SISTEM PENJEJAK IKAN UNTUK PEMANTAUAN KUALITAS LINGKUNGAN PERAIRAN DAN PREDIKSI LOKASI PENANGKAPAN IKAN MENUJU PENGELOLAAN PERIKANAN BERKELANJUTAN

Muhamad Sadly, Awaluddin Awaluddin

Abstract


ne"> Dalam riset ini diusulkan suatu pendekatan baru di dalam membangun model prediksi lokasi penangkapan ikan dan pemantauan kualitas lingkungan perairan, khususnya ikan pelagis ekonomis. Knowledge-based expert system diintegrasikan dengan penginderaan jauh dan sistem informasi geografis dipilih sebagai pendekatan baru untuk menyempurnakan metode konvensional yang saat ini digunakan. Model yang dikembangkan disebut “Sistem Penjejak Ikan nan Cerdas”. Kelemahan utama
metode konvensional, penentuan lokasi penangkapan ikan masih dilakukan secara manual, akibatnya hasil yang diperoleh tidak optimal dan tidak praktis di dalam implementasinya. Data seri satelit penginderaan jauh (suhu permukaan laut, klorofil dan turbiditi) yang diperoleh dari satelit Aqua MODIS periode tahun 2007-2014 digunakan sebagai data input. Peta spasial sistem prediksi lokasi penangkapan ikan dibangun menggunakan ERDAS Imagine Macro Language. Untuk verifikasi dan validasi hasil,
dilakukan pengambilan data in-situ fishing ground pada lokasi riset dalam periode waktu yang sama, dan telah di analisa dengan metode statistik untuk mendapatkan tingkat akurasinya. Hasil menunjukkan bahwa densitas fishing ground yang telah di prediksi dan kualitas lingkungan perairan di perairan Banggai Kepulauan dikorelasikan dengan data hasil survei lapangan (in-situ data) diperoleh tingkat akurasi lebih dari 93%. Dari demonstrasi hasil, model yang diusulkan dapat diaplikasikan untuk memprediksi, melokalisasi dan menentukan densitas fishing ground dengan tingkat akurasi lebih tinggi dibanding metode konvensional. Sistem prediksi ini telah diimplementasikan pada sistem online.


Kata kunci : sistem pakar, lokasi penangkapan ikan, penginderaan jauh, sistem penjejak ikan nan
cerdas, sistem informasi geografi


Full Text:

PDF

References


Atkinson, P.M., And Tatnall, A. R. L., (1997), Neural networks in remote sensing, Int. J. Remote Sensing,18 (4):1-10.

Degnbol, P., (2004), The Knowledge base for fisheries management in developing countries: alternative approaches and methods, Institute for Fisheries Management and Coastal Community Development, Bergen Norway Published.

Hendee, J.C., (1998), An Expert System for Marine Environmental Monitoring in the Florida Keys national Marine Sanctuary and Florida Bay, Proceedings of the Second International Conference on Environmental Coastal Regions, ed. C.A. Brebbia, Computational Mechanics Publications/ WIT Press. Southampton, (1): 57-66.

Hendiarti, N., Siegel, H., Ohde, T., (2004), Investigation of different coastal processes in Indonesian waters using SeaWiFS data. Deep Sea Research Part II 51 : 85-97.

Holland, C.R., (1986), Artificial intelligence and the extraction of marine environmental information. Proceedings Marine Data Systems: Marine Data Systems, International Symposium, (1): 433-436.

Ignizio, J.P, (1998), Introduction to Expert Systems:the development and implementation of rule-based expert system”. NewYork: McGraw-Hill, Inc.

Kemmerer, A.J., (1980), Environmental preferences and behavior patterns of Gulf menhaden (Brevoortia patronus) inferred from fishing and remotely sensed data, ICLARM Conf.Proc., (5):345–70.

Laurs, R.M.,(1984), Albacore tuna catch distributions relative to environmental features observed from satellites, Deep-Sea Res., 31(9):1085–99.

Ryan, J.D., And Smith, P.E., (1985), An expert system for fisheries management. Oceans Proceedings: Ocean Engineering and The Environment,(2): 1114-1117.

M. Sadly, Awaluddin, Yoke Faizal, (2009), Assessment and Applications of the Knowledge-based Expert System in Natural Resources Management, Technical Report P-TISDA, BPPT.

Sigilito, V., Wachter, R., And Hunt, R., Jr., Xcor., (2009), A knowledge-based system for correction of oceanographic reports, IEEE Symposium: Expert Systems

Venegas, R., P.T. Strub, E. Beier, Letelier, T. Cowles, and A.C. Thomas, (2007), Assessing satellite-derived variability in chlorophyll pigments, wind stress, sea surface height, and temperature in the northern California Current System, J. Geophys. Res..

Mockler, R.J. & Dologite, D.G., (1992), Knowledge-Based Systems. An Introduction to Expert Systems. Macmillan Publishing, New York.

Barrett, E.C. and L.F. Curtis, (1992), Introduction to Environmental Remote Sensing, Chapman & Hall.

Jensen, J.,(1996), Introductory Digital Image Processing. ENVI User's Guide, Prentice Hall, New Jersey.




DOI: http://dx.doi.org/10.29122/jtl.v18i1.534

Refbacks

  • There are currently no refbacks.