Deteksi Ikan Menggunakan Algoritma YOLO

Obyek Deteksi Menggunakan YOLO

Potongan scene dalam sebuah film bergenre science fiction menggambarkan visualisasi dari robot yang mampu mendeteksi berbagai bentuk obyek disekitarnya. Hmm.. jika kita agak kurang kerjaan sedikit dengan memikirkan software apa yang digunakan agar si robot tersebut bisa mendeteksi obyek disekitarnya? Rupanya teknologi tersebut sudah dapat kita jumpai dikehidupan kita sehari hari hari. Beberapa sistem cctv yang canggih telah menerapkan metode obyek deteksi untuk pengenalan beberapa jenis obyek. Obyek deteksi merupakan suatu proses yang digunakan untuk menentukan keberadaan obyek tertentu, biasanya obyek tersebut divisualisasikan dalam sebuah penanda berupa kotak. 

Obyek deteksi tersebut dapat dibuat menggunakan metode deep learning. Saat ini telah banyak berkembang algoritma yang dapat menfasilitasi metode tersebut. YOLO dikenal sebagai algoritma obyek deteksi yang memiliki performa yang bagus. YOLO dikenalkan pertama kali oleh penciptanya Joseph Redmon pada sebuah konferensi internasional IEEE Conference on Computer Vision and Pattern Recognition pada tahun 2016. Hingga saat ini, YOLO telah berkembang hingga YOLOV5 dimana pada setiap seri terdapat perbaikan dan penyempurnaan algoritma. Kabar baiknya dari setiap seri YOLO tersebut beredar bebas di internet tepatnya di laman github.com dan tentu saja tutorial terpisahnya di media sosial youtube.

Untuk membangun sebuah weight custom (sesuai keinginan kita) diawali degan pengumpulan dataset, setidaknya diatas 100 gambar untuk setiap obyek. Dilanjutkan dengan anotasi gambar tersebut atau bahasa awam “menandai” dimana letak gambar itu. Selanjutnya mengubah beberapa file konfigurasi yang disesuaikan dengan data latih yang akan kita bangun. Jika ingin melatih weight dengan personal computer (pc) kita sepertinya diperlukan spesifikasi yang cukup tinggi dibanding dengan kebutuhan pc untuk mengetik misalnya. Namun demikian, sebuah web editor dengan nama google colab dapat dimanfaatkan untuk mendapatkan fasilitas setara computer dengan performa tinggi. Selama waktu training beberapa parameter dapat diketahui untuk melihat apakah weight yang kita training telah cukup baik untuk digunakan mendeteksi atau perlu lebih lama lagi waktu trainingnya, diantaranya accuracy training, accuracy loss, validasi training dan validasi loss. Semakin tinggi nilai accuracy dan semakin rendah nilai loss maka model tersebut semakin baik. 

Dalam paper yang ditulis oleh Joseph Redmon diatas disebutkan bahwa YOLO memiliki tingkat akurasi yang tinggi untuk mendeteksi suatu obyek benda. namun demikian rupanya belum banyak yang menerapkannya pada ikan. LRMPHP telah berhasil membangun deteksi gambar berbasis pada arsitektur YOLO pada sebuah paper berjudul Deteksi Ikan Nila Menggunakan Arsitektur YOLO pada Iterasi yang Berbeda. Paper tersbut diterbitkan pada buku Prosiding Semnaskan UGM ke XVIII tahun 2021 oleh Departemen Perikanan Fakultas Pertanian UGM. 

Dalam penelitian tersebut digunakan 97 ekor ikan nila sebagai data latih untuk membangun weight dan digunakan 19 ikan yang berbeda sebagai data uji. Perlakuan berupa perbedaan iterasi selama training. Tiga perlakuan iterasi digunakan yaitu I1 menggunakan 500 iterasi, I2 menggunakan 1000 iterasi dan I3 menggunakan 2000 iterasi. Untuk mempermudah selama training data latih menggunakan web editor berupa google colab. Hasil penelitian menunjukkan bahwa kelompok I2 menunjukkan nilai akurasi, sensitivitas dan spesivitas lebih baik dibandingkan dengan kelompok yang lain. Dimana nilai akurasi, sensitivitas dan spesivitas mencapai 84,2 %, 90 % dan 77,78 %

Kira kira, adakah yang tertarik untuk mencoba metode obyek deteksi tersebut ? <smile>

Penulis : Koko Kurniawan - LRMPHP

Read More

KKP Siapkan Riset dan SDM Unggul untuk Sukseskan Program Terobosan

Keberhasilan pembangunan kelautan dan perikanan di Indonesia tidak lepas dari peran penting riset inovatif dan sumber daya manusia yang unggul. Untuk itu pemerintah memberikan perhatian lebih terhadap pengembangan SDM dan riset yang inovatif untuk pembangunan nasional sebagaimana tertuang dalam Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2020-2024.

Sebagai Eselon I Kementerian Kelautan dan Perikanan (KKP) , Badan Riset dan Sumber Daya Manusia Kelautan dan Perikanan (BRSDM) memiliki fungsi strategis dalam menyediakan dasar ilmiah dan sumber daya manusia kompeten dalam implementasi tiga kebijakan dan program prioritas KKP di bawah prinsip keseimbangan ekonomi dan ekologi yakni ekonomi biru. 

Memasuki penghujung tahun 2021, KKP melalui BRSDM menyelenggarakan Konferensi Pers Catatan Akhir Tahun 2021 dan Proyeksi Tahun 2022, pada 14 Desember 2021. Kegiatan ini terlaksana secara daring dan luring, dengan menghadirkan Plt. Kepala BRSDM, Kusdiantoro; dengan didampingi para pejabat Eselon II lingkup BRSDM, yakni Kepala Pusat Riset Kelautan, I Nyoman Radiarta, Kepala Pusat Riset Perikanan, Yayan Hikmayani; Kepala Pusat Pendidikan KP, Bambang Suprakto; Kepala Pusat Pelatihan dan Penyuluhan KP, Lilly Aprilia Pregiwati; Kepala Balai Besar Riset Sosial Ekonomi KP (BBRSEKP), Rudi Alek Wahyudin; dan Kepala Balai Besar Riset Pengolahan Produk dan Bioteknologi KP (BBRP2BKP), Hedi Indra Januar, serta dimoderatori oleh Asisten Khusus Menteri Kelautan dan Perikanan, Doni Ismanto Darwin.

“BRSDM merupakan Eselon I KKP dengan jumlah pegawai terbanyak, mencakup 40 persen dari seluruh pegawai KKP dengan 41 Unit Pelaksana Teknis (UPT). Kami  membidangi riset kelautan, riset perikanan, riset pengolahan produk dan bioteknologi serta riset sosial ekonomi KP, pendidikan serta pelatihan dan penyuluhan KP yang mendukung terwujudnya program prioritas KKP yang digaungkan Menteri Sakti Wahyu Trenggono,” ucap Kusdiantoro.                                                                                                

Lebih lanjut disampaikan, bahwa riset inovatif yang menjadi fokus BRSDM turut terlaksana guna mendukung penguatan ketahanan ekonomi dan mendorong pertumbuhan ekonomi. Sedangkan penguatan SDM terlaksana sebagai modal utama pembangunan nasional yang akan meningkatan produktivitas dan daya saing nasional.

Di bawah Pusat Riset Kelautan, selama tahun 2021, BRSDM telah melaksanakan serta menghasilkan beragam program inovasi dan mendiseminasikannya kepada masyarakat. Dengan program unggulan berupa Inovasi Penerapan Teknologi Adaptif Lokasi berupa Teknologi Pengolahan Garam Rekristal Skala Rumah Tangga, untuk meningkatkan produktivitas industri garam masyarakat. Terdapat pula riset Kajian Terintegrasi Penanggulangan Abrasi dan Banjir Rob Pantura Jawa; pengembangan Kampung Perikanan berbasis 4.0; diseminasi hasil riset Kajian Arkeologi Maritim Situs ‘Kapal Tenggelam’ yang bertujuan untuk pengelolaan wisata bahari berkelanjutan dan penguatan narasi sejarah dan budaya maritim; hingga Aplikasi Laut Nusantara, yang dimanfaatkan oleh lebih dari 57.000 nelayan yang tersebar di 75 desa nelayan, untuk melaksanakan kegiatan penangkapan ikan dengan lebih baik.

“Untuk mengawal program prioritas KKP, salah satunya penangkapan ikan terukur,  BRSDM melalui Pusriskel bersama dengan Eselon 1 KKP turut menggagas pembentukan data center yang memberikan data hasil analisis sebagai  dasar kebijakan untuk seluruh Eselon I lingkup KKP, berupa data oseanografi, budidaya laut, dan lainnya,” terang Kepala Pusriskel, I Nyoman Radiarta.

