METODE PENELITIAN. Alat dan Bahan Alat dan bahan pada penelitian ini dapat dilihat pada Tabel 2.

Transkripsi

1 III METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian ini dilakukan pada bulan Juni 2012 yang bertepatan dengan acara nyalawean di laut dan muara Sungai Cimaja, Citiis, Citepus dan Sukawayana di Teluk Palabuhanratu, Kabupaten Sukabumi, Provinsi Jawa Barat (Gambar 5). Data penelitian yang diambil meliputi data primer dan sekunder. Data primer terdiri dari data informasi pemanfaatan dan sosial ekonomi masyarakat meliputi daerah penangkapan ikan dan persepsi masyarakat, sedangkan data sekunder berupa data spasial jenis dan kelimpahan larva ikan yang diperoleh dari hasil penelitian sebelumnya Alat dan Bahan Alat dan bahan pada penelitian ini dapat dilihat pada Tabel 2. Tabel 2. Alat dan bahan yang digunakan pada penelitian. No. Alat dan Bahan 1. Alat tulis, GPS, Peta, Kuisioner dan camera 2. Personal computer, dan microsoft excel Kegunaan Sebagai alat untuk mendapatkan data primer dari wawancara Sebagai media untuk menyimpan dan mengeluarkan file dan data Data primer dan sekunder, meliputi: Fitur Konservasi Fitur Biaya Peta dasar (basemap) yang sudah didigitasi Sebagai input data dalam perangkat lunak marxan Sebagai bahan dasar penentuan lokasi Perangkat lunak Arcview GIS 3.2 beserta 4. Extension tambahan meliputi : Av Tools, Sebagai alat dalam pengolahan data GIS CLUZ, TNC tool, dan Repeating Shapes Sebagai alat untuk menyeleksi satuan unit 6. Perangkat lunak Marxan 211 perancangan dan menampilkan skenario wilayah konservasi

2 Gambar 5. Peta lokasi penelitian di Teluk Palabuhanrat 17

3 Pengumpulan Data Data-data dalam penelitian ini terdiri dari data primer dan data sekunder. Data primer diperoleh melalui observasi lapangan dan melalui hasil wawancara semi terstruktur dengan pengguna (stakeholder) yang terkait di wilayah tersebut, meliputi kondisi sumberdaya larva ikan, sosial budaya masyarakat, serta persepsi penilaian responden terhadap adanya daerah konservasi yang berdampak terhadap pembatasan pemanfaatan sumberdaya perairan. Sedangkan data sekunder berupa data spasial jenis dan kelimpahan larva ikan yang diperoleh dari hasil penelitian sebelumnya. Penelitian ini menggunakan Marxan untuk menganalisa zonasi kawasan konservasi dengan 2 macam input data yaitu data fitur konservasi dan data fitur biaya (cost). Fitur konservasi yang mewakili keadaan ekologi yang akan di konservasi, sedangkan fitur biaya adalah data sosial ekonomi dan pemanfaatan sumberdaya Fitur konservasi Fitur konservasi merupakan data biofisik yang akan dilindungi, sehingga fitur ini menjadi suatu acuan ekologi untuk tujuan penentuan kawasan konservasi. Fitur konservasi dapat berupa ekosistem, spesies, habitat atau komunitas biota laut lainnnya. Dalam penelitian ini fitur konservasi berupa keanekaragaman sumberdaya ikan yang masih berupa larva, dan habitat larva ikan yaitu nursery gorund, dan feeding ground. Data yang digunakan untuk menentukan fitur konservasi adalah data sekunder tentang distribusi larva yang diperoleh dari penelitian sebelumnya (Said 2011). Berdasarkan data sekunder, dipilihlah prioritas larva untuk penentuan kawasan konservasi dengan pertimbangan semakin sedikit keberadaan spesies tersebut di alam, sehingga dipilih 4 fitur konservasi yang berupa larva antara lain adalah Anguilla, Congridae, Trichiuridae dan Gobiidae (Lampiran 7). Anguilla yang merupakan ikan sidat yang sudah terancam keberadaan di alam, Congridae golongan ikan sidat yang statusnya juga terancam, Trichiuridae sebagai larva ikan layur dan Gobiidae merupakan ikan impun, kemudian habitat larva feeding ground dan nursery ground.

