Laporan Praktikum Oseper Kelompok 6 Fix

LAPORAN PRAKTIKUM
OSEANOGRAFI PERIKANAN
Oleh :
KELOMPOK 6
PROGRAM STUDI ILMU KELAUTAN

JURUSAN PEMANFAATAN SUMBERDAYA PERIKANAN DAN KELAUTAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS BRAWIJAYA
MALANG
2020
LAPORAN PRAKTIKUM
OSEANOGRAFI PERIKANAN
Oleh:
KELOMPOK 6
AULIA LANUDIA FATHAH 185080601111023

FADHILAH ESTU NURYANI 185080600111037
FAJAR BAGUS SUJIWO 185080601111007
MARIA MARTHA EVELYN 185080601111021
MUHAMMAD ARIQ KAUTSAR 185080601111013
MUHAMMAD ZAIDAN TAUFIK 185080607111004
RIZALDY AGUNG PERMANA 185080601111015
WINDI ANASTASIA RUMAPEA 185080601111028
PROGRAM STUDI ILMU KELAUTAN

JURUSAN PEMANFAATAN SUMBERDAYA PERIKANAN DAN KELAUTAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS BRAWIJAYA
MALANG
LAPORAN PENGESAHAN
LAPORAN PRAKTIKUM OSEANOGRAFI PERIKANAN
Oleh:
Kelompok 06
Dinyatakan memenuhi persyaratan Praktikum Oseanografi Perikanan
Pada tanggal
Menyetujui,
Koordinator Asisten Asisten Praktikum
Putri Dila
Daniel Ananggadipa
NIM. 175080601111011
NIM. 175080600111021
Mengetahui,
Koordinator Mata Kuliah
Ir. Aida Sartimbul, M.Sc., Ph.D.