Di bawah Pusat Riset Perikanan, selama tahun 2021, telah menghasilkan 18 rekomendasi kebijakan hasil riset perikanan, 243 karya tulis ilmiah riset perikanan yang dipublikasikan, 17 teknologi hasil riset perikanan, hingga informasi stok sumber daya perikanan melalui riset stock assessment di 11 Wilayah Pengelolaan Perikanan Negara Republik Indonesia (WPPNRI) dan 5 Kawasan Pengelolaan Perikanan Perairan Umum Daratan (KPPPUD).

“Sebanyak 31 produk hasil riset Pusat Riset Perikanan juga telah diserahkan kepada Direktorat Jenderal Budidaya sebagai bentuk dukungan terhadap program prioritas perikanan budidaya. Selain itu juga telah dilaksanakan pendistribusi Calon Induk Varietas Unggul ke seluruh wilayah Indonesia, di antaranya yakni 8.961 paket Lele Mutiara kepada 218 kabupaten/kota di 31 provinsi; 87.400 ekor Nila Srikandi untuk 36 kabupaten/kota di 15 provinsi; 16.378 Ikan Mas Mustika kepada 25 kabupaten/kota di 12 provinsi; 13.902 ekor calon induk Udang Galah GI Macro II di 26 kabupaten/kota di 8 provinsi; serta 33.000 calon induk dan 1.115 indukan Patin Perkasa untuk 11 kabupaten/kota di 7 provinsi,” papar Kepala Pusriskan, Yayan Hikmayani.

Melalui  BBRP2BKP, pada tahun 2021, BRSDM telah mengembangkan produk turunan bioteknologi laut, di antaranya berupa Bioplastik Rumput Laut Merah yang merupakan produk inovasi plastik biodegradabel berbahan baku polimer alami lokal yang aman dan berdaya saing.  Produk inovasi lainnya yakni Kapsul Nutraseutikal Minyak Ikan yang merupakan hasil samping dari pengolahan ikan patin, yang dapat digunakan sebagai komposisi suplemen pangan.  Inovasi lainnya adalah pengembangan metode dan aplikasi untuk deteksi penyalahgunaan formaldehida yang kerap ditambahkan sebagai bahan pengawet untuk ikan segar, sehingga pengawas perikanan maupun inspektur mutu perikanan ke depan memiliki tools untuk dapat medeteksi penyalahgunaan bahan pengawet berbahaya ini di produk perikanan segar.

Melalui BBRSEKP, BRSDM telah merilis Indeks Kesejahteraan Masyarakat Kelautan dan Perikanan (IKMKP) tahun 2020 yang merupakan salah satu Indikator Kinerja Utama (IKU) KKP.  IKMKP dikembangkan mengacu pada konsep IkraR (Indeks Kesejahteraan Rakyat) berdasarkan dua dimensi yaitu dimensi sosial dan kelembagaan dan dimensi ekonomi. Berdasarkan hasil analisis diperoleh IKMKP pada tahun 2020 naik menjadi 58,31 persen dibandingkan pada tahun 2019 sebesar 57,66 persen. Merujuk pada kategori indeks IkraR, maka nilai IKMKP pada tahun 2020 masuk dalam kategori tinggi (>52).

Dalam menciptakan SDM kelautan dan perikanan yang kompeten, KKP mendorong Pusat Pendidikan KP, untuk dapat meluluskan entrepreneur produktif dan inovatif yang mampu menguasai pasar nasional hingga mancanegara. Di mana pada tahun 2021, sebanyak 52, 56 persen lulusan satuan pendidikan KP terserap di dunia kerja bidang KP; 55,2 persen anak pelaku utama diterima sebagai peserta didik; dan 181 lulusan satuan pendidikan KP melakukan rintisan wirausaha di bidang KP.

Sementara itu, dalam meningkatkan kapasitas dan keahlian masyarakat, BRSDM melalui Pusat Pelatihan dan Penyuluhan KP telah menyuluh hampir 48.000 kelompok usaha, melatih 14.900 masyarakat KP dengan target mencapai 15.000 masyarakat di akhir tahun 2021; tersebarnya 263 P2MKP di seluruh wilayah Indonesia; melatih 5.580 aparatur KKP, hingga melaksanakan Mega Pelatihan Masyarakat yang diikuti 10.660 peserta dari seluruh wilayah Indonesia hingga meraih Rekor MURI dengan kategori Pelatihan Kelautan dan Perikanan Secara Daring dengan Jumlah Peserta Terbanyak.  Di samping itu, saat ini Puslatluh KP tengah mengusulkan Paten atas Hasil Kaji Terap Balai Pelatihan dan Penyuluhan Perikanan Tahun 2021.

Di tahun 2022, Riset Kelautan dan Perikanan berupa dukungan dalam mewujudkan Blue Economy, dengan fokus riset pada Blue Carbon, Zonasi Budidaya, Pemetaan Wilayah Pesisir, serta Mangrove dan Terumbu Karang. Dalam hal pendidikan, BRSDM menargetkan penerimaan peserta didik sebanyak 8.535, dengan komposisi penerimaan sebesar 55 persen berasal dari anak pelaku utama; di bidang pelatihan dan penyuluhan, BRSDM menargetkan pelatihan untuk 25 ribu masyarakat KP serta 41.000 kelompok yang akan disuluh.

“Riset inovatif akan mendukung penguatan ketahanan ekonomi dan mendorong pertumbuhan ekonomi. Sedangkan SDM sebagai modal utama pembangunan nasional akan meningkatkan produktivitas dan daya saing nasional. Mari bersama wujudkan ekonomi biru, laut sehat, indonesia sejahtera,” tutup Kusdiantoro.

Sumber : kkp

Read More

Penerapan Machine Learning pada Budidaya Perikanan

(Sumber : https://www.eurogroupforanimals.org/news/artificial-intelligence-enable-individualised-fish-monitoring-intensive-aquaculture)

Beberapa waktu lalu tentu kita akrab dengan jargon Revolusi industry 4.0. hampir disetiap lini kehidupan bermasyarakat akan dikaitkan dengan jargon tersebut. Hal yang sangat untuk kita temui dari implementasi jargon tersebut dalam kehidupan sehari hari misalnya cara bekomunikasi kita, cara belanja kita dan mungkin cara bekerja kita. Lalu, kira kira apa kaitan jargon tersebut dengan bidang perikanan ? 

Internet of thing (IOT), Artificial Intelligent (AI), Big data, cloud computing merupakan anak emas dari jargon revolusi industri tersebut. Apakah si anak emas tersebut sudah mulai merambah di bidang perikanan, sehingga mampu mewujudkan sebuah identitas baru sebagai “Perikanan Budidaya Cerdas”.  Sebuah paper yang ditulis oleh Shili Zao dkk berjudul Application of machine learning in intelligent fish aquaculture : A review yang terbit pada Jurnal Aquaculture pada tahun 2021 membahas permasalahan tersebut. 

Dalam paper tersebut dirangkum mengenai penerapan teknologi AI dalam budidaya perikanan sehingga dapat menciptakan sebuah “sistem budidaya perikanan cerdas”. Rupanya AI telah cukup lama diadopsi bidang perikanan, setidaknya telah lebih dari 5 tahun yang lalu. Namun demikian sebelum 5 tahun yang lalu tersebut bisa dikatakan sebagai tradisional machine learning yang saat ini telah berubah menjadi deep learning (machine learning yang digabungkan dengan big data). Terdapat empat subsistem AI dalam sebuah sistem budidaya perikanan cerdas yaitu koleksi data yang meliputi berupa data obyek budidaya, peralatan budidaya dan perubahan kondisi lingkungan budidaya. Yang kedua adalah transmisi data dan penyimpanan. Transmisi data dapat menggunakan kabel, perangkat nir kabel seperti bluetooth atau jaringan seluler. Sedangkan penyimpanan data dapat menggunakan hardisk ataupun penyimpanan awan (cloud). Yang ketiga adalah machine learning. Tahapan ini merupakan inti dari semua subsistem. Karena disini semua data masukan akan diolah menggunakan arsitektur jaringan yang dianggap paling baik. Secara umum machine learning akan menjalankan empat tahapan yaitu input (yang diperoleh dari koleksi data), ekstraksi fitur (untuk mendapatkan ciri khas dari data input), learning dan training (membuat model yang didasarkan dari ekstraksi fitur) terakhir testing dan output (menguji model yang dibangun apakah sudah layak untuk diterapkan). Subsistem terakhir adalah penerapannya. Tahapan inilah langsung berhubungan dengan pengguna sehingga sebuah system perikanan budidaya cerdas dapat digunakan untuk memperkirakan biomassa, identifikasi/ klasifikasi, dan memprediksi kualitas air tambak.  