4 Fitur biaya Fitur biaya dalam input marxan berupa data sosial tentang pemanfaatan sumberdaya dan kawasan, yang meliputi Pelabuhan Perikanan Nusantara (PPN), Jalur kapal, Fishing Ground, PLTU serta Wisata dan Hotel. Data tersebut diperoleh dari pengamatan langsung di lapangan dan hasil wawancara dengan masyarakat pengguna langsung sumberdaya tersebut. Penentuan jumlah responden dan teknik pengambilan contoh dalam penelitian ini dilakukan secara acidental sampling kepada nelayan sekitar. Selain untuk mengetahui pemanfaatan sumberdaya, pengambilan responden ini juga untuk mengetahui persepsi mereka mengenai kawasan konservasi sebagai upaya dalam melalukan perlindungan untuk mencapai sumberdaya yang berkelanjutan Daerah Kajian / Area Of Interest (AOI) Area of Interest merupakan daerah lingkup kajian dalam penentuan kawasan konservasi. AOI yang telah ditentukan dibentuk menjadi beberapa Unit Perencanaan/ Planing Unit dengan satuan Unit Perencanaan heksagonal. Planing Unit atau Unit Perencanaan (pu) sendiri merupakan blok-blok bangunan dari sistem konservasi yang Marxan evaluasi dan pilih sebagai bentuk solusi (Loos 2006). Penentuan daerah kajian (AOI) dan unit perencanaan (pu) merupakan hal penting dan utama dalam analisis marxan. Pada penelitian ini, daerah lingkup yang akan dikaji / Area of Interest terletak pada sekitar laut dan muara Sungai Cimaja, Citiis, Citepus, Cimandiri dan Sukawayana yang mengalir menuju Teluk Palabuhanratu, Kabupaten Sukabumi, Provinsi Jawa Barat (Gambar 6). Batasan lokasi studi ini didasarkan atas kewenangan pengelolaan daerah Palabuhanratu untuk mengelola laut, dimana sesuai Undang-undang nomor 32 tahun 2004 tentang pemerintah daerah, suatu kabupaten/kota memiliki kewenangan pengelolaan laut sejauh 4 mil (untuk wilayah yang berbatasan dengan laut yang luas). Bentuk yang dapat diadopsi dalam satuan unit perencanaan yaitu segitiga, persegi empat, dan heksagonal (Loss 2006). Bentuk heksagonal dipilih karena miliki bentuk yang paling natural dan lebih mendekati lingkaran sehingga memiliki rasio

5 Gambar 6. Area Of Interest (Daerah lingkup yang akan dikaji) 20

6 21 tepi yang rendah (Gaselbarcht et al. 2005). Artinya satu heksagonal dapat mewakili daerah terdekat dari setiap sisi-sisi daerah sekelilingnya. Bantuk heksagonal juga memiliki keluaran yang lebih halus dibandingkan dengan satuan unit perencanaan lainnya (Miller et al in Loss 2006) Analisis Zonasi Kawasan Konservasi Untuk menentukan zona kawasan konservasi, digunakan perangkat lunak Marxan yang bekerja menggunakan algoritma simulated annealing untuk mencari nilai cost yang paling rendah dengan menggunakan dua macam input data, yaitu data fitur konservasi dan data fitur biaya. Fitur konservasi adalah fitur yang mempunyai indikator mengharuskan daerah tersebut dikonservasi, sedangkan fitur biaya yang menyebabkan biaya konservasi meningkat. Masing-masing parameter pada fitur konservasi mempunyai tingkat kepentingan dan kualitas data yang berbeda-beda, sehingga penalti faktor dendanya (penalty factor) juga berbeda. Salah satu keunggulan Marxan yaitu dapat diterapkan dengan beberapa skenario perencanaan, sehingga Perancang dapat memilih skenario terbaik untuk menentukan kawasan konservasi yang efisien dengan biaya terendah. Analisis marxan menggunakan algoritma simulated anealing yang dimaksudkan untuk mencari nilai biaya terendah sebagai kawasan konservasi, hal ini merupakan kombinasi sederhana dari nilai biaya terpilih dan nilai penalti yang tidak memenuhi target (Ball dan Posingham 2000). Nilai biaya terendah merupakan solusi terbaik, yang dihitung dari formula matematika sebagai berikut : = + + ( ) Keterangan : Cost BLM Boundary : Nilai cost (biaya) yang terpilih di planing unit yang dapat diukur i = 1,2,,n; n adalah banyaknya satuan perencanaan. : Boundary lenght modifier, adalah kontrol penting dari batas relatif cost terpilih di planing unit. BLM bernilai 0 maka boundary lenght tidak dimasukkan dalam fungsi obyektif. : Batas dari area terpilih/perimeter ke-i

