3 METODOLOGI LAUT BALI. Pengambengan. 20 m. gs ratu. 200 m SAMUDERA INDONESIA
|
|
- Suparman Hartono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 3 METODOLOGI 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan pada bulan April 2003 Agustus 2004 di Laboratorium Akustik Fakultas Perikanan dan Ilmu Kelautan IPB Bogor dan UPT Baruna Jaya BPPT Jakarta. L I N T A N G LAUT BALI Pengambengan S E L A T A N Muncar 20 m 20 m gs ratu 200 m SAMUDERA INDONESIA Tabanan Badung BUJUR TIMUR Gambar 3.1. Perairan Selat Bali Keterangan: lintasan survei akustik Tahun 1999 lintasan survei akustik Tahun 1998 lintasan survei akustik Tahun Bahan dan Alat Penelitian Penelitian ini menggunakan data survei akustik kapal Baruna Jaya IV BPPT bulan Mei 1999, Agustus 2000 dan September 1998 di Perairan Selat Bali (Gambar 3.1). Data ini dianggap mewakili kondisi selama musim angin peralihan I (Maret Mei) sebagai musim paceklik, musim timur (Juni - Agustus) dan musim angin peralihan II (September November) sebagai musim ikan. Data tersebut meliputi data hidroakustik dan data oseanografi (suhu dan salinitas). Kapal yang digunakan adalah kapal mid water trawl dengan kecepatan ratarata 10 knot. Peralatan yang digunakan untuk akuisisi data akustik adalah
2 SIMRAD EK 500 split beam echosounder (120 khz dan panjang pulsa 0.2 ms). Alat ini digunakan untuk pendeteksian target di bawah laut terutama kawanan ikan. Lintasan survei akustik berdasarkan bentuk dan lokasi perairan selat Bali berupa rancangan lintasan paralel sepanjang pantai Bali menuju Samudera Hindia dengan kedalaman m. Peralatan yang digunakan untuk pengukuran nilai suhu dan salinitas (data oseanografi) adalah CTD. 3.3 Pengolahan Data Data akustik yang akan diolah, terlebih dahulu dipastikan komposisi spesiesnya dan didominasi oleh satu spesies. Spesies yang tercampur akan diabaikan. Kawanan ikan pelagis yang digunakan dalam penelitian ini adalah ikan yang dominan tertangkap di suatu perairan. Budihardjo et al. (1990) menyatakan bahwa sekitar 80% produksi total ikan yang didaratkan dari perairan Selat Bali adalah jenis ikan lemuru (Sardinella lemuru). Sehubungan dengan itu dipilih ikan lemuru di perairan Selat Bali sebagai dasar studi. Kawanan ikan pada kedalaman lebih dari 150 m diabaikan dengan asumsi bukan lagi merupakan ikan target yang ingin dideteksi. Proses pengolahan dan analisis data melalui 2 (dua) tahap yaitu pengolahan data akustik dan pengembangan perangkat lunak. Tahapan alir pemrosesan data tersebut tertera pada Gambar Pengolahan data akustik Langkah pertama pengolahan data akustik adalah mengubah raw data yang berupa datagram (DG) menjadi data terkompres (data-threshold/dt) menggunakan perangkat lunak EP500. Contoh echogram EP 500 dapat dilihat pada Lampiran 1. Data ini selanjutnya dianalisis menggunakan perangkat lunak EP500 dengan menu analyze pelagic layer, analyze trace tracking pelagic, dan analyze expended interval. Echogram yang digunakan adalah TVG 40log(r). Semua data disimpan dalam file ASCII dengan extention *.csv. Data tersebut berupa Matriks Data Akustik (MDA), yakni matriks data akustik ikan pelagis, matriks data Target Strength (TS) dan matriks data back-scattering volume (Sv). Contoh MDA dapat dilihat pada Lampiran 2-4. Langkah berikutnya adalah menyeleksi MDA berdasarkan tipologi akustik (Reid et al., 2000). Pemilihan data berguna untuk menghemat waktu pengolahan citra dan menghindari tidak adanya target pada echogram.
