materi jurnal eksakta vol 3 no 2 sept2015
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 1
PENGARUH HASIL TANGKAPAN SUMBERDAYA IKAN SELAR
KUNING (Selaroides leptolepis) YANG DIDARATKAN DI PPI DESA
KRANJI KECAMATAN PACIRAN KABUPATEN LAMONGAN
Faisol Mas‘ud *)
*)
Dosen Fakultas Perikanan Program Studi Manajemen Sumberdaya Perairan
Universitas Islam Lamongan
email : icol.gusty@gmail.com
ABSTRAK
Ikan selar kuning merupakan salah satu sumberdaya ikan ekonomis penting yang terdapat di Perairan
Paciran Kabupaten Lamongan. Nilai ekonomis yang tinggi disertai permintaan yang terus meningkat,
menjadikan ikan ini sebagai salah satu target utama penangkapan. Namun pada kenyataannya sumberdaya
ikan selar kuning mengalami tekanan penangkapan yang akan berdampak negatif terhadap populasi ikan
tersebut. Penelitian ini dilakukan di Perairan Paciran selama periode bulan Maret sampai Mei 2015, dengan
tujuan untuk mengkaji sebaran frekuensi panjang, menentukan parameter pertumbuhan, mengkaji pola
pertumbuhan, menentukan nilai hasil tangkapan per satuan upaya, dan menduga musim penangkapan yang
baik, guna memberikan suatu usulan model pengelolaan yang sesuai bagi sumberdaya ikan tersebut.
Jenis data yang dikumpulkan untuk keperluan penelitian ini adalah data primer dan data sekunder.
Data primer terdiri dari pengambilan ikan contoh dan wawancara terhadap nelayan berdasarkan kuisioner,
sedangkan data sekunder terdiri dari data hasil tangkapan dan upaya tangkap beberapa tahun terakhir,
dokumen atau literature yang mendukung penelitian. Pengambilan contoh ikan dilakukan dengan metode
penarikan contoh berlapis (stratified random sampling) adalah penarikan contoh yang dilakukan dengan
cara populasi dibagi menjadi beberapa lapisan berdasarkan karakteristiknya. Berdasarkan hasil, alternatif
strategi pengelolaan sumberdaya ikan selar kuning diantaranya adalah pencegahan overfishing dapat
dilakukan dengan: (1) pengaturan alat tangkap, yakni pengaturan mesh size jaring muroami pada bagian
kantong agar lebih besar dari 1 inchi; (2) pengaturan upaya penangkapan; (3) dalam jangka pendek dapat
dilakukan schedule of fishing, yaitu kegiatan pengaturan penangkapan seperti adanya sistem buka tutup
untuk suatu lokasi penangkapan; (4) perlunya menerapkan sistem monitoring serta pendataan secara
sistematis dan kontinu terhadap produksi ikan yang bernilai jual, ikan konsumsi, bahkan ikan yang
terbuang (by catch).
Kata kunci : pengelolaan sumberdaya, ikan selar kuning, monitoring pendataan
Tuntutan pemenuhan kebutuhan akan
sumberdaya akan diikuti oleh tekanan eksploitasi
sumberdaya ikan yang juga semakin intensif. Jika
tidak di kelola secara bijaksana sangat
dikhawatirkan penmanfaatan secara intensif akan
mendorong usaha perikanan ke jurang kehancuran
(Nikijuluw VPH, 2002).
Pengelolaaan perikanan tangkap harus
memberikan suatu upaya yang berkelanjutan serta
ramah lingkungan. Berdasarkan hal ini dilakukan
kajian melalui data sebaran frekuensi panjang,
menentukan parameter pertumbuhan, menduga laju
mortalitas dan eksploitasi.
Ikan selar kuning merupakan jenis ikan
konsumsi yang memiliki nilai ekonomis penting.
Dengan semakin meningkatnya permintaan
komoditas dan semakin bertambahnya angkatan
kerja disektor penangkapan mengakibatkan
semakin meningkatnya tekanan penangkapan
terhadap sumberdaya ikan karang. Penambahan
jumlah upaya penangkapan pada batas waktu
tertentu akan menyebabkan peningkatan produksi,
tetapi apabila terus terjadi penambahan upaya,
maka pada suatu saat akan terjadi penurunan stok.
Apabila kondisi pola pemanfaatan sumberdaya
ikan selar kuning yang ada pada saat ini tetap
berjalan, diduga dalam jangka panjang dapat
mengakibatkan penurunan stok sumberdaya
bahkan dapat terancam punah.
Permasalahan
Ikan selar kuning adalah komoditas
bernilai ekonomi tinggi di Kabupaten Lamongan.
Selain alat tangkap bubu, alat tangkap yang
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 2
dominan untuk menangkap ikan ini adalah jaring
muroami.
Penggunaan
alat
tangkap
ini
menyebabkan tertangkapnya ikan‐ikan yang masih
muda karena memiliki ukuran mata jaring pada
kantong (cod end) yang sangat kecil yaitu hanya
sekitar 2,54 cm. Kondisi tekanan penangkapan
yang tinggi, volume produksi yang terus
meningkat dan belum adanya kegiatan budidaya
dapat mengakibatkan penipisan stok ikan atau
menurunnya jumlah populasi ikan selar kuning di
Perairan Paciran serta terjadinya upaya tangkap
lebih (overfishing). Oleh karena itu, diperlukan
suatu upaya pengelolaan agar pemanfaatan ikan
selar kuning yang berkelanjutan dapat tercapai.
Dalam hal ini diperlukan informasi dasar mengenai
biologi sumberdaya ikan selar kuning seperti
pertumbuhan agar status populasi ikan selar kuning
saat ini dapat diketahui.
Tujuan Penelitian
Penelitian ini bertujuan untuk mengkaji
sebaran frekuensi panjang, menentukan parameter
pertumbuhan, mengkaji pola pertumbuhan,
menentukan hasil tangkapan per satuan upaya, dan
menduga musim penangkapan yang baik, guna
memberikan suatu usulan model pengelolaan yang
sesuai bagi sumberdaya ikan tersebut.
METODE PENELITIAN
Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di Pendaratan
Pangkalan Ikan (PPI) Desa Kranji Kecamatan
Paciran Kabupaten Lamongan. Pengambilan data
primer berupa pengukuran panjang dan berat ikan
contoh yang ditangkap di PPI Desa Kranji
kecamatan Paciran dilakukan mulai bulan Maret
sampai Mei 2015 dengan interval waktu
pengambilan setiap bulan.
Fokus utama penelitian adalah para
nelayan yang menangkap ikan selar kuning di
perairan Paciran Kabupaten Lamongan dengan
menggunakan alat tangkap yang dominan yaitu
muroami di daerah sekitarnya dan mendaratkan
hasil tangkapannya di PPI Kranji Kecamatan
Paciran
Kabupaten
Lamongan.
Dasar
pertimbangan pemilihan PPI Kranji sebagai lokasi
penelitian karena PPI tersebut merupakan
satu‐satunya Pangkalan Pendaratan Ikan yang
berlokasi di daerah Paciran Kabupaten Lamongan
sehingga diharapkan informasinya dapat mewakili
dan mencerminkan upaya pengelolaan sumberdaya
ikan selar kuning di perairan Paciran Kabupaten
Lamongan.
Alat dan Bahan
Alat yang digunakan antara lain penggaris
30 cm dengan ketelitian 0,1 cm, timbangan
berkapasitas 2000 gram dengan ketelitian 0,5
gram, kamera digital, alat tulis. Bahan yang
digunakan antara lain peta lokasi penelitian, data
sheet, formulir kuisioner, dokumen‐dokumen, dan
literatur yang mendukung penelitian.
Pengumpulan Data
Jenis data yang dikumpulkan untuk
keperluan penelitian ini adalah data primer dan
data sekunder. Data primer terdiri dari
pengambilan ikan contoh dan wawancara terhadap
nelayan berdasarkan kuisioner, sedangkan data
sekunder terdiri dari data hasil tangkapan dan
upaya tangkap beberapa tahun terakhir, dokumen
atau literatur yang mendukung penelitian. Ikan
contoh ditangkap dengan jaring muroami yang
terdiri dari tiga bagian yaitu: mulut, badan, dan
kantong. Ukuran mata jaring yang digunakan pada
bagian mulut sebesar 3 inchi (7,62 cm), bagian
badan sebesar 1 ¾ inchi (4,45 cm), dan bagian
kantong sebesar 1 inchi (2,54 cm). Dari 13 jumlah
nelayan muroami, ikan contoh yang diambil
berasal hanya dari satu nelayan saja yang mendarat
di PPI Desa Kranji dengan dasar pertimbangan
mengambil 10% dari total jumlah nelayan
muroami yang ada. Nelayan yang terpilih
dilakukan secara acak dengan menggunakan
metode penarikan contoh acak sederhana (simple
random sampling).
Ikan contoh diidentifikasi dengan cara
mengamati morfologi ikan, yakni bentuk tubuh,
sirip pektoral, sirip dorsal, sirip ventral, sirip anal,
sirip ekor, warna, dan ciri khusus lainnya.
Pengambilan contoh ikan dilakukan dengan
metode penarikan contoh berlapis (stratified
random sampling) adalah penarikan contoh yang
dilakukan dengan cara populasi dibagi menjadi
beberapa lapisan berdasarkan karakteristiknya.
Ikan contoh dibedakan berdasarkan ukurannya
yaitu kecil (6‐12 cm), sedang (13‐20 cm), dan
besar (>20 cm). Total ikan contoh yang diambil
sebanyak 150 ekor setiap bulan.
Ikan contoh kemudian diukur panjang dan
berat. Panjang ikan yang diukur adalah panjang
total yaitu panjang ikan dari ujung mulut terdepan
sampai dengan ujung sirip ekornya. Ikan yang
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 3
telah diukur panjangnya langsung dipisahkan
untuk dilakukan pengukuran berat.
Pengambilan contoh responden dilakukan
dengan menggunakan metode purposive sampling
atau pemilihan responden dengan sengaja
berdasarkan kesediaan anggota populasi. Menurut
Bagenal T (1978), metode pengambilan contoh
secara purposive (purposive sampling) adalah
penarikan contoh yang dilakukan berdasarkan
kriteria yang ditentukan oleh peneliti. Pengambilan
contoh dilakukan terhadap nelayan yang dianggap
mewakili sifat‐sifat dari keseluruhan nelayan yang
menangkap ikan selar kuning di Perairan Paciran
Kabupaten Lamongan. Pengambilan contoh
responden difokuskan pada satu jenis alat tangkap
yaitu muroami. Jenis data yang dikumpulkan
melalui kuisioner adalah sebagai berikut :
1. Jenis, ukuran, komposisi dan produksi ikan;
seluruh jenis ikan yang tergolong dalam
kategori ikan karang konsumsi akan
dikumpulkan pada lokasi studi yang telah
ditetapkan. Namun, dari seluruh ikan karang
konsumsi tersebut akan difokuskan pada ikan
selar kuning.
2. Jumlah dan kategori (tipe) kapal ikan; seluruh
kapal yang menangkap ikan di wilayah perairan
tersebut akan mendaratkan ikannya di PPI.
3. Alat tangkap; jenis data ini meliputi jenis,
kategori dan jumlah alat tangkap yang
beroperasi.
4. Lokasi penangkapan; karena setiap ikan
memiliki lokasi penangkapan (fishingground)
yang berbeda‐beda, oleh karena itu akan
dilakukan inventarisasi lokasi penangkapan
setiap ikan yang didaratkan.
5. Musim penangkapan; data ini meliputi
waktu‐waktu penangkapan ikan laut,
6. Yaitu musim panen dan paceklik.
7. Nelayan; data nelayan yang relevan untuk
dikumpulkan meliputi jumlah dan kategori
nelayan.
Data sekunder dapat didapatkan dari
instansi terkait, baik yang ada di lokasi penelitian
maupun yang ada di Dinas Perikanan dan Kelautan
Kabupaten Lamongan. Beberapa instansi yang
dijadikan sumber bagi data sekunder antara lain :
Dinas Perikanan dan Kelautan Kabupaten
Lamongan; Tempat Pelelangan Ikan Kranji. Jenis
data yang diperlukan adalah:
1) Produksi (penangkapan)
2) Upaya/frekuensi lama/jumlah penangkapan
3) Sarana usaha perikanan (kapal, alat tangkap,
dll)
4) Pemasaran (bentuk komoditas, tujuan, sistem
pemasaran)
ANALISIS DATA
Sebaran frekuensi panjang
Sebaran
frekuensi
panjang
adalah
distribusi ukuran panjang pada kelompok panjang
tertentu. Sebaran frekuensi panjang didapatkan
dengan menentukan selang kelas, nilai tengah
kelas, dan frekuensi dalam setiap kelompok
panjang (Lagler KF et all, 1977). Dalam penelitian
ini, untuk menganalisis sebaran frekuensi panjang
menggunakan tahapan tahapan sebagai berikut
1) Menentukan nilai maksimum dan nilai
minimum dari seluruh data panjang total ikan
selar kuning.