NIP. 19780901 199403 2 001
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa sehingga penulis dapat
menyelesaikan laporan praktikum Oseanografi Perikanan ini. Laporan ini merupakan
salah satu syarat kelulusan praktikum oseanografi perikanan dalam mata kuliah
Oseanografi Perikanan, Fakultas Perikanan dan Ilmu Kelautan, Universitas
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
sehingga lebih baik lagi kedepanya.
Penulis tidak lupa menyampaikan ucapan terima kasih kepada semua pihak
yang telah membantu dalam menyelesaikan laporan ini. Akhirnya penulis berharap
laporan praktikum ini membawa manfaat bagi pembaca.
Malang, 4 November 2020
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
8. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 8 Juni 2019....................82
viii
BAB 1. PENDAHULUAN
1.1 Latar Belakang
Menurut Suniada dan Susilo (2017), Dinamika oseanografi suatu perairan
sangat erat kaitannya dengan karakteristik sumberdaya kelautan dan perikanan
yang terkandung di dalamnya. Kondisi oseanografi perairan Indonesia secara umum
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
posisi dan penyinaran matahari. Perbedaan tekanan tersebut akan menyebabkan
perubahan pergerakan arah dan kecepatan angin. Musim timur (April – Oktober)
angin yang berhembus dari Australia membawa massa udara yang hangat dan
kering akan menyebabkan musim kemarau di Indonesia, sedangkan sebaliknya
pada musim barat angin yang berhembus dari Asia membawa massa udara yang
hangat dan mengandung banyak uap air akan menyebabkan musim hujan.
Menurut Hamzah, et al. (2016), informasi titik koordinat zona potensi
penangkapan ikan (ZPPI) sangat diperlukan oleh pengguna agar lebih efektif dalam
melakukan operasi penangkapan ikan. menentukan titik koordinat ZPPI berdasarkan
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
satunya adalah perubahan ekosistem yang terjadi di perairan pesisir pantai.
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
permasalahan tersebut, dan teknologi ini memiliki keunggulan. Keunggulan dalam
memetakan area yang cukup besar serta ditunjang dengan kemampuan multi
temporal.
Menurut Nuzapril, et al. (2017), klorofl-a merupakan pigmen ftoplankton yang
berperan dalam proses fotosintesis. Deteksi pada hal ini dapat diketahui bahwa
didapatkan dari hasil konsentrasi klorofl-a dimana hal tersebut melalui satelit hanya
dapat menduga konsentrasi klorofl-a permukaan dan bukan produktivitas primer.
Produktivitas primer dapat berlangsung sampai kedalaman kompensasi atau
kedalaman dimana intensitas cahaya tinggal 1% dari intensitas cahaya permukaan.
Klorofil-a sendiri juga merupakan indicator bagi kelimpahan di perairan yang
berperan dalam proses fotosintesis.
2
1.2 Tujuan
1. Praktikan mampu memahami dinamika penangkapan dengan menggunakan
pendekatan oseanografi
2. Praktikan mengenal dan mampu menguasai perangkat lunak sebagai alat
untuk mengolah data parameter perairan
3. Praktikan mampu menentukan wilayah potensi penangkapanikan berdasarkan
parameter oseanografi
1.3 Waktu dan Tempat
Praktikum Oseanografi Perikanan dilakukan via daring (online) dengan
menggunakan media Zoom dan Google Classroom. Rangkaian praktikum
Oseanografi Perikanan dibagi menjadi 3 rangkaian, yakni pada praktikum 1
dilaksanakan pada tanggal 16 Oktober 2020, praktikum 2 dilaksanakan pada tanggal
23 Oktober 2020, dan pada praktikum 3 dilaksanakan pada tanggal 24 Oktober
2020. Data hasil tangkapan didapat melalui email dari pelabuhan perikanan
nusantara prigi trenggalek.
3
BAB 2. TINJAUAN PUSTAKA
2.1 Data Hasil Tangkap
Menurut Wulandari, et al. (2018), dari hasil analisis yang telah dilakukan,
daerah penangkapan ikan potensial yang direkomendasikan adalah pada wilayah
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
dengan pernyataan Irawan (2017) yang menyatakan bahwa daerah penangkapan
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
yang tumbuh di sepanjang pesisir timur sampai Situbondo.
Menurut Rachman, et al. (2013), musim ikan hanya berlangsung sekitar 8
bulan dari bulan Oktober sampai Mei, ikan paling banyak berada dari setiap bulan
Oktober sampai dengan bulan Maret. Diluar musim penangkapan tersebut, hasil
tangkapan sedikit. Pada musim penangkapan, maka akan dihasilkan tangkapan
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
jual yang lumayan tinggi daripada jenis ikan lainnya.
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
penangkapan yang berbeda seperti salah satunya menggunakan alat tangkap
payang. Payang dioperasikan pada lapisan permukaan air (water surface) dengan
tujuan untuk menangkap jenis-jenis ikan pelagis yang membentuk kelompok
(schooling).
2.2 SST (Sea Surface Temperature)
Menurut Syarifullah (2015), suhu permukaan laut atau sea surface
temperature merupakan komponen penting yang dapat mengendalikan cuaca dan
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
Indonesia diasosiasikan sebagai indeks banyaknya uap air pembentuk awan di
atmosfer. Jika suhu permukaan laut panas maka uap air di atmosfer banyak akibat
proses konveksi atau penguapan. Sebaliknya, jika suhu permukaan laut dingin maka
uap air di atmosfer menjadi berkurang akibat kurangnya penguapan. Suhu
permukaan laut di wilayah Indonesia mempunyai kisaran yang cukup lebar yaitu
26,0°C hingga 31,5°C.
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
ikan. Menjelaskan informasi mengenai variabilitas spasial suhu dan klorofil-a
permukaan laut dapat digunakan untuk mempermudah pengelolaan dan
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
areal permukaaan laut secara sinoptik untuk mendeteksi perubahan-perubahan fisik
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
parameter fisik oseanografi yang digunakan untuk menganalisis daerah
penangkapan ikan (fishing ground) dan merupakan faktor yang sangat penting bagi
kehidupan organisme di lautan. Suhu permukaan laut mempengaruhi aktifitas
metabolisme maupun pekembangbiakan dari organisme-organisme yang ada di
perairan. Oleh karena itu, tidaklah mengherankan jika banyak dijumpai barmacam-
macam jenis hewan yang terdapat di berbagai perairan di dunia. Dari pola distribusi
citra suhu permukaan laut dapat dilihat fenomena oseanografi seperti upwelling,
front dan pola arus permukaan. Daerah yang mempunyai fenomena tersebut
umumnya merupakan perairan yang subur. Dengan diketahuinya daerah perairan
6
yang subur tersebut maka daerah penangkapan ikan dapat diketahui, karena migrasi
ikan cenderung ke perairan yang subur.
2.3 Klorofil
Menurut Panjaitan, et al. (2017), parameter penting kualitas perairan adalah
konsentrasi klorofil-a dan suhu permukaan laut. Fitoplankton memegang peranan
penting pada ekosistem perairan. Fitoplankton dikenal sebagai tumbuhan yang
mengandung pigmen klorofil sehingga mampu melakukan fotosintesis. Kandungan
klorofil pada perairan memiliki keterkaitan dengan kelimpahan fitoplankton.
Pengaruh suhu permukaan laut terhadap pertumbuhan fitoplankton secara tidak
langsung akan mempengaruhi konsentrasi klorofil-a suatu perairan. Klorofil-a sendiri
adalah pigmen yang terdapat pada fitoplankton. Dengan demikian, klorofil-a dapat
dijadikan parameter untuk mendeteksi keberadaan fitoplankton suatu perairan.
Klorofil-a di suatu perairan dapat digunakan sebagai ukuran produktivitas primer
fitoplankton, karena pada umunya dapat dijumpai pada semua jenis fitoplankton.
Menurut Effendi, et al. (2012), di lautan, klorofil-a identik dengan adanya
phytoplankton yang merupakan sumber makanan primer bagi organisme laut
terutama ikan. Pengukuran kandungan klorofil-a merupakan salah satu alat
pengukur kesuburan suatu perairan yang dinyatakan dalam bentuk produktivitas
primer. Konsentrasi klorofil-a pada suatu perairan sangat tergantung pada
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
peranan penting dalam berlangsungnya proses fotosintesis di perairan yang dapat
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
keterbatasan nutrien dan kuatnya stratifikasi kolom perairan akibat pemanasan
