MEMPERSIAPKAN (DESIGN)

FORM SURVEI
 Statistik sektor perikanan & kelautan
• Sebelum menjadi KKP, perikanan dibagi menjadi dua Direktorat:
Perikanan tangkap dan perikanan budidaya. Data formal statistik
keduanya dimulai sejak tahun 1976 (Tadashi Yamamoto, 1970;
1980).
• Perikanan tangkap dibagi dua kegiatan: perikanan laut (L) dan
perikanan perairan umum daratan (PUD).
• PUD dibagi lagi dalam 5 kategori kegiatan: sungai, danau, waduk,
rawa, lainnya.
• Perikanan budidaya dibagi dalam: kolam, minapadi, sawah tambak,
tambak, budidaya laut, KJA
 LANGKAH 1: PREPARASI – Mempersiapkan
rencana pengambilan data lapang
CATATAN ENUMERATOR PERIKANAN & KELAUTAN:
1. Harus tahu APA jenis data yang harus didapat/diukur/dicatat
2. Harus tahu DARI MANA sumber data harus diambil/dicatat
3. Harus tahu BAGAIMANA cara untuk mengambil mencatat data
4. Harus tahu KAPAN data harus diambil/dicatat
5. Harus tahu BERAPA KALI data diambil/dicatat dalam setahun
6. Harus tahu MENYIMPAN hard copy data – arsip data sumber
primer
 Mempersiapkan form SURVEI
Perhatikan:
1. Unit Survei: Satuan data survei – Pelaku (RTPT, Nelayan, RTPB, petani,
RTPP, pengolah ……
2. Waktu antar survei – Survei Pelaku usaha perikanan diulang setiap berapa
waktu, Survei volume produksi perikanan tangkap setiap berapa waktu,
survei volume produksi budidaya tambak setiap berapa lama – COST
EFFECTIVE (ingat: manajemen memerlukan cakupan data luas dengan
tingkat presisi tertentu, sedangkan peneliti sebaliknya)
3. Enumerator: jumlah dan kapasitas kinerja tenaga pencacah
4. Cakupan data dan spatial survei – berapa lama 1 unit data (DataID)
didapat, berapa perkiraan ukuran populasi
5. SurveiID dan DataID – satu surveiID terdiri dari beberapa DataID, satu
DataID umumnya ialah satu FormID (penempatan DataID dalam FormID)
6. FormID – formulir survei, berapa jenis formulir yang perlu dibuat?

TENTUKAN HAL-HAL PENTING LAINNYA YANG PERLU DIPERHATIKAN

Membuat Formulir Survei
• Form Survei sebagai Kartu kendali untuk
memastikan data (cakupan luas) bisa didapat
ketika berkunjung ke lapang
• Sebagai check list pada saat berada di lapang

FORMAT ISI:

1. Judul Formulir
2. SurveiID
3. FormID
4. DataID
5. Data
 JENIS/KATEGORI DATA STATISTIK

1. Pelaku (nelayan, RTP, perusahaan perikanan),

2. unit usaha (perahu, alat),
3. Skala usaha (GT, HP),
4. Volume produksi,
5. Nilai produksi
• Saat ini KKP minimal mengeluarkan 6 jenis
data statistik, sesuai dengan jumlah eselon-I
1. DJPT (tangkap)
2. DJPB (budidaya)
3. DJPRL (ruang laut)
4. DJPDS-PKP (daya saing produk)
5. BRSDM-KP (manusia), dan
6. BKI-PMKHP (karantina ikan)
Judul formulir: SL1, SL2, SB1, SB2

SurveiID – TENTANG: kapan, dimana, dan oleh siapa.