2) Dengan melihat hasil pengamatan frekuensi
pada setiap selang kelas panjang ikan
ditetapkan jumlah kelas sebanyak 22 kelas
dengan interval sebesar 10 mm.
3) Menentukan limit bawah kelas bagi selang
kelas yang pertama dan kemudian limit atas
kelasnya. Limit atas didapatkan dengan cara
menambahkan lebar kelas pada limit bawah
kelas.
4) Mendaftarkan semua limit kelas untuk setiap
selang kelas.
5) Menentukan nilai tengah kelas bagi
masing‐masing kelas dengan merata‐ratakan
6) Limit kelas.
7) Menetukan frekuensi bagi masing‐masing
kelas.
Sebaran frekuensi panjang yang telah
ditentukan dalam masing‐masing kelas, diplotkan
dalam sebuah grafik untuk melihat jumlah
distribusi normalnya. Dari grafik tersebut dapat
terlihat jumlah puncak yang menggambarkan
jumlah kelompok umur (kohort) yang ada. Dapat
terlihat juga pergeseran distribusi kelas panjang
setiap bulannya. Pergeseran sebaran frekuensi
panjang menggambarkan jumlah kelompok umur
(kohort) yang ada. Bila terjadi pergeseran modus
sebaran frekuensi panjang berarti terdapat lebih
dari satu kohort. Bila terdapat lebih dari satu
kohort, maka dilakuakn pemisahan distribusi
normal. Menurut Brandt V (1984) metode yang
dapat digunakan untuk memisahkan distribusi
komposit ke dalam distribusi normal dengan
bantuan software program FISAT II.
Parameter pertumbuhan (L∞,K) dan t0
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 4
Plot Ford‐Walford merupakan salah satu
metode paling sederhana dalam menduga
persamaan pertumbuhan Von Bertalanffy dengan
interval waktu pengambilan contoh yang sama
Brandt V (1984). Persamaan pertumbuhan Von
Bertalanffy dapat dinyatakan sebagai berikut :
= ∞ 1 − �− ( − )
Allometrik positif, jika b>3 (pertambahan
berat lebih dari pada pertambahan panjang) dan
allometrik negatif, jika b3,
pertambahan berat lebih cepat dari pada
pertambahan panjang) atau (b ttabel maka tolak hipotesis nol (H0) dan jika
thitung < ttabel maka gagal tolak hipotesis nol (H0).
�
=
TPSU adalah jumlah tangkapan per satuan upaya,
T adalah jumlah tangkapan bulanan harian, atau
tahunan ikan selar kuning (kg) dan U adalah
merupakan jumlah upaya bulanan, harian, atau
tahunan ikan selar kuning (hari). Selanjutnya
TPSU ini disajikan dalam bentuk grafik.
HASIL DAN PEMBAHASAN
Sebaran frekuensi panjang ikan selar kuning
Ikan selar kuning yang diamati selama
penelitian berjumlah 450 ekor masing-masing 154
ekor pada bulan Maret, April, dan Mei. Panjang
minimum dan panjang maksimum ikan selar
kuning adalah 76 mm dan 295 mm. Pada bulan
Maret frekuensi ikan selar kuning jantan dan betina
adalah 126‐136 mm dan 137‐145 mm. Pada bulan
April frekuensi ikan selar kuning jantan dan betina
adalah 126‐135 mm dan 137‐145 mm. Pada bulan
Mei frekuensi ikan selar kuning jantan dan betina
adalah 117‐128 mm dan 128‐135 mm. Secara
keseluruhan diketahui bahwa frekuensi tertinggi
ikan selar kuning jantan dan betina adalah 125‐134
mm. Hasil ini menunjukkan bahwa ukuran ikan
selar kuning betina lebih besar dibandingkan
ukuran ikan selar kuning jantan.
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 5
Gambar 1. Sebaran frekuensi panjang ikan selar
kuning setiap kelas secara total
Gambar 1. Sebaran frekuensi panjang ikan selar
kuning setiap bulan Maret
Gambar 2. Sebaran frekuensi panjang ikan selar
kuning setiap kelas bulan April
Parameter pertumbuhan (L∞, K) dan t0
Parameter pertumbuhan Von Bertalanffy
(K dan L∞) diduga dengan menggunakan metode
Plot Ford‐Walford. Metode Ford Walford dapat
digunakan karena data diambil pada interval waktu
yang tetap yaitu satu bulan selama tiga bulan. Hasil
pemisahan kelompok ukuran menunjukkan bahwa
ikan contoh terdiri dari beberapa kelompok ukuran.
Hasil analisis kelompok ukuran ikan di
atas memiliki panjang rata‐rata, jumlah populasi
dan indeks separasi seperti disajikan pada Tabel 2,
Tabel 3, dan Tabel 4. Dalam pemisahan kelompok
ukuran ikan dengan menggunakan metode
Bhattacharya indeks separasi (separation index, SI)
sangat penting untuk diperhatikan. Menurut
Busacker GP et all (1990), jika nilai I3 pada ikan betina
mungkin disebabkan oleh faktor lingkungan,
makanan yang lebih banyak, ataupun faktor tingkat
kematangan gonad.
PEMBAHASAN
Sebaran frekuensi panjang ikan selar kuning
Hasil penelitian ini menunjukkan bahwa
ukuran ikan selar kuning betina lebih besar
dibandingkan ukuran ikan selar kuning jantan. Hal
ini sesuai dengan pernyataan Nikolsky (1963)
bahwa biasanya ukuran ikan betina lebih besar
beberapa satuan dibandingkan ikan jantan untuk
menjamin fekunditas yang besar dalam stok dan
perbedaan ukuran ini dicapai melalui ikan jantan
yang matang gonad lebih cepat dan jangka
hidupnya yang lebih singkat. Menurut Lagler et
all. (1977) perbedaan ukuran antar jenis kelamin
kemungkinan disebabkan oleh faktor genetik. Ikan
berukuran besar dengan jumlah yang sangat sedikit
ini diduga adalah induk ikan selar kuning. Hal ini
sesuai dengan pernyataan Lagler et all. (1977)
bahwa ukuran terbesar yang muncul pada
umumnya berhubungan dengan induk yang paling
“penting”. Panjang total maksimum ikan selar
kuning yang tertangkap adalah 294 mm. Menurut
Allen et all. (2007) panjang total maksimum
mencapai 500 mm. Perbedaan ini dapat dijelaskan
oleh beberapa kemungkinan yaitu perbedaan lokasi
pengambilan ikan contoh, keterwakilan contoh
yang diambil, dan kemungkinan terjadinya tekanan
penangkapan yang tinggi. Spesies yang sama pada
lokasi yang berbeda akan memiliki pertumbuhan
yang berbeda pula karena perbedaan faktor luar
maupun faktor dalam yang mempengaruhi
pertumbuhan ikan tersebut.
Menurut Dina R (2008) faktor dalam
umumnya adalah faktor yang sulit dikontrol seperti
keturunan, jenis kelamin, umur, parasit, dan
penyakit. Faktor luar yang utama mempengaruhi
pertumbuhan ikan yaitu suhu dan makanan.
Dengan asumsi bahwa ikan contoh sudah mewakili
populasi yang ada maka ukuran panjang total
maksimum yang lebih kecil bisa mengindikasikan
adanya tekanan penangkapan yang tinggi. Namun
untuk menyimpulkan hal ini diperlukan
pembandingan dengan spesies dan lokasi yang
sama serta kajian lebih lanjut. Kemungkinan
terakhir adalah tidak terpilihnya ikan yang lebih
besar pada saat pengambilan ikan contoh karena
pengacakan.
Pergeseran selang ukuran panjang ikan
yang banyak tertangkap ke selang ukuran yang
lebih kecil dapat dijadikan sebagai indikasi adanya
rekruitmen pada interval waktu pengamatan.
Namun untuk menentukan musim pemijahan dan
rekruitmen ikan selar kuning di Perairan Paciran
perlu dilakukan kajian lebih lanjut. Pergeseran
selang ukuran panjang ikan yang banyak
tertangkap ke selang ukuran yang lebih besar dapat
dijadikan sebagai indikasi adanya pertumbuhan
pada interval waktu pengamatan yaitu satu bulan.
Dengan adanya pertumbuhan dalam interval waktu
yang singkat maka diduga bahwa ikan selar kuning
memiliki laju pertumbuhan yang relatif kecil.
Kajian lebih lanjut diperlukan untuk membuktikan
dugaan ini dan akan dibahas pada sub bab
pertumbuhan.
Parameter pertumbuhan (L∞, K) dan t0
Plot Ford‐Walford merupakan salah satu
metode paling sederhana dalam menduga
persamaan pertumbuhan Von Bertalanffy dengan
interval waktu pengambilan contoh yang sama
(Brandt V, 1984). Dari analisis frekuensi panjang
didapatkan kelompok umur ikan selar kuning yang
dapat diolah selanjutnya dengan menggunakan
metode Ford Walford guna mendapatkan nilai L∞,
K, dan t0.
Hasil analisis pemisahan kelompok ukuran
ikan selar kuning jantan menunjukkan bahwa
jumlah total ikan yang diamati yaitu 368 ekor
sedangkan hasil analisis pemisahan kelompok
ukuran ikan selar kuning betina menunjukkan
bahwa jumlah total ikan yang diamati yaitu 134
ekor, dan hasil analisis pemisahan kelompok
ukuran ikan selar kuning secara total menunjukkan
bahwa jumlah total ikan yang diamati yaitu 342
ekor. Jumlah ini dapat bernilai lebih besar ataupun
lebih kecil dibandingkan dengan jumlah ikan
contoh yang diobservasi. Perbedaan nilai teoritis
dengan nilai observasi disebabkan oleh adanya
pengacakan. Meskipun ikan contoh yang
digunakan merupakan contoh acak yang sempurna
nilai observasi akan tetap mengalami fluktuasi
seputar distribusi yang sesungguhnya (distribusi
dari populasi) (Brandt V, 1984).
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 8
Pertumbuhan
Panjang maksimum ikan selar kuning
adalah 294 mm dan panjang asimtotik ikan selar
kuning adalah 303 mm. Kurva pertumbuhan
(Gambar 4) menunjukkan bahwa laju pertumbuhan
ikan selama rentang hidupnya tidak sama. Ikan
muda memiliki laju pertumbuhan yang lebih cepat
dibandingkan dengan ikan tua (mendekati L∞).
Walaupun dengan laju pertumbuhan yang kecil,
namun ikan tetap akan mengalami pertumbuhan
panjang bahkan dalam kondisi faktor lingkungan
yang tidak mendukung. Peningkatan ukuran
panjang umumnya tetap berlangsung walaupun
ikan mungkin dalam keadaan kekurangan makanan
(Busacker et al. 1990).
Pertumbuhan
memiliki
karakteristik
tertentu pada masing‐masing kelompok ikan. Pada
periode ini variasi yang sangat bergantung pada
suplai makanan (Nikolsky 1963). Petumbuhan ikan
dan organisme lainnya didefinisikan sebagai waktu
yang dihabiskan pada daerah pemangsaan yang
berbeda dihubungkan dengan ukuran tubuh dan ini
merupakan proses kunci dibalik sejarah hidup
organism yang lebih spesifik.
Hubungan panjang berat
Berdasarkan contoh ikan selar kuning di
Perairan Paciran memiliki kisaran panjang antara
75‐294 mm dan kisaran berat antara 5‐580 gram.
Berdasarkan penelitian Marnane et al. 2005, ikan
selar kuning di Kepulauan Karimunjawa pada
umumnya mencapai tahap dewasa pada ukuran
25‐45 cm dan pada selang ukuran 33‐ 46 cm atau 2
ekor dalam 1 kg baru merupakan ukuran tangkap
yang optimal dalam arti memiliki nilai ekonomis
dan nilai ekologis tertinggi, sedangkan berdasarkan
www.fishbase.com ukuran pertama kali matang
gonad dari ikan selar kuning berkisar antara 22‐23
cm. Dapat disimpulkan berdasarkan contoh ikan
pada saat penelitian bahwa ikan selar kuning yang
tertangkap dengan alat tangkap muroami di
Perairan Paciran belum memiliki ukuran optimal
untuk tertangkap yang kebanyakan masih dalam
tahap dewasa yang seharusnya belum boleh
ditangkap.
Nilai b ikan selar kuning betina lebih besar
daripada nilai b ikan selar kuning jantan. Hal ini
dapat disebabkan oleh energi yang digunakan ikan
jantan biasanya lebih besar daripada ikan betina
yang dapat menyebabkan ikan jantan mempunyai
bentuk tubuh lebih langsing dan kurus, sedangkan
ikan betina gerakannya lebih lamban apalagi pada
saat memijah karena berat gonad juga
mempengaruhi berat tubuhnya. Pertambahan berat
lebih cepat dari pertambahan panjang karena ikan
betina mempunyai kandungan lemak yang lebih
banyak dibandingkan ikan jantan sehingga bentuk
tubuh ikan betina pada umumnya gemuk dan lebih
bulat.
Hubungan panjang berat dari sutu populasi
ikan mempunyai beberapa kegunaan, yaitu
menurut Nelson JS (2006) dapat memprediksi
berat suatu jenis ikan dari panjang ikan yang dapat
berguna untuk mengetahui biomassa populasi ikan
tersebut.
