Lokasi dan Waktu Penelitian Bahan dan Alat Pengambilan data akustik ikan

III METODE PENELITIAN

3.1 Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di Waduk Ir. H. Djuanda dan Laboratorium Akustik Fakultas Perikanan dan Ilmu Kelautan IPB Bogor. Kegiatan penelitian ini terbagi atas pengumpulan data, pengolahan data dan pelaporan hasil kegiatan.

3.2 Bahan dan Alat

Bahan dan alat yang digunakan dalam penelitian ini adalah : a Scientific Echosounder Simrad EY-60 frekuensi 120 kHz ES120-7C b Jaring berbentuk kerucut dengan diameter alas 1 meter dan tinggi 5 meter. Bahan jaring terbuat dari PVC polyvinylchoride dengan ukuran mata jaring 0,5 cm, sehingga diupayakan ikan tidak merasa stress selama masa pengambilan data. c Ikan air tawar yaitu ikan nila O. niloticus, ikan mas C. caprio, dan ikan patin P. hypothalmus. 3.3 Data Akustik 3.3.1 Pengambilan Data Akustik Pengambilan data akustik pada ikan air tawar dilakukan secara in situ dengan metode pengukuran aspek dorsal vertical fixed beaming, dimana ikan ditempatkan pada jaring net cage yang telah dimodifikasi agar tingkat stress ikan dapat dikurangi akibat terbatasnya ruang gerak. Pengambilan data akustik untuk tiap jenis ikan sebanyak 5 ekor dengan panjang yang berbeda berlangsung 2 sampai 3 harijenis ikan atau setara memperoleh kurang lebih 6.000 pola kawanan yang terdeteksi oleh akustik Lampiran 1. Setelah itu, ikan diukur panjang total TL dan berat untuk setiap ukuran untuk memperoleh hubungan panjang-beratnya. Selain itu diukur pula lebar penampang dorsal B dari masing- masing ikan yang diuji Gambar 7. Untuk memperoleh data hubungan bentuk gelembung renang swimbladder ikan dengan nilai backscattering σ bs maka dilakukan pengambilan foto rontgen ikan foto X-Ray. Gambar 7. Penampang lateral dan dorsal ikan Pengambilan data akustik dilakukan dengan menggunakan alat scientific echosounder SIMRAD EY-60 split beam dengan frekuensi tranducer 120 kHz ES120-7C yang memiliki sudut tranmisi half beam width 7 o dan dioperasikan dengan pulse duration 0.128 ms. Jaring ikan ditenggelamkan sedalam kurang lebih 5 meter, dan posisi tranducer ditempatkan 0.5 meter di bawah permukaan air Gambar 8. Pengaturan parameter akustik selama pengambilan data tertera pada Tabel 1. Tabel 1. Pengaturan parameter untuk pengoperasian Simrad EY60 Parameter Nilai Frequency 120 KHz Pulse Duration 0.128 ms Power transmit 50 watt SV threshold -70 dB TS threshold -80 dB Echogram TVG = 40 log R Gambar 8. Letak dan Posisi Alat Penelitian

3.3.2 Pemrosesan Data Akustik

Sinyal akustik yang terekam dalam echogram selanjutnya diolah untuk mengubah raw data dengan perangkat lunak Echoview 4.8. Data yang dihasilkan dari pemrosesan data berupa matriks data akustik MDA yang terdiri dari matriks data target strength dan backscaterring volume Sv. Selanjutnya setiap file memuat MDA dianalisis dengan menggunakan deskriptor akustik yang dikembangkan untuk identifikasi spesies dari modifikasi rumusan Charef et al. 2010 seperti tertera pada Tabel 2. Tabel 2. Deksriptor akustik menurut Charef et al. 2010 yang telah dimodifikasi Deskriptor akustik Formula Hitungan Energetik Sv dB 10 log 10 � σ sv = volume backscattering coefficients TS dB 10 log 10 � σ bs = backscattering cross section Sa dB 10 log 10 � � 2 Sa = area backscattering strength, Ψ = equivalent beam angle steradians, R = range m Skewness � 3 2 dimana � 3 = � − 3 � −1 −2 jika n=3; 0 jika n3 E i = Energi akustik sampel ke-i, E n = Energi akustik sampel ke-n, E SD = Standar deviasi energi akustik Kurtosis + 1 − 1 − 2 − 3 � − 4 � − 3 − 1 2 − 2 − 3 Morfometrik Tinggi m � ��� � � ℎ = � � � ℎ�� − � � � � ��� = � ��� � � ℎ − 2 c = Kecepatan suara di air ms, γ = panjang pulsa ms Bathymetrik Kedalaman m � �=1 ; Di = Kedalaman pada sampel i , n = Σ sampel Ketinggian Relatif m � � ��� � � + � ��� � 2 � ∗ 100 Gambar 9. Skema Pengukuran Deskriptor Akustik

