Sosialisasi Hasil-Hasil Riset LRMPHP Melalui Knowledge Management System SEMAR MekanisasiKP

Sosialisasi hasil-hasil riset LRMPHP melalui Knowledge Management System SEMAR MekanisasiKP

Sehubungan dengan implementasi Knowledge Management System pada Satker LRMPHP, telah diselenggarakan kegiatan Sosialisasi Hasil-Hasil Riset LRMPHP melalui Knowledge Management System SEMAR MekanisasiKP pada hari Selasa tanggal 15 Mei 2018 di Aula LRMPHP. Kegiatan tersebut dibuka oleh Kepala Puriskan yang diwakili oleh Budi Nugraha,  M.Si. selaku Kabid Riset Pemulihan Sumberdaya & Teknologi Alat dan Mesin Perikanan dan dihadiri tamu undangan dari Dinas Kelautan dan Perikanan DIY, Diperpautkan Bantul, Stasiun KIPM Yogyakarta, SMK N 1 Sanden Bantul, Penyuluh Perikanan Bantul, FixTx Ind (dh UMG Myanmar), perwakilan Kecamatan Jetis dan seluruh pegawai LRMPHP.

Dalam arahannya Budi Nugraha, M.Si. sangat mengapresiasi kegiatan ini karena dengan adanya sosialisasi diharapkan hasil-hasil riset LRMPHP lebih dapat dikenal dan dimanfaatkan dengan baik oleh pelaku perikanan. Adanya aplikasi berbasis elektronik melalui sistem aplikasi SEMAR MekanisasiKP akan lebih mempermudah penyebarluasan hasil riset LRMPHP.

Pemaparan hasil-hasil riset LRMPHP

Sebelum sosialisasi, dilakukan paparan hasil-hasil riset LRMPHP oleh Koordinator Pelayanan Teknis LRMPHP (Tri Nugroho Widianto, M.Si). Hasil riset yang dipaparkan berupa data-data riset maupun peralatan yang telah dihasilkan LRMPHP pada tahun 2012-2018, diantaranya peralatan pengolahan fish jelly serta peralatan sarana transportasi dan penanganan  ikan segar.

Pemaparan sosialisasi Knowledge Management System SEMAR MekanisasiKP

Sosialisasi Knowledge Management System SEMAR MekanisasiKP disampaikan oleh Kepala LRMPHP (Lutfi Assadad, M.Sc.). Dalam paparannya dijalaskan bahwa SEMAR MekanisasiKP merupakan sebuah situs yang dirancang dan dibangun berbasiskan Knowledge Management System, sebagai sistem informasi manajemen pengetahuan berstandar satuan kerja LRMPHP. Sebagai sebuah sistem informasi manajemen pengetahuan terstandar, Semar MekanisasiKP menghimpun berbagai macam:

• Peralatan terstandar (daftar peralatan penanganan pascapanen perikanan yang telah berhasil dirancang, dibangun, dikembangkan dan diimplementasikan oleh LRMPHP),
• Rekomendasi teknologi (daftar teknologi dari LRMPHP yang telah lulus uji dan seleksi oleh Komisi Litbang Kementerian Kelautan dan Perikanan),
• Agenda riset (daftar kegiatan riset yang telah dan sedang berlangsung di LRMPHP),
• Publikasi ilmiah (daftar publikasi ilmiah LRMPHP meliputi artikel di jurnal, makalah yang dipresentasikan pada seminar/konferensi),
• Paten (daftar paten dan hak kekayaan intelektual LRMPHP),
• Tenaga ahli (daftar sumber daya manusia LRMPHP meliputi peneliti dan teknisi yang bergerak pada core business LRMPHP sebagai institusi riset),
• Produk hukum (peraturan perundangan yang terkait dengan organisasi LRMPHP), dan info terkini.

Pemaparan fungsi dan mekanisme kerja peralatan hasil rancang bangun LRMPHP

Kegiatan sosialisasi diakhiri dengan kunjungan ke ruang display peralatan hasil riset LRMPHP, workshop dan bengkel konstruksi serta fasilitas pendukungnya. Pada kesempatan tersebut dilakukan penjelasan mengenai fungsi dan mekanisme kerja beberapa peralatan.

Read More

Teknologi Digital Perikanan Budidaya

Sumber : IG KKP (@kkpgoid)

Untuk menjamin konektivitas rantai sistem bisnis akuakultur, Kementerian Kelautan dan Perikanan melalui Direktorat Jenderal Perikanan Budidaya (DJPB) mendorong pengembangan inovasi sistem informasi berbasis digital. Digitalasi sistem informasi akuakultur ini memiliki arti penting dalam mendorong terjadinya transformasi sistem bisnis akuakultur yang lebih efisien.