Lalu apa keuntungan yang telah didapat dalam penerapan AI dalam system budidaya cerdas tersebut? Dalam paper ini disebutkan bahwa penerapan AI telah mampu meningkatkan efisiensi dan keuntungan dalam budidaya perikanan budidaya. Secara nyata keuntungan tersebut berupa penerapan AI pada pendugaan umur ikan yang didasarkan pada citra otolit. Hal ini dipaparkan oleh Moen dkk pada sebuah paper yang berjudul Automatic Interpretation of Otoliths Using Deep Learning yang diterbitkan oleh Jurnal PloS One pada tahun 2018. 

Penulis : Koko Kurniawan - LRMPHP

Read More

Pengalengan Tuna Komersial

Beberapa tahun yang lalu, Kementerian Kelautan dan Perikanan sempat menghebohkan dunia dengan melarang transhipment atau bongkar muat ikan ditengah laut. Kebijakan ini sukses membuat banyak negara kalang kabut karena mengalami kelangkaan stok ikan tuna. Beberapa negara tetangga termasuk Filipina bahkan mengakui bahwa stok ikan tuna mereka kosong. Kebijakan ini membuka mata kita bahwa banyak negara yang ternyata sangat bergantung dengan hasil tangkapan ikan tuna dari perairan Indonesia. 

Nah, kemudian pasti ada yang bertanya-tanya, lalu ikan tuna yang ditangkap itu sebenarnya diolah jadi apa sih? Ternyata ikan tuna yang ditangkap tersebut banyak yang dipergunakan sebagai bahan baku ikan kaleng. 

Ikan-ikan tuna yang dipergunakan sebagai bahan baku pada pengolahan tuna kaleng harus memenuhi persyaratan seperti yang dijelaskan dalam SNI 01-2712.1-1992, yaitu:

1. Bentuk bahan baku yang digunakan yang dipergunakan sebagai bahan baku pengalengan ikan tuna berupa tuna segar atau beku, utuh atau tanpa isi perut.
2. Bahan baku harus berasal dari perairan yang tidak tercemar.
3. Bahan baku harus bersih, bebas dari setiap bau yang menandakan pembusukan, bebas dari tanda dkomposisi dan pemalsuan, bebas dari sifat alami lain yang dapat menurunkan mutu serta tidak membahayakan kesehatan.
4. Produk ikan tuna dalam kaleng dibedakan atas produk tuna in oil dan tuna in water/brine. Selain itu, perusahaan pengalengan dapat membuat klasifikasi sendiri atas produk tuna yang dihasilkan seperti misalnya:

• TANS (Tuna Albacore Natural Solid) yaitu produk tuna kaleng dari ikan tuna albakora dengan daging berupa solid dan flake menggunakan medium air garam.
• TANC (Tuna Albacore Natural Chunk) yaitu produk tuna kaleng dari ikan tuna albakora dengan daging berupa layer, chunk dan flake menggu akan medium air garam
• TWNC (Tuna White Natural Chunk) yaitu produk tuna kaleng dari ikan baby tuna atau dikenal dengan sebutan SSWM (Sub Standar White Meat) dengan daging berupa layer, chunk dan flake menggunakan medium air garam.
• THS (Tuna Hot Spicy) yaitu produk tuna kaleng dari ikan yellowfin tuna dengan daging yang dipotong-potong sepanjang ± 2 cm dengan lebar ± 0,5 cm menggunakan medium bumbu-bumbu masakan, produk ini dipasarkan lokan dan biasanya digunakan dalam pembuatan Pizza Hut.
• SJNC (Skip Jack Natural Chunk) yaitu produk tuna kaleng dari ikan cakalang dengan daging berupa layer, chunk dan flake menggunakan medium air garam, dipasarkan lokal.

Lalu tahapan proses pengalengan itu sendiri bagaimana sih? Menurut HE. Irianto dan TMI. Akbarsyah tahun 2007, tahapan proses pengalengan yaitu :

1. Penerimaan bahan baku

Standar penerimaan bahan baku di Indonesia adalah suhu ≤ -2°C, histamin ≤ 2,5 mg%, kadar garam ≤ 1,5mg%, organoleptik ≥ 7 (dari skala 1-9), honeycomb, brosis dan parasit ≤ 2,5% dari daging yang dikukus. 

2. Penyiangan

Proses penyiangan dilakukan dengan memotong ikan tuna dengan gergaji. Tuna albakora dipotong menjadi 7-8 bagian dengan panjang 11 cm atau disesuaikan dengan tinggi kaleng. Bagian potongan ikan terdiri dari 4-5 bagian badan tengah, I bagian leher, I bagian kepala dan 1 bagian ekor. Isi perut dan insang diambil dengan pisau. Limbah ini dapat dimanfaatkan sebagai bahan baku tepung ikan. selama proses penyiangan, ikan disiram terus menerus dengan air. 

3. Penyusunan dalam rak

Penyusunan ikan dalam rak dilakukan berdasarkan bagian anggota tubuuh ikan. pemisahan ini diperlukan karena masing-masing bagian tersebut memerlukan waktu pemasakan pendahuluan (precooking) yang berbeda.

4. Pemasakan pendahuluan

Ikan yang telah disusun dalam rak kemudian dimasukkan dalam cooker yang memiliki pintu yang dapat ditutup rapat untuk mencegah uap keluar terlalu banyak. setelah ikan dimasukkan, kemudian dibersihkan dengan menyemprotkan air melalui pipa yang terdapat dalam cooker selama 10 menit. Tahapan selanjutnya adalah pengeluaran uap panas melalui pipa yang terdapat dalam cooker hingga mencapai suhu 100°C. setelah selesai proses pemasakan pendahuluan kemudian disemprot kembali selama 10 menit.

5. Pendinginan

Rak yang berisi daging ikan yang telah di precooking diletakkan dalam ruang pendinginan dan dibiarkan selama ± 3 jam.

6. Pembuangan kepala dan kulit ikan

Prosesm pembuangan kepala ikan dilakukan dengan tangan setelah diambil dagingnya, sedangkan pembuangann kulot dilakukan menggunakan pisau yang tajam  dengan cara mengikir searah dengan arah otot ikan. 

7. Pembersihan daging

Pembersihan daging bertujuan untuk memisahkan daging ikan dari daging gelap, tulang yang terdapat dalam daging dan sisik yang masih tersisia setelah proses skinning.

8. Pemotongan daging

Pemotongan daging berutujuan untuk memperoleh bentuk dan ukuran ikan yang sesuai dengan kalengnya. Proses pemotongan menghasilkan daging solid dan flake (serpihan), sedangkan chunk yang dihasilkan dalam proses pembersihan dapat dibuat menjadi flake. 

9. Pengisian daging dalam kaleng

Pengisian daging ke dalam kaleng dilakukan dengan cara menata daging ikan ke dalam kaleng sesuai dengan tipe produk (solid, chunk, flakes, standar dan grated).

10. Penambahan medium

Pengisian medium harus sampai batas head space atau 6-10% dari tinggi kaleng, dengan suhu tidak kurang dari 70°C. Suhu air garam yang tinggi membuat kondisi vakum yang semakin tinggi sehingga mampu mengurangi terjadinya udara yang terperangkap dalam kaleng. Pengisian medium minyak nabati ke dalam kaleng dilakukan dengan cara yang sama.

11. Penutupan kaleng

Penutupan kaleng dilakukan dengan sistem double seaming secara otomatis menggunakan vacum seamer. 

12. Pendinginan dan pemeraman kaleng

Ikan tuna kaleng yang masih dalam keranjang sterilisasi didinginkan dalam ruang terbuka selama ± 24 jam dan dapat diguynakan kipas untuk mempercepat proses tersebut. Ikan tuna kaleng yang telah dingin dibersihkan dengan minyak goreng untuk menghilangkan sisa-sisa kotoran pada kaleng.

13. Sterilisasi

Proses ini dilakukan dalam retort dan disemprot dengan air yang mengandung klorin 2 ppm selama 10 menit. Waktu dan suhu penyemprotan tergantung pada jenis produk tuna kaleng. 

14. Pelabelan

Pelabelan tuna kaleng dengan menggunakan kertas cetakan. Label berisikan keterangan tentang nama ataujenis ikan yang dikaleng, medium yang digunakna, berat bersih, nama produsen, tanggal kadaluarsa, dan kandungan gizi.

15. Pengepakan 

Itulah tahapan proses pengalengan ikan tuna sebelum akhirnya didistribusikan dan dipasarkan baik lokal maupun untuk ekpsor. Proses yang cukup panjang untuk sebuah ikan tuna kaleng, akan tetapi hal tersebut harus dilakukan untuk menjamin mutu produk ikan tuna kaleng tersebut. 