Parameter
pendugaan
antar
kelompok‐kelompok ikan digunakan untuk
mengidentifikasi keadaan populasi suatu jenis ikan
berdasarkan ruang dan waktu, sedangkan menurut
Fafioye OO & Oluajo OA (2005) analisis panjang
berat yang dihubungkan dengan data kelompok
umur dapat digunakan untuk mengetahui
komposisi stok, umur saat pertama memijah, siklus
kehidupan, kematian pertumbuhan, dan produksi.
Tangkapan per satuan upaya
Data hasil upaya penangkapan dapat
dianalisis dengan menghitung nilai hasil tangkapan
per upaya penangkapan atau analisis Tangkapan
Per Satuan Upaya (TPSU). Adapun manfaat
mengetahui nilai TPSU adalah mengetahui
kelimpahan ikan selar kuning dan melihat trend
(kecenderungan) ikan selar kuning setiap tahunnya.
Beberapa ciri yang dapat menjadi patokan
suatu perikanan sedang menuju kondisi upaya
tangkap lebih adalah waktu melaut menjadi lebih
panjang dari biasanya, lokasi penangkapan menjadi
lebih jauh dari biasanya, ukuran mata jaring
menjadi lebih kecil dari biasanya, yang kemudian
diikuti produktivitas (hasil tangkapan per satuan
upaya) yang menurun, ukuran ikan yang semakin
kecil, dan biaya penangkapan yang semakin
meningkat (Damayanti PA, 2007).
Menurut Damayanti PA (2007), upaya
tangkap lebih (overfishing) secara sederhana dapat
diartikan sebagai penerapan sejumlah upaya
penangkapan yang berlebihan terhadap suatu stok
ikan dan terbagi ke dalam dua pengertian yaitu
growth overfishing dan recruitment overfishing.
Growth overfishing terjadi jika ikan ditangkap
sebelum mereka sempat tumbuh mencapai ukuran
dimana peningkatan lebih lanjut dari pertumbuhan
akan mampu membuat seimbang dengan
penyusutan stok yang diakibatkan oleh mortalitas
alami.
Recruitment
overfishing
adalah
pengurangan melalui penangkapan terhadap suatu
stok sedemikian rupa sehingga jumlah stok induk
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 9
tidak cukup banyak untuk memproduksi telur yang
kemudian menghasilkan rekrut terhadap stok yang
sama.
Musim penangkapan ikan di Perairan
Paciran dibagi menjadi dua musim yaitu musim
barat dan musim timur. Musim barat diawali pada
bulan November sampai Januari dan musim timur
diawali pada bulan Maret sampai Agustus.
Sedangkan musim peralihan barat terjadi pada
bulan September sampai Oktober dan musim
peralihan timur terjadi pada bulan Februari.
Berdasarkan hasil wawancara dengan beberapa
nelayan, puncak penangkapan pada musim timur
terjadi pada bulan Maret sedangkan puncak
penangkapan pada musim barat terjadi pada bulan
November.
Alternatif strategi pengelolaan sumberdaya
ikan selar kuning
Menurut Undang‐Undang Perikanan No 31
tahun 2004 bahwa pengelolaan perikanan
dilakukan untuk tercapainya manfaat yang optimal
dan berkelanjutan serta terjaminnya kelestarian
sumberdaya ikan. Tujuan utama pengelolaan
perikanan adalah untuk menjamin produksi yang
berkelanjutan dari waktu ke waktu dari berbagai
stok ikan (resource conservation), terutama
melalui berbagai tindakan pengaturan (regulations)
dan
pengkayaan
(enhancement)
yang
meningkatkan kehidupan sosial nelayan dan sukses
ekonomi bagi industri yang didasarkan pada stok
ikan (Dirjen Pe Bangda, 1999).
Berdasarkan hasil penelitian ini terdapat
beberapa indikasi tingginya tekanan penangkapan
terhadap sumberdaya ikan selar kuning yang
mengarah
kepada
gejala
tangkap
lebih
(overfishing) yang diduga lebih lanjut termasuk
kondisi growth overfishing. Beberapa indikasi
ditunjukkan dari perubahan yang terjadi dalam
struktur stok ikan, antara lain :
1. Jumlah ikan yang tertangkap didominasi
oleh ikan berukuran kecil (6‐12 cm) dan
berukuran sedang (13‐20 cm) serta sekitar
80% dari total tangkapan adalah ikan muda
atau mempunyai ukuran di bawah ukuran
pertama kali matang gonad.
2. Meningkatnya koefisien pertumbuhan
populasi yang berarti umur ikan untuk
mencapai panjang infinitif menjadi lebih
pendek.
3. Peningkatan jumlah upaya penangkapan
cenderung akan meningkatkan jumlah
hasil tangkapan, tetapi berat rata‐rata ikan
terus menurun dan berat total (biomassa)
juga menurun.
KESIMPULAN
1. Sebaran frekuensi panjang ikan berkisar antara
75‐294 mm dan kelompok ukuran yang
mendominasi adalah 125‐134 cm.
2. Persamaan pertumbuhan Von Bertalanffy ikan
selar kuning jantan adalah Lt = 303,00
(1‐e‐0,55 (t+0,0793)), sedangkan persamaan
pertumbuhan ikan selar kuning betina adalah Lt
= 303,98 (1‐e‐0,19(t+0,2389)) dan persamaan
pertumbuhan ikan selar kuning secara total
adalah Lt = 303,28 (1‐e‐0,35 (t+0,1268)).
3. Pola pertumbuhan seluruh ikan yang dijadikan
contoh menunjukkan pola pertumbuhan bersifat
isometrik dengan persamaan pertumbuhan W =
2x10‐5L3,009, pola pertumbuhan ikan betina
menunjukkan pola pertumbuhan bersifat
allometrik
positif
dengan
persamaan
pertumbuhan W=6x10‐6L3,242 dan pola
pertumbuhan ikan jantan menunjukkan pola
pertumbuhan bersifat allometrik negatif dengan
persamaan pertumbuhan W=17x10‐5L2,579.
4. Tangkapan per satuan upaya digunakan untuk
melihat trend (kecenderungan) ikan selar
kuning setiap tahunnya, TPSU berkisar antara
5,87‐8,74 ton/unit kapal.
DAFTAR PUSTAKA
Allen G, Steene R, Human P, & Loach ND. 2007.
Reef fish identification tropical pasific.
New
World
Publication,
Inc.
Jacksonville, Florida, USA. 457 p.
Bagenal T. 1978. Methods for assessment of fish
production in freshwater. Third edition.
Blackwell
Scientific Publications.
Oxford. 365 p.
Badan Pusat Statistik. 2009. Kabupaten Lamongan
dalam angka 2008. Jawa Timur. Badan
Pusat Statistik. 167 hlm.
Brandt V. 1984. Fish catching methods of the
world. Fishing News Books Ltd. London. 418 p.
Busacker GP, Adelman IR, & Goolish EM. 1990.
Growth. p. 363‐382 in Schreck CB &
Moyle PB (Editor), Methods for Fish
Biology. American Fisheries Society.
Maryland USA.
Damayanti PA. 2007. Analisis tangkapan per
satuan upaya (TPSU) ikan kembung
(Rastrelliger spp.) di Kepulauan Seribu
[skripsi]. Departemen Manajemen
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 10
Sumberdaya
Perairan,
Fakultas
Perikanan dan Ilmu Kelautan, Institut
Pertanian Bogor. Bogor. 35 hlm.
Dina R. 2008. Rencana pengelolaan sumberdaya
ikan bada (Rasbora agryrotaenia)
berdasarkan analisis frekuensi panjang
di Danau Maninjau, Sumatera Barat
[skripsi]. Departemen Manajemen
Sumberdaya
Perairan,
Fakultas
Perikanan dan Ilmu Kelautan, Institut
Pertanian Bogor. Bogor. 76 hlm.
[Ditjen Bangda] Direktorat Jendral Pembangunan
Daerah. 1999. Penyusunan konsep
pengelolaan sumberdaya pesisir yang
berbasis masyarakat (PBM) di Provinsi
Lampung. Kerjasama Departemen
Dalam Negeri dengan Pusat Kajian
Sumberdaya Pesisir dan Lautan. Institut
Pertanian Bogor. Bogor.
Fafioye OO & Oluajo OA. 2005. Length‐weight
relationship of five fish species in Epe
Lagoon, igeria. African Journal of
Biotechnology 4 (7): 749‐751.
Lagler KF, Bardach JE, Miller RR & Passino DR.
1977. Ichtyology. John Wiley & Sons
USA. 506 p.
Nasoetion AH & Barizi. 1980. Metode statistika.
PT Gramedia. Jakarta. 223 hlm.
Nelson JS. 2006. Fishes of the world, fourth
edition. John Wiley & Sons, Inc. New
Jersey.
Nikijuluw VPH. 2002. Rezim pengelolaan
sumberdaya
perikanan.
Pustaka
Cesindo.
Jakarta. 254 hlm.
Nikolsky GV. 1963. The Ecology of fishes.
Academic Press. London & New York. 203 p.
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 11
APLIKASI UNTUK MEMPREDIKSI STOCK BAHAN BANGUNAN DENGAN
METODE PERCEPTRON MENGGUNAKAN VISUAL BASIC 6.0 DAN MySQL
Arip Kusnul Huda1) , Siti Mujilahwati 2)
1)
2)
Program Studi Teknik Informatika Universitas Islam Lamongan
Dosen Fakultas Teknik Prodi Teknik Informatika Universitas Islam Lamongan
Email : Arif_kusnul@yahoo.com, moedjee@gmail.com
ABSTRAK
Jaringan Syaraf Tiruan (JST) merupakan topic yang hangat dibicarakan dan mengundang banyak
kekaguman dalam dasa warsa terakhir. Hal ini disebabkan karena kemampuan JST untuk meniru sifat
system yang dimasukkan. Pada dasarnya JST mencoba meniru cara kerja otak makhluk hidup, yaitu bentuk
neuron-nya (sel syaraf). Faktor kecerdasan dari syaraf tidak ditentukan di dalam sel tetapi terletak pada
bentuk dan topologi jaringannya. Salahsatu model JST yang sering digunakan untuk pembelajaran adalah
perceptron. Metode perceptron merupakan metode pembelajaran dengan pengawasan dalam sistem
jaringan syaraf. Dalam merancang jaringan neuron yang perlu diperhatikan adalah banyaknya spesifikasi
yang akan diidentifikasi. Jaringan neuron terdiri dari sejumlah neuron dan sejumlah masukan.
Penelitian dilakukan mengamati system secara langsung sehingga didapat hasil analisis mengenai
kebutuhan system yang akan dibuat. Studi pustaka juga dilakukan untuk mencari sumber-sumber lain yang
dapat menjadi dasar dan acuan dalam membuat aplikasi prediksi stok bahan bangunan. Aplikasi prediksi
stok bahan bangunan ini dibuat dengan menggunakan bahasa pemrograman Visual Basic.6 dan MySQL
database. Hasil akhir dari penelitian skripsi ini adalah untuk memprediksi persediaan stok bahan bangunan
dalam waktu masa yang akan datang.
Dapat disimpulkan bahwa aplikasi untuk memprediksi stok bahan bangunan telah didesain dan
diimplementasikan dengan fasilitas meliputi download materi, tugas.
Kata-kunci :
Jaringan Syaraf Tiruan, Perceptron, Struktur Jaringan, Visual Basic 6.0, MySQL.
I. Pendahuluan
1.1 Latar Belakang
Dewasa ini persaingan semakin ketat dan
berkembang sejalan dengan kemajuan ilmu
pengetahuan, teknologi serta dunia informasi.
Ketiga hal tersebut telah banyak mempengaruhi
kehidupan masyarakat kehidupan internasonal
pada umumnya. Hampir setiap kegiatan dan
aktifitas kehidupan tidak terlepas dari peralatan
canggih, mutakhir dan serba modern contohnya
adalah computer. Dalam dunia bisnis perlunya
computer nampaknya tidak dapat dihindari lagi.
Sebut saja dalam bidang perdagangan dan
berbankan dimana system informasi dan
pengelolahan data yang cepat dan efisien harus
segera diwujudkan.
Hampir semua perusahaan atau Toko
yang bergerak dibidang penjualan dihadapkan
pada suatu masalah yaitu adanya tingkat
persaingan yang semakin kompetitif. Hal ini
mengharuskan perusahaan atau Toko untuk
merencanakan
atau
menentukan
jumlah
pembelian, agar dapat memenuhi permintaan
pasar dengan tepat waktu dan dengan jumlah
yang sesuai. Pada dasarnya penentuan jumlah
pembelian ini derencanakan untuk memenuhi
jumlah persediaan barang guna memenuhi
tingkat penjualan yang direncanakan atau tingkat
permintaan pasar.
Jaringan Syaraf Tiruan (Artificial
Neural Networks) adalah salah satu cabang ilmu
dari bidang ilmu Kecerdasan Buatan. Salah satu
model JST yang sering digunakan untuk
pembelajaran
adalah perceptron.
