Nelayan Sadeng Sepakat Tidak Akan Menggunakan Cantrang

Kapal Nelayan di Sadeng Gunungkidul (dok. LRMPHP)

Sadeng merupakan salah satu pelabuhan perikanan utama di Yogyakarta selain Depok di Bantul dan Adikerto di Kulon Progo. Terletak di daerah Songbanyu, Girisubo, Kabupaten Gunung Kidul, Yogyakarta, Pelabuhan Perikanan Sadeng yang dikelola UPTD (Unit Pelaksana Teknis Dinas) propinsi, banyak mensuplai ikan keluar daerah karena mutu ikan yang ditangkap baik dan banyaknya permintaan. Mutu ikan yang baik tersebut salah satunya tidak terlepas dari penggunaan alat tangkap yang digunakan nelayan di Sadeng. Selama ini nelayan di Sadeng hanya menggunakan alat tangkap ramah lingkungan seperti gillnet, mini purse seine, pancing longline dan alat tangkap tradisional lainnya.

Salah satu nelayan (Bp. Sarpan) sekaligus sebagai ketua kelompok nelayan Mino Raharjo menuturkan bahwa para nelayan sudah cocok dengan alat tangkap tersebut karena selain dasar lautnya yang berkarang dan gelombangnya yang besar juga demi kelestarian sumber daya lautnya. Penggunaan alat tangkap lain (cantrang) di perairan Sadeng oleh nelayan luar daerah pernah dilaporkan sebelum tahun 2005, namun oleh nelayan setempat jaring cantrangnya langsung dilepas dan dibuang di laut karena ikan-ikan kecil juga ikut tertangkap. Sejak saat itu tidak ada lagi yang berani menggunakan alat cantrang di daerah perairan Sadeng.

Aktivitas Nelayan di Sadeng Gunungkidul (dok. LRMPHP)

Sebagai nelayan selama 30 tahun lebih, Bp. Sarpan mempunyai kapal motor tempel (Sri Rejeki) 7-8 GT dengan wilayah tangkapan selatan Jawa (WPP-RI 573) menggunakan alat tangkap gillnet dan pancing ulur untuk menangkap ikan hingga sejauh 150 mil. Dengan modal sebesar 5 juta untuk melaut selama 1 minggu dan jumlah ikan yang diperoleh sebanyak 1 ton maka penghasilan bersih yang diperolah nelayan tersebut mencapai 5 juta (sistem pembagian keuntungan 50% untuk pemilik kapal dan sisanya ABK dengan harga jual ikan ke pengepul rata-rata 15 ribu/kg). Selama melaut kebanyakan ikan yang diperoleh berupa tuna, cakalang, kemadang dan sulir. Kebanyakan ikan-ikan tersebut diperoleh dari alat tangkap pancing sebesar 70%, sedangkan 30% sisanya diperoleh dari alat tangkap lainnya.  Menurut Bp. Sarman perolehan ikan yang ditangkap pada bulan januari- juli 2017 cukup baik, dengan harga jual yang relatif tinggi dan stabil. Hasil tangkapan pada 2017 lebih banyak dibandingkan pada 2016, hal ini sesuai dengan data produksi tangkapan ikan yang dikeluarkan oleh UPTD PPI Sadeng.

Read More

Simulasi Model Aliran Udara Dalam Ruang Pengering Rumput Laut

Rumput laut merupakan salah satu komoditas perikanan Indonesia yang potensial untuk dikembangkan. Data FAO tahun 2014 menyebutkan bahwa sebanyak  5.738.688 ton rumput laut jenis Eucheuma sp dibudidayakan di Indonesia. Salah satu cara penanganan rumput laut agar dapat bertahan lama setelah proses panen adalah dengan cara pengeringan. Rumput laut yang telah dikeringkan dapat diolah lebih lanjut menjadi berbagai macam olahan seperti agar-agar kertas, ATC dan lain sebagainya. Permasalahan yang timbul di tingkat petani dan pengolah rumput laut skala UKM adalah pengeringan rumput laut pada musim penghujan yang hanya mengandalkan panas matahari. Rumput laut di musim penghujan tidak dapat dikeringkan dengan baik sehingga menyebabkan penurunan mutu, bahkan dapat mengakibatkan rumput laut menjadi busuk.  Rumput laut yang mutunya kurang baik tersebut tidak dapat diterima oleh pengepul/perusahaan dan banyak yang terbuang percuma. Oleh karena itu, penggunaan alat pengering rumput laut menjadi sangat penting bila kondisi cuaca tidak optimal.

Alat pengering umumnya terbagi menjadi dua macam yaitu pengeringan menggunakan matahari dan pengering konvektif. Untuk mendapatkan alat pengering diperlukan aliran udara yang homogen dalam ruangan. Proses penguapan cairan dalam bahan dengan pemberian panas menyebabkan terjadinya proses pengeringan. Panas yang dibawa oleh media seperti udara menyebabkan uap air akan dilepaskan dari permukaan bahan ke udara pengering. Proses pengeringan dapat mempengaruhi mutu produk yang akan dihasilkan. Dalam proses pengeringan rumput laut perlu suhu yang konstan agar mutu yang dihasilkan tetap terjaga. Oleh karena itu desain alat pengering yang dapat menjaga suhu yang stabil diperlukan dalam proses pengeringan rumput laut tersebut.