permukaan perairan yang terjadi hampir sepanjang tahun. Namun berdasarkan pola
sebaran klorofil-a secara musiman dan spasial, di beberapa bagian perairan
dijumpai konsentrasi klorofil-a yang cukup tinggi yang disebabkan karena terjadinya
pengkayaan nutrien pada lapisan permukaan perairan melalui proses dinamika
massa air, di antaranya upwelling, percampuran vertical, serta pola pergerakan
massa air yang membawa massa air kaya nutrien dari perairan sekitarnya.
2.4 ENSO (El Ninõ Southern Oscillation)
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
laut Indonesia yang terpengaruh ENSO dilakukan dengan menghitung korelasi
antara sea level anomaly dari data satelit altimetri dengan indeks El Nino Oscillation
Southern Oscilation (Multvariate ENSO Index, Southern Oscillation Index, Nino
Oscillation Index).
Menurut Handoko, et al. (2019), ENSO (El Nino Oscillation Southern
Oscilation) adalah fenomena yang terjadi karena penyimpangan hubungan El Nino
Oscillation Southern Oscilation antara laut dan atmosfer sepanjang Samudera
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
penurunan (penyimpangan) sehingga curah hujan menurun. Hal sebaliknya akan
terjadi ketika fenomena La Nina. Fenomena ENSO (El Nino Southern Oscillation)
dapat dilihat dari indikator anomali suhu permukaan laut, tekanan udara di
atmosfer/Southern Oscillation, dan elevasi permukaan laut.
ENSO (El Nino Oscillation Southern Oscilation) merupakan fenomena interaksi
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
adanya fenomena El Nino dan La Nina. El Nino menyebabkan laut Indonesia
menjadi lebih dingin, sedangkan La Nina meyebabkan laut Indonesia menjadi
hangat. El Nino ditandai dengan (Southern Oscillation Index/SOI) negatif, sebaliknya
La Nina ditandai SOI positif.
2.4.1 SOI (Southern Oscillation Index)
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
mengindikasikan terjadinya La Nina. Intensitas El Nino dikatakan semakin kuat
apabila nilai SOI menunjukkan angka negatif yang semakin besar. Nilai SOI
berkorelasi kuat dengan curah hujan, karena itu perubahan nilai SOI merupakan
indikator yang baik bagi perubahan curah hujan dikawasan tersebut.
9
Menurut Mantiri, et al. (2016), Southern Oscillation Index adalah sebuah
indikasi pengembangan dan inensitas peristiwa El Niño dan La Niña di samudera
pasifik. Kekuatan El Niño tidak selalu sama. El Niño memiliki intensitas yang dilihat
berdasarkan besarnya penyimpangan suhu muka laut yang menyebabkan
perubahan tekanan udara di atasnya dari nilai rata-ratanya. Tekanan udara yang
berubah tersebut terbaca melalui SOI, dimana semakin kuat intensitas El Niño,
semakin negatif nilai SOI. Begitupula sebaliknya, semakin rendah intenstiasnya,
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
permukaan laut di Darwin lebih besar di bandingkan normalnya, sedangkan suhu
permukaan laut di daerah Tahiti lebih rendah dibandingkan normalnya.
2.4.2 Ninõ 3.4
Menurut Mantiri, et al. (2016), indeks Nino atau Indeks Oceanic yaitu Indeks
yang menunjukkan pembagian daerah peengukuran nilai SST (Sea Surface
Temperatur) di daerah-daerah yang berada di Laut Pasifik. Pada zaman dahulu
pengamatan masih menggunakan pelayaran kapal-kapal sehingga jalurnya terbagi
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
kondisi SST terhadap kejadian El Niño, sehingga sekarang pengamatan difokuskan
10
pada wilayah Nino 3,4. Dengan melihat anomali suhu muka laut maka dapat
ditentukan intensitas fenomena El Niño maupun La Niña yang terjadi.
Gambar 1. Wilayah Nino 3,4
(Mantiri, et al., 2016)
Menurut Hidayat, et al. (2018), untuk mengetahui fenomena ENSO digunakan
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
yang mampu merepresentasikan semua SPL di Samudera Pasifik. Anomali curah
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.
ENSO diklasifikasikan dalam empat anomali Sea Surface Temperature (SST),
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
merepresentasikan semua SPL di Samudera Pasifik. Nino 3 dinilai kurang
merepresentasikan, sedangkan Nino 4 variasi suhunya sangat kecil.
2.5 IOD (Indian Ocean Dipole)
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
menghasilkan tekanan tinggi di Samudera Hindia bagian Timur (bagian Selatan
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
laut secara anomali menghangat di Samudera Hindia barat, sedangkan di bagian
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.
Menurut Bramawanto dan Abida (2016), IOD adalah fenomena lautan
atmosfer di daerah ekuator Samudera Hindia yang mempengaruhi iklim di Indonesia
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
Samudera Hindia bagian Barat (Benua Afrika) dibandingkan dengan Samudera
Hindia bagian Timur (Indonesia). Sedangkan IOD (-) adalah kebalikan dari IOD (+)
12
yaitu dengan menghangatnya bagian Timur Samudera Hindia dan lebih rendahnya
suhu di bagian Barat Samudera Hindia. Fenomena tersebut memainkan peranan
penting terhadap cuaca di Indonesia selama satu tahun.
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
dengan ENSO yang membedakannya ENSO di Samudera Pasifik sedangkan IOD di
Samudera Hindia. IOD disebabkan karena perbedaan anomali Suhu permukaan
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
Afrika meningkat sedangkan SST di Samudera cenderung rendah.
2.5.1 DMI (Dipole Mode Index)
Menurut Kertayasa, et al. (2013), Dipole Mode Index (DMI) adalah indeks
yang menggambarkan perbedaan anomali suhu permukaan laut antara perairan
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
bagian barat akan bertambah.
Menurut LAPAN (2020), interaksi yang cukup kuat antara atmosfer dan lautan
di wilayah Samudera Hindia menghasilkan fenomena Dipole Mode (DM) yang
didefinisikan sebagai tanda-tanda atau gejala akan meningkatnya suhu permukaan
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
permukaan di atas wilayah barat Sumatera relatif bertekanan lebih tinggi
dibandingkan wilayah timur Afrika yang bertekanan relatif rendah, sehingga udara
mengalir dari bagian barat Sumatera ke bagian timur Afrika yang mengakibatkan
pembentukkan awan-awan konvektif di wilayah Afrika dan menghasilkan curah hujan
di atas normal, sedangkan di wilayah Sumatera terjadi kekeringan, begitu sebaliknya
dengan Dipole Mode Negatif (DMN).
Gambar 2. Dipole Mode Positif
(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
di Samudera Hindia sangat mempengaruhi pola curah hujan di Indonesia. Pada
saat terjadi Dipole Mode di Samudera Hindia, umumnya curah hujan di Indonesia
mengalami penurunan. Hal ini berkaitan dengan adanya anomali positif
angin tenggara pada saat dipole mode berlangsung sehingga angina tenggara
yang berhembus di daerah tersebut semakin kuat. Kuatnya angin tenggara yang
hanya sedikit mengandung air mengakibatkan semakin sulitnya terjadi hujan.
2.6 ZPPI (Zona Potensi Penangkapan Ikan)
Menurut Suhadha, et al. (2019), Zona Potensi Penangkapan Ikan (ZPPI)
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
terbentuknya. Arus permukaan memiliki pengaruh kuat terhadap persebaran suhu
permukaan laut (SPL).
Menurut Maryanto dan Febriyanti (2020), Zona Potensi Penangkapan Ikan
(fishing ground) adalah lokasi yang diduga merupakan tempat berkumpulnya ikan.
Lokasi tersebut diprediksi menggunakan parameter oseanografi yang diekstraksi
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
penangkapan ikan yang baik untuk perikanan pelagis kecil.
ZPPI (Zona Potensi Penangkapan Ikan) merupakan lokasi yang diduga
merupakan tempat berkumpulnya ikan. ZPPI dipengaruhi oleh parameter
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
diharapkan dapat digunakan nelayan dalam upaya meningkatkan hasil tangkapan
ikan dan efisiensi operasi penangkapan ikan.
16
BAB 3. METODOLOGI
3.1 Alat dan Bahan
Alat yang digunakan pada praktikum oseanografi perikanan adalah sebagai
berikut pada tabel 1:
Tabel 1. Alat dan fungsinya
No Nama Spesifikasi Fungsi
.
1 Laptop Corel i3 Untuk mengolah data perikanan
2 Kabel rol Panjang 2 meter Untuk membantu menyalurkan
listrik sebagai daya laptop