Urut SurveiID berubah ketika salah satu komponen
tersebut berubah

FormID – urut Formulir. Jika dalam 1 FormID ada 1

DataID, maka FormID = DataID, dan FormID tidak perlu
ditulis

Data – semua data yang ditulis satu baris dengan

DataID
CONTOH: formulir survei untuk mengetahui jumlah RTP
Perikanan Tangkap di Laut
1. Judul: SL-1: Kartu Perahu
2. SL ialah singkatan dari Survei Laut; 1 = nomor urut kartu
survei laut yang pertama; tentang Kartu Perahu; salah
satu kategori RTP perikanan tangkap ialah: tanpa
perahu; perahu tanpa motor; perahu motor tempel; dan
perahu motor dalam (1, 2, 3, 4)
3. Periode survei – setiap tahun sekali
4. Metode survei – sensus. Alasan: kalau sampling biasnya
tinggi, waktu per RTP singkat, memungkinkan dilaku-kan
oleh 1 tenaga dalam satu wilayah kecamatan
CONTOH: formulir survei untuk mengetahui jumlah RTP
Perikanan Budidaya
1. Judul: SB-1: Kartu Lahan Budidaya
2. SB ialah singkatan dari Survei Budidaya; 1 = nomor urut
kartu survei Budidaya yang pertama; tentang Lahan
Budidaya; salah satu kategori RTP perikanan budidaya
(luas lahan) ialah: 0 – 0,5 ha; 0,5 – 2 ha, dst
3. Periode survei – setiap tahun sekali
4. Metode survei – sensus. Alasan: kalau sampling biasnya
tinggi, waktu per RTP singkat, memungkinkan dilaku-kan
oleh 1 tenaga dalam satu wilayah kecamatan
1. Dulu (1976) – pengolahan dari hasil perikanan tangkap
merupakan bagian dari penangkapan – memakai SL –
sekarang pengolahan (P2HP) terpisah, namun formulir
survei-nya belum dipersiapkan tersendiri;
2. Dulu (1976) hasil produksi budidaya selalu dijual segar,
sehingga tidak ada formulir SB untuk pengolahan
3. Dulu (1976) hanya ada dua jenis formulir survei: SL dan
SB
4. Sekarang, mungkin ada: SL, SU, SB, SP, SR, SI, dan SK

SU = perairan umum; SP = pengolahan ikan; SR = pemasaran; SI = pesisir; SK = pulau

kecil, dst
Contoh SL-5; Sumber, DJPT, 1990
 Membuat form survey perikanan
• Team work: membuat suatu Survey perikanan
merupakan team work, meliputi: ahli perikanan, ahli
sistem informasi, dan programming (enumerator tdk
termasuk)
• Data statistik: diambil oleh enumerator (petugas
khusus) yang sudah terlatih dan menggunakan
prosedur tetap
• Data statistik ditabulasi ke dalam data elektronik –
memahami dasar computer
• Data analist: melakukan analisis data dan presentasi
hasil
• Ahli perikanan: membuat interpretasi, kesimpulan dan
komunikasi kepada berbagai stakeholder
 Form survey unit dan skala usaha

• Dilakukan sekali dalam setahun

• Prosedur sensus lengkap
• Contoh: kartu perahu – SL1
• Ahli perikanan: menentukan parameter (data statistik) yang harus
dicacah
• Sistem analist: merancang form agar mudah dipahami oleh
enumerator dan tabulator
• Programmer: merancang program entry-retrieval, menghubungkan
antar parameter, mencegah terjadinya kesalahan dalam entry data,
terutama data yang harus ditulis secara berulang
SAMPLING STATISTIK PERIKANAN
 TM-7 PDP: SAMPLING STATISTIK PERIKANAN
1. POPULASI – satu kelompok anggota, karakter sama, area (ruang, waktu,
kondisi) terdefinisikan. Contoh: mahasiswa FPIK-UB (2.351), RTP
perikanan tangkap Indonesia (577.656 RTP);
2. Jika cukup informasi, POPULASI bisa distratifikasi – mahasiswa FPIK dari
Jawa Timur vs lainnya
3. SAMPLE – sebagian kecil dari anggota populasi
4. SAMPLING – kegiatan untuk mendapatkan sample dari populasi

Sampling standar – informasi pada sample harus sama dengan informasi

yang terdapat di dalam populasi. Kata lain: Sample harus menggambar-
kan karakteristik populasi (sample describes population)

Sampling tidak standar – tidak mensyaratkan ketentuan di atas

TM-7 PDP: SAMPLING STATISTIK PERIKANAN

SAMPLING – anggota populasi mana yang dipilih /

terpilih?

SAMPLING STANDAR:
• Tidak boleh memilih/dipilih (subjektif), tetapi
terpilih (objektif)
• Setiap anggota populasi mendapat peluang sama
untuk terpilih

ACAK – setiap anggota populasi mempunyai peluang sama untuk terpilih –

disebut objektif
TM-7 PDP: SAMPLING STATISTIK PERIKANAN
MENGAPA SAMPLING – opsi: pilih saja semua anggota
populasi untuk diselidiki
• Agar bisa menentukan jumlah alat tangkap yang boleh melaut, Susi
Puji Astuti harus tahu jumlah total ikan yang tersedia di laut
• Susi Puji Astuti meminta dosen pengampu PDP membuat projek
untuk menghitung total ikan di laut
• Melalui MoU, projek disepakati dengan dana 10 M – Horeee Dosen
PDP punya dana besar, keuntungan bisa untuk beli mobil

BAGAIMANA CARANYA? – catatan harus ilmiah (logis)

