82. Overlay...............................................................................................................59
83. Ubah nama layer................................................................................................60
84. Layouting...........................................................................................................60
85. Perbandingan nilai Ano-Catch dan Ano-Temp...................................................61
86. Perbandingan nilai Ano-Catch dan Ano-Chlor....................................................63
87. Perbandingan nilai Ano-Catch dan DMI.............................................................64
88. Perbandingan nilai Ano-Catch dengan SOI........................................................66
89. Grafik perbandingan Nino 3.4 dengan Ano-Catch..............................................67
90.Grafik perbandingan Ano-Temp dengan Ano-Chlor............................................69
91. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 28 Juni 2019................70
vi
DAFTAR TABEL
Tabel.............................................................................................................. Halaman
1. Alat dan fungsinya................................................................................................17
2. Bahan dan fungsinya............................................................................................18
3. Korelasi Ano-Catch dengan Ano-Temp................................................................61
4. Korelasi Ano-Catch dengan Ano-Chlor................................................................63
5. Tabel korelasi Ano-Catch dan DMI.......................................................................64
6. Tabel korelasi Ano-Catch dengan SOI.................................................................66
7. Tabel korelasi Nino 3.4 dengan Ano-Catch..........................................................67
8. Tabel korelasi Ano-Temp dengan Ano-Chlor.......................................................69
vii
DAFTAR LAMPIRAN
Lampiran
Halaman
1. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 20 Juni 2019..................79
2. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 6 Juni 2019....................79
3. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 17 Juni 2019..................80
4. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 29 Juni 2019..................80
5. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 24 Juni 2019..................81
6. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 28 Juni 2019..................81
7. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 10 Juni 2019..................82
8. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 8 Juni 2019....................82
viii
BAB 1. PENDAHULUAN
dipengaruhi oleh karakteristik perairan Samudra Pasifik dan Samudra Hindia. Aliran
massa air dari Samudra Pasifik menuju Samudra Hindia melalui perairan Indonesia
dikenal dengan Indonesia Through Flow (ITF) Selain ITF, perairan Indonesia juga
sangat dipengaruhi oleh sistem monsoon Asia-Australia yang biasa dikenal dengan
southeast monsoon atau biasa disebut dengan musim timur dan northwest monsoon
yang biasa disebut dengan musim barat. Sistem monsoon terjadi karena adanya
perbedaan tekanan antara benua Asia dan Australia sebagai akibat dari perubahan
perubahan pergerakan arah dan kecepatan angin. Musim timur (April – Oktober)
angin yang berhembus dari Australia membawa massa udara yang hangat dan
pada musim barat angin yang berhembus dari Asia membawa massa udara yang
hangat dan mengandung banyak uap air akan menyebabkan musim hujan.
penangkapan ikan (ZPPI) sangat diperlukan oleh pengguna agar lebih efektif dalam
hasil deteksi termal front suhu permukaan laut. Untuk menentukan titik koordinat
dilakukan segmentasi hasil deteksi sesuai ukuran fishnet grid. Garis kontur yang
terdapat dalam setiap grid merupakan bentuk poligon. Pusat geometri dari setiap
1
poligon merupakan titik koordinat ZPPI. Hasil pengolahan data suhu permukaan laut
dari satelit Terra/Aqua MODIS dan Suomi NPP VIIRS menunjukkan bahwa metode
penentuan pusat geometri poligon sangat efektif dalam menentukan titik koordinat
ZPPI. Dengan menggunakan metode tersebut tahap pengolahan data satelit menjadi
lebih cepat, efisien dan lebih praktis karena informasi ZPPI sudah dalam bentuk titik
koordinat.
Menurut Wibisana, et al. (2018), suhu permukaan laut (SPL) merupakan salah
satu parameter yang banyak dipakai untuk mendeteksi perubahan iklim salah
Perubahan suhu yang ekstrim akan menyebabkan biota yang ada di pesisir pantai
mengalami gangguan, dan akibat dari perubahan ini akan mengubah tatanan
ekosistem yang ada. Dalam kaitannya dengan fenomena alam tersebut peranan
penginderaan jauh sangat menentukan karena teknologi ini mampu untuk menjawab
memetakan area yang cukup besar serta ditunjang dengan kemampuan multi
temporal.
berperan dalam proses fotosintesis. Deteksi pada hal ini dapat diketahui bahwa
didapatkan dari hasil konsentrasi klorofl-a dimana hal tersebut melalui satelit hanya
2
1.2 Tujuan
pendekatan oseanografi
parameter oseanografi
2020. Data hasil tangkapan didapat melalui email dari pelabuhan perikanan
3
BAB 2. TINJAUAN PUSTAKA
Menurut Wulandari, et al. (2018), dari hasil analisis yang telah dilakukan,
perairan bagian utara Probolinggo. Hal ini dikarenakan perairan tersebut memiliki
indikator kualitas air yang layak sebagai habitat ikan tembang sehingga
mempengaruhi keberadaan ikan tembang pada perairan tersebut. Hasil penelitian ini
diperkuat
ikan tembang di Jawa Timur terbagi menjadi 8 sub DPI yaitu: Utara Pasuruan,
Karang Kokop dan Selebar, Barat Gili, Utara Gili, Madura, Gending, Karang Cina
dan Pajarakan, serta yang terakhir adalah di Paiton, Binor dan Matekan. Semua
lokasi DPI tersebut merupakan kawasan perairan bagian utara Probolinggo. Hal ini
dikarenakan pada kawasan tersebut kualitas air dan habitat yang dimiliki wilayah
pesisir pantai di bagian utara masih cukup baik dengan adanya tumbuhan bakau
bulan dari bulan Oktober sampai Mei, ikan paling banyak berada dari setiap bulan
Oktober sampai dengan bulan Maret. Diluar musim penangkapan tersebut, hasil
yang optimum. Dalam kondisi optimum, payang mampu menghasilkan ikan lebih dari
500 kg/trip. Jenis ikan yang menjadi target penangkapan payang di perairan Gili
Ketapang adalah ikan-ikan pelagis. Hasil tangkapannya adalah ikan layang, ikan
lemuru, ikan teri, ikan peperek dan ikan kembung. Sedangkan produksi yang
4
menjadi andalan di Gili Ketapang adalah ikan teri nasi, karena ikan ini memiliki harga
Data hasil tangkapan adalah data yang menyimpan informasi tentang jumlah
hasil tangkapan dari suatu tempat yang berguna untuk perhitungan suatu tangkapan
di suatu daerah. Dari hasil yang didapat, hasil tangkapan ikan di daerah Probolinggo
sangat bervariasi dan disetiap daerah yang berbeda tentunya terdapat habitat yang
berbeda pula, beberapa jenis ikan yang diperoleh yakni seperti ikan lemuru, ikan
layang, ikan kembung, ikan teri, ikan alu alu, ikan bawal, ikan sebelah, dan masih
ada banyak lagi tentunya. Dan para nelayan juga menggunakan metode
payang. Payang dioperasikan pada lapisan permukaan air (water surface) dengan
(schooling).