Metode
perceptron merupakan metode pembelajaran
dengan pengawasan dalam system jaringan
syaraf. Dalam merancang jaringan neuron yang
perlu
diperhatikan
adalah
banyaknya
spesifikasi yang akan diidentifikasi. Jaringan
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 12
neuron terdiri dari sejumlah neuron dan sejumlah
masukan. Salah satu permasalahan dalam JST
yang dihadapi pemilik Toko adalah tidak dapat
memahami struktur pada jaringannya. Hal ini
terjadi
karena
tidak didukung
dengan
tersedianya
suatu
aplikasi
yang dapat
membantu pemilik Toko dalam memahami
struktur JST. Untuk dapat memahami struktur
JST selain memahami teori juga diperlukan
pemahaman secara visual. Untuk itu diperlukan
sebuah aplikasi handal yang dapat membantu
pemilik Toko dalam memahami struktur JST
model Perceptron.
1.2 Tujuan dan Manfaat Penelitian
Tujuan Penelitian
Adapun tujuan yang ingin dicapai dalam
penelitian ini adalah sebagai berikut :
1. Membuat aplikasi jumlah stock bahan
bangunan
menggunakan
metode
perceptron.
2. Pendataan persediaan stock bahan
bangunan .
Manfaat Penelitian
Adapun Kegunaan yang diperoleh dari hasil
penelitian adalah sebagai berikut :
1. Bagi Perusahaan atau Toko
Dengan dilakukanya penelitian ini, maka
diharapkan bisa dijadikan sebagai bahan
evaluasi atas strategi perencanaan dan
pengendalian barang bahan bangunan
sehingga dapat membenahi persediaan
yang ada agar bisa lebih baik.
2. Bagi Penulis
Penelitian ini diharapkan akan sangat
membantu dan mendukung penulis dalam
mempelajari,
menganalisa,
dan
mengembangkan ilmu-ilmu yang telah
diperoleh untuk diterapkan pada dunia
nyata.
3. Bagi Pembaca
Penelitian ini diharapkan bias menambah
ilmu bagi pembaca maupun peneliti lain.
II. Landasan Teori
2.1 Jaringan Saraf Tiruan (JST)
Jaringan syaraf tiruan (artifical neural
network) adalah sistem komputasi yang arsitektur
dan operasinya diilhami dari pengetahuan tentang
sel syaraf biologis di dalam otak. Jaringan syaraf
tiruan merupakan salah satu representasi buatan
dari otak manusia yang selalu mencoba
menstimulasi proses pembelajaran pada otak
manusia tersebut. Jaringan syaraf tiruan dapat
digambarkan sebagai model matematis dan
komputasi untuk fungsi aproksimasi non-linear,
klasifikasi data cluster dan regresi nonparametrik atau sebuah simulasi dari koleksi
model jaringan syaraf biologi. [2]
2.2 Perceptron
Model jaringan perceptron ditemukan
oleh Rosenblatt dan Minsky-Papert. Jaringan
perceptron terdiri dari beberapa unit masukan
(ditambah sebuah bias), dan memiliki sebuah unit
keluaran. Hanya saja fungsi aktivasi bukan
merupakan fungsi biner (atau bipolar), tetapi
memiliki kemungkinan nilai -1, 0, atau 1 [ 3].
Perceptron sebagai cikal bakal jaringan
saraf tiruan bekerja dengan cara menerima
sejumlah (n) masukan berupa vektor (x 1 , x 2 , x 3
,…..x n ) dan menghasilkan sebuah keluaran
dengan nilai 1 atau 0. Bentuk jaringan perceptron
adalah sesuai gambar 2.5 berikut :
x1
w1
x2
w2
xn
wn
Fungsi
jumlah
Fungsi
aktivasi
Threshold/
bias
wm
bobot
1
Gambar 1. Perceptron
2.3 Database
Sistem Database adalah suatu informasi
yang mengintegrasikan kumpulan dari data yang
saling berhubungan satu dengan yang lainnya dan
membuatnya tersedia untuk beberapa aplikasi
yang bermacam-macam dalam suatu organisasi.
Database juga merupakan salah satu komponen
yang penting di dalam sistem informasi, karena
Database merupakan dasar dalam menyediakan
informasi bagi para pemakai (user) penerapan
dalam sistem informasi Database. [1]
2.4 Microfoft Visual Basic 6.0
Visual Basic adalah salah suatu
development tools untuk membangun aplikasi
dalam
lingkungan
Windows.
Dalam
pengembangan
aplikasi,
Visual
Basic
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 13
menggunakan
pendekatan
Visual
untuk
merancang user-interface dalam bentuk form,
sedangkan untuk kodingnya menggunakan dialek
bahasa Basic yang cenderung mudah dipelajari.
Visual Basic telah menjadi tools yang terkenal
bagi para pemula maupun para developer dalam
pengembangan aplikasi skala kecil sampai ke
skala besar. [4]
2.5 MySQL
MySQL adalah Relational Database
Management
System
(RDBMS)
yang
didistribusikan secara gratis dibawah lisensi GPL
(General Public License), dimana setiap orang
bebas menggunakannya. MySQL merupakan
turunan salah satu konsep utama dalam database
sejak lama, yaitu SQL (Stuctured Query
Language). SQL adalah bahasa yang digunakan
utnuk
berkomunikasi
dengan
database.
Pernyataan – pernyataan SQL digunakan untuk
melakukan beberapa tugas seperti : update data
pada database atau menampilkan data dari
database. Hampir semua software database meng
implementasikan bahasa SQL sebagai komponen
utama dari produknya, salah satunya MySQL. [5]
1. Sistem operasi Windows 7 Ultimate
2. Visual Basic 6.0
3. MySQL
4. Sybase Power Designer
3.2 Kebutuhan Informasi
Kebutuhan informasi pada perancangan
aplikasi untuk memprediksi stock bahan
bangunan dengan metode perceptron ini yang
terdiri dari :
1) Rekap data kebutuhan barang yang dijual
pada toko.
2) Rekap barang yang terjual selama 1 tahun
terakhir.
3.3 Perancangan Sistem
Pada sub bab ini akan dijelaskan perancangan
sistem yang terdiri dari diagram konteks, DFD
level 0 dan kamus data.
a. Diagram Konteks
Diagram konteks aplikasi untuk memprediksi
stock bahan bangunan dengan metode
perceptron. Dapat dilihat pada gambar berikut.
III. Rancangan Desain System
3.1 Kebutuhan Perangkat
Kebutuhan perangkat disini terdiri dari
kebutuhan perangkat lunak dan kebutuhan
perangkat keras.
a. Kebutuhan Perangkat Keras
Perangkat keras (Hardware) merupakan
peralatan/komponen fisik komputer yang
mencakup unit processor pusat, processor
pendukung, penyimpanan sekunder, peralatan
lainnya. Perangkat keras ini digunakan untuk
menunjang pembangunan aplikasi untuk
memprediksi stock bahan bangunan . Spesifikasi
perangkat keras yang yang digunakan user untuk
membuat program dan menjalankan program
adalah sebagai berikut :
1. Processor Pentium III
2. Monitor LG 14’’
3. Hard Disk Drive 40 Gb
4. Memori 512 Mb
5. Printer
6. Keyboard dan Mouse
b. Kebutuhan Perangkat Lunak
Perangkat lunak (software) yang dibutuhkan
pada saat pembuatan aplikasi adalah sebagai
berikut :
Gambar 2. Diagram Konteks
b. DFD Level 0
Data Flow Diagram level 0 dari aplikasi
untuk memprediksi stock bahan bangunan
dengan metode perceptron. Dapat dilihat pada
gambar berikut.
Memasukkan
data Stok
Data Stok
1.1
1
Data Stok Barang
Memberikan
Kriteria
PETUGAS
1.2
Data Kriteria
2
Kriteria
Memberikan Nilai
Kriteria
Memberikan
Bobot
Barang
Data Stok
Kriteria
1.3
Data Kriteria
Bobot
Data Bobot
3
Bobot
Memberikan Nilai Bobot
1.4
Data Bobot
PIMPINAN
Hasil SPK
Hasil
4
Hasil
Hasil
Gambar 3. DFD Level 0
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 14
c. Diagram Alir (Flowchart)
Diagram Alir (Flowchart) dari aplikasi untuk
memprediksi stock bahan bangunan dengan
metode perceptron. Dapat dilihat pada gambar
berikut.
Tabel 4. Tabel Kriteria
Nama Field
Data
Type
Kd_Kriteria
Varchar
Keterangan
Primary
Key
Nama_Kriteria Varchar
Tabel 5. Tabel Training
Nama Field Data
Type
No
Double
Gambar 4. Flowchart
d. Kamus Data
Agar lebih muda dalam pembuatan database
maka dilengkapi kamus data berikut.
Tabel 1. Tabel User
Nama Field
Data Keterangan
Type
Kd_Pengguna Varcha Primary
r
Key
Nama_Penggun Varcha
a
r
Password
Varcha
r
Tabel 2. Tabel Barang
Nama Field Data
Type
Kd_Barang
Varchar
Nama_Baran
g
Satuan
Harga
Barang
Keteranga
n
Primary
Key
Varchar
Varchar
Varchar
Tabel 3. Tabel Supplier
Nama Field
Data
Type
Kd_Supplier
Varchar
Nama_Supplier Varchar
No_Telp
Varchar
Alamat
Varchar
Persediaan
Penjualan
Permintaan
Keterangan
Primary
Key
Varchar
Varchar
Varchar
3.4 Perancangan Interface
Menguraikan perancangan form-form yang
ada dalam aplikasi aplikasi untuk memprediksi
stock bahan bangunan dengan metode
perceptron. Berikut ini adalah rancangan yang
telah dibuat :
1. Tampilan Form Login
Rancangan interface ini akan tampil pertama
kali saat program dijalankan, from login ini berisi
username dan password.
Gambar 5. Form Login
2. Tampilan Form Menu Utama
Rancangan ini memuat from utama dalam
program yang akan dijalankan, from utama berisi
sub menu File, Training, testing, dan keluar.
Keterangan
Primary
Key
Gambar 6. Form Menu Utama
3. Tampilan Menu Training dan Hasil
Rancangan form ini memuat tampilan dalam
mentraining data criteria.
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 15
c. Menu Training dan Hasil
Menu training dan hasil ini untuk mentraining
data dan menghitung.
Gambar 7. From Menu Training dan Hasil
IV.
Ujicoba dan Pembahasan
4.1 Pada sub bab ini akan dijelaskan tentang uji
coba program.
a. Menu Login
merupakan menu yang pertama muncul
sebelum masuk pada menu utama aplikasi stock
bahan bangunan dengan metode perceptron.
Gambar 8. Menu Login
b. Menu Utama
Bila User name, password yang dimasukan
secara benar maka apalikasi akan masuk pada
main menu (menu utana).
Gambar 9. Menu Utama
Gambar 10. Menu Training dan Hasil
V. Penutup
5.1 Kesimpulan
Setelah menganalisa, mendesain dan
menimplementasikan
Aplikasi
untuk
memprediksi stok bahan bangunan menggunakan
metode perceptron dapat disimpulkan bahwa :
a. Dengan adanya perancangan Aplikasi ini,
Toko Bahan bangunan Sumber Agung
mengalami banyak perubahan diantaranya
dapat membantu karyawan memprediksi
stock bahan bangunan, sehingga stock bahan
bangunan untuk jangka waktu yang akan
datang terdata secara akurat dan valit.
b. Meningkatkan efisiensi waktu dan efektifitas
pekerjaan karena mempermudah dalam
proses
penambahan,
pengeditan
dan
penghapusan data stok barang.
c. Hasil pengolahan data-data pada Aplikasi
untuk memprediksi stok bahan bangunan
berupa output prediksi persediaan barang
untuk jangka waktu yang akan datang.
5.2 Saran
Setelah sistem informasi penjualan ini
dibuat ada beberapa saran dari penulis yang
berhubungan dengan sistem informasi ini.
a. Aplikasi yang telah dibuat supaya dapat
diterapkan pada Toko Bahan bangunan
Sumber Agung dan diharapkan dapat
memberikan manfaat semaksimal mungkin.
b. Mengingat masih banyak kekurangan dalam
program ini maka diharapkan program ini
didokumentasikan, sehingga dapat digunakan
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 16
untuk penembangan dan penyempurnaan
program selanjutnya.
c. Perlu adanya algoritma pembanding untuk
memprediksi sehingga, bisa diketahui hasil
yang paling optimal.
d. Perlu dilakukan uji coba dengan jumlah data
yang lebih besar untuk mengtahui seberapa
cepat ANN mampu memprediksi data.
Daftar Pustaka
[1] Andi Sunyoto, 2007, Pemrograman Database
dengan Visual Basic dan Ms.SQL, Andi,
Yogyakarta
[2] Pandjaitan, Lanny W, 2007, Dasar-Dasar
Komputasi Cerdas, Andi, Yogyakarta
[3] Suryadi, Kadarsah, Dr. Ir., Ir. Ali Ramdani,
Mt. 2000, Sistem Pendukung Keputusan.