• KERINGKAN LAUT, HITUNG IKAN, DITULIS PADA SurveiID DAN FormID
• TABULASI DATA PADA EXCEL, BUAT PIVOTTABLE & PIVOTCHART
• PRESENTASI DI DEPAN BU SUSI – “5 minute answer”
• TOTAL IKAN DI LAUT = TOTAL HELAI RAMBUT PENDUDUK PULAU JAWA
TM-7 PDP: SAMPLING STATISTIK PERIKANAN

SAMPLING KETIKA:

• Menyelidiki seluruh anggota populasi tidak memungkinkan –

menghitung jumlah ikan di laut
• Jumlah populasi tidak terbatas (infinite) – jumlah total bakteri di
Sungai Brantas
• Sumber daya tidak mencukupi (dana, tenaga, waktu) – 16 dosen PDP
mensensus penduduk Indonesia & harus selesai dalam 2 minggu
• Kegiatan yang merusak anggota populasi – mengukur panjang usus
ikan herbivor
• Cost effective – money speaks louder than words
• Etc … Diskusi kelas
• Etc…
TM-7 PDP: SAMPLING STATISTIK PERIKANAN

SIMULASI SAMPLING ACAK

• Susi Puji Astuti ingin mengetahui jumlah petani rumput laut di Jawa
Timur dengan total dana 5 OH (cost effective)
• Kerangka populasi – XX Kabupaten/Kota pesisir di Jawa Timur
• Enumerator harus memilih 5 lokasi dari XX Kabupaten/Kota di Jawa
Timur
• Survei setiap kabupaten hanya dilakukan dalam satu hari

Bagaimana mendapatkan lokasi terpilih yang bisa diterima

secara ilmiah (acak)??
• Sample harus terpilih (objektif), bukan dipilih (subjektif)
• Setiap anggota populasi mendapat peluang sama untuk terpilih
• Sifat sample menggambarkan populasi
TM-7 PDP: SAMPLING STATISTIK PERIKANAN

SIMULASI SAMPLING ACAK

• Sistem lotere – untuk anggota populasi kecil

• Melempar dadu 10 bidang pada excel – bilangan teracak – rand()

• Meminta angka acak terbatas – randbetween()

• Menu sampling pada excel

• Menguji sample yang mewakili populasi

VALIDASI DATA STATISTIK KP
PERHATIKAN:
1. FORM SURVEI – Kartu kendali enumerator
2. RESPONDEN – sumber data
3. ENUMERATOR – data hard copy
4. TABULATOR – data hard copy; data entry; E-file copy
5. DATA ANALYST – Design FORM SURVEI, E-Data,
Validasi, Analisis Data, Penyajian Data
6. DATA MANAGER – Kesimpulan, kebijakan, komunikasi
stakeholder;
7. DOSEN – bisa mengerjakan semuanya, mengajarkan,
tapi tidak mengerjakan manapun
8. KONSULTAN – bisa dan mampu mengerjakan semua
INGAT – 10 LANGKAH KOMPETENSI PDP (TM-1)

• Proses 3 – tabulasi, termasuk di dalamnya design database

ialah pekerjaan yang paling memerlukan keluasan pemikiran
(wide thinking)
• Proses 5 – Validasi data ialah kegiatan yang memerlukan
ketelitian dan kesabaran tinggi (patience)
• Proses 6 – analisis data ialah pekerjaan yang paling ringan
dan mudah
• Proses 10 – komunikasi ialah pekerjaan yang memerlukan
kemampuan negosiasi / compromising sangat tinggi
(negotiator)
INGAT: BIODATA MAHASISWA PESERTA KULIAH PDP 2015/GENAP
1. RESPONDEN - mahasiswa
2. FORM – BIODATA 13
3. ENUMERATOR – dosen kelas/pendamping
4. TABULATOR – dosen kelas/pendamping
5. KOMPILATOR – koordinator MK

DALAM URUTAN KERJA PDP – VALIDASI DATA – dilakukan

setelah proses entry dan kompilasi data ke dalam format E-
file selesai
ANALISIS DATA – setelah proses VALIDASI
VALIDASI DATA MENCAKUP:

• Memeriksa kebenaran informasi/data yang disampaikan

responden/objek ketika dipindah ke dalam FORM (hard
copy), dan TABULASI elektronik;
• Memeriksa kesesuaian format database
• Memeriksa adanya data pencilan / outlier. Outlier bisa terjadi
karena: (1) kekeliruan enumerasi atau tabulasi; (2) data dari
responden/pengukuran yang kurang tepat; (3) pendapat
responden/pengukuran benar tapi hasilnya memang mencil –
stepwise analysis
• MENGAMBIL Keputusan – mengeluarkan atau menyertakan
outlier dalam proses analisis data
VALIDASI DATA (POINT 2): memeriksa kesesuaian format database
BUKA & PERHATIKAN FOLDER: Biodata-mahasiswa
Perhatikan file-file data jika anda bisa menemukan sesuatu yang berbeda
APA YANG BERBEDA / ANEH?