Direktur Jendral DJPB Slamet Soebjakto mengungkapkan bahwa digitalisasi ini akan menjadi jembatan modern bagi seluruh stakeholder perikanan budidaya. Dalam hal seperti akses pasar, sistem ini akan mampu menjamin efesiensi rantai pasar, untuk kegiatan on farm akan lebih efisien waktu, tenaga dan proses.

Sumber : IG KKP (@kkpgoid)

Read More

Peti Ikan Segar Berpendingin Roda Tiga untuk Pedagang Ikan Keliling

Ikan merupakan produk pangan yang mudah rusak, karena proses pembusukan terjadi segera setelah ikan mati. Pembusukan ikan adalah faktor utama penyebab terjadinya penurunan mutu ikan segar. Aktivitas pembusukan secara kimiawi dan enzimatis dapat diperlambat dengan menerapkan sistem rantai dingin. Penanganan ikan segar selama transportasi dan penyimpanan sebaiknya dilakukan pada suhu di bawah 5 0C. 

Tempat penyimpanan ikan yang digunakan oleh pedagang ikan keliling umumnya menggunakan kotak stirofom yang ditambahkan es sebagai pendingin kemudian diletakkan di atas sepeda motor. Penggunaan bongkahan es yang besar dan kasar serta tajam dapat menyebabkan kerusakan fisik ikan akibat gesekan yang terjadi antara es dengan permukaan ikan selama kegiatan transportasi. Selain itu penambahan es dapat mengurangi kapasitas peti serta menambah bobot sehingga dapat mengganggu keseimbangan berkendaraan karena kapasitas angkut sepeda motor terbatas. 

Untuk mengatasi hal itu, LRMPHP telah mengembangkan sespan berpendingin untuk pedagang ikan keliling yang mampu mempertahankan suhu dan mutu kesegaran ikan selama proses penjualan ikan eceran oleh pedagang ikan keliling. Peti berpendingin tersebut terbuat dari bahan Polyurethane berukuran 81 x 53 x 83 cm (PxLxT) yang dikonstruksikan dengan menambahkan sebuah roda pada peti pada bagian samping sebelah kiri sepeda motor (Gambar 1). Sistem pendingin mengadopsi sistem pendingin chest freezer merk Modena tipe MD 15 dengan spesifikasi kompresor Panasonic 123 Watt.

Gambar 1. Peti insulasi berpendingin roda tiga yang didesain LRMPHP

Peti insulasi berpendingin roda tiga dengan kapasitas hingga 90 kg di atas telah diuji coba oleh pedagang ikan keliling di daerah Gunung Kidul, Yogyakarta. Hasilnya menunjukkan bahwa peti ikan berpendingin tersebut dapat mempertahankan suhu ikan di bawah 3 0C pada saat dilakukan penjualan ikan secara eceran selama 3,8 jam. Suhu peti pada uji coba dalam kondisi kosong selama 120 menit mencapai 11,1 0C - 15,5 0C. Nilai organoleptik ikan setelah kegiatan transportasi adalah 7,1 - 7,3, sedangkan nilai TPC adalah 23 x 103 - 24 x103 koloni/g. Nilai TPC dan organoleptik ikan setelah transportasi memenuhi standar mutu ikan segar (SNI), hal ini menunjukkan bahwa peti ikan segar berpendingin dapat mempertahankan mutu ikan segar selama proses penjualan ikan secara eceran. 

Sumber : Jurnal Pasca Panen dan Bioteknologi KP, Vol 10 No. 1 (2015)

Read More

Program Padat Karya Kementerian Kelautan dan Perikanan

sumber : IG KKP (@kkpgoid)

Sesuai arahan Pemerintah, Kementerian Kelautan dan Perikanan juga fokus melaksanakan program padat karya, yaitu dengan menyusun program prioritas lingkup perikanan untuk menyerap tenaga kerja lokal secara massal, serta menggerakan ekonomi lokal.

Salah satunya, melalui pengembangan teknologi KJA Offshore yang diarahkan untuk menyerap tenaga kerja secara langsung dan tidak langsung, meningkatkan pendapatan dan kesejahteraan masyarakat. Selain itu nelayan sekitar juga akan diberdayakan melalui pemanfaatan ikan rucah hasil tangkapan nelayan sebagai pakan tambahan untuk KJA Offshore.

Proses pendederan dari hulu ke hilir, proses pengamanan budidaya KJA offshore, dan pengelolaan hasil panen juga akan melibatkan masyarakat yg tergabung dalam Koperasi Unit Desa (KUD).

Sumber : IG KKP (@kkpgoid)

Read More

Penerapan Model Neural Network Pattern Recognition Untuk Prediksi Kesegaran Ikan Tuna (Thunnus sp.)

Penentuan kesegaran ikan menjadi langkah penting dalam pengkonsumsian ikan. Perubahan mayor yang dijadikan patokan kesegaran ikan adalah warna, bau dan tekstur. Mata ikan akan berubah semakin cekung dan keruh pada ikan yang busuk selanjutnya mengeluarkan bau dan tekstur daging menjadi lunak (SNI). Perubahan fisik secara visual pada kebusukan ikan mampu diterjemahkan menjadi deretan angka dengan bantuan pengolahan citra digital. 