iklim di wilayah Indonesia. Seiring dengan adanya isu perubahan iklim yang ditandai
dengan peningkatan suhu global, maka SPL disinyalir juga berubah. Tujuan dari
penelitian ini adalah untuk mengetahui ada tidaknya perubahan SPL di wilayah
atmosfer. Jika suhu permukaan laut panas maka uap air di atmosfer banyak akibat
proses konveksi atau penguapan. Sebaliknya, jika suhu permukaan laut dingin maka
permukaan laut di wilayah Indonesia mempunyai kisaran yang cukup lebar yaitu
5
Menurut Hamuna, et al. (2015), informasi mengenai variabilitas spasial suhu
permukaan laut (SPL) dalam bidang perikanan, memiliki peran penting sebagai
sarana untuk pendugaan dan penentuan lokasi upwelling, front ataupun eddies
current. Ketiga lokasi tersebut erat kaitannya dengan wilayah potensi penyebaran
pemanfaatan sumber daya perikanan yaitu sebagai dasar untuk menduga dan
menentukan perairan yang potensial untuk fishing ground. Saat ini pengukuran SPL
telah dipermudah oleh adanya teknologi penginderaan jauh yang dapat menyiam
permukaan laut yang sangat dinamis bila dibandingkan dengan pengamatan secara
in situ di lapangan.
Istilah suhu permukaan laut secara umum sering digunakan dalam bidang
kelautan maupun perikanan, yang merupakan bagian dari suhu perairan secara
keseluruhan. Dalam bidang perikanan, suhu permukaan laut adalah salah satu
penangkapan ikan (fishing ground) dan merupakan faktor yang sangat penting bagi
macam jenis hewan yang terdapat di berbagai perairan di dunia. Dari pola distribusi
6
yang subur tersebut maka daerah penangkapan ikan dapat diketahui, karena migrasi
2.3 Klorofil
adalah pigmen yang terdapat pada fitoplankton. Dengan demikian, klorofil-a dapat
fitoplankton, karena pada umunya dapat dijumpai pada semua jenis fitoplankton.
ketersediaan nutrien dan intensitas cahaya matahari. Bila nutrien dan intensitas
matahari cukup tersedia, maka konsentrasi klorofil-a akan tinggi dan sebaliknya.
Klorofil-a adalah suatu pigmen aktif dalam sel tumbuhan yang mempunyai
digunakan sebagai indikator banyak atau tidaknya ikan di suatu wilayah dari
gambaran siklus rantai makanan yang terjadi di lautan. Disebutkan bahwa perairan
7
di daerah tropis umumnya memiliki konsentrasi klorofil-a yang rendah karena
permukaan perairan yang terjadi hampir sepanjang tahun. Namun berdasarkan pola
dijumpai konsentrasi klorofil-a yang cukup tinggi yang disebabkan karena terjadinya
massa air yang membawa massa air kaya nutrien dari perairan sekitarnya.
Menurut Ramadhania, et al. (2019), ENSO (El Niño Southern Oscillation) yaitu
fenomena yang terjadi karena anomali suhu permukaan laut (SPL) di ekuatorial
Samudera Pasifik. Fenomena ini suhu ini mempengaruhi kondisi laut Indonesia,
yaitu menjadi lebih dingin ketika El Nino dan hangat ketika La Nina. Kondisi laut
yang lebih dingin dan lebih hangat itulah yang menyebabkan ENSO memberikan
pengaruh terhadap curah hujan di Indonesia. Salah satu dampak dari fenomena
ENSO adalah perubahan permukaan laut (sea level anomaly). Menentukan wilayah
antara sea level anomaly dari data satelit altimetri dengan indeks El Nino Oscillation
Oscillation Index).
Pasifik dari kondisi normalnya. Dampak dari fenomena adalah kekeringan, banjir,
pemutihan karang, dan perubahan tinggi muka air laut. Salah satu wilayah yang
8
terdampak El Nino Oscillation Southern Oscilation adalah perairan Indonesia. El
Nino terjadi ketika suhu permukaan laut di bagian timur Samudera Pasifik
meningkat, namun suhu di barat Samudera Pasifik dan sekitar Indonesia mengalami
terjadi ketika fenomena La Nina. Fenomena ENSO (El Nino Southern Oscillation)
dapat dilihat dari indikator anomali suhu permukaan laut, tekanan udara di
laut dan atmosfer yang berpusat di ekuator Samudera Pasifik yang menyebabkan
anomali iklim global. Singkatnya ENSO adalah anomali cuaca di Samudera Pasifik
menyebabkan suhu di Pasifik naik drastis atau turun drastis. Hal ini menyebabkan
Budianto, et al. (2019), SOI adalah sebuah indeks yang diperoleh dari
perbedaan tekanan udara di atas permukaan laut antara Tahiti dan Darwin. Ketika El
Nino terjadi, tekanan udara rata-rata di Darwin lebih tinggi daripada Tahiti,
ditunjukkan dengan nilai SOI yang negatif. Sedangkan nilai SOI yang positif
apabila nilai SOI menunjukkan angka negatif yang semakin besar. Nilai SOI
berkorelasi kuat dengan curah hujan, karena itu perubahan nilai SOI merupakan
9
Menurut Mantiri, et al. (2016), Southern Oscillation Index adalah sebuah
pasifik. Kekuatan El Niño tidak selalu sama. El Niño memiliki intensitas yang dilihat
perubahan tekanan udara di atasnya dari nilai rata-ratanya. Tekanan udara yang
berubah tersebut terbaca melalui SOI, dimana semakin kuat intensitas El Niño,
semakin + nilai SOI. Indeks SOI didasarkan pada perbedaan tekanan udara di atas
permukaan laut antara Tahiti dengan Darwin yang tidak seperti keadaan normal.