Penulis : Iwan Malhani Al Wazzan - LRMPHP

Read More

UJI KINERJA ICE MAKER BERTENAGA SURYA DI BANTUL

Selama ini, para pedagang ikan yang berada di Tempat Pelelangan Ikan (TPI) baik di Pulau Jawa (Cirebon) serta di Pulau Sumatra (Lampung) menggunakan es untuk mengawetkan ikan segar. Es ini mereka beli dalam bentuk bongkahan besar, yang harus dihancurkan terlebih dahulu sebelum dimasukkan ke dalam wadah penyimpanan ikan. Es dalam bentuk bongkahan besar ini dapat melukai badan ikan yang nantinya dapat menyebabkan kemunduran mutu ikan, selain itu para pedagang juga harus mengeluarkan dana lebih untuk membeli es tersebut. Kementerian Energi dan Sumber Daya Manusia (ESDM) memaparkan dalam situs Pertamina Gas bahwa elektrifikasi di Indonesia masih 55-60%, dan mayoritas wilayah yang belum teraliri listrik adalah wilayah pedesaan atau daerah 3T (Terdepan, Terluar, Tertinggal). Oleh karena itu, energi surya dapat menjadi salah satu energi alternatif untuk memenuhi kebutuhan listrik masyarakat di desa atau daerah 3T. 

LRMPHP telah merancang sistem kerja ice maker yang menghasilkan es serut bertenaga surya untuk mengatasi permasalahan tersebut. Rangkaian sistem kerja ice maker ini terdiri dari beberapa bagian, yaitu : 1) Ice maker, 2) Panel surya, dan 3) Kotak yang berisi inverter. 

Gambar 1. (a) Ice maker, (b) Panel surya

(Sumber : Wullandari P, Hakim A R and Sarwono W 2019 Mesin pembuat es hibrid untuk mencukupi kebutuhan es di daerah 3T Aplikasi teknologi pengelolaan perikanan tangkap Amafrad Press, p. 59 – 189)

Panel surya yang digunakan pada mesin pembuat es hibrid menggunakan tipe polycrystalline.  Keunggulan panel surya tipe ini yaitu toleransi terhadap suhu yang lebih baik. Panel yang digunakan pada mesin ini berjumlah sembilan dengan daya maksimal 200 Wp (watt peak) per panel. Tiga panel disusun secara seri yang kemudian ketiga panel seri tersebut  disusun paralel.

Daya yang dibutuhkan mesin pembuat es hybrid yaitu 760 watt yang akan dioperasikan selama 8 jam pada siang hari. Total daya yang dibutuhkan untuk 8 jam operasional yaitu 760 watt x 8 jam adalah 6080 Wh atau 6,08 kWh.

Uji kinerja ice maker bertenaga surya ini telah dilakukan di Bantul pada kondisi cuaca cerah, mendung dan hujan. Hasil penelitian menunjukkan bahwa kapasitas daya baterai sesuai dengan intensitas cahaya matahari pada saat cuaca cerah dengan korelasi  y = 0,009x - 26,08, sedangkan pada kondisi mendung dan hujan laju kapasitas daya baterai menunjukkan penurunan dengan korelasi: y = 0,008x - 23,92 dan y = 0,007x + 69,41. Kapasitas produksi es pada cuaca cerah, mendung dan hujan yaitu antara 4,17 kg es/jam sampai dengan 4,63 kg es/jam yang sangat dipengaruhi oleh intensitas cahaya matahari.

Penulis : Putri Wullandari - LRMPHP

Read More

LRMPHP CIPTAKAN MINI BUNKER PENYIMPAN RUMPUT LAUT UNTUK MEMPERTAHANKAN MUTU KARAGINAN

Mini bunker penyimpan rumput laut dengan chiller
 Sumber : (Wullandari, et al., 2019. Laporan Teknis Rancang Bangun Silo Rumput Laut. Loka Riset Mekanisasi Pengolahan Hasil Perikanan)

Selama ini, para pembudidaya maupun pengepul rumput laut menyimpan rumput laut kering dalam karung, kemudian ditumpuk tumpuk dalam gudang yang ventilasi udaranya kurang baik, kurang terjaga kebersihannya dan kelembabannya. Hal ini dapat mengakibatkan kontaminasi dari jamur maupun hewan – hewan seperti tikus dan serangga, serta kualitas rumput lautnya tidak dapat dijaga karena tidak adanya pengontrol suhu dan kelembaban udara.

Peneliti LRMPHP telah merancang mini bunker, suatu alat penyimpan rumput laut kering yang tertutup dan dilengkapi dengan chiller sebagai pengontrol suhu dan kelembaban udara. Alat ini diharapkan dapat mempertahankan mutu rumput laut kering yang disimpan, dengan masa simpan sampai dengan enam bulan. Salah satu parameter mutu rumput laut kering yang dapat terukur yaitu dari mutu karaginan yang dihasilkan.

Menurut Supriyantini, Santosa dan Dermawan dalam Buletin Oseanografi Marina bulan Oktober 2017, karaginan adalah senyawa hidrokoloid yang diekstraksi dari rumput laut merah jenis Kappaphycus alvarezii. Mutu karaginan yang dianalisa dalam penelitian ini yaitu kekuatan gel, viskositas dan derajat putih. Kekuatan gel dianalisa dengan menggunakan TA.XT Texture Analyzer, viskositas dengan Viscometer dan derajat putih dengan Kelt Whiteness Tester. Perlakuan dilakukan sebanyak 3 kali ulangan kemudian dianalisa secara statistik.

Hasil penelitian peneliti LRMPHP yang dipaparkan dalam Seminar Nasional Tahunan XVII Hasil Penelitian Perikanan dan Kelautan memaparkan bahwa kekuatan gel menunjukkan kemampuan karaginan dalam pembentukan gel. Tepung karaginan mampu mengubah cairan menjadi padatan atau mengubah bentuk sol menjadi gel yang bersifat reversible. Sementara itu, pengujian viskositas bertujuan untuk mengetahui tingkat kekentalan karaginan sebagai larutan, dimana garam-garam yang terlarut dalam karaginan akan menurunkan muatan sepanjang rantai polimer. Menurut Asikin, et al. (2015) dalam Jurnal Ilmu Dan Teknologi Kelautan Tropis 7(1), konsumen menghendaki produk karaginan dengan derajat kecerahan yang tinggi, kekuningan yang rendah dan keputihan yang tinggi.

Hasil penelitian menunjukkan bahwa kekuatan gel karaginan dari E. Cottonii kering yang disimpan dalam mini bunker yaitu 423,54 g/cm2, viskositas karaginan dari E. Cottonii kering yang disimpan dalam mini bunker yaitu 90 cPs, sedangkan derajat putih karaginan dari E. Cottonii kering yang disimpan dalam mini bunker yaitu 54,24%.  Hasil penelitian menunjukkan bahwa kekuatan gel dan viskositas karaginan dari E.cottonii yang disimpan dalam mini bunker masih memenuhi standard mutu.

Penulis : Putri Wullandari - LRMPHP

Read More

SISTEM ALREF SEBAGAI COLD STORAGE UNTUK PEYIMPANAN IKAN DI KAPAL 10-15 GT

Salah satu usaha untuk mempertahankan mutu ikan setelah penangkapan dan transportasi di atas kapal nelayan adalah metode pendinginan. Es masih banyak dipakai sebagai media pendingin karena mudah digunakan dan memiliki kapasitas pendinginan yang besar. Namun penggunaan es balok memiliki kekurangan di antaranya ikan di bagian bawah palka rusak karena tertekan oleh ikan di bagian atasnya. Bongkahan es yang tajam dapat merobek kulit/perut ikan ditambah adanya guncangan di kapal.

Untuk memperbaiki kelemahan penggunaan es, antara lain dengan perbaikan metode pendinginan sistem refrigerated sea water (RSW) atau sistem ALREF (air laut yang direfrigerasi) pada pendinginan dengan suhu sekitar 0 ºC. Sistem RSW memiliki beberapa kelebihan seperti potensi kerusakan fisik yang relatif kecil, penurunan suhu yang cepat, serta suhu yang lebih stabil dan merata.  Salah satu sistem RSW / ALREF untuk penyimpanan ikan pada kapal 10-15 GT telah dibuat oleh Widianto tahun 2018 yang dimuat dalam Jurnal Pasca Panen dan Bioteknologi Kelautan dan Perikanan Tahun 2018. 

Sistem ALREF (Gambar 1) terdiri dari komponen utama berupa palka dengan volume sekitar 2,03 m3, evaporator, kondensor, kompresor, palka, refrigerant dan katup ekspansi. Sistem ALREF memiliki kapasitas penyimpanan optimal 1,3 ton ikan dan dapat mempertahankan suhu ikan di bawah 5 °C.. Salah satu komponen utama sistem ALREF adalah evaporator yang berbentuk pipa mengelilingi palka dengan diameter 5/8 inch dan panjang 84 meter. Evaporator berfungsi menyerap panas media pendingin oleh refrigeran di dalam evaporator. Komponen ini sangat menentukan performansi  pendinginan dan daya listrik yang dibutuhkan.  