PT.Remaja Rosdakarya
[4] LPKBM
PENGARUH HASIL TANGKAPAN SUMBERDAYA IKAN SELAR
KUNING (Selaroides leptolepis) YANG DIDARATKAN DI PPI DESA
KRANJI KECAMATAN PACIRAN KABUPATEN LAMONGAN
Faisol Mas‘ud *)
*)
Dosen Fakultas Perikanan Program Studi Manajemen Sumberdaya Perairan
Universitas Islam Lamongan
email : icol.gusty@gmail.com
ABSTRAK
Ikan selar kuning merupakan salah satu sumberdaya ikan ekonomis penting yang terdapat di Perairan
Paciran Kabupaten Lamongan. Nilai ekonomis yang tinggi disertai permintaan yang terus meningkat,
menjadikan ikan ini sebagai salah satu target utama penangkapan. Namun pada kenyataannya sumberdaya
ikan selar kuning mengalami tekanan penangkapan yang akan berdampak negatif terhadap populasi ikan
tersebut. Penelitian ini dilakukan di Perairan Paciran selama periode bulan Maret sampai Mei 2015, dengan
tujuan untuk mengkaji sebaran frekuensi panjang, menentukan parameter pertumbuhan, mengkaji pola
pertumbuhan, menentukan nilai hasil tangkapan per satuan upaya, dan menduga musim penangkapan yang
baik, guna memberikan suatu usulan model pengelolaan yang sesuai bagi sumberdaya ikan tersebut.
Jenis data yang dikumpulkan untuk keperluan penelitian ini adalah data primer dan data sekunder.
Data primer terdiri dari pengambilan ikan contoh dan wawancara terhadap nelayan berdasarkan kuisioner,
sedangkan data sekunder terdiri dari data hasil tangkapan dan upaya tangkap beberapa tahun terakhir,
dokumen atau literature yang mendukung penelitian. Pengambilan contoh ikan dilakukan dengan metode
penarikan contoh berlapis (stratified random sampling) adalah penarikan contoh yang dilakukan dengan
cara populasi dibagi menjadi beberapa lapisan berdasarkan karakteristiknya. Berdasarkan hasil, alternatif
strategi pengelolaan sumberdaya ikan selar kuning diantaranya adalah pencegahan overfishing dapat
dilakukan dengan: (1) pengaturan alat tangkap, yakni pengaturan mesh size jaring muroami pada bagian
kantong agar lebih besar dari 1 inchi; (2) pengaturan upaya penangkapan; (3) dalam jangka pendek dapat
dilakukan schedule of fishing, yaitu kegiatan pengaturan penangkapan seperti adanya sistem buka tutup
untuk suatu lokasi penangkapan; (4) perlunya menerapkan sistem monitoring serta pendataan secara
sistematis dan kontinu terhadap produksi ikan yang bernilai jual, ikan konsumsi, bahkan ikan yang
terbuang (by catch).
Kata kunci : pengelolaan sumberdaya, ikan selar kuning, monitoring pendataan
Tuntutan pemenuhan kebutuhan akan
sumberdaya akan diikuti oleh tekanan eksploitasi
sumberdaya ikan yang juga semakin intensif. Jika
tidak di kelola secara bijaksana sangat
dikhawatirkan penmanfaatan secara intensif akan
mendorong usaha perikanan ke jurang kehancuran
(Nikijuluw VPH, 2002).
Pengelolaaan perikanan tangkap harus
memberikan suatu upaya yang berkelanjutan serta
ramah lingkungan. Berdasarkan hal ini dilakukan
kajian melalui data sebaran frekuensi panjang,
menentukan parameter pertumbuhan, menduga laju
mortalitas dan eksploitasi.
Ikan selar kuning merupakan jenis ikan
konsumsi yang memiliki nilai ekonomis penting.
Dengan semakin meningkatnya permintaan
komoditas dan semakin bertambahnya angkatan
kerja disektor penangkapan mengakibatkan
semakin meningkatnya tekanan penangkapan
terhadap sumberdaya ikan karang. Penambahan
jumlah upaya penangkapan pada batas waktu
tertentu akan menyebabkan peningkatan produksi,
tetapi apabila terus terjadi penambahan upaya,
maka pada suatu saat akan terjadi penurunan stok.
Apabila kondisi pola pemanfaatan sumberdaya
ikan selar kuning yang ada pada saat ini tetap
berjalan, diduga dalam jangka panjang dapat
mengakibatkan penurunan stok sumberdaya
bahkan dapat terancam punah.
Permasalahan
Ikan selar kuning adalah komoditas
bernilai ekonomi tinggi di Kabupaten Lamongan.
Selain alat tangkap bubu, alat tangkap yang
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 2
dominan untuk menangkap ikan ini adalah jaring
muroami.
Penggunaan
alat
tangkap
ini
menyebabkan tertangkapnya ikan‐ikan yang masih
muda karena memiliki ukuran mata jaring pada
kantong (cod end) yang sangat kecil yaitu hanya
sekitar 2,54 cm. Kondisi tekanan penangkapan
yang tinggi, volume produksi yang terus
meningkat dan belum adanya kegiatan budidaya
dapat mengakibatkan penipisan stok ikan atau
menurunnya jumlah populasi ikan selar kuning di
Perairan Paciran serta terjadinya upaya tangkap
lebih (overfishing). Oleh karena itu, diperlukan
suatu upaya pengelolaan agar pemanfaatan ikan
selar kuning yang berkelanjutan dapat tercapai.
Dalam hal ini diperlukan informasi dasar mengenai
biologi sumberdaya ikan selar kuning seperti
pertumbuhan agar status populasi ikan selar kuning
saat ini dapat diketahui.
Tujuan Penelitian
Penelitian ini bertujuan untuk mengkaji
sebaran frekuensi panjang, menentukan parameter
pertumbuhan, mengkaji pola pertumbuhan,
menentukan hasil tangkapan per satuan upaya, dan
menduga musim penangkapan yang baik, guna
memberikan suatu usulan model pengelolaan yang
sesuai bagi sumberdaya ikan tersebut.
METODE PENELITIAN
Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di Pendaratan
Pangkalan Ikan (PPI) Desa Kranji Kecamatan
Paciran Kabupaten Lamongan. Pengambilan data
primer berupa pengukuran panjang dan berat ikan
contoh yang ditangkap di PPI Desa Kranji
kecamatan Paciran dilakukan mulai bulan Maret
sampai Mei 2015 dengan interval waktu
pengambilan setiap bulan.
Fokus utama penelitian adalah para
nelayan yang menangkap ikan selar kuning di
perairan Paciran Kabupaten Lamongan dengan
menggunakan alat tangkap yang dominan yaitu
muroami di daerah sekitarnya dan mendaratkan
hasil tangkapannya di PPI Kranji Kecamatan
Paciran
Kabupaten
Lamongan.
Dasar
pertimbangan pemilihan PPI Kranji sebagai lokasi
penelitian karena PPI tersebut merupakan
satu‐satunya Pangkalan Pendaratan Ikan yang
berlokasi di daerah Paciran Kabupaten Lamongan
sehingga diharapkan informasinya dapat mewakili
dan mencerminkan upaya pengelolaan sumberdaya
ikan selar kuning di perairan Paciran Kabupaten
Lamongan.
Alat dan Bahan
Alat yang digunakan antara lain penggaris
30 cm dengan ketelitian 0,1 cm, timbangan
berkapasitas 2000 gram dengan ketelitian 0,5
gram, kamera digital, alat tulis. Bahan yang
digunakan antara lain peta lokasi penelitian, data
sheet, formulir kuisioner, dokumen‐dokumen, dan
literatur yang mendukung penelitian.
Pengumpulan Data
Jenis data yang dikumpulkan untuk
keperluan penelitian ini adalah data primer dan
data sekunder. Data primer terdiri dari
pengambilan ikan contoh dan wawancara terhadap
nelayan berdasarkan kuisioner, sedangkan data
sekunder terdiri dari data hasil tangkapan dan
upaya tangkap beberapa tahun terakhir, dokumen
atau literatur yang mendukung penelitian. Ikan
contoh ditangkap dengan jaring muroami yang
terdiri dari tiga bagian yaitu: mulut, badan, dan
kantong. Ukuran mata jaring yang digunakan pada
bagian mulut sebesar 3 inchi (7,62 cm), bagian
badan sebesar 1 ¾ inchi (4,45 cm), dan bagian
kantong sebesar 1 inchi (2,54 cm). Dari 13 jumlah
nelayan muroami, ikan contoh yang diambil
berasal hanya dari satu nelayan saja yang mendarat
di PPI Desa Kranji dengan dasar pertimbangan
mengambil 10% dari total jumlah nelayan
muroami yang ada. Nelayan yang terpilih
dilakukan secara acak dengan menggunakan
metode penarikan contoh acak sederhana (simple
random sampling).
Ikan contoh diidentifikasi dengan cara
mengamati morfologi ikan, yakni bentuk tubuh,
sirip pektoral, sirip dorsal, sirip ventral, sirip anal,
sirip ekor, warna, dan ciri khusus lainnya.
Pengambilan contoh ikan dilakukan dengan
metode penarikan contoh berlapis (stratified
random sampling) adalah penarikan contoh yang
dilakukan dengan cara populasi dibagi menjadi
beberapa lapisan berdasarkan karakteristiknya.
Ikan contoh dibedakan berdasarkan ukurannya
yaitu kecil (6‐12 cm), sedang (13‐20 cm), dan
besar (>20 cm). Total ikan contoh yang diambil
sebanyak 150 ekor setiap bulan.
Ikan contoh kemudian diukur panjang dan
berat. Panjang ikan yang diukur adalah panjang
total yaitu panjang ikan dari ujung mulut terdepan
sampai dengan ujung sirip ekornya. Ikan yang
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 3
telah diukur panjangnya langsung dipisahkan
untuk dilakukan pengukuran berat.
Pengambilan contoh responden dilakukan
dengan menggunakan metode purposive sampling
atau pemilihan responden dengan sengaja
berdasarkan kesediaan anggota populasi. Menurut
Bagenal T (1978), metode pengambilan contoh
secara purposive (purposive sampling) adalah
penarikan contoh yang dilakukan berdasarkan
kriteria yang ditentukan oleh peneliti. Pengambilan
contoh dilakukan terhadap nelayan yang dianggap
mewakili sifat‐sifat dari keseluruhan nelayan yang
menangkap ikan selar kuning di Perairan Paciran
Kabupaten Lamongan. Pengambilan contoh
responden difokuskan pada satu jenis alat tangkap
yaitu muroami. Jenis data yang dikumpulkan
melalui kuisioner adalah sebagai berikut :
1. Jenis, ukuran, komposisi dan produksi ikan;
seluruh jenis ikan yang tergolong dalam
kategori ikan karang konsumsi akan
dikumpulkan pada lokasi studi yang telah
ditetapkan. Namun, dari seluruh ikan karang
konsumsi tersebut akan difokuskan pada ikan
selar kuning.
2. Jumlah dan kategori (tipe) kapal ikan; seluruh
kapal yang menangkap ikan di wilayah perairan
tersebut akan mendaratkan ikannya di PPI.
3. Alat tangkap; jenis data ini meliputi jenis,
kategori dan jumlah alat tangkap yang
beroperasi.
4. Lokasi penangkapan; karena setiap ikan
memiliki lokasi penangkapan (fishingground)
yang berbeda‐beda, oleh karena itu akan
dilakukan inventarisasi lokasi penangkapan
setiap ikan yang didaratkan.
5. Musim penangkapan; data ini meliputi
waktu‐waktu penangkapan ikan laut,
6. Yaitu musim panen dan paceklik.
7. Nelayan; data nelayan yang relevan untuk
dikumpulkan meliputi jumlah dan kategori
nelayan.
Data sekunder dapat didapatkan dari
instansi terkait, baik yang ada di lokasi penelitian
maupun yang ada di Dinas Perikanan dan Kelautan
Kabupaten Lamongan. Beberapa instansi yang
dijadikan sumber bagi data sekunder antara lain :
Dinas Perikanan dan Kelautan Kabupaten
Lamongan; Tempat Pelelangan Ikan Kranji. Jenis
data yang diperlukan adalah:
1) Produksi (penangkapan)
2) Upaya/frekuensi lama/jumlah penangkapan
3) Sarana usaha perikanan (kapal, alat tangkap,
dll)
4) Pemasaran (bentuk komoditas, tujuan, sistem
pemasaran)
ANALISIS DATA
Sebaran frekuensi panjang
Sebaran
frekuensi
panjang
adalah
distribusi ukuran panjang pada kelompok panjang
tertentu. Sebaran frekuensi panjang didapatkan
dengan menentukan selang kelas, nilai tengah
kelas, dan frekuensi dalam setiap kelompok
panjang (Lagler KF et all, 1977). Dalam penelitian
ini, untuk menganalisis sebaran frekuensi panjang
menggunakan tahapan tahapan sebagai berikut
1) Menentukan nilai maksimum dan nilai
minimum dari seluruh data panjang total ikan
selar kuning.
2) Dengan melihat hasil pengamatan frekuensi
pada setiap selang kelas panjang ikan
ditetapkan jumlah kelas sebanyak 22 kelas
dengan interval sebesar 10 mm.