Merubah kelas K03 menjadi I03 tanpa sebab telah merubah sistem
automatisasi sistem data
PROSES VALIDASI DATA:
Menguji adanya data yang tidak logis – sebelum proses analisis

1. PivotTable dan PivotChart – Cepat (5 minute answer)

TINDAKAN: Konfirmasi ke PUSDATIK KKP
PUSDATIK – Konfirmasi ke DKP Propinsi
DKP PROPINSI – Konfirmasi DKP Kabupaten / Kota
DKP KAB/KOTA – Konfirmasi ke Petugas Lapang Statistik (PPL)

KALAU TIDAK MEMUNGKINKAN:

1. Interpolasi data
2. Data omission – jika meragukan
3. Stepwise analysis – apakah outlier mempengaruhi kesimpulan
ANALISIS DATA STATISTIK KP
DEFINISI:
1. Analisis data ialah proses transformasi sejumlah data
(fakta) menjadi suatu informasi yang bermanfaat
dalam mendukung keputusan busines;
2. Analysis of data is a process of inspecting, cleaning,
transforming, and modeling data with the goal of
discovering useful information, suggesting
conclusions, and supporting decision-making
3. The process of evaluating data using analytical and
logical reasoning to extract meaningful conclusion, a
basis of better steps to grow
4. Without data and capacity in data analysis, she/he is a
blind and useless manager
DEFINISI:

1. Knowing how to properly handle the data analysis will

allow you to get the most from your data and make
the right decisions
2. The data analysis by the analyst was instrumental in
understanding the current situation so we then knew
which steps to take to grow
3. My friend worked for FPIK-UB and when I asked him
what he did he told me that he was a lecturer
in fishery data analysis, which was COOL
4. What ever data you have, without knowledge on data
analysis, it just worthless
TUJUAN ANALISIS DATA STATISTIK KP
1. Mengukur keberhasilan / kegagalan program atau
manajemen (apakah FPIK-UB sudah berhasil/gagal
melaksanakan jenjang pendidikan S1, S2, dan/atau S3)
2. Mencari alternatif manajemen jika hasil analisis
menunjukkan kegagalan manajemen;
3. Menunjukkan kepada publik – pertanggung jawaban
penggunaan dana masyarakat
STRATEGI DALAM ANALISIS DATA KP:
1. Apa yang ingin diketahui manager (apa, siapa, kapan,
dimana, bagaimana hasilnya, dan berapa nilainya)
2. Berapa lama manager menunggu jawaban (direct
answer, five minute answer, by the end of the day, by
the end of the week, ASAP)
3. Folder data APA: Perikanan Tangkap; Perikanan
Budidaya; Pengolahan Ikan; Pemasaran Ikan; Habitat
Ikan Per. Umum; Habitat Ikan (Kelautan)
4. The faster the better, the world moves faster then
ever – ikan sepat ikan gabus
STRATEGI DALAM ANALISIS DATA KP:
1. APA: Penangkapan, Budidaya, Pengolahan, Pemasaran,
kelautan
2. APA PENANGKAPAN: Laut, Umum
3. APA BUDIDAYA: Laut, Tambak, Sawah Tambak, Mina
Padi, Karamba, JAPUNG
4. SIAPA: Nelayan, RTP, Petani, RTBP, Pengolah, Dive
5. DIMANA: Propinsi, Kabupaten
6. KAPAN: 2000 – 2014
7. BAGAIMANA: Produksi
8. BERAPA BESAR: Nilai Produksi
INTERPRETASI & PENYAJIAN HASIL
ANALISIS DATA
PRINSIP DASAR