3 Mouse Wireless/kabel Untuk membantu mengolah
data pada laptop

4 SeaDAS Versi 7.2 Untuk memindahkan data
5 ArcMap Versi 10.3 Untuk mengubah data dari nc
file ke tiff file dan cropping

6 Microsoft Excel Versi 2016 Untuk mengolah data perikanan,
SST dan Chl-a

7 Minitab Versi 17 Untuk mengetahui korelasi dari
data parameter
8 Zoom Meeting - Untuk melakukan kegiatan
praktikum secara daring
17
Bahan yang digunakan pada Praktikum Oseanografi Perikanan adalah
sebagai berikut pada tabel 2:
Tabel 2. Bahan dan fungsinya
No Nama Spesifikasi Fungsi
.
1 Data SST Aqua MODIS Sea Surface Untuk data suhu
Temperature (11µ permukaan laut
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
daerah Samudera Hindia antara WTIO dan SETIO
pada tahun 2015-2019

4 Data SOI Data anomali Sea Level Untuk data anomali SPL
Surface (SLP) pada antara Darwin dan Tahiti
daerah Samudera Pasifik

5 Data Nino 3.4 Data anomali suhu pada Untuk data anomali suhu
daerah Samudera Pasifik antara Nino 3 dan Nino 4

7 Data Perikanan Tahun 2015-2019 Data perikanan yang
akan diolah
8 Kuota Internet 1 GB Untuk membantu
praktikum secara daring