SOI merupakan indeks yang diperolah dari perbedaan tekanan udara antara
Pasifik Bagian Timur (Tahiti) dan Pasifik Bagian Barat (Darwin). SOI ini memiliki dua
yaitu SOI positif dan negatif. SOI positif mengindikasikan terjadinya La Nina. Kondisi
suhu permukaan laut Darwin lebih rendah dari normal, sedangkan suhu Tahiti lebih
tinggi dari normal. SOI negatif mengindikasikan terjadinya El Nino. Kondisi suhu
Menurut Mantiri, et al. (2016), indeks Nino atau Indeks Oceanic yaitu Indeks
dalam 4 jalur pelayaran yaitu Nino 1+2, Nino 3, Nino 4, dan Nino 3.4. Sekarang
sudah tersedia data satelit wilayah Nino 3,4 cukup mewakili dan menginformasikan
10
pada wilayah Nino 3,4. Dengan melihat anomali suhu muka laut maka dapat
beberapa indeks, yaitu ONI (Oceanic Nino Index) dan SOI (Southern Oscillation
Index). Oceanic Nino Index (ONI) didasarkan pada Suhu Permukaan Laut (SPL) dari
rata-rata di wilayah Nino 3.4, dan merupakan ukuran utama untuk memantau,
menilai dan memprediksi ENSO. Nino 3,4 adalah wilayah diantara Nino 3 dan Nino 4
hujan dengan indeks Nino 3,4 memiliki hubungan berbanding terbalik. Hal ini
menunjukkan apabila indeks Nino 3.4 meningkat maka curah hujan akan menurun,
sedangkan jika indeks Nino 3.4 menurun maka anomali curah hujan akan
meningkat.
yaitu SST Nino 1+2, SST Nino 3, SST Nino 4 dan SST Nino 3.4. Indikator yang
paling tepat digunakan adalah Anomali SST Nino 3,4, sehingga penelitian
11
disarankan menggunakan Anomali SST Nino 3.4 dalam mengidentifikasi hubungan
yang melibatkan indikator ENSO, dan disarankan untuk tidak menggunakan Anomali
SST Nino 1+2. Nino 3,4 adalah wilayah diantara Nino 3 dan Nino 4 yang mampu
Menurut Fadholi (2013), selain ENSO, terjadi pula gejala penyimpangan iklim
yang dihasilkan oleh interaksi laut dan atmosfer di Samudera Hindia di sekitar
khatulistiwa yang disebut dengan IOD (Indian Ocean Dipole). Interaksi tersebut
Jawa dan Barat Sumatra) yang menimbulkan aliran massa udara yang berhembus
ke Barat. Indian Ocean Dipole (IOD) adalah kondisi interaksi laut - atmosfer yang
terjadi di samudera hindia tropis. Selama fenomena IOD positif, suhu permukaan
timur lebih dingin dari normalnya. Perubahan pada suhu permukaan laut selama IOD
terjadi terkait dengan perubahan medan angin di tengah samudera Hindia ekuator.
Sehingga angin bergerak berlawanan dari biasanya barat ke timur selama IOD
positif.
dan negara-negara lain yang berada di sekitar cekungan (basin) Samudera Hindia.
Berbeda dengan ENSO yang memiliki nama berbeda, IOD hanya memiliki kondisi
Positif (+) dan Negatif (-). IOD (+) ditandai dengan menghangatnya perairan di
Hindia bagian Timur (Indonesia). Sedangkan IOD (-) adalah kebalikan dari IOD (+)
12
yaitu dengan menghangatnya bagian Timur Samudera Hindia dan lebih rendahnya
IOD adalah fenomena antara lautan dan atmosfer di daerah ekuator Samudera
Hindia yang mempengaruhi iklim di Indonesia dan negara-negara lain yang berada
di sekitar cekungan (basin) Samudera Hindia. Singkatnya IOD kurang lebih sama
laut (SST) di wilayah Barat Samudera Hindia dan Timur Samudera Hindia. IOD
memiliki 3 fase yaitu IOD positif, netral dan IOD negatif. IOD negatif (-) terjadi ketika
SST Samudera Hindia turun 0,4˚C, SST di Afrika turun sedangkan SST di Sumatera
meningkat. IOD positif (+) terjadi ketika SST Samudera Hindia naik 0,4˚C, SST di
Menurut Kertayasa, et al. (2013), Dipole Mode Index (DMI) adalah indeks
barat Samudera Hindia (50°BT – 70°BT, 10ºLS - 10ºLU) dan perairan timur
Samudera Hindia (90ºBT – 110ºBT, 10ºLS – 0ºLU). Nilai DMI yang ekstrim positif
atau ekstrim negatif merupakan indikasi terjadinya fenomena IOD. Saat terjadi DMI
positif 13 (+) artinya, curah hujan di wilayah Indonesia bagian barat berkurang.
Sedangkan saat terjadi DMI Negatif (-) artinya curah hujan di wilayah Indonesia
Menurut LAPAN (2020), interaksi yang cukup kuat antara atmosfer dan lautan
13
laut (SPL) dari kondisi normal di sepanjang ekuator Samudera Hindia. Hasil
perhitungan perbedaan nilai (selisih) antara anomali suhu muka laut di bagian barat
dan sebelah timur Samudera Hindia ini dikenal sebagai DMI (Dipole Mode
Index). Dipole Mode dibagi menjadi dua fase yakni Dipole Mode Positif dan Dipole
Mode Negatif. Dipole Mode Positif (DMP) terjadi pada saat tekanan udara
dibandingkan wilayah timur Afrika yang bertekanan relatif rendah, sehingga udara
mengalir dari bagian barat Sumatera ke bagian timur Afrika yang mengakibatkan
(LAPAN, 2020)
14
Gambar 3. Dipole Mode Negatif
(LAPAN, 2020)
DMI adalah indeks anomali suhu permukaan laut di bagian barat Samudera
Hindia dan sebelah timur Samudera Hindia. Dipole Mode ini dibagi menjadi dua fase
yaitu Dipole Mode Positif dan Dipole Mode Negatif. Perubahan suhu permukaan laut
saat terjadi Dipole Mode di Samudera Hindia, umumnya curah hujan di Indonesia
angin tenggara pada saat dipole mode berlangsung sehingga angina tenggara
yang berhembus di daerah tersebut semakin kuat. Kuatnya angin tenggara yang
merupakan salah satu produksi informasi yang dihasilkan oleh Pusat Pemanfaatan
Penginderaan Jauh LAPAN secara rutin harian dan bulanan. ZPPI berasal dari
ekstraksi data Suhu Permukaan Laut (SPL) dari citra satelit penginderaan jauh
Aqua/Terra MODIS dan NOAA. Namun data satelit ini memiliki kendala dengan
liputan awan. Selain itu, sebagai pendukung karakteristik arus permukaan laut juga
15
diperlukan karena mempengaruhi suhu permukaan laut sebagai sarana pendugaan
titik ZPPI dan pembawa serta massa air dengan suhu tertentu dari tempat
(fishing ground) adalah lokasi yang diduga merupakan tempat berkumpulnya ikan.