Penerapan pengolahan citra untuk menentukan kesegaran ikan dan bahan makanan lain telah dilakukan oleh beberapa peneliti. Dutta et al (2016) melaporkan bahwa penentuan tingkat kesegaran ikan dapat dilakukan menggunakan pengolahan citra insang ikan. Menesatti et al (2010) menyebutkan bahwa citra digital ikan berbasis kamera hyperspektral bisa menjadi dasar penentu kesegaran ikan. Kelemahan dua penelitian tersebut adalah bersifat destruktif karena perlu pemotongan operculum ikan untuk memperoleh citra insang yang baik dan diperlukan kamera hyperspektral yang harganya cukup mahal. Oleh karena itu, penelitian terkait penerapan model neural network pattern regognition yang bersifat nondestruktif dengan menggunakan kamera biasa masih perlu dikembangkan.

Neural Network atau Jaringan Syaraf Tiruan (JST) merupakan sebuah metode pengenalan pola, prediksi, klasifikasi dan pendekatan fungsi yang meniru arsitektur kerja otak. JST memiliki tiga lapisan yaitu lapisan input, lapisan tersembunyi dan lapisan output. Salah satu algoritma pada JST adalah backpropagation yang mempunyai kemampuan untuk melakukan dua tahap perhitungan yaitu perhitungan maju dan turun. Perhitungan maju untuk menghitung eror antara output dan target, sedangkan perhitungan mundur sebagai penghitungan balik eror untuk memperbaiki bobot pada semua neuron yang ada. Penerapan JST dengan algoritma backpropagation dalam pengambilan keputusan telah dilaporkan beberapa peneliti. Kusmaryanto, S (2014) menggunakan JST Backpropagation untuk pengenalan wajah. Dewi et al (2009) mampu menerapkan JST untuk memprediksi kelulusan mahasiswa. Lebih jauh lagi di bidang perikanan, Dowlati et al (2009) menggunakan metode regresi dan neural network untuk memprediksi tingkat kesegaran ikan bawal.

Tahapan dalam sebuah JST pattern recognition adalah akuisisi data, preprocessing, ekstraksi ciri dan pengenalan data (Putra, D. 2010). JST dikembangkan dari data citra Red Green Blue (RGB)  yang diukur menggunakan computer vision system. Sebuah citra dalam model Red Green Blue (RGB) memiliki tiga komponen warna utama yaitu merah, hijau dan biru dengan rentang nilai setiap komponen utama antara 0-225. Warna selain komponen utama adalah hasil percampuran komponen warna utama dengan nilai tertentu. Penggunaan  komponen RGB dalam bentuk data statistik yang digunakan sebagai input pada jaringan pengambil keputusan telah dilaporkan. Hariyanto (2009) menggunakan metode pengubahan komponen RGB pada gelang resistor untuk mengetahui nilai resistansinya. Lebih lanjut dibidang perikanan Issac et al (2017) mampu menggunakan data masukan nilai RGB citra insang sebagai penentu tingkat kesegaran ikan.

Berdasarkan beberapa literatur di atas, penerapan JST pattern recognition di bidang perikanan masih belum digunakan secara luas, padahal metode image processing dengan JST sebagai pengambil keputusan yang akurat. Oleh karena itu, LRMPHP telah melakukan penelitian untuk mengetahui kemampuan JST dalam memprediksi kesegaran ikan tuna (Thunnus sp.). 

Rangkaian penelitian dimulai dengan pengambilan data citra mata ikan menggunakan kamera logitech 8 megapiksel di dalam kotak khusus berukuran x 55 x 12 cm yang telah dilengkapi dengan lampu LED pada empat titik. Citra mata ikan yang diperoleh selanjutnya melewati dua tahapan pengolahan citra menggunakan software matlab 2014a, yaitu preprocessing dan ekstraksi rata rata nilai RGB citra mata ikan. Berikut diagram proses penelitian (Gambar 1.) dan alur preprocessing citra mata ikan (Gambar 2.).

Gambar 1. Diagram proses penelitian

Gambar 2. Alur preprocessing citra mata ikan

    Hasil preprocessing citra mata ikan pada penelitian ini terlihat pada Gambar 3. berikut:

Gambar 3. Hasil preprocessing citra mata ikan

Berdasarkan olah data yang dilakukan maka diperolah nilai akurasi, sensitivitas dan spesivitas pengujian masing-masing sebesar 86, 95 dan 71 %. Nilai AUC yang diperoleh sebesar 0,834, sehingga dapat dsimpulkan bahwa metode klasifikasi kesegaran ikan berdasarkan nilai rata rata RGB citra mata ikan tergolong baik.

Read More