Gambar 1. Ikan dengan es balok (kiri) dan sistem ALREF beserta palka dengan pipa evaporator (kanan) dari Widianto (2018)

Media pendingin di dalam palka dapat berupa air laut untuk jenis ikan misalnya tuna dan cakalang. Namun beberapa jenis ikan lain misalnya ikan pelagis kecil kurang cocok dengan media pendingin air laut dan lebih tepat dengan sistem penyimpanan dengan media udara dingin (sistem cold storage) di mana suhu dijaga agar di bawah -18 °C.  Sehingga perlu dilakukan kajian pada sistem yang sudah ada apakah dapat diterapkan sistem cold storage  di samping yang sudah ada yaitu ALREF dengan media pendinginan air laut. Sehingga sistem ALREF akan menjadi multi fungsi dan lebih efektif.

Senada dengan hal tersebut, salah satu penelitian penggunaan sistem ALREF sebagai cold storage telah dilakukan oleh LRMPHP tahun 2021 yang dimuat dalam Prosiding Seminar Nasional Perikanan Tahun 2021 yang menargetkan suhu udara palka mencapai sekitar -18 °C. Penelitian mereka menggunakan sistem ALREF dengan pendinginan ruang palka sistem cold storage atau dengan pendinginan udara palka tanpa air laut sampai suhu di bawah -18 °C. Pengujian dilakukan pada kondisi palka tanpa beban selama 250 menit dengan parameter yang diukur berupa suhu udara yang didinginkan di dalam palkah serta daya listrik yang dibutuhkan. 

Hasil pengujian menunjukkan bahwa sistem ALREF dapat mendinginkan ruang palka sampai -18 °C dalam waktu 250 menit seperti pada Gambar 2. Kecepatan pendinginan udara pada rata-rata berkisar 10,92 - 11,37 °C/jam dengan rata-rata 11,23 oC/jam. Daya listrik aktual sebesar 2,42 kW dan daya kompresor 1,83 kW.  

Gambar 2. Penurunan suhu udara dalam palka pada titik tengah dan pinggir terhadap waktu

Pada pengujian ini, beban pendinginan palka cold storage lebih ringan yaitu sebesar 0,44 kW bila dibandingkan dengan ALREF air laut sebesar 2,14 kW dan air tawar 3,47 kW. Dengan beban pendinginan yang lebih kecil maka kecepatan pendinginan menjadi lebih besar, sehingga dapat mencapai suhu di bawah -18 ℃ dengan lebih cepat. Pada pengujian ini suhu tersebut dapat dicapai dalam waktu 250 menit. Dengan demikian maka sistem cold storage  ini dapat dipertimbangkan sebagai alternatif aplikasi pendinginan untuk ikan yang kurang cocok dengan media pendingin air laut. Sistem ALREF dapat menjadi multifungsi dan lebih efektif jika digunakan.

Penulis : Ahmat Fauzi - LRMPHP

Read More

Green-Eco Air Purifier dari Mikroalga

Mikroalga adalah mikroorganisme uniseluler fotosintesis dengan lebih dari 10.000 spesies, termasuk ganggang biru/sianofita dan protista. Syarat hidup mereka cukup sederhana terutama dalam hal kebutuhan nutrisi dan secara efisien dapat mengurangi CO2 dari udara atau berbagai macam limbah. Sekitar 70% oksigen dalam atmosfer bumi berasal dari lautan dan mikroalga bertanggung jawab atas 50%-nya. Mikroalga adalah salah satu organisme fotosintesis yang paling efisien untuk menangkap karbon dan produktivitas biomassa yang tinggi. Pertumbuhan mikroalga bergantung pada beberapa faktor yaitu :

• paparan cahaya, tidak langsung lebih baik (1000-10.000 lux);
• kisaran suhu yang sesuai (16–27 C); 
• pasokan CO2 dengan sirkulasi udara;
• pengadukan, untuk memastikan bahwa semua sel mikroalga terpapar cahaya dan mengurangi sedimen;
• ketersediaan nutrisi.

Saat ini, mikroalga telah digunakan pada skala industri untuk menghasilkan produk atau melakukan tugas tertentu seperti menangkap karbon dari aliran limbah atau pengolahan air limbah. 

Mikroalga juga dapat digunakan untuk menghilangkan kontaminan udara dalam ruangan atau bahkan udara luar. Kemampuan ini membuatnya cocok dipergunakan dalam ruangan tertutup dengan sedikit ventilasi seperti gedung bertingkat atau mall, agar kualitas udaranya tetap terjaga. Hal ini mirip dengan penangkapan karbon dari gas buang, di mana CO2 dan kontaminan lainnya digunakan sebagai nutrisi untuk pertumbuhan mikroalga. Ketika udara luar sangat tercemar atau suhunya tidak sesuai dengan kebutuhan mikroalga maka dapat mensirkulasikan kembali udara dalam sistem loop tertutup antara kultur mikroalga dan ruangan yang udaranya dimurnikan oleh mikroalga dengan dilengkapi dengan pemanas dan biomass cultivator. 

Sistem loop tertutup antara mikroalga kultur dan ruangan

Sistem loop diatas menunjukkan udara yang mengandung banyak CO2 dari ruangan disuntikkan langsung ke dalam PBR (photobioreactor) pada budidaya mikroalga sebagai sumbel CO2 untuk kultur yang kemudian diubah oleh mikroalga menjadi O2 melalui aktifitas fotosintesis dan metabolisme. Oksigen yang dihasilkan kemudian dialirkan melalui saluran aerasi ke ruangan. Deposit dan biomass yang berlebihan dialirkan melalui suatu sistem tersendiri yang menyatu dengan sistem pemberian nutrien dan pengelolaan air untuk kultur mikroalga. Rancangan sistem ini disampaikan oleh Teresa M. Mata dkk pada International Journal of Environmental Research and Public Health yang terbit pada Agustus 2021.

Konsep tersebut telah diwujudkan oleh Kelsey Abernathy dan Dan Fucich sebagai Cofounder AlgenAir dengan menciptakan The Aerium yaitu sebuah purifier udara berbasis mikroalga. Purifier ini cocok untuk ruangan dengan luasan 10-12 m2.

The Aerium by AlgenAir, diciptakan oleh Kelsey Abernathy dan Dan Fucich

Aerium dirancang tidak hanya sebagai pembersih udara, tetapi juga sebagai dekorasi rumah yang fungsional. Konstruksinya mencakup kaca premium tahan lama yang menampung 1,5 liter mikroalga yang tersuspensi dalam air terdestilasi. Filter udara partikel in-line memungkinkan udara kaya karbon dioksida masuk ke sistem, sekaligus menghilangkan debu, alergen potensial, dan bakteri berbahaya dari udara. 

Penulis : Iwan Malhani Al Wazzan - LRMPHP

Read More

Membedakan Jenis ikan yang Mirip dengan Convolutional Neural Network

Membedakan jenis ikan

Cara paling mudah untuk membedakan dua anak kembar adalah dengan memanggil namanya. Namun apa jadinya membedakan ikan yang berbeda spesies namun memiliki bentuk fisik yang sangat mirip bagi masyarakat awam. Dua jenis ikan yaitu Rastrelliger kanagurta dan Rastrelliger brachysoma memiliki bentuk fisik yang hampir sama dan kebanyakan masyarakat awan akan sulit untuk membedakanya. LRMPHP berhasil membedakan dua jenis ikan tersebut menggunakan metode image classification dalam sebuah paper berjudul “Classification of Rastrelliger kanagurta and Rastrelliger brachysoma using Convulational Neural Network” yang telah disampaikan pada acara Engineering International Conference ke-10 oleh Universitas Negeri Semarang pada tahun 2021. 

Rastrelliger kanagurta dan Rastrelliger brachysoma (Gambar 1) merupakan komoditas ikan yang penting terutama di sekitar Laut Jawa. Ikan jenis ini dimanfaatkan untuk konsumsi, karena cukup digemari di masyarakat. Sulitnya membedakan dua jenis ikan ini dijadikan sebagai latar belakang kegiatan penelitian ini dengan mencoba metode image classification sebagai jalan keluarnya.