3) Menentukan limit bawah kelas bagi selang
kelas yang pertama dan kemudian limit atas
kelasnya. Limit atas didapatkan dengan cara
menambahkan lebar kelas pada limit bawah
kelas.
4) Mendaftarkan semua limit kelas untuk setiap
selang kelas.
5) Menentukan nilai tengah kelas bagi
masing‐masing kelas dengan merata‐ratakan
6) Limit kelas.
7) Menetukan frekuensi bagi masing‐masing
kelas.
Sebaran frekuensi panjang yang telah
ditentukan dalam masing‐masing kelas, diplotkan
dalam sebuah grafik untuk melihat jumlah
distribusi normalnya. Dari grafik tersebut dapat
terlihat jumlah puncak yang menggambarkan
jumlah kelompok umur (kohort) yang ada. Dapat
terlihat juga pergeseran distribusi kelas panjang
setiap bulannya. Pergeseran sebaran frekuensi
panjang menggambarkan jumlah kelompok umur
(kohort) yang ada. Bila terjadi pergeseran modus
sebaran frekuensi panjang berarti terdapat lebih
dari satu kohort. Bila terdapat lebih dari satu
kohort, maka dilakuakn pemisahan distribusi
normal. Menurut Brandt V (1984) metode yang
dapat digunakan untuk memisahkan distribusi
komposit ke dalam distribusi normal dengan
bantuan software program FISAT II.
Parameter pertumbuhan (L∞,K) dan t0
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 4
Plot Ford‐Walford merupakan salah satu
metode paling sederhana dalam menduga
persamaan pertumbuhan Von Bertalanffy dengan
interval waktu pengambilan contoh yang sama
Brandt V (1984). Persamaan pertumbuhan Von
Bertalanffy dapat dinyatakan sebagai berikut :
= ∞ 1 − �− ( − )
Allometrik positif, jika b>3 (pertambahan
berat lebih dari pada pertambahan panjang) dan
allometrik negatif, jika b3,
pertambahan berat lebih cepat dari pada
pertambahan panjang) atau (b ttabel maka tolak hipotesis nol (H0) dan jika
thitung < ttabel maka gagal tolak hipotesis nol (H0).
�
=
TPSU adalah jumlah tangkapan per satuan upaya,
T adalah jumlah tangkapan bulanan harian, atau
tahunan ikan selar kuning (kg) dan U adalah
merupakan jumlah upaya bulanan, harian, atau
tahunan ikan selar kuning (hari). Selanjutnya
TPSU ini disajikan dalam bentuk grafik.
HASIL DAN PEMBAHASAN
Sebaran frekuensi panjang ikan selar kuning
Ikan selar kuning yang diamati selama
penelitian berjumlah 450 ekor masing-masing 154
ekor pada bulan Maret, April, dan Mei. Panjang
minimum dan panjang maksimum ikan selar
kuning adalah 76 mm dan 295 mm. Pada bulan
Maret frekuensi ikan selar kuning jantan dan betina
adalah 126‐136 mm dan 137‐145 mm. Pada bulan
April frekuensi ikan selar kuning jantan dan betina
adalah 126‐135 mm dan 137‐145 mm. Pada bulan
Mei frekuensi ikan selar kuning jantan dan betina
adalah 117‐128 mm dan 128‐135 mm. Secara
keseluruhan diketahui bahwa frekuensi tertinggi
ikan selar kuning jantan dan betina adalah 125‐134
mm. Hasil ini menunjukkan bahwa ukuran ikan
selar kuning betina lebih besar dibandingkan
ukuran ikan selar kuning jantan.
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 5
Gambar 1. Sebaran frekuensi panjang ikan selar
kuning setiap kelas secara total
Gambar 1. Sebaran frekuensi panjang ikan selar
kuning setiap bulan Maret
Gambar 2. Sebaran frekuensi panjang ikan selar
kuning setiap kelas bulan April
Parameter pertumbuhan (L∞, K) dan t0
Parameter pertumbuhan Von Bertalanffy
(K dan L∞) diduga dengan menggunakan metode
Plot Ford‐Walford. Metode Ford Walford dapat
digunakan karena data diambil pada interval waktu
yang tetap yaitu satu bulan selama tiga bulan. Hasil
pemisahan kelompok ukuran menunjukkan bahwa
ikan contoh terdiri dari beberapa kelompok ukuran.
Hasil analisis kelompok ukuran ikan di
atas memiliki panjang rata‐rata, jumlah populasi
dan indeks separasi seperti disajikan pada Tabel 2,
Tabel 3, dan Tabel 4. Dalam pemisahan kelompok
ukuran ikan dengan menggunakan metode
Bhattacharya indeks separasi (separation index, SI)
sangat penting untuk diperhatikan. Menurut
Busacker GP et all (1990), jika nilai I3 pada ikan betina
mungkin disebabkan oleh faktor lingkungan,
makanan yang lebih banyak, ataupun faktor tingkat
kematangan gonad.
PEMBAHASAN
Sebaran frekuensi panjang ikan selar kuning
Hasil penelitian ini menunjukkan bahwa
ukuran ikan selar kuning betina lebih besar
dibandingkan ukuran ikan selar kuning jantan. Hal
ini sesuai dengan pernyataan Nikolsky (1963)
bahwa biasanya ukuran ikan betina lebih besar
beberapa satuan dibandingkan ikan jantan untuk
menjamin fekunditas yang besar dalam stok dan
perbedaan ukuran ini dicapai melalui ikan jantan
yang matang gonad lebih cepat dan jangka
hidupnya yang lebih singkat. Menurut Lagler et
all. (1977) perbedaan ukuran antar jenis kelamin
kemungkinan disebabkan oleh faktor genetik. Ikan
berukuran besar dengan jumlah yang sangat sedikit
ini diduga adalah induk ikan selar kuning. Hal ini
sesuai dengan pernyataan Lagler et all. (1977)
bahwa ukuran terbesar yang muncul pada
umumnya berhubungan dengan induk yang paling
“penting”. Panjang total maksimum ikan selar
kuning yang tertangkap adalah 294 mm. Menurut
Allen et all. (2007) panjang total maksimum
mencapai 500 mm. Perbedaan ini dapat dijelaskan
oleh beberapa kemungkinan yaitu perbedaan lokasi
pengambilan ikan contoh, keterwakilan contoh
yang diambil, dan kemungkinan terjadinya tekanan
penangkapan yang tinggi. Spesies yang sama pada
lokasi yang berbeda akan memiliki pertumbuhan
yang berbeda pula karena perbedaan faktor luar
maupun faktor dalam yang mempengaruhi
pertumbuhan ikan tersebut.
Menurut Dina R (2008) faktor dalam
umumnya adalah faktor yang sulit dikontrol seperti
keturunan, jenis kelamin, umur, parasit, dan
penyakit. Faktor luar yang utama mempengaruhi
pertumbuhan ikan yaitu suhu dan makanan.
Dengan asumsi bahwa ikan contoh sudah mewakili
populasi yang ada maka ukuran panjang total
maksimum yang lebih kecil bisa mengindikasikan
adanya tekanan penangkapan yang tinggi. Namun
untuk menyimpulkan hal ini diperlukan
pembandingan dengan spesies dan lokasi yang
sama serta kajian lebih lanjut. Kemungkinan
terakhir adalah tidak terpilihnya ikan yang lebih
besar pada saat pengambilan ikan contoh karena
pengacakan.
Pergeseran selang ukuran panjang ikan
yang banyak tertangkap ke selang ukuran yang
lebih kecil dapat dijadikan sebagai indikasi adanya
rekruitmen pada interval waktu pengamatan.
Namun untuk menentukan musim pemijahan dan
rekruitmen ikan selar kuning di Perairan Paciran
perlu dilakukan kajian lebih lanjut. Pergeseran
selang ukuran panjang ikan yang banyak
tertangkap ke selang ukuran yang lebih besar dapat
dijadikan sebagai indikasi adanya pertumbuhan
pada interval waktu pengamatan yaitu satu bulan.
Dengan adanya pertumbuhan dalam interval waktu
yang singkat maka diduga bahwa ikan selar kuning
memiliki laju pertumbuhan yang relatif kecil.
Kajian lebih lanjut diperlukan untuk membuktikan
dugaan ini dan akan dibahas pada sub bab
pertumbuhan.
Parameter pertumbuhan (L∞, K) dan t0
Plot Ford‐Walford merupakan salah satu
metode paling sederhana dalam menduga
persamaan pertumbuhan Von Bertalanffy dengan
interval waktu pengambilan contoh yang sama
(Brandt V, 1984). Dari analisis frekuensi panjang
didapatkan kelompok umur ikan selar kuning yang
dapat diolah selanjutnya dengan menggunakan
metode Ford Walford guna mendapatkan nilai L∞,
K, dan t0.
Hasil analisis pemisahan kelompok ukuran
ikan selar kuning jantan menunjukkan bahwa
jumlah total ikan yang diamati yaitu 368 ekor
sedangkan hasil analisis pemisahan kelompok
ukuran ikan selar kuning betina menunjukkan
bahwa jumlah total ikan yang diamati yaitu 134
ekor, dan hasil analisis pemisahan kelompok
ukuran ikan selar kuning secara total menunjukkan
bahwa jumlah total ikan yang diamati yaitu 342
ekor. Jumlah ini dapat bernilai lebih besar ataupun
lebih kecil dibandingkan dengan jumlah ikan
contoh yang diobservasi. Perbedaan nilai teoritis
dengan nilai observasi disebabkan oleh adanya
pengacakan. Meskipun ikan contoh yang
digunakan merupakan contoh acak yang sempurna
nilai observasi akan tetap mengalami fluktuasi
seputar distribusi yang sesungguhnya (distribusi
dari populasi) (Brandt V, 1984).
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 8
Pertumbuhan
Panjang maksimum ikan selar kuning
adalah 294 mm dan panjang asimtotik ikan selar
kuning adalah 303 mm. Kurva pertumbuhan
(Gambar 4) menunjukkan bahwa laju pertumbuhan
ikan selama rentang hidupnya tidak sama. Ikan
muda memiliki laju pertumbuhan yang lebih cepat
dibandingkan dengan ikan tua (mendekati L∞).
Walaupun dengan laju pertumbuhan yang kecil,
namun ikan tetap akan mengalami pertumbuhan
panjang bahkan dalam kondisi faktor lingkungan
yang tidak mendukung. Peningkatan ukuran
panjang umumnya tetap berlangsung walaupun
ikan mungkin dalam keadaan kekurangan makanan
(Busacker et al. 1990).
Pertumbuhan
memiliki
karakteristik
tertentu pada masing‐masing kelompok ikan. Pada
periode ini variasi yang sangat bergantung pada
suplai makanan (Nikolsky 1963). Petumbuhan ikan
dan organisme lainnya didefinisikan sebagai waktu
yang dihabiskan pada daerah pemangsaan yang
berbeda dihubungkan dengan ukuran tubuh dan ini
merupakan proses kunci dibalik sejarah hidup
organism yang lebih spesifik.
Hubungan panjang berat
Berdasarkan contoh ikan selar kuning di
Perairan Paciran memiliki kisaran panjang antara
75‐294 mm dan kisaran berat antara 5‐580 gram.
Berdasarkan penelitian Marnane et al. 2005, ikan
selar kuning di Kepulauan Karimunjawa pada
umumnya mencapai tahap dewasa pada ukuran
25‐45 cm dan pada selang ukuran 33‐ 46 cm atau 2
ekor dalam 1 kg baru merupakan ukuran tangkap
yang optimal dalam arti memiliki nilai ekonomis
dan nilai ekologis tertinggi, sedangkan berdasarkan
www.fishbase.com ukuran pertama kali matang
gonad dari ikan selar kuning berkisar antara 22‐23
cm. Dapat disimpulkan berdasarkan contoh ikan
pada saat penelitian bahwa ikan selar kuning yang
tertangkap dengan alat tangkap muroami di
Perairan Paciran belum memiliki ukuran optimal
untuk tertangkap yang kebanyakan masih dalam
tahap dewasa yang seharusnya belum boleh
ditangkap.
Nilai b ikan selar kuning betina lebih besar
daripada nilai b ikan selar kuning jantan. Hal ini
dapat disebabkan oleh energi yang digunakan ikan
jantan biasanya lebih besar daripada ikan betina
yang dapat menyebabkan ikan jantan mempunyai
bentuk tubuh lebih langsing dan kurus, sedangkan
ikan betina gerakannya lebih lamban apalagi pada
saat memijah karena berat gonad juga
mempengaruhi berat tubuhnya. Pertambahan berat
lebih cepat dari pertambahan panjang karena ikan
betina mempunyai kandungan lemak yang lebih
banyak dibandingkan ikan jantan sehingga bentuk
tubuh ikan betina pada umumnya gemuk dan lebih
bulat.
Hubungan panjang berat dari sutu populasi
ikan mempunyai beberapa kegunaan, yaitu
menurut Nelson JS (2006) dapat memprediksi
berat suatu jenis ikan dari panjang ikan yang dapat
berguna untuk mengetahui biomassa populasi ikan
tersebut.