7 22 SPF Penalty : Species penalty factor, yaitu faktor yang mengontrol besarnya nilai penalty ke-i apabila target tiap spesies tidak terpenuhi : Nilai yang ditambahkan dalam fungsi obyektfi untuk setiap target tidak terpenuhi pada setiap perencanaan ke-i, penalti ini opsional, dapat tidak dimasukkan dalam fungsi obyektif Pembobotan fitur Penentuan bobot nilai fitur konservasi dan fitur biaya terbilang sangat unik, penilaian fitur pada penelitian ini berdasarkan tingkat kepentingan data dan kualitas data. Fitur konservasi dengan bobot tinggi diperhitungkan untuk meningkatkan nilai cost apabila target konservasi tidak terpenuhi, sedangkan bobot untuk fitur biaya di perhitungkan untuk tidak terpilih sebagai kawasan konservasi karena kawasan tersebut sudah termanfaatkan sehingga akan meningkatkan biaya pengelolaan apabila dialihkan menjadi kawasan konservasi. Penentuan bobot kedua jenis data fitur ditentukan berdasarkan tingkat kepentingan dan kualitas data, yang artinya kualitas data dinilai tinggi jika pengambilan datanya berdasarkan hasil penelitian, sedangkan kualitas data dinilai rendah jika pengambilan datanya berdasarkan wawancara. Penentuan nilai faktor denda (penalty) pada tiap fitur konservasi ditentukan secara subyektif oleh penulis, karena sejauh ini tidak ada aturan khusus dalam menentukan nilai faktor denda (penalty) pada tiap spesis, namun Ball dan Possingham (2000) menyarankan menggunakan SPF diatas 1, hal ini dibenarkan oleh Loos (2006) yang menyatakan bahwa nilai SPF kecil (0.1) mangakibatkan target tidak terpenuhi. Data tiap fitur masing-masing dimasukkan dalam satuan perencanaan. Data konservasi dimasukkan kedalam satuan perencanaan fitur konservasi, demikian juga dengan fitur biaya, sehingga menghasilkan dua macam data yang bisa dianalisa lebih lanjut. Pembobotan fitur konservasi Fitur konservasi dipilih dari beberapa larva ikan dan habitat larva ikan. Larva yang mempunyai pertimbangan utama yang akan di lindungi karena keberadaannya yang semakin menipis di alam akibat adanya penangkapan yang tidak terkendali,

8 23 sedangkan habitat larva dipertimbangkan untuk dilindungi karena habitat merupakan tempat larva ikan hidup dan dapat mempengaruhi keberadaan larva di alam. Penentuan bobot nilai ditentukan dari tingkat kepentingan data dan kualitas data. Data atau spesies yang penting untuk dilindungi dinilai dengan tingkat kepentingan yang tinggi, kulitas data dikatakan tinggi jika data diperoleh dari hasil penelitian sebelumnya, dan kualitas data dinilai rendah apabila sumber data diperoleh dari hasil wawancara. Semakin tinggi kepentingan data tesebut dan semakin tinggi tingkat kualitas data tersebut, maka semakin tinggi bobot nilai Spesies Penalty Factor (SPF). Berikut merupakan kriteria penentuan nilai faktor denda (SPF) pada tiap fitur konservasi (Tabel 3). Tabel 3. Kriteria penentuan nilai faktor denda (SPF) fitur konservasi Tingkat Kepentingan Kualitas Data Nilai Skor Sangat Sedang 11 9 Sangat 7 Sangat 5 3 Sedang 2,5 2 Sangat 1 Ada 2 macam metode dalam penentuan skor nilai faktor denda (SPF) untuk fitur konservasi, antara lain adalah penentuan faktor denda dengan peningkatan nilai tiap fitur secara linier dan penentuan faktor denda dengan peningkatan nilai fitur secara logaritma. Pada penelitan ini nilai faktor denda tiap fitur konservasi menggunakan peningkatan nilai secara logaritma dengan tujuan semakin penting fitur konservasi tersebut, semakin tinggi nilai faktor dendanya sehingga tujuan untuk perlindungan fitur akan tercapai, karena fitur konservasi yang penting mempunyai nilai lebih tinggi dengan jarak yang berkali lipat lebih jauh dari faktor denda fitur konservasi lainnya.