dari data satelit penginderaan jauh yang mempengaruhi daerah penangkapan ikan
di suatu wilayah perairan dan merupakan tempat yang ideal untuk penangkapan
ikan. ZPPI dipengaruhi oleh parameter oseanografi salah satunya SPL dan sebaran
klorofi-a diperairan. Titik ZPPI ditentukan dengan cara melihat kontur sebaran SPL
dan klorofil-a yang saling berpotongan satu sama lain. Titik pertemuan antara kontur
yang dihasilkan dari SPL dan distribusi Klorofil kemungkinan merupakan daerah
oseanografi, satelit dan zona idela. Parameter ZPPI sendiri ada 2 yaitu SST dan
klorofil-a. SST digunakan karena sebagai preditor yang paling penting dimana
menentukan pola migrasi ikan yaitu dengan rentang 23-32 OC. Sedangkan klorofil-a
merupakan indikator habitat ikan yaitu dengan rentang 0,1-2 mg/m 3. ZPPI ini
16
BAB 3. METODOLOGI
.
1 Laptop Corel i3 Untuk mengolah data perikanan
2 Kabel rol Panjang 2 meter Untuk membantu menyalurkan
data parameter
8 Zoom Meeting - Untuk melakukan kegiatan
17
Bahan yang digunakan pada Praktikum Oseanografi Perikanan adalah
.
1 Data SST Aqua MODIS Sea Surface Untuk data suhu
Daytime), Monthly, 4 km
2 Data Chl-a Aqua MODIS Chlorophyll Untuk data klorofil di laut
Concentration, OCI
Algotithm, Monthly, 4 km
3 Data DMI Data anomali suhu pada Untuk data anomali suhu
akan diolah
8 Kuota Internet 1 GB Untuk membantu
Perikanan dibagi menjadi 3, yaitu Pre-Processing Data, Data Analysis, dan ZPPI.
18
3.2.1 Pre-Processing Data
Buka software SeaDas > cropping area sesuai koordinat wilayah > simpan dalam
format TIFF
Buka software ArcGIS > buka file geotiff > ubah jadi Raster to point > simpan
dalam format dBase
19
3.2.2 Data Analysis
Copy-Paste CPUE, klorofil, dan suhu setiap tahunnya dan nilai rata-rata
Membuat grafik dari nilai anomali dengan nilai DMI, SOI, dan Nino 3.4
Melakukan interpretasi
20
3.2.3 ZPPI
File SPL dan Klorofil-a dibuka pada SeaDAS dengan klik File > Open > Klik 2x
pada raster data SPL dan Klorofil-a
Reproject data dengan klik toolbar raster > Reproject > Save dengan format Geotiff
dan rename data sesuai yang diinginkan
Buka file Geotiff pada software ArcGIS 10.3 sesuai dengan Band Data (Klorofil-a
band 13 dan SPL band 1) dengan klik Catalogue > seret data band 13 untuk
Klorofil-a dan band 1 untuk SPL
Clip data raster dengan add rectangle pada lokasi yang ditentukan > Klik Toolbar
Windows > Image Analysis > Klik data raster pada layer > Klik data raster pada
box Image Analysis > pilih simbol clip
Reclass nilai SPL dan Klorofil-a > Search > Reclassify > Data termasuk range nilai
di reclass angka 1 dan diluar range reclass angka 0
Overlay data dengan klik Search > Raster calculator > tambahkan data SPL dan
Klorofil-a yang sudah direclass > Ok
Tampilan selain nilai 2 diberi warna transparan dan selanjutnya layouting peta
21
3.3. Metode Pengolahan Data
Processing Data:
1. Buka laman NASA OceanColor dan login. Lalu klik Data - Level 3 Browser.
Surface Temperature 11µ Daytime, Period: Monthly, Resolution: 4km, lalu klik
22
Gambar 8. Memilih data citra
23
Gambar 10. Buka aplikasi SeaDAS
5. Pilih NC file data citra yang telah diunduh lalu klik Open Product
data citra.
24
Gambar 12. Klik raster
8. Klik icon Crop pada toolbar untuk memulai proses cropping wilayah. Pilih Geo
Coordinates lalu isi kolom dengan koordinat wilayah yang ditentukan, klik OK.
25
Gambar 14. Cropping wilayah
9. Doubleclick raster ‘Chl-aor_a’ / ‘sst’ yang baru muncul pada Layer Manager.
10. Pada Color Manager, pilih Scheme Selector ‘Chl-a’ / ‘SST’, lalu klik ‘Set from
Band Data’.
26
Gambar 16. Color manager
11. Klik Raster - Reproject untuk menyimpan data raster hasil cropping.
12. Beri nama dan tentukan lokasi penyimpanan file, lalu simpan dalam format
GeoTIFF.
27
Gambar 18. Save file
13. Buka aplikasi ArcGIS. Klik icon Add Data dan pilih file data citra hasil cropping,
14. Pada Arc Toolbox, pilih Conversion Tools - From Raster dan doubleclick
‘Raster to Point’.
28
Gambar 20. Mengubah data raster to point
15. Pada pop-up box, pilih Input Raster: data citra yang akan diolah (.tif), Field:
16. Pada Table of Content, klik kanan layer berbentuk Point - Open Attribute
Table.
29
Gambar 22. Open attribute table
18. Beri nama dan tentukan lokasi penyimpanan file, lalu simpan dalam format
dBase Table.
30
Gambar 24. Save file .dbf
19. Buka aplikasi Ms. Excel, klik Open lalu buka file tabel hasil konversi dan klik
Open.