1) Setiap informasi pada penyajian hasil analisis

data harus terbaca secara jelas oleh target
audience
2) Setiap informasi harus jelas dan tegas, tidak
mendua atau meragukan target audience,
sehingga tidak ragu dalam menentukan aksi
management;
3) Penyajian hasil analisis data tidak
menggunakan keterangan ilmu statistik yang
kompleks (tingkat kepercayaan 95%, galat
baku, bla bla bla)
4) Setiap informasi yang disajikan selalu terkait dengan
IKU (Indikator Kinerja Utama) dari Kementerian /
Dinas Perikanan & Kelautan
5) Penyajian hasil analisis data selalu mengundang
target audience untuk membuat kesimpulan,
interpretasi, atau bertanya – apa artinya atau
implikasi praktis dari hasil analisis ini?
6) Penyajian hasil analisis data + interpretasi, selalu
mengundang target audience untuk memformulasi
aksi management – apa yang sebaiknya atau harus
kita lakukan untuk mempertahankan atau
memperbaiki Kinerja Utama instansi
(Kementerian/Dinas Perikanan & Kelautan)?
BENTUK PENYAJIAN HASIL ANALISIS DATA
• Grafik (batang atau pie)
• Tabel (tidak seperti pada design baku basis
data – standard database)
• Skema / Alur (sangat jarang)
1. GRAFIK:

• Judul grafik/gambar harus jelas, singkat, padat

(concise) – judul tidak bersatu dengan grafik/gambar
• Judul / keterangan sumbu (absis, ordinat)
• Unit / satuan – terutama pada sumbu ordinat
• Judul / keterangan legenda
• Highlight TREND pada informasi time-series dan
wilayah geografis (administrasi) yang penting
• Jangan memaksakan penyajian dalam bentuk grafik
karena grafik umumnya kompleks
• Mulai dari grafik yang paling sederhana (batang atau
pie)
1. Jumlah RTP tanpa perahu relatif tetap dalam 15 tahun terakhir ;
2. Jumlah RTP perahu tanpa motor menurun dalam 15 tahun terakhir;
3. Sebaliknya, Jumlah perahu Motor Tempel dan perahu Motor Dalam meningkat
KESIMPULAN: teknologi penangkapan sudah bergeser ke-arah motorisasi, namun RTP tanpa
perahu belum tersentuh teknologi
AKSI MANAGEMENT: pengalihan usaha RTP Tanpa Perahu, atau menggeser ke kanan melalui
program subsidi
Analisa Sederhana Data Statistik Perikanan
KLASIFIKASI PERIKANAN DI JAWA TIMUR BERDASARKAN BUKU LAP. STAT.
PERIK.

• 1. PENANGKAPAN:
A. PERAIRAN UMUM
B. PERAIRAN LAUT
• 2. BUDIDAYA:
A. KOLAM
B. KERAMBA
C. SAWAH
D. MINA PADI
E. TAMBAK
 ANALISIS DATA PERIKANAN
PENGEMBANGAN PERIKANAN
PENDEKATAN (2 jenis):

1) Pendekatan produksi
a) Location Quotient (LQ)
 Salah satu jenis analisis data perikanan
(analisis pemusatan produksi dari
kegiatan perikanan).
 Pemusatan jenis kegiatan perikanan
berdasar lokasi.
 ANALISIS DATA PERIKANAN PENGEMBANGAN
PERIKANAN

2. Pendekatan Potensi
• perlu sbg pelengkap pendekatan LQ, misal jika didapati nilai LQ yg sama antar
lokasi ( nilai ini digunakan menyeleksi )

a) Agro ekosistem/Kesesuaian lahan

Kebutuhan optimal dan ekologis bagi
pengembangan kegiatan perikanan
 ANALISIS DATA PERIKANAN PENGEMBANGAN PERIKANAN

b) Agribusiness/Potensi pasar
• Untuk menjamin serapan pasar terhadap
kebutuhan produksi
• Dilihat untung rugi (BEP)
 ANALISIS DATA PERIKANAN PENGEMBANGAN PERIKANAN

c) Kebijakan pemerintah lokal

Memberikan dukungan pengembangan (ex. RUTRD)

d) Faktor lain yang perlu diperhatikan

a. Fasilitas infrastruktur;
b. Sosio Anthropologic masyarakat lokal
 PROD. TINGGI=DOMINAN??
1.a. PENDEKATAN PRODUKSI: LOCATION QUOTIENT (LQ)
Kekuatan produksi kegiatan tertentu di suatu daerah
terhadap total produksi perikanan di daerah tsb
dibandingkan produksi regionalnya
Contoh: perbandingan 38 kab/kota/daker thd jenis kegiatan
perikanan

• Note: Why LQ  karena produksi yang tinggi belum tentu

dominan di suatu daerah Kab, regional berarti antara kecamatan
dlm kab
LQ
• LQ ≥ 1
• KULTUR MASYARAKAT PADA JENIS USAHA TERSEBUT
• BELUM TENTU MENUNJUKKAN POTENSI

Note: Artinya secara kultural masyarakat mendominasi kegiatan

tersebut tetapi belum tentu sesuai dengan potensinya  cultured
accepted/sosially accepted, tetapi belum tentu ecologically potential