41 tangkap adalah untuk menghilangkan bias dari alat tangkap yang tidak beropresi.
Teknik standarisasi effort antar alat tangkap digunakan formula yang dikembangkan oleh King 1995, dengan formula sebagai berikut :
jt jt
jt
D E
ϑ =
3.3
Dimana :
st jt
jt
u u
= ϑ
3.4 dimana:
E
jt
= Effort dari alat tangkap j pada waktu t yang distandarisasi D
jt
= Jumlah trip dari alat tangkap j pada waktu t
jt
ϑ = Nilai fishing power dari alat tangkap j pada periode t u
jt
= Catch per unit effort CPUE dari alat tangkap j pada waktu t u
st
= Catch per unit effort CPUE dari alat tangkap yang dijadikan basis standarisasi
Untuk memperoleh nilai upaya, maka seluruh unit effort distandarisasi berdasarkan alat tangkap pukat cincin purse seine.
3.4.2. Uji Stationary
Untuk data time series, sebelum dilakukan estimasi regresi perlu terlebih dahulu dilakukan uji stationer stationary test. Uji ini mutlak diperlukan karena
hanya data yang bersifat stationer yang bisa menggunakan Ordinary Least Square OLS. Sedangkan data yang tidak stasioner non stationary, penggunaan OLS
akan bersifat spurious regression akibat terjadi autokorelasi, artinya koefisien hasil estimasi regresi tidak valid dan tidak dapat digunakan.
Untuk menganalisis sifat stationary dari data time series digunakan Dickey Fuller unit root test
Dickey et al. 1994 sebagai berikut : y = a
1
y
t-1
+ ε
t
3.5 Persamaan di atas bermakna bahwa viriabel y
t
tergantung pada nilai y pada periode sebelumnya dan error term. Variabel y
t
tersebut bersifat stationery jika
42 a
1
1 dan non stationary jika a
1
= 1. Jika kedua sisi persamaan di atas dikurangi dengan y
t-1
, maka dihasilkan persamaan berikut : y
t
– y
t-1
=a
1
– 1 y
t-1
+ ε
t
3.6 atau disederhanakan menjadi :
Δy
t
= γ y
t-1
+ ε
t
3.7 Hipotesis null dari Dickey Fuller test adalah
γ = 0, artinya jika nilai t-statistik dari γ lebih kecil dari nilai critical value, maka variabel y
t
bersifat non-stationary dan parameter yang dihasilkan tidak reliable. Untuk mengetahui nilai-nilai tersebut
dilakukan dengan Software SHAZAM 8.0. Dengan perangkat lunak ini juga, melalui beberapa kali iterasi pengaruh auto correlation dapat dihilangkan,
sehingga parameter yang dihasilkan menjadi reliable.
3.4.3. Model Bio-Ekonomi Sumber daya Perikanan
Dalam penilaian sumber daya perikanan, hal terpenting yang perlu diketahui adalah nilai estimasi tangkapan lestari dari stok ikan. Nilai-nilai ini
idealnya dihitung pada setiap spesies stock-by-stock basis, namun karena keterbatasan waktu dan dana, maka dalam penelitian ini dibatasi pada 2 spesies
saja, yaitu tongkol dan cakalang. Dipilihnya kedua spesies ini karena keduanya merupakan spesies pelagis yang paling dominan yang ditangkap di Pantai Timur
dan Barat Aceh. Untuk mengetahui nilai estimasi tangkapan lestari, terlebih dahulu perlu diketahui produktivitas dari stok ikan. Untuk menganalisis stok ikan
digunakan model surplus produksi surplus production models. Model ini mengasumsikan stok ikan sebagai penjumlahan biomas dengan persamaan :
t t
h x
F t
x −
= ∂
∂ 3.8
dimana Fx
t
adalah laju pertumbuhan alami atau laju penambahan asset biomas, h
t
adalah laju penangkapan atau laju pengambilan. Ada dua bentuk model fungsional untuk menggambarkan stok biomas, yaitu bentuk Logistik Schaefer,
1957 dan bentuk Gompertz Fox, 1970 , dengan persamaan sebagai berikut: Bentuk logistik:
43
t t
t t
h K
x rx
t x
− −
= ∂
∂ 1
3.9
Bentuk Gompertz:
t t
t t
h x
K rx
t x
− =
∂ ∂
ln
3.10 dimana r adalah laju pertumbuhan intrinsik, K adalah daya dukung lingkungan.