20. Blok kolom ‘GRID_CODE’ yang berisi nilai Chl-a / SST selama 1 bulan, lalu
31
Gambar 26. Menghapus data pencilan
22. Klik File - Save As untuk menyimpan file hasil perhitungan rata-rata bulanan
Chl-a / SST. Beri nama file dan simpan dalam format Excel Workbook. Ulangi
32
Gambar 28. Save file
23. Klik File - Open untuk membuka file Excel ‘Form Oseper 2020’ Rata-rata
bulanan Chl-a / SST yang telah diperoleh dimasukkan kedalam tabel pada
33
Gambar 30. Input rata-rata bulanan pada sheet Temperature
24. Buka sheet ‘CPUE’, isi tabel dengan data pada file Excel ‘Form Penangkapan
Ikan’ wilayah masing-masing. Lalu hitung nilai CPUE beserta Total CPUE tiap
25. Buka sheet ‘Rata-Rata CPUE’, isi tabel dengan data pada sheet ‘CPUE’. Lalu
34
Gambar 32. Hitung rata-rata bulanan CPUE
1. Buka aplikasi Ms. Excel. Buka sheet ‘Ano-Catch’ dan lengkapi tabel dengan
data pada sheet ‘Rata-Rata CPUE’. Lalu hitung nilai Ano-Catch bulanan
2. Buka sheet ‘Ano-Temp’ dan lengkapi tabel dengan data pada sheet
rumus.
35
Gambar 34. Sheet Ano-Temp
3. Buka sheet ‘Ano-Chlor’ dan lengkapi tabel dengan data pada sheet ‘Chl-
4. Buka sheet ‘Ano-Temp - Ano-Catch’ dan lengkapi tabel dengan data Ano-
Temp dan Ano-Catch selama 5 tahun. Lalu buat grafik hubungan antara Ano-
36
Gambar 36. Sheet Ano-Temp - Ano-Catch
5. Buka sheet ‘Ano-Chlor - Ano-Catch’ dan lengkapi tabel dengan data Ano-Chlor
dan Ano-Catch selama 5 tahun. Lalu buat grafik hubungan antara Ano-Chlor
6. Buka sheet ‘Ano-Temp - Ano-Chlor’ dan lengkapi tabel dengan data Ano-Temp
dan Ano-Chlor selama 5 tahun. Lalu buat grafik hubungan antara Ano-Temp
37
Gambar 38. Sheet Ano-Temp - Ano-Chlor
7. Buka sheet ‘DMI’ dan lengkapi tabel dengan data DMI dan Ano-Catch selama
8. Buka sheet ‘SOI’ dan lengkapi tabel dengan data SOI dan Ano-Catch selama 5
tahun. Lalu buat grafik hubungan antara SOI dengan Ano-Catch menggunakan
38
Gambar 40. Sheet SOI
9. Buka sheet ‘Nino 3.4’ dan lengkapi tabel dengan data Nino 3.4 dan Ano-Catch
selama 5 tahun. Lalu buat grafik hubungan antara Nino 3.4 dengan Ano-Catch
10. Buka sheet ‘All Data’ dan lengkapi tabel dengan data Ano-Catch, Ano-Temp,
39
Gambar 42. Sheet All Data
11. Untuk mencari korelasi antar variabel pada sheet ‘Statistics’, digunakan
aplikasi Minitab. Buka aplikasi Minitab, lalu Copy seluruh data pada sheet ‘All-
Data’.
40
Gambar 44. Paste data ke Minitab
14. Pada pop-up box, pilih Method: Pearson Correlation, serta pilih dua variabel
41
Gambar 46. Metode Pearson Correlation
14. Pindahkan nilai r dan P-value yang muncul pada Session Minitab ke sheet
15. Ulangi langkah pengerjaan Minitab sampai seluruh variabel terisi lengkap. Lalu
sudah tersedia.
42
Gambar 48. Koefisien korelasi
16. Klik File - Save As untuk menyimpan file hasil analisis data. Beri nama file dan
3.3.3 ZPPI
Peta ZPPI:
1. Buka laman NASA OceanColor dan login. Lalu klik Data - Level 1 & 2 Browser.
43
Gambar 50. Laman NASA OceanColor
3. Perhatikan kondisi awan di wilayah yang ditentukan. Apabila data citra bersih
44
Gambar 52. Pilih data citra
4. Klik hyperlink dengan kode (_OC) dan (_SST) untuk mengunduh data Chl-a
dan SST.
5. Buka aplikasi SeaDAS, lalu klik File - Open untuk membuka file.
45
Gambar 54. Membuka aplikasi SeaDAS
6. Pilih NCfile data citra Chl-a / SST yang telah diunduh lalu klik Open Product.
7. Doubleclick raster ’Chl-aor_a’ pada layer Chl-a untuk memunculkan data citra
klorofil.
46
Gambar 56. Raster Chl-aor-a
8. Klik Raster - Reproject untuk menyimpan data raster Chl-a hasil reproject.
9. Beri nama dan tentukan lokasi penyimpanan file, lalu simpan dalam format
GeoTIFF.
47
Gambar 58. Save file
10. Doubleclick raster ’sst’ pada layer SST untuk memunculkan data citra SST.
11. Klik Raster - Reproject untuk menyimpan data raster SST hasil reproject.
48
Gambar 60. Reproject
12. Beri nama dan tentukan lokasi penyimpanan file, lalu simpan dalam format
GeoTIFF.
13. Perhatikan urutan raster ‘Chl-aor_a’ dan ‘sst’ pada masing-masing layer untuk
mengetahui urutan raster band Chl-a dan SST. ‘Chl-aor_a’ berada pada urutan
49
Gambar 62. Band ke-13 (‘Chl-a')
14. Buka aplikasi ArcGIS, klik Windows - Catalog. Pada raster Chl-a, drag raster
‘Band_13’ untuk memunculkan citra ‘Chl-aor_a’. Klik Yes pada popup box
yang muncul.
50
Gambar 64. Memunculkan citra Chl-a pada ArcGIS
15. Pada raster SST, drag raster ‘Band_1’ untuk memunculkan citra ‘sst’. Klik Yes
16. Ubah Color Ramp pada layer SST menjadi merah, sedangkan pada layer Chl-
51
Gambar 66. Color Ramp Merah (SST)
17. Klik icon Add Data untuk memasukkan shapefile Peta Indonesia.
52
18. Klik icon Rectangle untuk menandai wilayah perairan yang ingin diclip.
20. Klik layer SST pada Table of Content dan klik file SST pada popup box, lalu
53
Gambar 71. Clip layer SST
21. Klik layer Chl-a pada Table of Content dan klik file Chl-a pada popup box, lalu
22. Klik kanan layer Chl-a pada Table of Content, lalu klik Data - Export Data.
54
Gambar 73. Export data
23. Pada popup box, pilih Extent : Selected Graphics (Clipping), Spatial Reference
: Raster Dataset. Beri nama dan tentukan lokasi penyimpanan file, lalu simpan
dalam format TIFF. Ulangi langkah yang sama pada layer SST.