Parameter
pendugaan
antar
kelompok‐kelompok ikan digunakan untuk
mengidentifikasi keadaan populasi suatu jenis ikan
berdasarkan ruang dan waktu, sedangkan menurut
Fafioye OO & Oluajo OA (2005) analisis panjang
berat yang dihubungkan dengan data kelompok
umur dapat digunakan untuk mengetahui
komposisi stok, umur saat pertama memijah, siklus
kehidupan, kematian pertumbuhan, dan produksi.
Tangkapan per satuan upaya
Data hasil upaya penangkapan dapat
dianalisis dengan menghitung nilai hasil tangkapan
per upaya penangkapan atau analisis Tangkapan
Per Satuan Upaya (TPSU). Adapun manfaat
mengetahui nilai TPSU adalah mengetahui
kelimpahan ikan selar kuning dan melihat trend
(kecenderungan) ikan selar kuning setiap tahunnya.
Beberapa ciri yang dapat menjadi patokan
suatu perikanan sedang menuju kondisi upaya
tangkap lebih adalah waktu melaut menjadi lebih
panjang dari biasanya, lokasi penangkapan menjadi
lebih jauh dari biasanya, ukuran mata jaring
menjadi lebih kecil dari biasanya, yang kemudian
diikuti produktivitas (hasil tangkapan per satuan
upaya) yang menurun, ukuran ikan yang semakin
kecil, dan biaya penangkapan yang semakin
meningkat (Damayanti PA, 2007).
Menurut Damayanti PA (2007), upaya
tangkap lebih (overfishing) secara sederhana dapat
diartikan sebagai penerapan sejumlah upaya
penangkapan yang berlebihan terhadap suatu stok
ikan dan terbagi ke dalam dua pengertian yaitu
growth overfishing dan recruitment overfishing.
Growth overfishing terjadi jika ikan ditangkap
sebelum mereka sempat tumbuh mencapai ukuran
dimana peningkatan lebih lanjut dari pertumbuhan
akan mampu membuat seimbang dengan
penyusutan stok yang diakibatkan oleh mortalitas
alami.
Recruitment
overfishing
adalah
pengurangan melalui penangkapan terhadap suatu
stok sedemikian rupa sehingga jumlah stok induk
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 9
tidak cukup banyak untuk memproduksi telur yang
kemudian menghasilkan rekrut terhadap stok yang
sama.
Musim penangkapan ikan di Perairan
Paciran dibagi menjadi dua musim yaitu musim
barat dan musim timur. Musim barat diawali pada
bulan November sampai Januari dan musim timur
diawali pada bulan Maret sampai Agustus.
Sedangkan musim peralihan barat terjadi pada
bulan September sampai Oktober dan musim
peralihan timur terjadi pada bulan Februari.
Berdasarkan hasil wawancara dengan beberapa
nelayan, puncak penangkapan pada musim timur
terjadi pada bulan Maret sedangkan puncak
penangkapan pada musim barat terjadi pada bulan
November.
Alternatif strategi pengelolaan sumberdaya
ikan selar kuning
Menurut Undang‐Undang Perikanan No 31
tahun 2004 bahwa pengelolaan perikanan
dilakukan untuk tercapainya manfaat yang optimal
dan berkelanjutan serta terjaminnya kelestarian
sumberdaya ikan. Tujuan utama pengelolaan
perikanan adalah untuk menjamin produksi yang
berkelanjutan dari waktu ke waktu dari berbagai
stok ikan (resource conservation), terutama
melalui berbagai tindakan pengaturan (regulations)
dan
pengkayaan
(enhancement)
yang
meningkatkan kehidupan sosial nelayan dan sukses
ekonomi bagi industri yang didasarkan pada stok
ikan (Dirjen Pe Bangda, 1999).
Berdasarkan hasil penelitian ini terdapat
beberapa indikasi tingginya tekanan penangkapan
terhadap sumberdaya ikan selar kuning yang
mengarah
kepada
gejala
tangkap
lebih
(overfishing) yang diduga lebih lanjut termasuk
kondisi growth overfishing. Beberapa indikasi
ditunjukkan dari perubahan yang terjadi dalam
struktur stok ikan, antara lain :
1. Jumlah ikan yang tertangkap didominasi
oleh ikan berukuran kecil (6‐12 cm) dan
berukuran sedang (13‐20 cm) serta sekitar
80% dari total tangkapan adalah ikan muda
atau mempunyai ukuran di bawah ukuran
pertama kali matang gonad.
2. Meningkatnya koefisien pertumbuhan
populasi yang berarti umur ikan untuk
mencapai panjang infinitif menjadi lebih
pendek.
3. Peningkatan jumlah upaya penangkapan
cenderung akan meningkatkan jumlah
hasil tangkapan, tetapi berat rata‐rata ikan
terus menurun dan berat total (biomassa)
juga menurun.
KESIMPULAN
1. Sebaran frekuensi panjang ikan berkisar antara
75‐294 mm dan kelompok ukuran yang
mendominasi adalah 125‐134 cm.
2. Persamaan pertumbuhan Von Bertalanffy ikan
selar kuning jantan adalah Lt = 303,00
(1‐e‐0,55 (t+0,0793)), sedangkan persamaan
pertumbuhan ikan selar kuning betina adalah Lt
= 303,98 (1‐e‐0,19(t+0,2389)) dan persamaan
pertumbuhan ikan selar kuning secara total
adalah Lt = 303,28 (1‐e‐0,35 (t+0,1268)).
3. Pola pertumbuhan seluruh ikan yang dijadikan
contoh menunjukkan pola pertumbuhan bersifat
isometrik dengan persamaan pertumbuhan W =
2x10‐5L3,009, pola pertumbuhan ikan betina
menunjukkan pola pertumbuhan bersifat
allometrik
positif
dengan
persamaan
pertumbuhan W=6x10‐6L3,242 dan pola
pertumbuhan ikan jantan menunjukkan pola
pertumbuhan bersifat allometrik negatif dengan
persamaan pertumbuhan W=17x10‐5L2,579.
4. Tangkapan per satuan upaya digunakan untuk
melihat trend (kecenderungan) ikan selar
kuning setiap tahunnya, TPSU berkisar antara
5,87‐8,74 ton/unit kapal.
DAFTAR PUSTAKA
Allen G, Steene R, Human P, & Loach ND. 2007.
Reef fish identification tropical pasific.
New
World
Publication,
Inc.
Jacksonville, Florida, USA. 457 p.
Bagenal T. 1978. Methods for assessment of fish
production in freshwater. Third edition.
Blackwell
Scientific Publications.
Oxford. 365 p.
Badan Pusat Statistik. 2009. Kabupaten Lamongan
dalam angka 2008. Jawa Timur. Badan
Pusat Statistik. 167 hlm.
Brandt V. 1984. Fish catching methods of the
world. Fishing News Books Ltd. London. 418 p.
Busacker GP, Adelman IR, & Goolish EM. 1990.
Growth. p. 363‐382 in Schreck CB &
Moyle PB (Editor), Methods for Fish
Biology. American Fisheries Society.
Maryland USA.
Damayanti PA. 2007. Analisis tangkapan per
satuan upaya (TPSU) ikan kembung
(Rastrelliger spp.) di Kepulauan Seribu
[skripsi]. Departemen Manajemen
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 10
Sumberdaya
Perairan,
Fakultas
Perikanan dan Ilmu Kelautan, Institut
Pertanian Bogor. Bogor. 35 hlm.
Dina R. 2008. Rencana pengelolaan sumberdaya
ikan bada (Rasbora agryrotaenia)
berdasarkan analisis frekuensi panjang
di Danau Maninjau, Sumatera Barat
[skripsi]. Departemen Manajemen
Sumberdaya
Perairan,
Fakultas
Perikanan dan Ilmu Kelautan, Institut
Pertanian Bogor. Bogor. 76 hlm.
[Ditjen Bangda] Direktorat Jendral Pembangunan
Daerah. 1999. Penyusunan konsep
pengelolaan sumberdaya pesisir yang
berbasis masyarakat (PBM) di Provinsi
Lampung. Kerjasama Departemen
Dalam Negeri dengan Pusat Kajian
Sumberdaya Pesisir dan Lautan. Institut
Pertanian Bogor. Bogor.
Fafioye OO & Oluajo OA. 2005. Length‐weight
relationship of five fish species in Epe
Lagoon, igeria. African Journal of
Biotechnology 4 (7): 749‐751.
Lagler KF, Bardach JE, Miller RR & Passino DR.
1977. Ichtyology. John Wiley & Sons
USA. 506 p.
Nasoetion AH & Barizi. 1980. Metode statistika.
PT Gramedia. Jakarta. 223 hlm.
Nelson JS. 2006. Fishes of the world, fourth
edition. John Wiley & Sons, Inc. New
Jersey.
Nikijuluw VPH. 2002. Rezim pengelolaan
sumberdaya
perikanan.
Pustaka
Cesindo.
Jakarta. 254 hlm.
Nikolsky GV. 1963. The Ecology of fishes.
Academic Press. London & New York. 203 p.
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 11
APLIKASI UNTUK MEMPREDIKSI STOCK BAHAN BANGUNAN DENGAN
METODE PERCEPTRON MENGGUNAKAN VISUAL BASIC 6.0 DAN MySQL
Arip Kusnul Huda1) , Siti Mujilahwati 2)
1)
2)
Program Studi Teknik Informatika Universitas Islam Lamongan
Dosen Fakultas Teknik Prodi Teknik Informatika Universitas Islam Lamongan
Email : Arif_kusnul@yahoo.com, moedjee@gmail.com
ABSTRAK
Jaringan Syaraf Tiruan (JST) merupakan topic yang hangat dibicarakan dan mengundang banyak
kekaguman dalam dasa warsa terakhir. Hal ini disebabkan karena kemampuan JST untuk meniru sifat
system yang dimasukkan. Pada dasarnya JST mencoba meniru cara kerja otak makhluk hidup, yaitu bentuk
neuron-nya (sel syaraf). Faktor kecerdasan dari syaraf tidak ditentukan di dalam sel tetapi terletak pada
bentuk dan topologi jaringannya. Salahsatu model JST yang sering digunakan untuk pembelajaran adalah
perceptron. Metode perceptron merupakan metode pembelajaran dengan pengawasan dalam sistem
jaringan syaraf. Dalam merancang jaringan neuron yang perlu diperhatikan adalah banyaknya spesifikasi
yang akan diidentifikasi. Jaringan neuron terdiri dari sejumlah neuron dan sejumlah masukan.
Penelitian dilakukan mengamati system secara langsung sehingga didapat hasil analisis mengenai
kebutuhan system yang akan dibuat. Studi pustaka juga dilakukan untuk mencari sumber-sumber lain yang
dapat menjadi dasar dan acuan dalam membuat aplikasi prediksi stok bahan bangunan. Aplikasi prediksi
stok bahan bangunan ini dibuat dengan menggunakan bahasa pemrograman Visual Basic.6 dan MySQL
database. Hasil akhir dari penelitian skripsi ini adalah untuk memprediksi persediaan stok bahan bangunan
dalam waktu masa yang akan datang.
Dapat disimpulkan bahwa aplikasi untuk memprediksi stok bahan bangunan telah didesain dan
diimplementasikan dengan fasilitas meliputi download materi, tugas.
Kata-kunci :
Jaringan Syaraf Tiruan, Perceptron, Struktur Jaringan, Visual Basic 6.0, MySQL.
I. Pendahuluan
1.1 Latar Belakang
Dewasa ini persaingan semakin ketat dan
berkembang sejalan dengan kemajuan ilmu
pengetahuan, teknologi serta dunia informasi.
Ketiga hal tersebut telah banyak mempengaruhi
kehidupan masyarakat kehidupan internasonal
pada umumnya. Hampir setiap kegiatan dan
aktifitas kehidupan tidak terlepas dari peralatan
canggih, mutakhir dan serba modern contohnya
adalah computer. Dalam dunia bisnis perlunya
computer nampaknya tidak dapat dihindari lagi.
Sebut saja dalam bidang perdagangan dan
berbankan dimana system informasi dan
pengelolahan data yang cepat dan efisien harus
segera diwujudkan.
Hampir semua perusahaan atau Toko
yang bergerak dibidang penjualan dihadapkan
pada suatu masalah yaitu adanya tingkat
persaingan yang semakin kompetitif. Hal ini
mengharuskan perusahaan atau Toko untuk
merencanakan
atau
menentukan
jumlah
pembelian, agar dapat memenuhi permintaan
pasar dengan tepat waktu dan dengan jumlah
yang sesuai. Pada dasarnya penentuan jumlah
pembelian ini derencanakan untuk memenuhi
jumlah persediaan barang guna memenuhi
tingkat penjualan yang direncanakan atau tingkat
permintaan pasar.
Jaringan Syaraf Tiruan (Artificial
Neural Networks) adalah salah satu cabang ilmu
dari bidang ilmu Kecerdasan Buatan. Salah satu
model JST yang sering digunakan untuk
pembelajaran
adalah perceptron.