Bentuk fungsional logistik adalah simetris, sementara Gompertz tidak. Selanjutnya diasumsikan bahwa laju penangkapan linear terhadap biomas dan
effort dengan rumus sebagai berikut:
t t
t
x qE
h =
3.11 dimana q adalah koefisien kemampuan penangkapan dan E
t
adalah upaya penangkapan. Dengan mengasumsikan kondisi keseimbangan equilibrium maka
kurva tangkapan-upaya lestari yield-effort curve dari fungsi di atas dapat ditulis sebagai berikut :
Logistik:
2 2
E r
K q
qKE h
t t
⎥ ⎦
⎤ ⎢
⎣ ⎡
− =
3.12
Gompertz :
⎟ ⎠
⎞ ⎜
⎝ ⎛ −
=
r qE
t t
qKE h
exp 3.13
Estimasi parameter r, K dan q untuk persamaan yield-effort dari kedua model di atas melibatkan teknik non linier. Namun demikian dengan menuliskan
t t
t
E h
U =
, persamaan tersebut dapat ditransformasikan menjadi persamaan linier sehingga metode regresi biasa dapat digunakan untuk mengestimasi
parameter biologi dari fungsi di atas. Teknik estimasi parameter dikembangkan oleh Clarke, Yoshimoto dan Pooley 1992 atau sering dikenal dengan metode
CYP, adalah sebagai berikut :
2 ln
2 2
ln 2
2 ln
1 1
+ +
+ +
− ⎟
⎠ ⎞
⎜ ⎝
⎛ +
− +
+ =
t t
t t
E E
r q
U r
r qK
r r
U 3.14
44 Nilai parameter r, q, dan K pada persamaan 3.14 dapat diperoleh melalui
persamaan berikut Tinungki 2005: r
β +
β −
= 1
1 2
r q
+ γ
− =
2 3.15
q e
K
r r
2 2
+ α
=
Dari data time series produksi selama 21 tahun 1984 – 2004 dijadikan basis untuk perhitungan kurva yield-effort dengan menggunakan perangkat lunak
SHAZAM 8.0 Perhitungan nilai optimal produksi dan upaya serta rente ekonomi dilakukan secara numerik dengan menggunakan perangkat lunak MAPLE 9.5.
Dalam penelitian ini ditentukan dua jenis alat tangkap yang paling dominan, yaitu pukat cincin purse seine dan pancing tonda. Alat tangkap pancing tonda
distandarisasi ke alat tangkap pukat cincin untuk mendapatkan satu unit upaya yang terstandarisasi standardized effort.
Kurva produksi lestari yield-effort curve dengan adanya tsunami dihitung dengan menggunakan model Fozin-1 singkatan dari nama Dr. Foz dan Indra.
Model ini pada dasarnya merupakan pengembangan dari fungsi produksi sumber daya ikan, yaitu dengan memasukkan nilai lambda
λ yang merupakan dampak tsunami terhadap penurunan produksi ikan kedalam persamaan 3.11, sebagai
berikut : h = qxE
1 –
α h = qxE qxE
- 1
1 h
α =
- 1
1 α
λ = qxE
K x
rx x
λ −
⎟ ⎠
⎞ ⎜
⎝ ⎛ −
= 1
.
qE K
x r
x λ
= ⎟
⎠ ⎞
⎜ ⎝
⎛ − →
= 1
.
45
r qE
K x
λ =
− 1
r qE
K x
λ −
= 1 ⎟
⎠ ⎞
⎜ ⎝
⎛ − =
E r
q K
x λ
1 ⎟
⎠ ⎞
⎜ ⎝
⎛ − =
E r
q qEK
h
ds
λ λ
1 3.16
Dimana h
sd
adalah hasil tangkapan yield dengan tsunami. Dengan menggunakan Software Maple 9.5 yield-effort curves dengan tsunami dapat dihitung, sehingga
diperoleh E, h, x, dan rente pada kondisi dengan tsunami.
3.4.4. Estimasi Parameter Ekonomi