55
Gambar 75. Rectangle Properties
25. Ubah warna pada Fill Color dan Outline Color menjadi No Color, dan atur
26. Ubah Color Ramp pada layer clip SST menjadi merah, sedangkan pada layer
56
Gambar 77. Color Ramp Merah (Clip SST)
27. Untuk memulai proses reclassify, klik Windows - Search. Pada kolom Search,
57
Gambar 79. Reclassify (Spatial Analyst)
28. Pada popup box, pilih Input Raster : Data citra SST yang telah diclip (.tif), lalu
klik Classify. Ubah Classes : 3, lalu ubah nilai Break Valuesnya menjadi 25;
32; dan nilai SST Maksimum, lalu klik Ok. Ubah nilai New Values pada Baris
pertama : 0; Baris kedua : 1; Baris ketiga : 0. Beri nama dan tentukan lokasi
29. Ulangi langkah serupa untuk pada data clip Chl-a. Pada popup box, pilih Input
Raster : Data citra Chl-a yang telah diclip (.tif), lalu klik Classify. Ubah
Classes : 3, lalu ubah nilai Break Values-nya menjadi 0,1; 2; dan nilai SST
Maksimum, lalu klik OK. Ubah nilai New Values pada Baris pertama : 0; Baris
58
kedua : 1; Baris ketiga : 0. Beri nama dan tentukan lokasi penyimpanan file,
30. Pada kolom Search, ketik ‘Raster Calculator’ dan pilih opsi ‘Raster Calculator
(Spatial Analyst)’ untuk proses Overlay ZPPI. Pada popup box, jumlahkan data
reclassify Chl-a dengan data reclassify SST. Beri nama dan tentukan lokasi
penyimpanan file, lalu simpan dalam format Raster datasets. Klik OK.
31. Ubah nama dan warna pada layer hasil Overlay ZPPI. Untuk layer ‘0’ dan ‘1’
59
Gambar 83. Ubah nama layer
32. Klik icon Layout View yang berada di pojok kiri bawah untuk mengubah
60
BAB 4. HASIL DAN PEMBAHASAN
Hasil dan analisis korelasi dari berbagai variabel anomali terhadap anomal
Variabel R P-Value
Ano-Catch – Ano-Temp 0.121 0.362
dari tangkapan ikan tembang di daerah Pelabuhan Perikanan Trenggalek. Nilai Ano-
Temp terendah terjadi pada bulan September 2019 dengan nilai -3.498˚C
sedangkan nilai tertinggi terjadi pada bulan September 2016 dengan nilai 3.839˚C
61
Sedangkan untuk Ano-Catch terendah terjadi pada bulan Desember 2016 dengan
nilai -508.727 Kg/Unit sementara untuk nilai tertinggi pada bulan Januari 2019
dengan nilai 1224.721 Kg/Unit. Kemudian jika dilihat dari hasil dari tabel correlation
matrix yang diolah di aplikasi Minitab diperoleh nilai r sebesar 0.121 yang berarti
keeratan hubungan nilai antara Ano-Temp dan Ano-Catch adalah lemah dengan
korelasi berbanding lurus karena bernilai positif. Diperoleh juga nilai P-Value
sebesar 0.363 artinya terima H0 karena lebih besar dari α 0.05. Jadi dapat
Menurut Angraeni, et al. (2014), suhu perairan yang disukai untuk ikan
cakalang berada pada kisaran 29,5 sampai 31C dengan hasil tangkapan tertinggi
termal front dengan hasil tangkapan ikan cakalang di perairan Teluk Bone pada
bulan September dan Oktober ikan cakalang yang tertangkap sebagian berada pada
tangkapan 2.290 ekor, kisaran suhu 29-32C, dengan selisih suhu 0,4-1,1C
ditemukan di perairan Kabupaten Luwu dan Kabupaten Kolaka utara. Selain itu
Teluk Bone memiliki kecenderungan perubahan iklim yang lebih rendah dari
biasanya pada musim peralihan dari Barat ke Timur dan dari Timur ke Barat dimana
anomali rata-rata yaitu anomali negatif yang berkisar antara -4,6002 sampai-
0,0684C, sedangkan ikan cakalang tertangkap pada anomali negatif yaitu berkisar
suhunya lebih rendah dari biasanya.Sedangkan daerah thermal front pada musim
peralihan dari Barat ke Timur dan dari Timur ke Barat di Teluk Bone terjadi di daerah
62
4.1.2 Ano-Catch dengan Ano-Chlor
Variabel R P-Value
Berdasarkan data dan grafik yang di peroleh, diketahui nilai dari Ano-Chlor terendah
pada bulan November 2017 dengan nilai -1.047 mg/l dan tertinggi pada bulan
November 2019 dengan nilai 2.016 mg/l dan nilai terendah dari Ano-Catch pada
bulan Desember 2015 dengan nilai -508.727 kg/unit kemudian yang tertinggi pada
bulan Januari 2019 dengan nilai 1224.721 kg/unit. Dari pengolahan data diatas di
dapat nilai korelasi r dan P-value, nilai r yang diperoleh sebesar -0.197 dari nilai
lemah dengan korelasi berbanding terbalik karena bernilai negatif. Diperoleh nilai P-
63
value sebesar 0.136 artinya terima H0 karena lebih besar dari α 0.05. Jadi dapat
Menurut Putra, et al. (2012), kandungan klorofil-a pada suatu perairan sangat
erat kaitannya dengan rantai makanan. Kandungan klorofil-a yang tinggi pada
rantai makanan yang menunjang produktifitas ikan di perairan. Ikan layang dan ikan
banyar merupakan jenis ikan pelagis yang keberadaanya tidak secara langsung
dipengaruhi oleh klorofil-a. Secara deskriptif terlihat pada kedua jenis ikan pelagis ini
akan menunjukkan kecenderungan dimana nilai CPUE ikan akan naik saat
Berikut adalah hasil korelasi antara Ano-Catch dengan DMI yang terletak
pada tabel 5 :
64
Tabel 5. Tabel korelasi Ano-Catch dan DMI
Variabel r P-Value
Perairan Trenggalek pada tahun 2015-2019. DMI minimum pada Juli 2016 sebesar
-0.661. DMI maksimum pada October 2019 sebesar 1.123. Ano-Catch minimum
pada Desember 2015 dan Desember 2016 sebesar -508.727 kg/unit. Ano-Catch
maksimum pada Januari 2019 sebesar 1224.721 kg/unit. Diketahui nilai korelasi
antara DMI dan Ano-Catch sebesar -0.031. Artinya korelasi antara DMI dengan Ano-
yang lemah (0 < r ≤ 0.25) dan berbanding terbalik (sebab nilainya negative). Jika
Ano-Catch meningkat, maka anomali DMI cenderung menurun. Selain itu diketahui
P-value = 0.818 sehingga terima H0. Jadi dapat disimpulkan hubungan antara Ano-
Catch dengan anomali DMI adalah signifikan, sebab P-value > α (0.05).