Metode
perceptron merupakan metode pembelajaran
dengan pengawasan dalam system jaringan
syaraf. Dalam merancang jaringan neuron yang
perlu
diperhatikan
adalah
banyaknya
spesifikasi yang akan diidentifikasi. Jaringan
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 12
neuron terdiri dari sejumlah neuron dan sejumlah
masukan. Salah satu permasalahan dalam JST
yang dihadapi pemilik Toko adalah tidak dapat
memahami struktur pada jaringannya. Hal ini
terjadi
karena
tidak didukung
dengan
tersedianya
suatu
aplikasi
yang dapat
membantu pemilik Toko dalam memahami
struktur JST. Untuk dapat memahami struktur
JST selain memahami teori juga diperlukan
pemahaman secara visual. Untuk itu diperlukan
sebuah aplikasi handal yang dapat membantu
pemilik Toko dalam memahami struktur JST
model Perceptron.
1.2 Tujuan dan Manfaat Penelitian
Tujuan Penelitian
Adapun tujuan yang ingin dicapai dalam
penelitian ini adalah sebagai berikut :
1. Membuat aplikasi jumlah stock bahan
bangunan
menggunakan
metode
perceptron.
2. Pendataan persediaan stock bahan
bangunan .
Manfaat Penelitian
Adapun Kegunaan yang diperoleh dari hasil
penelitian adalah sebagai berikut :
1. Bagi Perusahaan atau Toko
Dengan dilakukanya penelitian ini, maka
diharapkan bisa dijadikan sebagai bahan
evaluasi atas strategi perencanaan dan
pengendalian barang bahan bangunan
sehingga dapat membenahi persediaan
yang ada agar bisa lebih baik.
2. Bagi Penulis
Penelitian ini diharapkan akan sangat
membantu dan mendukung penulis dalam
mempelajari,
menganalisa,
dan
mengembangkan ilmu-ilmu yang telah
diperoleh untuk diterapkan pada dunia
nyata.
3. Bagi Pembaca
Penelitian ini diharapkan bias menambah
ilmu bagi pembaca maupun peneliti lain.
II. Landasan Teori
2.1 Jaringan Saraf Tiruan (JST)
Jaringan syaraf tiruan (artifical neural
network) adalah sistem komputasi yang arsitektur
dan operasinya diilhami dari pengetahuan tentang
sel syaraf biologis di dalam otak. Jaringan syaraf
tiruan merupakan salah satu representasi buatan
dari otak manusia yang selalu mencoba
menstimulasi proses pembelajaran pada otak
manusia tersebut. Jaringan syaraf tiruan dapat
digambarkan sebagai model matematis dan
komputasi untuk fungsi aproksimasi non-linear,
klasifikasi data cluster dan regresi nonparametrik atau sebuah simulasi dari koleksi
model jaringan syaraf biologi. [2]
2.2 Perceptron
Model jaringan perceptron ditemukan
oleh Rosenblatt dan Minsky-Papert. Jaringan
perceptron terdiri dari beberapa unit masukan
(ditambah sebuah bias), dan memiliki sebuah unit
keluaran. Hanya saja fungsi aktivasi bukan
merupakan fungsi biner (atau bipolar), tetapi
memiliki kemungkinan nilai -1, 0, atau 1 [ 3].
Perceptron sebagai cikal bakal jaringan
saraf tiruan bekerja dengan cara menerima
sejumlah (n) masukan berupa vektor (x 1 , x 2 , x 3
,…..x n ) dan menghasilkan sebuah keluaran
dengan nilai 1 atau 0. Bentuk jaringan perceptron
adalah sesuai gambar 2.5 berikut :
x1
w1
x2
w2
xn
wn
Fungsi
jumlah
Fungsi
aktivasi
Threshold/
bias
wm
bobot
1
Gambar 1. Perceptron
2.3 Database
Sistem Database adalah suatu informasi
yang mengintegrasikan kumpulan dari data yang
saling berhubungan satu dengan yang lainnya dan
membuatnya tersedia untuk beberapa aplikasi
yang bermacam-macam dalam suatu organisasi.
Database juga merupakan salah satu komponen
yang penting di dalam sistem informasi, karena
Database merupakan dasar dalam menyediakan
informasi bagi para pemakai (user) penerapan
dalam sistem informasi Database. [1]
2.4 Microfoft Visual Basic 6.0
Visual Basic adalah salah suatu
development tools untuk membangun aplikasi
dalam
lingkungan
Windows.
Dalam
pengembangan
aplikasi,
Visual
Basic
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 13
menggunakan
pendekatan
Visual
untuk
merancang user-interface dalam bentuk form,
sedangkan untuk kodingnya menggunakan dialek
bahasa Basic yang cenderung mudah dipelajari.
Visual Basic telah menjadi tools yang terkenal
bagi para pemula maupun para developer dalam
pengembangan aplikasi skala kecil sampai ke
skala besar. [4]
2.5 MySQL
MySQL adalah Relational Database
Management
System
(RDBMS)
yang
didistribusikan secara gratis dibawah lisensi GPL
(General Public License), dimana setiap orang
bebas menggunakannya. MySQL merupakan
turunan salah satu konsep utama dalam database
sejak lama, yaitu SQL (Stuctured Query
Language). SQL adalah bahasa yang digunakan
utnuk
berkomunikasi
dengan
database.
Pernyataan – pernyataan SQL digunakan untuk
melakukan beberapa tugas seperti : update data
pada database atau menampilkan data dari
database. Hampir semua software database meng
implementasikan bahasa SQL sebagai komponen
utama dari produknya, salah satunya MySQL. [5]
1. Sistem operasi Windows 7 Ultimate
2. Visual Basic 6.0
3. MySQL
4. Sybase Power Designer
3.2 Kebutuhan Informasi
Kebutuhan informasi pada perancangan
aplikasi untuk memprediksi stock bahan
bangunan dengan metode perceptron ini yang
terdiri dari :
1) Rekap data kebutuhan barang yang dijual
pada toko.
2) Rekap barang yang terjual selama 1 tahun
terakhir.
3.3 Perancangan Sistem
Pada sub bab ini akan dijelaskan perancangan
sistem yang terdiri dari diagram konteks, DFD
level 0 dan kamus data.
a. Diagram Konteks
Diagram konteks aplikasi untuk memprediksi
stock bahan bangunan dengan metode
perceptron. Dapat dilihat pada gambar berikut.
III. Rancangan Desain System
3.1 Kebutuhan Perangkat
Kebutuhan perangkat disini terdiri dari
kebutuhan perangkat lunak dan kebutuhan
perangkat keras.
a. Kebutuhan Perangkat Keras
Perangkat keras (Hardware) merupakan
peralatan/komponen fisik komputer yang
mencakup unit processor pusat, processor
pendukung, penyimpanan sekunder, peralatan
lainnya. Perangkat keras ini digunakan untuk
menunjang pembangunan aplikasi untuk
memprediksi stock bahan bangunan . Spesifikasi
perangkat keras yang yang digunakan user untuk
membuat program dan menjalankan program
adalah sebagai berikut :
1. Processor Pentium III
2. Monitor LG 14’’
3. Hard Disk Drive 40 Gb
4. Memori 512 Mb
5. Printer
6. Keyboard dan Mouse
b. Kebutuhan Perangkat Lunak
Perangkat lunak (software) yang dibutuhkan
pada saat pembuatan aplikasi adalah sebagai
berikut :
Gambar 2. Diagram Konteks
b. DFD Level 0
Data Flow Diagram level 0 dari aplikasi
untuk memprediksi stock bahan bangunan
dengan metode perceptron. Dapat dilihat pada
gambar berikut.
Memasukkan
data Stok
Data Stok
1.1
1
Data Stok Barang
Memberikan
Kriteria
PETUGAS
1.2
Data Kriteria
2
Kriteria
Memberikan Nilai
Kriteria
Memberikan
Bobot
Barang
Data Stok
Kriteria
1.3
Data Kriteria
Bobot
Data Bobot
3
Bobot
Memberikan Nilai Bobot
1.4
Data Bobot
PIMPINAN
Hasil SPK
Hasil
4
Hasil
Hasil
Gambar 3. DFD Level 0
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 14
c. Diagram Alir (Flowchart)
Diagram Alir (Flowchart) dari aplikasi untuk
memprediksi stock bahan bangunan dengan
metode perceptron. Dapat dilihat pada gambar
berikut.
Tabel 4. Tabel Kriteria
Nama Field
Data
Type
Kd_Kriteria
Varchar
Keterangan
Primary
Key
Nama_Kriteria Varchar
Tabel 5. Tabel Training
Nama Field Data
Type
No
Double
Gambar 4. Flowchart
d. Kamus Data
Agar lebih muda dalam pembuatan database
maka dilengkapi kamus data berikut.
Tabel 1. Tabel User
Nama Field
Data Keterangan
Type
Kd_Pengguna Varcha Primary
r
Key
Nama_Penggun Varcha
a
r
Password
Varcha
r
Tabel 2. Tabel Barang
Nama Field Data
Type
Kd_Barang
Varchar
Nama_Baran
g
Satuan
Harga
Barang
Keteranga
n
Primary
Key
Varchar
Varchar
Varchar
Tabel 3. Tabel Supplier
Nama Field
Data
Type
Kd_Supplier
Varchar
Nama_Supplier Varchar
No_Telp
Varchar
Alamat
Varchar
Persediaan
Penjualan
Permintaan
Keterangan
Primary
Key
Varchar
Varchar
Varchar
3.4 Perancangan Interface
Menguraikan perancangan form-form yang
ada dalam aplikasi aplikasi untuk memprediksi
stock bahan bangunan dengan metode
perceptron. Berikut ini adalah rancangan yang
telah dibuat :
1. Tampilan Form Login
Rancangan interface ini akan tampil pertama
kali saat program dijalankan, from login ini berisi
username dan password.
Gambar 5. Form Login
2. Tampilan Form Menu Utama
Rancangan ini memuat from utama dalam
program yang akan dijalankan, from utama berisi
sub menu File, Training, testing, dan keluar.
Keterangan
Primary
Key
Gambar 6. Form Menu Utama
3. Tampilan Menu Training dan Hasil
Rancangan form ini memuat tampilan dalam
mentraining data criteria.
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 15
c. Menu Training dan Hasil
Menu training dan hasil ini untuk mentraining
data dan menghitung.
Gambar 7. From Menu Training dan Hasil
IV.
Ujicoba dan Pembahasan
4.1 Pada sub bab ini akan dijelaskan tentang uji
coba program.
a. Menu Login
merupakan menu yang pertama muncul
sebelum masuk pada menu utama aplikasi stock
bahan bangunan dengan metode perceptron.
Gambar 8. Menu Login
b. Menu Utama
Bila User name, password yang dimasukan
secara benar maka apalikasi akan masuk pada
main menu (menu utana).
Gambar 9. Menu Utama
Gambar 10. Menu Training dan Hasil
V. Penutup
5.1 Kesimpulan
Setelah menganalisa, mendesain dan
menimplementasikan
Aplikasi
untuk
memprediksi stok bahan bangunan menggunakan
metode perceptron dapat disimpulkan bahwa :
a. Dengan adanya perancangan Aplikasi ini,
Toko Bahan bangunan Sumber Agung
mengalami banyak perubahan diantaranya
dapat membantu karyawan memprediksi
stock bahan bangunan, sehingga stock bahan
bangunan untuk jangka waktu yang akan
datang terdata secara akurat dan valit.
b. Meningkatkan efisiensi waktu dan efektifitas
pekerjaan karena mempermudah dalam
proses
penambahan,
pengeditan
dan
penghapusan data stok barang.
c. Hasil pengolahan data-data pada Aplikasi
untuk memprediksi stok bahan bangunan
berupa output prediksi persediaan barang
untuk jangka waktu yang akan datang.
5.2 Saran
Setelah sistem informasi penjualan ini
dibuat ada beberapa saran dari penulis yang
berhubungan dengan sistem informasi ini.
a. Aplikasi yang telah dibuat supaya dapat
diterapkan pada Toko Bahan bangunan
Sumber Agung dan diharapkan dapat
memberikan manfaat semaksimal mungkin.
b. Mengingat masih banyak kekurangan dalam
program ini maka diharapkan program ini
didokumentasikan, sehingga dapat digunakan
Jurnal Ilmu Eksakta vol 3 No 2 Sept 2015 | 16
untuk penembangan dan penyempurnaan
program selanjutnya.
c. Perlu adanya algoritma pembanding untuk
memprediksi sehingga, bisa diketahui hasil
yang paling optimal.
d. Perlu dilakukan uji coba dengan jumlah data
yang lebih besar untuk mengtahui seberapa
cepat ANN mampu memprediksi data.
Daftar Pustaka
[1] Andi Sunyoto, 2007, Pemrograman Database
dengan Visual Basic dan Ms.SQL, Andi,
Yogyakarta
[2] Pandjaitan, Lanny W, 2007, Dasar-Dasar
Komputasi Cerdas, Andi, Yogyakarta
[3] Suryadi, Kadarsah, Dr. Ir., Ir. Ali Ramdani,
Mt. 2000, Sistem Pendukung Keputusan.
PT.Remaja Rosdakarya
[4] LPKBM