3.2 Skema Kerja
Adapun skema pengerjaan pengolahan data dalam Praktikum Oseanografi
Perikanan dibagi menjadi 3, yaitu Pre-Processing Data, Data Analysis, dan ZPPI.
18
3.2.1 Pre-Processing Data
Berikut ini adalah skema kerja Praktikum Oseanografi Perikanan dengan
materi pre-processing data yang terletak pada gambar 4:
Unduh data pada website Oceancolor
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
Mencari nilai rata-rata SSTdan Chl-a
Melengkapi data Ms. Excel nilai produksi, Effort, dan CPUE
Gambar 4. Skema kerja pre-processing data
19
3.2.2 Data Analysis
materi Data Analysis yang terletak pada gambar 5:
Copy-Paste CPUE, klorofil, dan suhu setiap tahunnya dan nilai rata-rata
Menghitung nilai anomali untuk semua parameter
Membuat grafik dari nilai anomali dengan nilai DMI, SOI, dan Nino 3.4
Mencari P Value dan nilai korelasi pada Minitab 17
Melakukan interpretasi
Gambar 5. Skema kerja data analysis
20
3.2.3 ZPPI
materi ZPPI yang terletak pada gambar 6:
Download data SPL dan Klorofil-a level 1 dan 2 di website

https://oceancolor.gsfc.nasa.gov/. Unduh data sesuai waktu yang dibutuhkan
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
Gambar 6. Skema kerja membuat peta ZPPI
21
3.3. Metode Pengolahan Data
Adapun metode pengolahan data dalam Praktikum Oseanografi Perikanan
dibagi menjadi 3, yaitu Pre-Processing Data, Data Analysis, dan ZPPI.
3.3.1 Pre-Processing Data
Berikut ini merupakan langkah-langkah pengerjaan pada tahap Pre-
Processing Data:
1. Buka laman NASA OceanColor dan login. Lalu klik Data - Level 3 Browser.
Gambar 7. Buka laman NASA OceanColor
2. Pilih opsi Sensor: MODIS-Aqua, Product: Chlorophyll Concentration / Sea
Surface Temperature 11µ Daytime, Period: Monthly, Resolution: 4km, lalu klik
data citra pada tahun dan bulan yang diinginkan.
22
Gambar 8. Memilih data citra
3. Klik SMI untuk mengunduh data citra.
Gambar 9. Unduh data
4. Buka aplikasi SeaDAS. Klik File - Open untuk membuka file.
23
Gambar 10. Buka aplikasi SeaDAS
5. Pilih NC file data citra yang telah diunduh lalu klik Open Product
Gambar 11. Open product
6. Doubleclick raster ’Chl-aor_a’ / ‘sst’ pada Layer Manager untuk memunculkan
data citra.
24
Gambar 12. Klik raster
7. Pada Color Manager, pilih Scheme Selector ‘Chl-a’ / ‘SST’.
Gambar 13. Color manager
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.
Gambar 15. Klik raster
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.
Gambar 17. Reproject
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,
lalu klik Add.
Gambar 19. Buka aplikasi ArcGIS
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:
Value, serta tentukan lokasi penyimpanan file hasil konversi.
16. Pada Table of Content, klik kanan layer berbentuk Point - Open Attribute
Table.
29
Gambar 22. Open attribute table
17. Klik Export untuk menyimpan tabel hasil konversi.
Gambar 23. Export file
dBase Table.
30
Gambar 24. Save file .dbf
19. Buka aplikasi Ms. Excel, klik Open lalu buka file tabel hasil konversi dan klik
Open.
Gambar 25. Open file .dbf
20. Blok kolom ‘GRID_CODE’ yang berisi nilai Chl-a / SST selama 1 bulan, lalu
Filter dan Delete Rows apabila terdapat data pencilan.
31
Gambar 26. Menghapus data pencilan
21. Hitung rata-rata bulanan Chl-a / SST dengan menggunakan rumus
Gambar 27. Hitung rata-rata bulanan Chl-a dan SST
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
langkah yang sama untuk pengerjaan bulan-bulan berikutnya selama 5 tahun.
32
23. Klik File - Open untuk membuka file Excel ‘Form Oseper 2020’ Rata-rata
bulanan Chl-a / SST yang telah diperoleh dimasukkan kedalam tabel pada
sheet ‘Chlorophyll’ / ‘Temperature’ hingga lengkap. Lalu hitung rata-rata
bulanan Chl-a / SST selama 5 tahun dengan menggunakan rumus.
Gambar 29. Input rata-rata bulanan pada sheet Chlorophyll
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
bulannya dengan menggunakan rumus.
Gambar 31. Input nilai hasil CPUE
25. Buka sheet ‘Rata-Rata CPUE’, isi tabel dengan data pada sheet ‘CPUE’. Lalu
hitung rata-rata bulanan CPUE selama 5 tahun dengan menggunakan rumus.
34
Gambar 32. Hitung rata-rata bulanan CPUE
3.3.2 Data Analysis
Berikut ini merupakan langkah-langkah pengerjaan pada tahap Data Analysis:
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
dengan menggunakan rumus.
Gambar 33. Sheet Ano-Catch
2. Buka sheet ‘Ano-Temp’ dan lengkapi tabel dengan data pada sheet
‘Temperature’. Lalu hitung nilai Ano-Temp bulanan dengan menggunakan
rumus.
35
Gambar 34. Sheet Ano-Temp
3. Buka sheet ‘Ano-Chlor’ dan lengkapi tabel dengan data pada sheet ‘Chl-
aorophyll’. Lalu hitung nilai Ano-Chlor bulanan dengan menggunakan rumus.
Gambar 35. Sheet Ano-Chlor
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-
Temp dengan Ano-Catch menggunakan tipe grafik ‘Combo Stacked Line’.
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
dengan Ano-Catch menggunakan tipe grafik ‘Combo Stacked Line’.
Gambar 37. Sheet Ano-Chlor - Ano-Catch
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
dengan Ano-Chlor menggunakan tipe grafik ‘Combo Stacked Line’.
37
Gambar 38. Sheet Ano-Temp - Ano-Chlor
7. Buka sheet ‘DMI’ dan lengkapi tabel dengan data DMI dan Ano-Catch selama
5 tahun. Lalu buat grafik hubungan antara DMI dengan Ano-Catch
menggunakan tipe grafik ‘Combo Stacked Line’.
Gambar 39. Sheet DMI
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
tipe grafik ‘Combo Stacked Line’.
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
menggunakan tipe grafik ‘Combo Stacked Line’.
Gambar 41. Sheet Nino 3.4
10. Buka sheet ‘All Data’ dan lengkapi tabel dengan data Ano-Catch, Ano-Temp,
Ano-Chlor, DMI, SOI dan Nino 3.4 selama 5 tahun.
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’.
Gambar 43. Copy data pada Ms. Excel
12. Paste data yang telah di-copy kedalam worksheet Minitab.
40
Gambar 44. Paste data ke Minitab
13. Untuk mencari korelasi, klik Stat - Basic Statistics - Correlation.
Gambar 45. Mencari korelasi antar variabel
14. Pada pop-up box, pilih Method: Pearson Correlation, serta pilih dua variabel
yang akan dicari nilai r dan P-Value -nya. Klik OK.
41
Gambar 46. Metode Pearson Correlation
14. Pindahkan nilai r dan P-value yang muncul pada Session Minitab ke sheet
‘Statistics’ pada Ms. Excel
Gambar 47. Nilai r dan P-value
15. Ulangi langkah pengerjaan Minitab sampai seluruh variabel terisi lengkap. Lalu
tentukan korelasi antar variabel berdasarkan tabel ‘Koefisien Korelasi’ yang
sudah tersedia.
42
Gambar 48. Koefisien korelasi
16. Klik File - Save As untuk menyimpan file hasil analisis data. Beri nama file dan
simpan dalam format Excel Workbook.
3.3.3 ZPPI
Berikut ini merupakan langkah-langkah pengerjaan pada tahap pembuatan
Peta ZPPI:
1. Buka laman NASA OceanColor dan login. Lalu klik Data - Level 1 & 2 Browser.
43
Gambar 50. Laman NASA OceanColor
2. Pilih data citra sesuai tanggal yang diinginkan, namun sebaiknya
memerhatikan kondisi awan di wilayah yang ditentukan. Pilih Region:
Indonesia, lalu klik ‘Find Swaths’.
Gambar 51. Find swaths
3. Perhatikan kondisi awan di wilayah yang ditentukan. Apabila data citra bersih
dari awan, klik hyperlink sesuai wilayah yang ditentukan.
44
Gambar 52. Pilih data citra
4. Klik hyperlink dengan kode (_OC) dan (_SST) untuk mengunduh data Chl-a
dan SST.
Gambar 53. Unduh data
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.
Gambar 55. 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.
GeoTIFF.
47
10. Doubleclick raster ’sst’ pada layer SST untuk memunculkan data citra SST.
Gambar 59. Raster SST
11. Klik Raster - Reproject untuk menyimpan data raster SST hasil reproject.
48
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
ke-13, sedangkan ‘sst’ berada pada urutan ke-1.
49
Gambar 62. Band ke-13 (‘Chl-a')
Gambar 63. Band ke-1 (‘sst’)
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
pada popup box yang muncul.
Gambar 65. Memunculkan citra SST pada ArcGIS
16. Ubah Color Ramp pada layer SST menjadi merah, sedangkan pada layer Chl-
a diubah menjadi hijau