Menurut [ CITATION Yog14 \l 1033 ], Dipole Mode Index (DMI) memiliki dua
model yaitu positif (+) dan negative (-). IODM (+) / DMI (+) yang berhubungan
sehingga populasi ikan meningkat. Fenomena ini terjadi karena suhu permukaan
laut yang sangat rendah tetapi nilai klorofil-a sangat tinggi, berbanding terbalik.
Sedangkan IODM (-) / DMI (-) berhubungan dengan La-Nina menyebabkan perairan
Indonesia termasuk selatan Jawa memiliki suhu permukaan laut yang lebih tinggi
dari kondisi normal akibat curah hujan yang tinggi. Pada masa ini terjadi fenomena
downwelling yang intensif dan berdurasi lama di perairan selatan Jawa yang
menyebabkan fitoplankton turut terbawa ke kolom air yang lebih dalam. Fenomena
65
ini menyebabkan perairan selatan Jawa menjadi tidak produktif sehingga hasil
Berikut adalah hasil korelasi antara Ano-Catch dengan SOI yang terletak
pada tabel 6 :
Variabel R P-Value
Ano-Catch - SOI 0.148 0.264
bulan September 2016 sebesar 1.280. SOI minimum pada bulan April 2016 dengan
nilai -2.610. Ano-Catch maksimum pada bulan Januari 2019 sebesar 1224.721
kg/unit. Ano-Catch minimum pada Desember 2016 dengan nilai -508.727. Diketahui
nilai korelasi antara Ano-Catch dan SOI sebesar 0.148. Artinya korelasi antara Ano-
Catch dengan SOI di Perairan Trenggalek pada tahun 2015-2019 memiliki keeratan
hubungan yang lemah (0 < r ≤ 0.25) dan berbanding lurus (sebab nilainya positif).
66
Jika Ano-Catch meningkat, maka SOI juga cenderung meningkat. Selain itu
diketahui nilai signifikan P-value = 0.264 sehingga terima H0. Jadi dapat disimpulkan
terdapat hubungan antara Ano-Catch dengan SOI adalah signifikan sebab P-value >
α (0.05).
diatas laut dari Darwin Tahiti disebut Southern Oscillation Index (SOI). ENSO
suhu permukaan laut rendah dan kandungan klorofil-a yang berlimpah sehingga
perairan selatan Jawa menjadi subur. Anomali hasil tangkapan dipengaruhi oleh
Berikut adalah hasil korelasi antara Ano-Catch dengan Ninõ 3.4 yang terletak
pada tabel 7 :
67
Tabel 7. Tabel korelasi Nino 3.4 dengan Ano-Catch
Variabel R P-Value
Pada grafik diatas dapat diketahui bahwa nilai Nino 3.4 terendah adalah
sebesar 25.720˚C pada bulan November 2017, sedangkan nilai Nino 3.4 tertinggi
adalah 29.230˚C pada bulan November 2015. Untuk Ano-Catch terendah adalah
-508.727 kg/unit pada bulan Desember 2016, sedangkan untuk Ano-Catch tertinggi
terjadi pada bulan Januari 2019 senilai 1224.721 kg/unit. Nilai korelasi (r) antara
Nino 3.4 dan Ano-Catch adalah -0.047 sehingga dapat disimpulkan bahwa korelasi
antara keduanya memiliki keeratan yang sangat lemah (0 < r ≤ 0.25) dan berbanding
terbalik (sebab nilainya negatif). Sedangkan untuk nilai P-value adalah 0.726
sehingga terima H0. Jadi disimpulkan bahwa terdapat hubungan antara Ano-Catch
diduga merupakan bias (outliners) dikarenakan armada rawai tuna pada bulan
tersebut jarang melakukan aktivitas karena karakteristik angin muson barat yang
menimbulkan cuaca buruk dan gelombang yang besar, sehingga ketika upaya
menurun maka nilai CPUE akan naik. Sedangkan distribusi rata-rata CPUE tahunan
tahun. Lonjakan (bump) nilai CPUE tahun 2009 diduga karena efek moderate El-
Nino yang mengakibatkan suhu laut menjadi lebih dingin, sehingga ikan-ikan bernilai
ekonomis tinggi, seperti ikan tuna dan sejenisnya dari kedalaman, akan berenang
mendekati permukaan laut. Sehingga ikan ikan tersebut akan mudah tertangkap dan
68
4.1.6 Ano-Temp dengan Ano-Chlor
Variabel R P-Value
Ano-Temp - Ano-Chlor -0.63 0.00
Pada grafik diatas dapat diketahui bahwa nilai Ano-Chlor terendah adalah
sebesar -1.047 g/cm3 pada bulan November 2017, sedangkan nilai Ano-Chlor
tertinggi adalah 2.016 g/cm3 pada bulan November 2019. Untuk Ano-Temp terendah
adalah
-3.498 OC pada bulan September tahun 2019, sedangkan untuk Ano-Temp tertinggi
terjadi pada bulan September 2016 senilai 3.839 OC. Nilai korelasi (r) antara Ano-
Chlor dan Ano-Temp adalah -0.63 sehingga dapat disimpulkan bahwa korelasi
antara keduanya memiliki keeratan yang kuat (0.5 < r ≤ 0.75) dan berbanding
terbalik (sebab nilainya negatif). Sedangkan untuk nilai P-value adalah 0.00
69
sehingga tolak H0, Jadi disimpulkan bahwa terdapat hubungan antara Ano-Chlor
Menurut Putra, et al. (2012), Hubungan antara SPL dan konsentrasi klorofil-a
dengan komoditas ikan pelagis menunjukkan respon yang berbeda antara satu jenis
ikan dengan jenis ikan lainnya. Ikan layang dan banyar memiliki respon yang negatif
terhadap SPL terutama pada musim timur. Hal ini diduga disebabkan karena
masuknya massa air yang bersuhu rendah dan bersalinitas tinggi dari Laut Flores
dan Selat Makassar pada musim timur. Ikan tongkol memperlihatkan pola dimana
menyebabkan turunnya nilai CPUE ikan tongkol. Sedangkan untuk ikan lemuru dan
ikan tembang menunjukkan tidak adanya hubungan langsung antara SPL dengan
nilai CPUE hasil tangkapan. Respon ikan pelagis terhadap konsentrasi klorofil-a
menunjukkan adanya respon positif pada komoditas ikan lemuru dan ikan tembang
dimana kenaikan konsentrasi klorofil-a diikuti dengan kenaikan nilai CPUE. Untuk
ikan layang, banyar dan tongkol kenaikan nilai konsentrasi klorofil-a tidak langsung
70
4.2 Analisis Peta ZPPI
Gambar 91. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 28 Juni 2019
Peta ZPPI diatas berada di wilayah perairan Trenggalek. Data yang diambil
bersumber dari website resmi Ocean Color pada 28 Juni 2019 dari citra satelit Aqua-
penangkapan ikan yang cukup signifikan pada bulan Juni 2019. Dalam penentuan
antaranya klorofil-a, arus laut, kedalaman perairan, dan lain-lain. Persebaran daerah
penangkapan ikan di perairan Trenggalek hampir merata pada bagian dekat pantai.