Gambar 1. a. Ikan kembung lelaki (Rastrelliger kanagurta); b. ikan kembung perempuan (Rastrelliger brachysoma)

Dua jenis ikan tersebut diperoleh dari TPI di wilayah Kabupaten Pekalongan. Setidaknya 217 ekor untuk setiap jenis dijadikan sebagai data latih. Ikan tersebut difoto di ruang yang telah dikondisikan secara khusus terutama pencahayaan dan latar belakang gambarnya. Selanjutnya data latih tersebut di training menggunakan Empat arsitektur Convolutional Neural Network (CNN) yang berbeda yaitu CNN1 (CNN dengan dua lapisan convulasi), CNN2 (CNN dengan tiga lapisan convulasi), CNN3 (CNN dengan empat lapisan convulasi) dan CNN4 (CNN dengan lima lapisan convulasi). Selama training data set digunakan 35 epoch.  

Penelitian tersebut memberikan hasil bahwa arsitektur CNN 3 mendapatkan hasil paling baik dibandingkan dengan arsitektur CNN lainnya dengan nilai akurasi, sensitifitas dan spesivitas adalah 0,94 ; 1 ; 0,875. Dari hasil tersebut menunjukkan bahwa 100 ekor ikan yang dideteksi oleh arsitektur CNN 3 memberikan hasil 94 ikan dijawab dengan benar. Jadi, apakah metode ini bisa menggantikan pemanggilan nama seperti membedakan anak kembar diatas ?? sayangnya ikan tidak akan menyahut ketika dia dipanggil.

Penulis : Koko Kurniawan - LRMPHP

Read More

Pengembangan Teknologi Computer Vision pada Mesin Pemberi Pakan Ikan

Seiring dengan meningkatnya kebutuhan pangan khususnya ikan yang dibatasi oleh menurunnya stok ikan di alam akibat kegiatan eksploitasi yang terus menerus, maka kegiatan perikanan saat ini dan masa mendatang secara global bertumpu pada produksi perikanan budidaya. Bahkan FAO memprediksi pada tahun 2030 mendatang, 75 persen kebutuhan konsumsi ikan dunia akan disediakan oleh ikan-ikan hasil produksi budidaya. Karenanya, manajemen pemberian pakan ikan menjadi salah satu isu penting dalam sektor budidaya perikanan.

Manajemen pemberian pakan secara konvensional yang dilakukan saat ini dinilai masih jauh dari efektif dan efisien karena menyebabkan biaya pakan yang tinggi, rendahnya produktifitas pekerja, tingginya tekanan oleh kondisi lingkungan sekitar, tingginya resiko dalam hal pemijahan ikan, serta kegiatan pemberian pakan tidak dapat diatur menyesuaikan kondisi-kondisi tertentu dari stok ikan yang ada di lapangan (An dkk., 2021).

Ilustrasi mesin pemberi pakan ikan otomatis (sunber: www.agriexpo)

Seiring dengan pesat kemajuan teknologi di bidang artificial intelligent (AI), pemberian pakan pintar ikan (smart feeding) juga kini telah dikembangkan oleh peneliti-peneliti di dunia dengan memanfaatkan teknologi computer vision. Berbeda dengan cara kerja mesin pemberi makan otomatis yang sudah banyak digunakan oleh pembudidaya dan perusahaan, pemberi pakan pintar memiliki beberapa keunggulan. Pada mesin pemberi pakan otomatis, hanya menyediakan atau menebar sejumlah pakan dengan jumlah tertentu dalam rentang periode yang telah diatur sebelumnya, dengan kata lain fungsinya hanya menggantikan petugas pemberi pakan manual. Mesin pakan otomatis tidak dapat menyesuaikan jumlah pakan yang dibutuhkan pada waktu riil berdasarkan perubahan perilaku ikan atau saat terjadi perubahan lingkungan tambak. Namun dengan memanfaatkan teknologi computer vision, mesin yang dihasilkan menjadi “pintar” yaitu dengan memanfaatkan sensor serta metode pendukung lainnya untuk dapat mengatur program dalam mesin pemberian pakan konvensional.

Ilustrasi prinsip kerja sistem pemberian pakan ikan pintar (sumber: Alammar and Al-Ataby, 2018)

Beberapa pengembangan mesin pakan pintar berbasis computer vision dilaporkan oleh Liu dkk. (2014) yang mendeteksi kebiasaan makan ikan berdasarkan computer vision feeding index (CVAI). Data yang diperoleh melalui CVAI secara prinsip diambil berdasarkan pergerakan ikan yang ditangkap oleh kamera yang kemudian dianalisis dan dihitung jumlah dan waktu yang tepat untuk pemberian pakannya. Sedangkan Atoum dkk (2015) secara kontinu mengatur sistem pemeliharaan ikan di tambak menggunakan informasi dari signal yang diambil dan diproses melalui sensor kamera. Mesin pakan pintar yang dikembangkannya dapat menentukan apakah pakan ikan perlu ditebarkan atau tidak. Jumlah pakan yang ditebarkan oleh mesin disesuaikan dengan informasi yang didapat dari visual dari kamera yang telah difilter terhadap area-area spesifik di kolam yang telah ditentukan. Sistem yang dikembangkan oleh Atoum dkk tidak hanya menentukan jumlah pakan yang ditebarkan namun juga dapat menilai apakah jumlah pakan yang diberikan terlalu banyak pada pemberian periode selanjutnya. Selain itu, pengembangan mesin pakan pintar juga dilakukan oleh Zhou dkk. (2016) dengan menggunakan sensor kamera near-infrared (NIR) dan model neuro fuzzy untuk mengontrol waktu dan jumlah pakan ikan berdasarkan kebiasaan makannya.

Masih banyak lagi peneliti-peneliti lainnya yang sedang mengembangkan mesin pakan ikan berbasis computer vision, yang tujuan utamanya adalah untuk meningkatkan efisiensi dan kualitas produksi perikanan budidaya, sekaligus secara efektif mengurangi biaya operasional yang dikeluarkan untuk pekerja di tambak.

Penulis: Bakti Berlyanto Sedayu - LRMPHP

Read More

KKP Luncurkan Prangko Seri Ikan Hias Endemik Indonesia

Kementerian Kelautan dan Perikanan (KKP) resmi meluncurkan Prangko Seri Ikan Hias Endemik Indonesia berkolaborasi dengan PT. Pos Indonesia dan juga Kementerian Komunikasi dan Informatika, Kamis (2/12/2021), di Jakarta.

 

Peluncuran ditandai dengan penandatanganan Sampul Hari Pertama (SHP) oleh Menteri Kelautan dan Perikanan Sakti Wahyu Trenggono didampingi oleh Plt. Kepala Badan Riset dan Sumber Daya Manusia Kelautan dan Perikanan (BRSDM) Kusdiantoro beserta Direktur Utama PT. Pos Indonesia Faizal Rochmad Djoemadi. Selain itu juga dilakukan pengiriman kartu pos secara simbolis oleh Menteri Trenggono.

 

"Begitu banyaknya jenis ikan hias dan Indonesia juga punya ikan hias endemik. Terima kasih PT. Pos Indonesia karena sudah berhasil mencetak beberapa jenis ikan hias, ada empat ikan hias, untuk menjadi prangko," ucap Menteri Trenggono dalam kesempatan tersebut.

 

Peluncuran prangko bergambar ikan hias endemik Indonesia ini merupakan salah satu upaya yang dilakukan Pemerintah untuk memublikasikan secara nasional akan kayanya biodiversitas jenis ikan endemik, salah satunya melalui mediator dalam menampilkan ikon-ikon ikan dalam bentuk prangko.

 

Adapun empat ikan hias endemik Indonesia yang dijadikan prangko terdiri dari tiga ikan air tawar yakni Ikan Cupang Kepala Ular (Betta Channoides), Ikan Cupang Alam (Betta Imbellis), dan Ikan Ringau (Datnioides Microlepis) serta satu ikan air laut, yaitu Ikan Capungan Banggai (Pterapogon Kaudemi).

 

Ke depannya Menteri Trenggono berharap inovasi yang dilakukan oleh KKP melalui BRSDM tidak berhenti di kerja sama dalam pembuatan prangko bersama PT Pos Indonesia ini. Menurutnya, kerja sama dengan berbagai pihak untuk mengedukasi masyarakat terlebih generasi muda mengenai asal mula ikan hias haruslah juga diutamakan.

 

"Bagaimana ikan hias menjadi sesuatu yang dapat dipelihara, filosofinya apa, yang membuat generasi muda lebih sadar dan paham. Kembangkan kerja sama dengan seniman, penulis, dan juga pihak-pihak lain yang kompeten," tambahnya.

 

Untuk mengungkap kekayaan jenis ikan di perairan Indonesia, agar dapat dimanfaatkan dan dikembangkan menjadi komoditas perikanan yang memiliki nilai manfaat ekonomi bagi bangsa Indonesia perlu dilakukan riset yang mendalam. Hal ini disampaikan oleh Plt. Kepala BRSDM Kusdiantoro dalam kesempatan yang sama.