51
Gambar 66. Color Ramp Merah (SST)
Gambar 67. Color Ramp Hijau (Chl-a)
17. Klik icon Add Data untuk memasukkan shapefile Peta Indonesia.
Gambar 68. Add file .shp Peta Indonesia
52
18. Klik icon Rectangle untuk menandai wilayah perairan yang ingin diclip.
Gambar 69. Buat Rectangle
19. Untuk memulai proses clipping, klik Windows - Image Analysis.
Gambar 70. Image Analysis
20. Klik layer SST pada Table of Content dan klik file SST pada popup box, lalu
klik icon Clip yang terdapat pada bagian bawah.
53
Gambar 71. Clip layer SST
21. Klik layer Chl-a pada Table of Content dan klik file Chl-a pada popup box, lalu
klik icon Clip yang terdapat pada bagian bawah.
Gambar 72. Clip layer Chl-a
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.
Gambar 74. Export clip layer
24. Pada bangun Rectangle, klik kanan - Properties.
55
Gambar 75. Rectangle Properties
25. Ubah warna pada Fill Color dan Outline Color menjadi No Color, dan atur
Outline Width sesuai keinginan, klik Ok.
Gambar 76. Ubah warna Rectangle
26. Ubah Color Ramp pada layer clip SST menjadi merah, sedangkan pada layer
clip Chl-a diubah menjadi hijau
56
Gambar 77. Color Ramp Merah (Clip SST)
Gambar 78. Color Ramp Hijau (Clip Chl-a)
27. Untuk memulai proses reclassify, klik Windows - Search. Pada kolom Search,
ketik ‘Reclassify’ dan pilih opsi ‘Reclassify (Spatial Analyst)’.
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
penyimpanan file, lalu simpan dalam format GeoTIFF.
Gambar 80. Classify
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,
lalu simpan dalam format GeoTIFF.
Gambar 81. Classify
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.
Gambar 82. Overlay
31. Ubah nama dan warna pada layer hasil Overlay ZPPI. Untuk layer ‘0’ dan ‘1’
warnanya diubah menjadi No Color, sedangkan layer ‘2’ diubah warnanya
menjadi biru. Nama layer diganti menjadi ‘ZPPI’
59
Gambar 83. Ubah nama layer
32. Klik icon Layout View yang berada di pojok kiri bawah untuk mengubah
tampilan pada proses layouting.
Gambar 84. Layouting
60
BAB 4. HASIL DAN PEMBAHASAN
4.1 Analisis Korelasi Antar Variabel
Hasil dan analisis korelasi dari berbagai variabel anomali terhadap anomal
Berdasarkan pengolahan data pada praktikum Oseanografi Perikanan yang
ditemukan adalah sebagai berikut.
4.1.1 Ano-Catch dengan Ano-Temp
Berikut adalah hasil perbandingan antara Ano-Catch dengan Ano-Temp :
Gambar 85. Perbandingan nilai Ano-Catch dan Ano-Temp
Berikut adalah hasil korelasi antara Ano-Catch dengan Ano-Temp yang
terletak pada tabel 3:
Tabel 3. Korelasi Ano-Catch dengan Ano-Temp
Variabel R P-Value
Ano-Catch – Ano-Temp 0.121 0.362
Grafik diatas menunjukkan perbandingan nilai Ano-Temp dengan Ano-Catch
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
disimpulkan hubungan antara Ano-Catch Ano-Temp adalah signifikan, sebab P-
value > α (0.05).
Menurut Angraeni, et al. (2014), suhu perairan yang disukai untuk ikan
cakalang berada pada kisaran 29,5 sampai 31C dengan hasil tangkapan tertinggi
pada kisaran 31 sampai 31,4C dimana terdapat kecenderungan hubungan antara
termal front dengan hasil tangkapan ikan cakalang di perairan Teluk Bone pada
bulan September dan Oktober ikan cakalang yang tertangkap sebagian berada pada
daerah thermal front yang memiliki kedalaman 300-1.900 m, perkiraan hasil
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
antara -2,1373 sampai-0,6469C artinya ikan cakalang menyukai daerah yang
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
perairan Kabupaten Luwu dan Kabupaten Kolaka Utara.
62
4.1.2 Ano-Catch dengan Ano-Chlor
Berikut adalah hasil perbandingan antara Ano-Catch dengan Ano-Chlor
Gambar 86. Perbandingan nilai Ano-Catch dan Ano-Chlor
Berikut adalah hasil korelasi antara Ano-Catch dengan Ano-Chlor yang
terletak pada tabel 4:
Tabel 4. Korelasi Ano-Catch dengan Ano-Chlor
Variabel R P-Value
Ano-Catch – Ano-Chlor -0.197 0.136
Grafik di atas menunjukkan perbandingan nilai Ano-Chlor dengan Ano-Catch.
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
korelasi tersebut disimpulkan bahwa keeratan antara Ano-Chlor dan Ano-Catch
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
disimpulkan hubungan antara Ano-Catch dengan Ano-Chlor adalah signifikan, sebab
P-value > α (0.05).
Menurut Putra, et al. (2012), kandungan klorofil-a pada suatu perairan sangat
erat kaitannya dengan rantai makanan. Kandungan klorofil-a yang tinggi pada
perairan akan meningkatkan produktifitas zoo plankton, sehingga tercipta suatu
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
konsentrasi klorofil-a rendah terutama saat musim timur.
4.1.3 Ano-Catch dengan DMI
Berikut adalah hasil perbandingan antara Ano-Catch dengan DMI:
Gambar 87. Perbandingan nilai Ano-Catch dan DMI
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
Ano-Catch – DMI -0.031 0.818
Grafik diatas merupakan perbandingan nilai DMI dengan Ano-Catch di
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-
Catch di Perairan Trenggalek pada tahun 2015-2019 memiliki keeratan hubungan
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
dengan El-Nino menyebabkan terjadinya upwelling di perairan selatan Jawa
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
tangkapan ikan sangat rendah.
4.1.4 Ano-Catch dengan SOI
Berikut adalah hasil perbandingan antara Ano-Catch dengan SOI:
Gambar 88. Perbandingan nilai Ano-Catch dengan SOI
Berikut adalah hasil korelasi antara Ano-Catch dengan SOI yang terletak
pada tabel 6 :
Tabel 6. Tabel korelasi Ano-Catch dengan SOI
Variabel R P-Value
Ano-Catch - SOI 0.148 0.264
Grafik diatas merupakan perbandingan nilai Southern Oscillation Index (SOI)
dengan Ano-Catch di perairan Trenggalek tahun 2015-2019. SOI maksimum pada
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).
Menurut[ CITATION Yog14 \l 1033 ], ENSO mempengaruhi tekanan atmosfer
diatas laut sehingga terjadi penyimpangan, perbedaan nilai penyimpangan atmosfer
diatas laut dari Darwin Tahiti disebut Southern Oscillation Index (SOI). ENSO
menyebabkan variasi iklim tahunan yang menyebabkan anomali suhu permukaan
laut dan konsentrasi klorofil-a. Fenomena tersebut menyebabkan upwelling dengan
suhu permukaan laut rendah dan kandungan klorofil-a yang berlimpah sehingga
perairan selatan Jawa menjadi subur. Anomali hasil tangkapan dipengaruhi oleh
adanya SOI baik secara langsung maupun tidak.
4.1.5 Ano-Catch dengan Ninõ 3.4
Berikut adalah hasil perbandingan antara Ano-Catch dengan Ninõ 3.4:
Gambar 89. Grafik perbandingan Nino 3.4 dengan Ano-Catch
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
Ano-Catch - Nino 3.4 -0.047 0.726
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
dengan Nino 3.4 signifikan sebab P-value > α (0.05).
Menurut [ CITATION Set16 \l 1033 ], anomali yang terjadi pada Januari
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
menunjukkan kecenderungan nilai rata-rata CPUE yang terus meningkat sepanjang
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
akan mempermudah nelayan dalam mengambil ikan.
68
4.1.6 Ano-Temp dengan Ano-Chlor
Berikut adalah perbandingan nilai Ano-Catch dengan Ano-Chlor di Perairan
Trenggalek pada tahun 2015-2019 :
Gambar 90.Grafik perbandingan Ano-Temp dengan Ano-Chlor
Berikut adalah hasil korelasi antara Ano-Catch dengan Ano-Chlor yang
terletak pada tabel 8 :
Tabel 8. Tabel korelasi 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
dengan Ano-Temp yang tidak signifikan sebab P-value < α (0.05).
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
naiknya SPL menyebabkan naiknya nilai CPUE sebaliknya turunnya SPL
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
berdampak pada naiknya nilai CPUE ketiga jenis ikan ini.
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-
MODIS. Perairan di wilayah Trenggalek memiliki sebaran zona potensi
penangkapan ikan yang cukup signifikan pada bulan Juni 2019. Dalam penentuan
daerah yang berpotensi untuk penangkapan ikan selain menggunakan parameter