LRMPHP telah melakukan penelitian tentang alat pengeringan rumput laut. Salah satu tahapan penelitian tersebut adalah simulasi model aliran udara dalam ruang pengering rumput laut. Rangkaian percobaan diawali dengan merancang ruang pengering jenis arc/dome. Pemilihan jenis ruang pengering arc/dome disesuaikan dengan jenis produk rumput laut eucheuma yang digunakan dalam penelitian. Rumput laut jenis eucheuma memiliki banyak komposisi air sehingga diharapkan ruang pengering jenis arc/dome dapat menampung lebih banyak uap air di bagian atas.

Gambar 1. merupakan desain arc/dome yang akan digunakan pada penelitian tersebut. Sumber panas akan diletakan dibawah yang diharapkan aliran panas akan mengalir ke bagian atas melalui euchema sehingga terjadi proses pengeringan. Ruangan desain memerlukan outlet (lubang udara) agar terjadi perputaran aliran udara dan suhu dalam ruangan. Selain lubang udara, penambahan kipas diperlukan sebagai pendorong udara dari bawah.

Gambar 1. Desain Ruang Pengering

Salah satu desain simulasi yang dikembangkan pada ruang pengering tersebut adalah penggunaan dua kipas pendorong pada bagian bawah dengan satu outlet pada bagian atas (Gambar 2.).

Tampak Samping

Tampak Atas
Gambar 2. Analisa Desain

Berdasarkan hasil simulasi yang dilakukan diperoleh hasil kecepatan udara panas pada ruang pengering antara 0 - 0,5 m/s, sehingga panas yang dihasilkan pada ruang pemanas bertahan lama di ruang pengering. Dengan demikian, hasil desain tersebut dapat dijadikan acuan sebagai rancang bangun alat pengering rumput laut. 

Read More

Pembinaan Pegawai LRMPHP oleh Tim Biro SDMA KKP

Dalam rangka pembinaan kepegawaian, pada tanggal 3 Agustus 2017 tim dari Biro SDM Aparatur mengunjungi Loka Riset Mekanisasi Pengolahan Hasil Perikanan (Bapak M. Iqbal, Kasubag jabatan Fungsional III; dan Pak Wahyu). Acara ini diikuti oleh peneliti, calon peneliti, asisten peneliti, teknisi dan staf Tata Usaha LRMPHP.

Dalam kesempatan ini, Bapak Iqbal dan tim menyampaikan mengenai
- Peraturan Pemerintah Nomor 11/2017,
- pemberlakuan mengenai impassing jabatan fungsional sebagaimana diatur dalam Peraturan Menteri PAN dan RB Nomor 26/2016 (juga diatur oleh peraturan dari kementerian/lembaga yang menaungi/membina Jabatan Fungsional tertentu)
- pelaksanaan edaran MenKP tentang tunjangan kinerja untuk pejabat fungsional yang melaksanakan tugas belajar

Acara ini diakhiri dengan sesi diskusi/tanya jawab.

Read More

Perwakilan LRMPHP Mengikuti Pendampingan Penyusunan Dokumen Paten

Dua peneliti dari Loka Riset Mekanisasi Pengolahan Hasil Perikanan mengikuti pendampingan penyusunan dokumen paten lingkup KKP di Instansi Litbang Pengendalian Penyakit Ikan – Depok, pada tanggal 31 Juli - 2 Agustus. Judul invensi paten yang akan diajukan adalah Konverter Kit Minyak Goreng/Jelantah untuk Bahan Bakar Mesin Diesel Pada Kapal.

Beberapa poin penting yang harus diperhatikan dalam penyusunan dokumen paten diantaranya sebagai berikut :

1. Pendaftaran paten seharusnya dilakukan sebelum KTI dipublikasikan, paling lama 6 bulan setelah dipublikasikan harus mendaftarkan paten.

2. Paten sederhana boleh proses atau produk. Yang sebelumnya proses dan produk menjadi 1 paten.

3. Pendaftaran paten bisa batal akibat ditarik inventor, batal demi hukum, banding pihak tertentu dan gagal pemeriksaan.

4. Paten yang gagal akan tetap menjadi dokumen referensi penyusunan paten terkait.

Read More

Penerapan Model Neural Network Pattern Recognition untuk Prediksi Kesegaran Ikan Tuna

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.). Hasil penelitian tersebut telah dipublikasikan dalam Seminar Nasional Tahunan XIV Hasil Penelitian Perikanan dan Kelautan (Semnaskan-UGM) 22 Juli di Yogyakarta.

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 terlihat pada Tabel 1.

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