3.3.3 Analisis Nilai Deskriptor Akustik

Analisis data statistik digunakan untuk mencari keeratan hubungan antar parameter deskriptor akustik dengan Analisis Faktor , mengelompokkan sampel ikan dengan nilai deskriptor akustik berdasarkan ukuran kemiripan simmilarity atau ketakmiripan dissimilarity dengan Analisis gerombol Clusterring Analysis, dan Analisis Diskriminan Discriminant Factor Analysis unuk mengelompokkan individu ke dalam suatu obyek kelas berdasarkan sekumpulan peubah-peubah bebas Fauziyah, 2005. Hasil analisis parameter deskriptor akustik menjadi pembanding dengan hasil yang diperoleh dari aplikasi JST Backpropagation dan MLP. Berdasarkan rekomendasi hasil penelitian Muhiddin 2007 aplikasi JSTB berbasis data deskriptor akustik disarankan untuk menguji terlebih dahulu nilai deskriptor yang diperoleh secara statistik agar dalam tingkat pembelajaran JST diperoleh hasil yang optimal parameter deskriptor yang signifikan dapat membedakan antara jenis ikan yang diuji cobakan. 3.4 Jaringan Saraf Tiruan 3.4.1 Arsitektur JST JST yang dipakai dalam penelitian ini yaitu tipe JSTB dengan 1 lapisan tersembunyi dengan 8 unit masukan, 1 lapisan tersembunyi, dan 3 unit keluaran. JSTB dipakai menggunakan model JST-PR Pattern Recognition dengan metode pelatihan scale conjugate gradient. Apabila jaringan telah memahami pola yang diberikan maka JST menguji keseluruhan data nilai deskriptor akustik yang diberikan. Proporsi perbandingan antara jumlah sampel pembelajaran dan sampel uji sebesar 70 : 30. Adapun JST MLP yang digunakan dalam penelitian ini menggunakan 8 unit masukan, 4 unit tersembunyi dan 3 unit keluaran. JST MLP menggunakan aturan pembelajaran terbimbing untuk pembanding hasil yang diperoleh dari arsitektur JST Backpropagation.

3.4.2 Rancangan Awal dan Pelatihan JST

Nilai deskriptor akustik yang diperoleh masih dalam bentuk riil, oleh karena itu perlu dilakukan konversi nilai-nilai deskriptor akustik yang diperoleh dari bilangan riil menjadi bilangan biner atau bipolar. Formula untuk merubah bilangan riil menjadi bilangan binerbipolar dalam JST dilakukan dengan rumus transformasi linier : ′ = − − − + 20 dimana , x = bilangan binerbipolar x = bilangan riil a = data minimum b = data maksimum Untuk menjalankan JSTB, mula-mula dilakukan penghitungan unit masukan keseluruhan yang sudah diboboti dengan bias. Setelah itu nilai tersebut diaktivasi dengan fungsi sigmoid biner dan bipolar agar dapat terkirim pada lapisan diatasnya feed forward . Apabila galat yang diperoleh masih besar dari learning rate, maka dilakukan backpropagation untuk merubah bobot sehingga pada setiap lapisan diperoleh hasil yang diharapkan. Gambar 10. Rancangan Awal Arsitektur Backpropagation Pada pelatihan JST MLP, iterasi terus dilakukan untuk semua data uji sampai diperoleh bobot dimana nilai keluaran sama dengan nilai target yang ditentukan, selanjutnya nilai bobot yang diperoleh digunakan untuk menguji data secara keseluruhan. Gambar 11. Rancangan Awal Arsitektur MLP

3.4.3 Rancangan Akhir dan Pelatihan JST

Apabila telah diperoleh hasil pelatihan JST dalam rancangan awal, maka nilai bobot baru untuk setiap lapisan dirubah menjadi nilai bobot yang sama dengan hasil dari perancangan awal. Setelah itu hasil dari masing-masing arsitektur JST dibandingan dengan hasil perhitungan nilai deskriptor secara analitik statistik. Gambar 12. Diagram alir metode penelitian IV HASIL DAN PEMBAHASAN