suhu permukaan laut dapat digunakan parameter-parameter oseanografi lainnya di
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
daratan mudahkan nelayan dalam menentukan pola perlayaran penangkapan ikan
berdasarkan musim didukung dengan pengalaman dalam melihat kondisi alam dan
dukungan perkembangan teknologi. Jika melihat posisi sebaran daerah
penangkapan ikan yang tidak begitu jauh dari pesisir maka informasi ini sangat
71
mendukung untuk aktivitas penangkapan ikan terutama untuk nelayan dengan kapal
kecil di perairan Trenggalek.
Menurut Munthe et al. (2018), Zona Potensial Penangkapan Ikan (fishing
ground) adalah lokasi tempat ikan banyak berkumpul dimana tempat tersebut dapat
dilakukan penangkapan. Berdasarkan terdapat 166 titik ZPPI diperairan Selatan
Pulau Jawa. ZPPI dipengaruhi oleh parameter oseanografi salah satunya SPL dan
sebaran klorofi-a diperairan. Penentuan daerah penangkapan ikan dapat didekati
dengan mencari indikator-indikator oseanografi yang mempengaruhi daerah
penangkapan ikan di suatu wilayah perairan. Berdasarkan hasil penelitian
didapatkan deskripsi secara umum bahwa karakteristik SPL daerah potensial
penangkapan ikan berkisar antara 30oC - 31oC. Sedangkan daerah potensial
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
dijadikan zona potensial penangkapan ikan.
72
BAB 5. PENUTUP
5.1 Kesimpulan
Berikut adalah beberapa kesimpulan yang dapat diperoleh pada prakatikum
Oseanografi Perikanan 2020:
1. Keberadaan, ketersediaan dan hasil tangkapan ikan dapat dipengaruhi oleh
parameter oseanografi. Diantaranya adalah suhu dan klorofil. Pendekatan
Oseanografi di dalam pengolahan perikanan terdapat 2 macam dimana
pendekatan tersebut adalah pendekatan secara tradisional dan pendekatan
new prespektif. Untuk pendekatan tradisional merupakan pendektan yang
belum mengetahui apakah hubungan antara tingkah laku ikan dengan
lingkungannya. Sedangakan untuk pendekatan new prespektif merupakan
pendekatan yang dimana sudah memahami hubungan tingkah laku ikan
dengan kondisi lingkungannya. Data suhu digunakan karena mudah
didapatkan dan berhubungan secara langsung dengan ikan. Setiap spesies
ikan memiliki toleransi terhadap suhu tertentu. Sedangkan data klorofil-a
digunakan karena mempunyai korelasi langsung dengan ikan. Meningkatnya
nilai klorofil-a terbukti meningkatkan stok ikan di area yang sama. Selain itu
anomali yang terjadi di sekitar Indonesia juga dianalisis untuk mengetahui
hubungannya dengan keberadaan ikan di Indonesia. Data anomaly yang
digunakan adalah seperti DMI, SOI, dan Nino 3.4.
2. Aplikasi yang digunakan dalam dalam pengolahan data adalah Seadas,
ArcGis, Ms. Excel, dan Minitab. Dalam aplikasi-aplikasi yang digunakan
memiliki perbedaan dalam fungsinya dimana fungsi dari Seadas digunkan
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
digunakan untuk mencari korelasi antar variable.
3. Pada praktikum Oseanografi Perikanan ini praktikan mampu menentukan
wilayah potensi penangkapan ikan dengan membuat peta ZPPI. Dalam
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
akan dilanjutkan dengan mengolah datanya menggunakan beberapa aplikasi
seperti Seadas, ArcGis.
5.2 Saran
Pelaksanaan praktikum Oseanografi Perikanan 2020 yang dilaksanakan
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
ditambah lebih banyak.
DAFTAR PUSTAKA
Angraeni., Nur Indah R., Safruddin., Mukti Zainuddin. 2014. Analisis Spasial Dan
Temporal Hasil Tangkapan Ikan Cakalang (Katsuwonus Pelamis) dan
Thermal Front Pada Musim Peralihan Di Perairan Teluk Bone. Jurnal
IPTEKS PSP. 1(1): 20-27.
Bramawanto, R. dan R. F. Abida. 2017. Tinjauan Aspek Klimatologi (ENSO dan IOD)
Terhadap Produksi Garam Indonesia. Jurnal Kelautan Nasional. 12(2): 91-
99.
Budianto, M. B., H. Saidah, dan M. K. Ilmi. 2019. Analisis Kesesuaian Indeks
Kekeringan Metode Palmer Drought Seveirty Index (PDSI) dan
Thornthwaite-Matter Dengan Southern Oscillation Index (SOI). Seminar
Nasional Infrastruktur Berkelanjutan Era Revolusi Industri 4.0. Teknik Sipil
dan Perencanaan. 7-16.
Effendi, R., P. Palloan, N. Ihsan. 2012. Analisis Konsentrasi Klorofil-a di Perairan
Sekitar Kota Makassar Menggunakan Data Satelit Topex/Poseidon. Jurnal
Sains dan Fisika. 8(3) : 279-285.
Fadholi, A. 2013. Studi Dampak El Nino dan Indian Ocean Dipole (IOD) terhadap
Curah Hujan Di Pangkalpinang. Jurnal Ilmu Lingkungan. 11(1): 43-50.
Ghazali, I dan A. Manan. 2012. Prakiraan Daerah Penangkapan Ikan Di Selat Bali
Berdasarkan Data Citra Satelit. Jurnal Ilmiah Perikanan dan Kelautan.
4(1):87-92.
75
Hamuna, B., Y.P. Paulangan, L. Dimara. 2015. Kajian Suhu Permukaan Laut
Mengunakan Data Satelit Aqua-MODIS di Perairan Jayapura, Papua.
Jurnal Depok. 4(3) :160-167.
Hamzah, R., T. Prayogo, S. Marpaung. 2016. Metode Penentuan Titik Koordinat
Zona Potensi Penangkapan Ikan Pelagis Berdasarkan Hasil Deteksi Termal
Front Suhu Permukaan Laut. Jurnal Penginderaan Jauh. 13(2):97-108.
Handoko, E. Y., R. B. Filaili, dan Yuwono. 2019. Analisa Fenomena ENSO di
Perairan Indonesia Menggunakan Data Altimetri Topex/Poseidon Dan
Jason Series Tahun 1993 – 2018. Geoid. 14(2): 43-50.
Hidayat, A. M., U. Efendi, L. Agustina, dan P. A. Winarso. 2018. Korelasi Indeks
Nino 3.4 Dan Southern Oscillation Index (SOI) Dengan Variasi Curah Hujan
Di Semarang. Jurnal Sains & Teknologi Modifikasi Cuaca. 19(2): 75 – 81.
LAPAN. 2020. http://psta.lapan.go.id/index.php/subblog/pages/2014/19/Dipole-
Mode-DM#:~:text=Hasil%20perhitungan%20perbedaan%20nilai%20
(selisih,Positif%20dan%20Dipole%20Mode%20Negatif. Diakses pada 26
Oktober 2020.
Mantiri, S. Y. Y., G. H. M. Woisiri dan O. Surendra. 2016. Analisis Statistik Pengaruh
El Niño Terhadap Curah Hujan Tahun 1997 Di Kabupaten Jayapura.
Seminar Nasional. 1(1): 86-95.
Munthe, M. G., Y. V. Jaya., R. D. Putra. 2018. Pemetaan Zona Potensial
Penangkapan Ikan Berdasarkan Citra Satelit Aqua/Terra Modis Di Perairan
Selatan Pulau Jawa. Dinamika Maritim, 7(1) : 39-42.
Nuzapril, A., S. B. Susilo, J. P. Panjaitan. 2017. Hubungan Antara Konsentrasi
Klorofil-a dengan Tingkat Produktivitas Primer Menggunakan Citra Satelit
Landsat-8. Jurnal Teknologi Perikanan dan Kelautan. 8(1): 105-114
76
Panjaitan, R., A. Mulyadi, M. Ghalib. 2017. Analysis Distribution Of Sea Surface
Temperature And Chl-aorophyll-a Concentration In Belawan Medan North
Sumatra. Jurnal Kelautan. 1(1).
Putra, E., Gaol, J. L., & Siregar, V. P. (2012). Hubungan Konsentrasi Klorofil-A Dan
Suhu Permukaan Laut Dengan Hasil Tangkapan Ikan Pelagis Utama Di
Perairan Laut Jawa Dari Citra Satelit MODIS. Jurnal Teknologi Perikanan
Dan Kelautan. 3(2) : 1-10.
Rachman, S., P. Purwanti, M. Primyastanto. 2013. Analisis Faktor Produksi Dan
Kelayakan Usaha Alat Tangkap Payang Di Gili Ketapang Kabupaten
Probolinggo Jawa Timur. Jurnal ECSOFiM.1(1) : 69-81.
Ramadhania, A. R., I. D. Faryunia, dan A. A. Kushadiwijayanto. 2019. Respons
Curah Hujan terhadap Fenomena El Niño Southern Oscillation (ENSO) di
Bontang. Prisma Fisika. 7(20): 101-107.
Setyadji, B. & Amri, K., 2016. Pengaruh Anomali Iklim (ENSO Dan IOD) Terhadap
Persebaran Ikan Pedang (Xiphias gladius) di Samudera Hindia Bagian
Timur. Jurnal Segara. 13 : 49-63.
Suhadha, A. G., D. N, B. Ginting, dan W. Asriningrum. 2019. Analisis Karakteristik
Arus dan Suhu Permukaan Laut Berdasarkan Pengaruh Monsun, ENSO
dan IOD di WPPNRI 573. Seminar Nasional Penginderaan Jauh ke-6
Tahun 2019. 462-467.
Suniada, K. I Dan E. Susilo. 2017. Keterkaitan Kondisi Oseanografi Dengan
Perikanan Pelagis Di Perairan Selat Bali.
Jurnalpenelitianperikananindonesia Volume 23 Nomor 4 Desember 2017.
Syaifullah, M. D. 2015. Suhu Permukaan Laut Perairan Indonesia dan Hubungannya
Dengan Pemanasan Global. Jurnal Segara. 11(1) : 37-47.
77
Wibisana, H., M. S. Bangun, L. Umboro. 2018. Penentuan Model Matematis Yang
Optimal Suhu Permukaan Laut Di Pantai Utara Gresik Berbasis Nilai
Reflektan Citra Satelit Aqua MODIS. Jurnal Geomatika. 24 (1) : 31-38.
Wulandari, U., I. Wirawan, M. Agustini. 2018. Karakteristik Oseanografi di Perairan