9 24 Pembobotan fitur biaya Fitur biaya diperoleh dari data sosial yang berkaitan dengan penduduk serta pola pemanfaatan sumberdaya kawasan. Data tersebut diperoleh dari pengamatan langsung di lapangan dan hasil wawancara dengan masyarat dan nelayan sekitar. Fitur biaya meliputi Pelabuhan Perikanan Nusantara (PPN), PLTU, Fishing Ground, Jalur Kapal serta Wisata dan Hotel,. Biaya unit perencanaan fitur-fitur tersebut dihitung dari adanya pemanfaatan sumberdaya yang membuat total biaya akan lebih tinggi. Fitur PPN, PLTU serta Wisata dan Hotel merupakan bangunan fisik yang sangat jelas diamati di lapangan, dimana jika dihilangkan akan menyebabkan biaya semakin tinggi, sehingga penentuan nilai masing-masing fitur ditentukan dengan skor (weighting score) realtif satu sama lain terhadap biaya pengelolaan suatu kawasan yang berpengaruh terhadap tinggi rendahnya tingkat kepentingan. Tabel 4 merupakan kriteria penentuan nilai skor biaya pada tiap fitur biaya. Tabel 4. Kriteria penentuan nilai skor fitur biaya Tingkat Kepentingan Nilai Skor Sangat 17 9 Sedang 5 3 Sangat Pengolahan data Data primer dan sekunder dikelompokkan dan diolah menggunakan bantuan Microsoft Excel, kemudian dengan bantuan softwere Arcview GIS data diubah menjadi data spasial, kemudian dengan extension CLUZ pada Arcview GIS, data dirubah menjadi data yang diperlukan Marxan untuk diolah menjadi hasil kawasan terpilih. Data yang dikelompokkan (fitur konservasi dan fitur biaya) dalam menganalisis kawasan konservasi menggunakan marxan dimasukkan dalam kesatuan perencanaan dengan sistem present/absent (Lampiran 3). Hal ini berarti jika suatu heksagonal bertumpang susun dengan suatu fitur (konservasi atau cost)

10 25 maka heksagonal tersebut beratribut present. Jika present maka atributnya sama dengan 1, jika absent atributnya menjadi 0. Data konservasi yang sudah dimasukkan disebut data habitat (habitat.shp) dan data fitur biaya disebut data biaya (cost.shp). Selengkapnya alur file tabuler untuk input marxan dengan ArcView dan CLUZ ditampilkan dalam Gambar 7. Gambar 7. Alur tabuler untuk input Marxan dengan ArcView dan CLUZ Secara umum proses penyampaian data untuk marxan terfokus pada 3 buah shapefile yaitu planing units (Pu.shp), abundance (habitat.shp), dan cost (cost.shp). file tersebut dihasilkan setelah proses pembuatan heksagonal lengkap dengan proses cropping pada peta daerah yang akan dikaji (AOI). file planing units (Pu.shp), Abundance (Habitat.shp), dan cost (cost.shp) adalah shapefile heksagon dengan wujud serupa namun berbeda fungsi dan isi tabelnya. Pengelolaan 3 buah shapfile dilakukan dengan bantuan CLUZ akan menghasilkan 4 buah tabular yaitu Abundance.dat, Target.dat, Unit.dat dan Bound.dat yang menjadi input Marxan. CLUZ merupakan singkatan dari Conservation Land Using Zoning adalah tools yang digunakan sebagai extensi ArcView Gis 3.x untuk menyiapkan data yang akan digunakan sebagai input marxan.