 

"Pemanfaatan beragam jenis ikan endemik tentunya memerlukan pengkajian dan riset secara berkesinambungan, sehingga pengelolaan sumber daya dapat dilakukan secara berkelanjutan," ujar Kusdiantoro dalam laporannya.

 

Selain menandatangani SHP Prangko Seri Ikan Hias Endemik Indonesia dan pengiriman kartu pos secara simbolis, dalam kesempatan tersebut juga terdapat pengumuman serta penyerahan hadiah untuk para pemenang kompetisi Lensa Mina yang diselenggarakan oleh BRSDM bekerja sama dengan Minapoli. Selain itu, juga dilaksanakan penyerahan 31 produk hasil riset BRSDM kepada Direktorat Jenderal Budidaya sebagai bentuk dukungan terhadap program terobosan KKP.

Sumber : kkp

Read More

Apresiasi KKP bagi Petugas Belajar Terbaik

Aparatur Sipil Negara (ASN) andal merupakan investasi berharga, terlebih saat ini birokrasi dituntut untuk memberikan pelayanan publik yang efektif dan efisien. Untuk itu, Kementerian Kelautan dan Perikanan (KKP) terus mengembangkan Sumber Daya Manusia (SDM) aparatur untuk meningkatkan kinerjanya, memastikan dan memelihara kemampuannya sesuai kualifikasi yang dipersyaratkan, sehingga dapat memberikan kontribusi optimal bagi organisasi. Salah satu bentuk pengembangan pegawai adalah dengan pendidikan melalui Tugas Belajar (Tubel). Beberapa pesertanya meraih Indeks Prestasi Kumulatif (IPK) 4 dan lulus dalam waktu singkat, di antaranya 1,3 tahun.

Bagi 20 peserta Tubel lingkup KKP yang dinyatakan sebagai peserta terbaik, KKP melalui Badan Riset dan SDM Kelautan dan Perikanan (BRSDM), memberikan apresiasi dan penghargaan, Selasa (30/11/2021), di Jakarta. Mereka adalah lulusan S2 dan S3 terbaik dalam dan luar negeri Tahun 2019-2021. Rinciannya, lulusan dalam negeri terbaik sebanyak 15 orang (masing-masing 5 orang per tahun) serta lulusan luar negeri terbaik sebanyak 5 orang. Beberapa lulusan meraih IPK 4 dan lulus selama 1 tahun 4 bulan dan ada pula yang 1 tahun 6 bulan. Lulusan lainnya meraih IPK 3,98, 3,97, dan sebagainya.

Sebelumnya, Menteri Kelautan dan Perikanan Sakti Wahyu Trenggono menyampaikan, SDM yang berintegritas, produktif, kreatif dan inovatif berbasis ilmu pengetahuan dan teknologi berkelanjutan sebagai kunci utama dalam percepatan pembangunan kelautan dan perikanan. Menurutnya, SDM tangguh sangat diperlukan dalam mendukung tiga program prioritas KKP untuk keberlanjutan sumber daya laut dan perikanan nasional, yaitu penangkapan ikan terukur, pengembangan budidaya berbasis pada ekspor, dan pembangunan kampung perikanan budidaya berbasis kearifan lokal.

Plt. Kepala BRSDM Kusdiantoro mengatakan, pendidikan bagi aparatur dapat berkontribusi pada peningkatan produktivitas, efektivitas dan efisiensi organisasi. Secara umum, tujuan pendidikan yaitu meningkatkan pengetahuan, keahlian, keterampilan dan sikap untuk dapat melaksanakan tugas jabatan secara profesional. Sedangkan sasarannya adalah terwujudnya aparatur yang memiliki kompetensi yang sesuai dengan persyaratan jabatan masing-masing.

Ia berharap, para peserta Tubel dapat menyiapkan perencanaan yang baik dan proposal penelitian sejak dini serta menjalankan Tubel dengan sungguh-sungguh agar dapat lulus tepat waktu, efektif, dan efisien. Ia juga berharap para lulusan dapat menghasilkan penelitian sesuai dengan kebutuhan unit kerja dan program prioritas KKP, bukan atas dasar keinginan pribadi. Diharapkan penelitian tersebut dapat memecahkan berbagai permasalahan dan bermanfaat bagi masyarakat luas.

"Tidak semua pegawai bisa Tubel, ini merupakan kesempatan langka. Kesempatan tidak datang dua kali, jadi harus banyak bersyukur, dijalankan sebaik-baiknya, dan selesai secepat-cepatnya. Saya yakin yang lulus kurang dari dua tahun telah menyiapkan milestone sebelumnya. Untuk S3 lima tahun sudah terlalu panjang, apalagi S2 waktu dua tahun sudah cukup lama. Institusi melepas pegawainya untuk Tubel, pertama akan kehilangan pegawai tersebut untuk sementara waktu. Kedua akan keluar budget, yang tidak terkena refocusing. Ini sebagai komitmen KKP untuk terus meningkatkan SDM," ujar Kusdiantoro.

Sementara itu, Kepala Pusat Pendidikan Kelautan dan Perikanan (Pusdik KP) Bambang Suprakto menyampaikan, ASN yang telah selesai melaksanakan tugas belajar dari tahun 2019 sampai dengan 2021 sebanyak 195 orang, dengan rincian untuk tugas belajar dalam negeri sebanyak 163 orang masing-masing: 12 orang program DIV/S1, 134 orang program magister dan sebanyak 17 orang program doktoral; dan tugas belajar luar negeri sebanyak 32 orang yaitu 25 orang program magister dan 7 orang program doktoral. Dari 195 orang peserta tugas belajar tersebut diundang 20 orang terbaik untuk diberikan apresiasi.

"Adapun kriteria pemberian apresiasi yaitu lima terbaik dengan IPK tertinggi, selesai cepat/tepat waktu/tidak perpanjangan, tidak dijatuhi hukuman disiplin pegawai. Pembahasan kriteria dan penetapan peserta terbaik dilaksanakan melalui rapat pada tanggal 24 November 2021 yang dihadiri oleh pengelola kepegawaian unit kerja eselon 1 lingkup KKP atas penugasan Sekretariat masing-masing," ujarnya.

Para peserta Tubel menyampaikan rasa syukur dan ucapan terima kasih, baik dari peserta dalam negeri maupun luar negeri melalui penayangan video. Saat ditanya suka dan dukanya, semua peserta menyampaikan jauh lebih banyak sukanya, seperti dapat kesempatan menempuh pendidikan ke jenjang yang lebih tinggi, mendapat teman dan pengalaman baru, serta pelayanan dan fasilitas yang baik. Sedikit dukanya antara lain karena suasana pandemi maka perkuliahan dilakukan secara daring, sehingga kurang bisa merasakan atmofser kampus. Khusus untuk peserta Tubel luar negeri, sedikit dukanya adalah kesulitan adaptasi dengan situasi dan kondisi setempat, seperti perbedaan waktu, cuaca, budaya, dan makanan. Meski demikian, semua peserta mengaku dapat menjalaninya dengan baik.

Tak hanya pemberian apresiasi dan penghargaan bagi lulusan Tubel terbaik, sebagai rangkaian acara pada kesempatan tersebut juga diselenggarakan kegiatan-kegiatan lainnya. Misalnya, paparan "Peningkatan Daya Saing Bangsa Melalui Lembaga Pengelolaan Dana Pendidikan" oleh Direktur Beasiswa LPDP Dwi Larso dan Workshop Penyusunan Proposal Penelitian dengan narasumber Prof. Henry M. Manik, Ph.D dari Institut Teknologi Bandung dan LPDP. Selain itu dilakukan juga penyampaian orasi ilmiah "Dinamika Blue Carbon 3 Teknologi Budidaya Udang Sebagai Unsur Penentu Penataan Areal Pertambakan" oleh salah satu peserta Tubel terbaik M. Rifqi dari Ditjen Perikanan Budidaya KKP, lulusan S3 Pengelolaan Sumber Daya Pesisir dan Laut Institut Pertanian Bogor. Ada pula Tes Potensi Akademik dan TOEFL bagi para calon peserta Tubel.

Sumber : kkp

Read More

Chitosan, Gula Yang Banyak Manfaatnya

Struktur kimia chitosan 

Chitosan adalah senyawa polisakarida atau sejenis gula yang dihasilkan dari proses deasetilisasi chitin. Strukturnya terdiri dari D-glukosamin yang berikatan dengan N-asetil D-glukosamin oleh ikatan β-1,4-glikosidik. Distribusi subunit-subunit ini tergantung pada cara pembuatan kitosan. Tahapan pembuatan chitosan yaitu : demineralisasi, deproteinasi, dekolorisasi dan deasetilisasi. 