4.1 Pengambilan data akustik ikan

Data akustik yang dikumpulkan dalam penelitian ini meliputi 3 tiga jenis ikan yaitu ikan mas, nila dan patin masing-masing sebanyak 5 ekor. Pengambilan data dilakukan menggunakan instrumen akustik bim terbagi Simrad 120 kHz pada bulan Januari, 2011 di Waduk Ir. H. Djuanda, Jatiluhur. Ikan mas yang digunakan dalam penelitian ini memiliki nilai rataan panjang total sebesar 30,86 cm dengan nilai rataan berat sebesar 440 gram. Panjang total ikan nila yang digunakan memiliki nilai rataan sebesar 29,40 cm, dengan nilai rataan berat sebesar 615 gram. Sedangkan panjang total ikan patin dalam penelitian ini memiliki nilai rataan sebesar 36,98 cm dengan nilai rataan berat sebesar 394 gram. Rangkuman ukuran morfometrik ikan uji dapat dilihat pada lampiran 1. Hubungan nilai rataan target strength ikan mas dibandingkan dengan panjang total ikan memiliki koefisien korelasi sebesar R 2 = 0,996 dengan nilai rataan target strength untuk 1.910 sampel data sebesar -52,14 dB ± 4,50. Nilai rataan target strength untuk panjang total minimum ikan mas 26,3 cm yang memiliki berat 250 gram sebesar -63,72 dB, sedangkan nilai rataan target strength panjang total maksimum ikan mas 37 cm dengan berat 800 gram sebesar -52,58 dB Gambar 12. Nilai korelasi hubungan target strength dan panjang total untuk ikan nila dengan jumlah sampel data yang sama diperoleh sebesar R 2 = 0,859 dengan nilai rataan target strength sebesar -60,79 dB ± 2,87. Panjang total minimum ikan nila sebesar 23,5 cm dengan berat 313 gram memiliki nilai rataan target strength sebesar -68.30 dB dan panjang total maksimum sebesar 38,5 cm dengan berat 1.073 gram memiliki nilai rataan target strength sebesar -59,62 dB Gambar 12. Nilai rataan target strength ikan patin diperoleh sebesar -56,63 dB ± 4,22 dengan koefisien korelasi sebesar R 2 = 0,837. Ikan patin dengan panjang total minimum 31,5 cm dengan berat 235 gram memiliki nilai rataan target strength sebesar -63,70 dB, sedangkan untuk panjang total maksimum 45 cm dengan berat 748 gram memiliki nilai rataan target strength sebesar -55,80 dB Gambar 13. Gambar 13. Hubungan target strength dan panjang total ikan Ikan mas C. caprio adalah jenis ikan yang memiliki gelembung renang dengan 2 ruangan 2-chamber, sedangkan ikan nila O. niloticus dan ikan patin P. pangasius adalah jenis ikan yang hanya memiliki 1 ruangan gelembung renang 1- chamber. Perbedaan tipe gelembung renang ini sangat mempengaruhi terhadap nilai backscattering cross section, skewness, variance dari deskriptor target strength ikan. Menurut Frouzova et al. 2011 perbedaan tipe gelembung renang dapat dilihat salah satunya dari parameter variance dan skewness dari nilai target strength yang diperoleh. Distribusi normal nilai target strength ikan mas menunjukkan nilai keragaman variance sebesar 45,10 dengan nilai rataan target strength sebesar -52,14 dB, sedangkan nilai keragaman ikan nila dan patin masing-masing sebesar 25,15 dan 22,53 dengan nilai rataan target strength sebesar -60,79 dB dan -56,63 dB. Begitu pula dengan nilai skewness ikan mas diperoleh sebesar 0,74, sedangkan ikan nila dan patin sebesar 0,32 dan 0,43 Gambar 14. Gambar 14. Kurva distribusi normal nilai target strength ikan Selain nilai variance dan skewness, analisis indeks sebaran data atau dikenal dengan Fano factor diperoleh nilai indeks VMR variance mean ratio untuk ketiga jenis ikan uji berada pada interval 0 sampai 1 dengan nilai VMR masing-masing sebesar 4,85e-05 mas, 3,13e-06 nila, dan 1,52e-05 patin, sehingga dapat dikatakan sebaran data yang diperoleh berada dibawah nilai rata- rata under dispersed. Dari hasil tersebut dapat dikatakan bahwa nilai target strength ikan yang hanya memiliki 1 ruangan gelembung renang memiliki nilai keragaman yang lebih rendah daripada ikan yang memiliki 2 ruangan gelembung renang. Selain itu ikan yang memiliki 2 ruangan gelembung renang akan memiliki nilai target strength yang lebih tinggi dibandingkan dengan jenis ikan yang hanya memiliki 1 ruangan gelembung renang. Sedangkan untuk kedua tipe gelembung renang tersebut memiliki nilai VMR yang sama Tabel 3. Tabel 3. Rangkuman nilai variance , skewness dan VMR Jenis Ikan Type Swimbladder Variance Skewness VMR Mas 2- chambered 50 0.5 0 VMR 1 Nila 1- chambered 50 0.5 0 VMR 1 Patin 1- chambered 50 0.5 0 VMR 1

4.2 Pengambilan data kualitas air