11 Pengaturan BLM (Boundary length modifier) BLM merupakan konstanta yang mengatur tingkat pengelompokan satuan perencanaan yang terpilih dalam marxan. Pada BLM yang rendah, satuan perencanaan yang terpilih akan menyebar karena marxan akan terkonsentrasi pada biaya yang rendah, sedangkan pada BLM tinggi, satuan perencanaan terpilih akan mengelompok, karena marxan akan berusaha untuk menurunkan panjang batas dari satuan perencanaan tersebut (Steward dan Possingham 2005) Penentuan nilai BLM akan bervariasi dari satu daerah ke daerah lain (J.A. Ardon et al in Ila 2010). Menurut Possingham et al. (2000) nilai BLM dipilih bergantung pada keseluruhan bentang alam dari daerah penelitian, serta tujuan dari analisis yang dilakukan. Nilai BLM untuk map unit UTM berkisar antara 0-1, sedang map unit degree berkisar antara (Darmawan dan Barnawi 2007). Nilai kisaran BLM tersebut sudah dapat memberikan variasi pengelompokan satuan perencanaan yang terpilih. Karena pada penelitian ini menggunakan map unit degree, maka untuk menentukan BLM optimum pada penelitian ini digunakan BLM yang berkisar antara , sehingga dipilihlah 7 BLM yang berbeda, antara lain adalah 10, 100, 250, 500, 1000, 5000 dan Berdasarkan nilai BLM yang ditetapkan, tiap BLM tersebut diproses oleh Marxan sehingga akan menghasilkan output berupa lima buah file yaitu output1_best, output1_mvbest, output1_sen, output1_ssoln dan output1_sum. File Output1_sum berisi table tentang nilai cost, panjang garis batas, dan luas area. Nilai BLM optimal diperoleh dari file output1_sum dengan melihat hubungan antara biaya dengan panjang batas tepi kawasan atau antara luas area dengan panjang batas tepi kawasan (Steward dan Possingham 2005) Pengaturan zonasi Pengaturan kawasan konservasi dalam marxan dapat dilakukan dengan sistem zonasi yang mengacu pada PP No 60 Tahun 2007 tentang Konservasi Sumberdaya Ikan yang terdiri dari zona inti, zona pemanfaatan, zona perikanan berkelanjutan dan zona lain yang diatur sesuai kebutuhan dan kondisi setempat. Pembagian zonasi tersebut, dalam marxan dilakukan dengan membagi frekuensi yang terdapat dalam

12 27 file output1_ssoln kedalam empat kelas dengan interval yang sama. Dalam file ini berisi frekuensi suatu daerah akan terpilih menjadi kawasan konservasi berdasarkan 100 kali ulangan. Nilai frekuensi tersebut sebagai zona pemanfaatan, sebagai zona perikanan berkelanjutan dan 0-25 sebagai zona lainnya Penentuan skenario Skenario zona kawasan konservasi merupakan alternatif solusi yang ditawarkan untuk merancang desain kawasan konservasi. Dengan perangkat lunak Marxan, para Perancang dapat mencoba berbagai skenario perencanaan kawasan yang berbeda dan melihat hasilnya, Dari hasil tersebut Perancang dapat memilih skenario terbaik untuk perencanaan kawasan konservasi (Ball dan Possingham 2004). Skenario tersebut didapatkan dari hasil perhitungan Marxan berdasarkan target konservasi yang berbeda-beda yang bertujuan untuk memberikan beberapa alternatif desain kawasan konservasi sehingga nantinya menjadi pilihan dalam menetapkan suatu kawasan konservasi yang sesuai karakteristik dan keadaan lingkungannya. Bedasarkan observasi yang dilakukan terhdap beberapa skenario, maka ditetapkan 3 skenario dengan 7 BLM dan target yang berbeda, maka proses tersebut menghasilkan 21 hasil yang berbeda. Berikut merupkan rancangan skenario berdasarkan taget fitur konservasi yang berbeda dapat dilihat pada Tabel 5. Tabel 5. Skenario kawasan konservasi fitur konservasi 1 Anguilla 2 Congridae 3 Trichiuridae 4 Gobiidae 5 Nursery Ground 6 Feeding Ground tepi 7 Feeding Ground tengah skenario 1 skenario 2 skenario 3 % target % target % target

13 28 Target konservasi dihitung berdasarkan persentase wilayah yang ditetapkan untuk dikonservasi. Persentase tersebut merupakan persentase dari total luas target yang menjadi fitur konservasi dalam Area of Interest Konektivitas Karena Marxan belum bisa menjelaskan secara rinci tentang konektivitas secara ekologi, desain kawasan konservasi disesuaikan dengan model biofisik pergerakan ikan oleh Palumbi (2004), yaitu untuk larva km. Untuk menjamin tingkat konektivitasnya, nilai BLM ditingkatkan secara bertahap sampai daerah yang terpilih menghasilkan desain dengan tingkat konektivitas yang sesuai, selain itu, peningkatan konektivitas bisa dengan cara menambah zona inti diantara zona sebelumnya, membagi wilayah perencanaan terhadap target yang ditetapkan untuk mewakili setiap spesies. Konektivitas sangat penting untuk desain efektif suatu perencanaan, karena menurut Palumbi, (2004) bahwa konektivitas tersebut menggambarkan jarak lintasan yang dapat dilalui oleh telur dan larva ikan, serta daerah jelajah biota tersebut, karena hal itu akan mempengaruhi pencapaian target fitur konservasi (Van der Molen et al. 2007).