Demineralisasi dilakukan dengan perendaman asam seperti asam klorida, asam nitrit maupun asam asetat. Deproteinasi dilakukan karena chitin pada cangkang crustacea berikatan dengan gugus amino atau protein. Deproteinasi dilakukan dengan larutan alkaline seperti natrium hidroksida ataupun kalium hidroksida. Dekolorisasi atau bleaching dilakukan dengan mengunakan larutan natrium hipoklorit dan proses deasetilisasi kembali menggunakan larutan alkali yaitu natrium hidroksida. Setelah semua proses dilakukan kemudian dilakukan pembilasan hingga chitosan yang diperoleh tidak bersifat alkali/basa dan dikeringkan hingga membentuk flakes. 

Raw Chitosan dalam bentuk flakes 

Dalam tulisan berjudul Chitosan yang dipublikasikan pada 2015, Chawla dkk menyebutkan bahwa chitosan memiliki berbagai bioaktifitas yaitu antimikrobia, faktor yang mempengaruhi aktifitas antimikrobia, antioksidan. Selain itu, chitosan juga dapat dimanfaatkan sebagai coating atau pelapis yang dapat dimakan (edible) pada pengawetan buah dan sayuran, bahan pembersih pada cuka dan anggur, dan bahan tambahan makanan. 

Dalam dunia kedokteran membran yang dibuat dari kombinasi chitosan dan alginat telah diujicoba untuk merawat luka diabetes yaitu luka yang sulit untuk mengering karena kondisi hiperglikemik. Dalam penelitian Breder dkk yang dilakukan pada 2020, diketahui bahwa CAM (chitosan-alginate membrane) mampu mengontrol proses inflamasi yang terjadi pada luka diabetes sehingga luka akan membaik dalam waktu 5-10 hari. Pada tahun 2021, Sung-Il Ahn dkk dalam hasil penelitiannya menyebutkan bahwa chitosan mampu menurunkan kolesterol dan trigliserida dalam darah dan hati dan membuangnya melalui feses.

Karapas udang, salah satu sumber chitin bahan baku chitosan

Sumber utama chitin adalah cangkang luar atau karapas udang-udangan dan kepiting. Bahan ini biasanya dianggap limbah dan hanya dibuang begitu saja atau belum termanfaatkan dengan baik. Padahal dengan kelimpahan yang begitu besar, limbah ini berpotensi sebagai bahan baku untuk pembuatan chitosan. 

Besarnya potensi chitosan untuk kesehatan membuat perusahaan farmasi berlomba-lomba untuk meneliti dan mengembangkan chitosan. Beberapa telah berhasil mengembangkannya sebagai suplemen makanan yang dikemas dalam bentuk kapsul yang mudah untuk dikonsumsi. Harga dari suplemen ini juga cukup tinggi jika dibandingkan dengan suplemen makanan yang lain. Manfaat signifikan ditemukan pada orang dengan tekanan darah tinggi yang secara teratur mengonsumsi suplemen kitosan.

Penulis : Iwan Malhani Al Wazzan - LRMPHP

Read More

Penentuaan Spesies Dan Panjang Ikan Secara Otomatis Menggunakan Komputer Visi

Diagram skematik dari mesin CatchMeter. Sumber Gambar: White, Svellingen, and Strachan (2006)

Kemampuan sortasi spesies ikan pada kapal ikan riset dan komersial masih dilakukan secara manual. Karena sortasi dilakukan secara manual maka waktu proses menjadi lebih lambat sehingga efisiensinya juga terbatas dan perlu tenaga kerja yang lebih banyak. Untuk mengatasi permasalahan tersebut diperlukan sistem sortasi ikan otomatis yang mampu merekam data panjang, bobot, dan spesies ikan. Kebutuhan ini didasari oleh suatu tujuan untuk mengurangi jumlah tenaga kerja pada kapal tagkap sekaligus melakukan logging hasil tangkapan secara otomatis. Semua tindakan ini akan bermuara pada pemenuhan sejumlah aturan dan meningkatkan sistem kemamputelusuran.

Riset yang telah dipublikasikan hasilnya pada jurnal Fisheries Research Vol. 80 tahun 2006 oleh White, Svellingen, and Strachan, telah memadukan perangkat keras dan teknik pemrograman untuk menciptakan sistem sortasi otomatis generasi mendatang. Salah satu metode unik yang dikembangkan adalah penentuan arah ikan berdasarkan kalkulasi moment poligon yang dihasilkan oleh siluet ikan. Dengan metode perhitungan moment of variant ini memungkinkan ikan dengan berbagai arah dan posisi dapat diumpankan pada sistem konveyor. Selanjutnya dengan sistem komputer Visi, pengukuran panjang dapat dilakukan dengan galat kurang dari 1 cm, sedangkan spesies ikan ditentukan berdasarkan analisis bentuk dan warna.

Algoritma pada software analisa citra yang dikembangkan meliputi (1) Kalibrasi dengan subrutin untuk kalibrasi dan pengambangbatasan warna, (2) Penentuan region of interest dengan subrutin penemuan ikan dan deteksi tepi, (3) Penentuan orientasi meliputi subrutin rotasi, menentukan ekor atau kepala, menentukan perut atau punggung, pipih atau bundar, (4) Perhitungan parameter kunci mencakup Grid bulat atau grid pipih, warna dan bentuk, panjang tubuh; dan (5) Penentuan spesies ikan dengan pengklasifikasi Analisis Diskriminan.

Sistem sortasi otomatis dengan aplikasi mesin komputer visi yang dinamakan CatchMeter tersebut dari hasil pengujian memiliki kemampuan penentuan tipe ikan pipih atau bulat dengan akurasi 100%, pengukuran panjang ikan dengan standar deviasi 1,2 mm, dan kemampuan pemisahan 7 kelas spesies dengan akurasi mencapai 99,8%. Sementara hasil pengukuran kapasitas mesin yang dihitung dari sistem pengumpanan mampu mencapai 30 000 ekor ikan ukuran 10 cm dalam 1 jam.  Mesin yang dikembangkan ini diharapkan dapat berkontribusi pada suplai informasi hasil tangkapan secara detil kepada para ilmuwan yang bekerja di kapal riset serta memiliki nilai komersial yang cukup potensial.

Penulis : I Made Susi Erawan - LRMPHP

Read More

LRMPHP Terima Kunjungan Direktur Politeknik KP Karawang

Kepala LRMPHP menerima kunjungan Direktur Politeknik KP Kerawang

LRMPHP menerima kunjungan lapang Direktur Politeknik Kelautan dan Perikanan Karawang, Dr. Moch Nurhudah, A.Pi, M.Sc dan jajarannya pada 26 November 2021. Kunjungannya ini dalam rangka peningkatan penguatan jejaring kerjasama antar kedua instansi serta peningkatan pengetahuan bagi pendidik dan tenaga kependidikan Politeknik KP Karawang di bidang riset perikanan.

Dalam sambutannya, Kepala LRMPHP, Luthfi Assadad memaparkan alsinkan hasil riset LRMPHP serta pemanfaatannya oleh mitra. Selain itu juga disampaikan tingkat kesiapterapan teknologi (TKT)  alsinkan tersebut agar dapat digunakan dan diadopsi oleh masyarakat.

Hal serupa disampaikan Direktur Politeknik KP Karawang bahwa LRMPHP dan Politeknik KP Karawang mempunyai keterkaitan yang erat karena Politeknik KP Karawang merupakan salah satu pendidikan vokasi dimana lulusannya dituntut kompeten dibidangnya sehingga program kerjasama dengan LRMPHP berupa kerja praktek akhir (KPA) dan lainnya akan sangat bermanfaat. Direktur Politeknik KP Karawang juga berharap ada peralatan LRMPHP yang bisa ditempatkan di Politeknik KP Karawang mengingat 55% siswa Poltek Karawang merupakan anak nelayan sehingga secara tidak langsung dapat dijadikan target diseminasi peralatan tersebut ke masyarakat.

Dalam kunjungannya ini dibahas kegiatan bersama yang telah dilakukan dan rencana dimasa mendatang terkait riset dan pengembangan SDM. Adapun rencana output dari kegiatan tersebut yaitu sharing tenaga ahli, pemanfaatan alsinkan hasil riset untuk kegiatan pendidikan, publikasi bersama dan melanjutkan pelaksanaan kerja praktek akhir (KPA) bagi siswa Politeknik KP Karawang. 

Kunjungan kerja Direktur Politeknik KP Karawang beserta jajarannya dilanjutkan dengan melihat alsinkan hasil riset LRMPHP di ruang workshop serta fasilitas pendukungnya. Selama kunjungannya ini dilakukan pemaparan mengenai fungsi dan mekanisme kerja beberapa alsinkan hasil riset LRMPHP diantaranya peralatan grading rumput laut, alat ekstruder dan deteksi ikan secara cepat.

Direktur Politeknik KP Karawang beserta jajarannya  melihat alsinkan hasil riset LRMPHP

Read More