Kondisi zona potensi penangkapan ikan yang dikatakan tidak terlalu jauh dari
berdasarkan musim didukung dengan pengalaman dalam melihat kondisi alam dan
penangkapan ikan yang tidak begitu jauh dari pesisir maka informasi ini sangat
71
mendukung untuk aktivitas penangkapan ikan terutama untuk nelayan dengan kapal
ground) adalah lokasi tempat ikan banyak berkumpul dimana tempat tersebut dapat
Pulau Jawa. ZPPI dipengaruhi oleh parameter oseanografi salah satunya SPL dan
tersebut memiliki konsentrasi klorofil-a antara 0,2 mg/m3- 1,7 mg/m3. Perairan
Selatan Pulau Jawa terdapat 166 titik zona potensial penangkapan ikan. yang
tersebar secara merata dari Provinsi Banten hingga Jawa Timur sehingga dapat
disimpulkan bahwa perairan Selatan Pulau Jawa masih dalam kondisi baik dan layak
72
BAB 5. PENUTUP
5.1 Kesimpulan
nilai klorofil-a terbukti meningkatkan stok ikan di area yang sama. Selain itu
untuk mengcroping data yang akan diperlukan dan mereproject data berformat
73
nc file menjadi GeoTIFF. Lalu aplikasi ArcGis berfungsi untuk mengkonversi
data raster dan mengexport nilai point SST dan CHL perairan. Untuk aplikasi
Ms. Excel digunakan untuk mengolah data CpUE. Dan untuk aplikasi Minitab
pembuat peta ZPPI menggunakan data hasil tangkap ikan yang telah di ambil
dari beberapa wilayah yaitu Probolinggo dan Trenggalek yang mana akan
diolah untuk mendapatkan nilai dari beberapa variable, variable yang akan
dicari adalah variable, suhu, catch, klorofil, DMI, SOI, dan Nino3.4. Data yang
didapatkan seperti nilai dari suhu dan klorofil berasal dari Oceancolour
sedangkan data DMI, SOI, dan Nino 3.4 berasal dari www.esrl.noaa.gov. Lalu
5.2 Saran
secara daring ini sudah cukup baik. Pemberian materi secara sinkron melalui fitur
google meet serta asinkron melalui google classroom juga sudah berjalan dengan
baik. Praktikan dapat memahami materi yang telah diberikan asisten melalui
pembelajaran sinkron dan asinkron. Mengenai materi yang diberikan juga selaras
dengan materi yang diberikan di kelas. Pengerjaan pre test serta post test juga
sudah sesuai dengan waktu serta jumlah soal yang diberikan. Praktikum
Oseanografi Perikanan tahun ini dapat dikatakan sudah berjalan baik, materi yang
diberikan jelas, akan tetapi pada penyampaian materi sinkron diharapkan tidak
74
terlalu cepat dan terkesan terburu-buru, dan mungkin waktu penyampaian dapat
DAFTAR PUSTAKA
Angraeni., Nur Indah R., Safruddin., Mukti Zainuddin. 2014. Analisis Spasial Dan
Bramawanto, R. dan R. F. Abida. 2017. Tinjauan Aspek Klimatologi (ENSO dan IOD)
99.
Fadholi, A. 2013. Studi Dampak El Nino dan Indian Ocean Dipole (IOD) terhadap
Ghazali, I dan A. Manan. 2012. Prakiraan Daerah Penangkapan Ikan Di Selat Bali
4(1):87-92.
75
Hamuna, B., Y.P. Paulangan, L. Dimara. 2015. Kajian Suhu Permukaan Laut
Nino 3.4 Dan Southern Oscillation Index (SOI) Dengan Variasi Curah Hujan
Mode-DM#:~:text=Hasil%20perhitungan%20perbedaan%20nilai%20
Oktober 2020.
76
Panjaitan, R., A. Mulyadi, M. Ghalib. 2017. Analysis Distribution Of Sea Surface
Putra, E., Gaol, J. L., & Siregar, V. P. (2012). Hubungan Konsentrasi Klorofil-A Dan
Setyadji, B. & Amri, K., 2016. Pengaruh Anomali Iklim (ENSO Dan IOD) Terhadap
77
Wibisana, H., M. S. Bangun, L. Umboro. 2018. Penentuan Model Matematis Yang
78
LAMPIRAN
Lampiran 1. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 20 Juni 2019
79
Lampiran 2. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 6 Juni 2019
Lampiran 3. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 17 Juni 2019
80
Lampiran 4. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 29 Juni 2019
81
Lampiran 5. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 24 Juni 2019
Lampiran 6. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 28 Juni 2019
82
Lampiran 7. Peta
ZPPI di perairan Trenggalek dan sekitarnya pada 10 Juni 2019
Lampiran 8. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 8 Juni 2019
83