Probolinggo Sebagai Daerah Potensial Penangkapan Ikan Tembang (Sardinella
fimbriata). Jurnal Ilmu Perikanan. 9(2) : 37-44.
Yoga, R. B. B., Setyono, H. & Harsono, G., 2014. Dinamika Upwelling dan
Downwelling Berdasarkan Variabilitas Suhu Permukaan Laut Dan Klorofil-a
di Perairan Selatan Jawa. Jurnal Oseanografi. 3(1) : 57-66.
78
LAMPIRAN
Lampiran 1. Peta ZPPI di perairan Trenggalek dan sekitarnya pada 20 Juni 2019
79
80
81
82
Lampiran 7. Peta
ZPPI di perairan Trenggalek dan sekitarnya pada 10 Juni 2019
83

Laporan Praktikum Oseper Kelompok 6 Fix

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Praktikum Oseper Kelompok 6 Fix

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

PROGRAM STUDI ILMU KELAUTAN

AULIA LANUDIA FATHAH 185080601111023

PROGRAM STUDI ILMU KELAUTAN

LAPORAN PRAKTIKUM OSEANOGRAFI PERIKANAN

Dinyatakan memenuhi persyaratan Praktikum Oseanografi Perikanan

Ir. Aida Sartimbul, M.Sc., Ph.D.

menyelesaikan laporan praktikum Oseanografi Perikanan ini. Laporan ini merupakan

Oseanografi Perikanan, Fakultas Perikanan dan Ilmu Kelautan, Universitas

sehingga lebih baik lagi kedepanya.

laporan praktikum ini membawa manfaat bagi pembaca.

Malang, 4 November 2020

1.1 Latar Belakang

Menurut Suniada dan Susilo (2017), Dinamika oseanografi suatu perairan

sangat erat kaitannya dengan karakteristik sumberdaya kelautan dan perikanan

yang terkandung di dalamnya. Kondisi oseanografi perairan Indonesia secara umum

posisi dan penyinaran matahari. Perbedaan tekanan tersebut akan menyebabkan

kering akan menyebabkan musim kemarau di Indonesia, sedangkan sebaliknya

Menurut Hamzah, et al. (2016), informasi titik koordinat zona potensi

melakukan operasi penangkapan ikan. menentukan titik koordinat ZPPI berdasarkan

satunya adalah perubahan ekosistem yang terjadi di perairan pesisir pantai.

permasalahan tersebut, dan teknologi ini memiliki keunggulan. Keunggulan dalam

Menurut Nuzapril, et al. (2017), klorofl-a merupakan pigmen ftoplankton yang

dapat menduga konsentrasi klorofl-a permukaan dan bukan produktivitas primer.

Produktivitas primer dapat berlangsung sampai kedalaman kompensasi atau

kedalaman dimana intensitas cahaya tinggal 1% dari intensitas cahaya permukaan.

Klorofil-a sendiri juga merupakan indicator bagi kelimpahan di perairan yang

berperan dalam proses fotosintesis.

1. Praktikan mampu memahami dinamika penangkapan dengan menggunakan

2. Praktikan mengenal dan mampu menguasai perangkat lunak sebagai alat

untuk mengolah data parameter perairan

3. Praktikan mampu menentukan wilayah potensi penangkapanikan berdasarkan

1.3 Waktu dan Tempat

Praktikum Oseanografi Perikanan dilakukan via daring (online) dengan

menggunakan media Zoom dan Google Classroom. Rangkaian praktikum

Oseanografi Perikanan dibagi menjadi 3 rangkaian, yakni pada praktikum 1

dilaksanakan pada tanggal 16 Oktober 2020, praktikum 2 dilaksanakan pada tanggal

23 Oktober 2020, dan pada praktikum 3 dilaksanakan pada tanggal 24 Oktober

nusantara prigi trenggalek.

2.1 Data Hasil Tangkap

daerah penangkapan ikan potensial yang direkomendasikan adalah pada wilayah

dengan pernyataan Irawan (2017) yang menyatakan bahwa daerah penangkapan

yang tumbuh di sepanjang pesisir timur sampai Situbondo.

Menurut Rachman, et al. (2013), musim ikan hanya berlangsung sekitar 8

tangkapan sedikit. Pada musim penangkapan, maka akan dihasilkan tangkapan

jual yang lumayan tinggi daripada jenis ikan lainnya.

penangkapan yang berbeda seperti salah satunya menggunakan alat tangkap

tujuan untuk menangkap jenis-jenis ikan pelagis yang membentuk kelompok

2.2 SST (Sea Surface Temperature)

Menurut Syarifullah (2015), suhu permukaan laut atau sea surface

temperature merupakan komponen penting yang dapat mengendalikan cuaca dan

Indonesia diasosiasikan sebagai indeks banyaknya uap air pembentuk awan di

uap air di atmosfer menjadi berkurang akibat kurangnya penguapan. Suhu

26,0°C hingga 31,5°C.

ikan. Menjelaskan informasi mengenai variabilitas spasial suhu dan klorofil-a

permukaan laut dapat digunakan untuk mempermudah pengelolaan dan

areal permukaaan laut secara sinoptik untuk mendeteksi perubahan-perubahan fisik

parameter fisik oseanografi yang digunakan untuk menganalisis daerah

kehidupan organisme di lautan. Suhu permukaan laut mempengaruhi aktifitas

metabolisme maupun pekembangbiakan dari organisme-organisme yang ada di

perairan. Oleh karena itu, tidaklah mengherankan jika banyak dijumpai barmacam-

citra suhu permukaan laut dapat dilihat fenomena oseanografi seperti upwelling,

front dan pola arus permukaan. Daerah yang mempunyai fenomena tersebut