3 P engolahan data akus t ik Data T hres hold S of tware E P 500 Analysis : pelagic layer trace tracking pelagic expended inter val Matriks Data Akus tik S eleksi Echogram (T ipologi akustik Reid et al, 2000) P engembangan per angkat lunak P r ogr am Acous t ic D es cr ipt or Analyzer Pros es Operasi Pengolahan Citra 1. I nterchange 2. Filtering Data (S eleksi Warna) 3. Biner isasi Deskriptor Akustik: 1.Energetik 2.Morfometrik 3.Batimetrik Data Akus tik Data Os eanogr afi Analis is dat a Analis is Statistika : 1. Analis is Faktor 2. Analis is Gerombol 3. Analis is Diskriminan T eknik Variogram H as il 1.I dentifikas i kawanan ikan pelagis 2.Klasifikasi kawanan ikan lemuru 3.S truktur kawanan ikan lemuru Keterangan : input program proses output Gambar 3.2 Alur pemrosesan dan analisis data penelitian
4 3.3.2 Pengembangan perangkat lunak Program Acoustics Descriptor Analyzer (ADA versi 2004) dikembangkan untuk mengekstraksi deskriptor akustik secara otomatis dari data akustik. Prosedur pembuatan perangkat lunak program secara umum terdiri dari 3 (tiga) tahapan yaitu: 1). identifikasi kebutuhan (needed identification) 2).desain sistem (system design), dan 3) uji coba program (verification) Pada tahap identifikasi kebutuhan, diidentifikasi kebutuhan perangkat lunak yang hendak dibangun dan informasi yang dibutuhkan oleh pengguna. Informasi yang dibutuhkan oleh pengguna berupa hasil perhitungan deskriptor akustik dan bentuk kawanan ikan sehingga input yang dibutuhkan untuk membangun perangkat lunak adalah MDA dan variabel-variabel deskriptor akustik. Pada desain sistem, dirancang tampilan program (interface) dan pembuatan programnya (source code). Tampilan program berbasis GUI (Graphical User Interface) untuk memudahkan pengguna (user) dalam mengoperasikannya dan pembuatan program menggunakan Windows 98 atau versi lainnya (Windows 2000, Windows XP) sebagai dasar untuk aplikasi bahasa pemrograman Matlab versi 6.3. Bahasa pemrograman ADA-2004 dapat dilihat pada Lampiran 10. Tahap terakhir adalah tahap uji coba program dengan data. Uji coba ini menggunakan data akustik Tahun di perairan Selat Bali. Secara umum, program yang dibangun berisikan A). proses operasi pengolahan citra dan B). deskriptor akustik. A). Proses operasi pengolahan citra (image processing) Pada bagian pengolahan citra terdiri atas 3 (tiga) tahap, yakni: (1). Interchange, yaitu merubah matriks data akustik yang berbentuk angka dengan extention *.csv ke dalam bentuk gambar (*.jpg). Tujuannya adalah memudahkan dalam pengolahan dan perhitungan deskriptor akustik. (2). Seleksi warna/filtering, tujuan dari seleksi warna adalah memilih warna yang sesuai dengan tujuan yang hendak dicapai. Warna pada display adalah warna yang menunjukkan kisaran nilai Sv. Threshold nilai Sv pada penelitian ini adalah -80dB. Selang Sv yang digunakan untuk mendeteksi kawanan lemuru adalah ( 30 db) (-80 db). Bila kawanan ikan terlihat terlalu ekstrim, tidak berbentuk (amorphous) dan atau densitasnya rendah maka diasumsikan bukan kawanan ikan (kemungkinan besar plankton, lapisan scatter fish atau noise).
5 (3). Binerisasi, untuk memisahkan objek dari background-nya sehingga perhitungan deskriptor dapat dilakukan (Gambar 3.3). Dasar Perairan Schooling ikan A. Echogram asli dari EP 500 B. Interchange C. Seleksi Warna dengan nilai Sv (-50 db) (-70 db) D. Binerisasi B). Gambar Deskriptor 3.3. Echogram akustik EP 500 dan operasi pengolahan citra Program ADA-2004
6 Pada saat kapal melewati jalur transek yang telah ditentukan, kawanan ikan di bawah kapal tersebut akan terdeteksi dan terekam serta terlihat langsung pada gambar echogram di layar (display) yang merupakan kumpulan echogram dari beberapa target (kawanan ikan). Kawanan ikan yang terlihat pada display kemudian diestimasi ukuran panjang, tinggi, area, energi dan posisi kedalamannya, seperti diilustrasikan pada Gambar 3.4. Ping Bathymetr ic Surface Morphometric MinDept h L1 Length L2 Schoo l Depth H1 Height H2 Off bottom/ min Alt Energetic (kumpulan piksel nilai Sv) Perimeter Depth (m) Bottom Gambar 3.4. Skema pengukuran deskriptor Perhitungan deskriptor akustik merupakan tahap akhir pada penggunaan program Acoustics Descriptor Analyzer version Deskriptor dihitung berdasarkan matriks data berupa piksel objek yang terdeteksi. Parameter kawanan dihitung berdasarkan deskriptor akustik, meliputi morfometrik, batimetrik dan energetik. Morfometrik kawanan menggambarkan bentuk dan ukuran kawanan ikan dalam kolom perairan. Nilai morfometrik didapatkan dari kumpulan nilai Sv yang membentuk kawanan. Penentuan panjang kawanan ikan dihitung berdasarkan jumlah ping kawanan ikan dikalikan dengan faktor koreksi (k). Faktor koreksi adalah jumlah
7 meter per ping (dihitung menggunakan kecepatan kapal dan laju ping). Panjang kawanan tersebut adalah panjang kawanan yang terlihat. Untuk mendapatkan panjang kawanan sebenarnya dihitung dengan mengkoreksi panjang kawanan yang terlihat dengan sudut yang dibentuknya (efek beam-width) (Diner, 1998 diacu dalam Weill et al, 1993). Secara lebih jelas tertera pada Gambar 3.5. Gambar 3.5. Perbedaan sudut yang dibentuk dalam deteksi kawanan (ICES, 2000) θ = bukaan beam nominal B = deteksi sudut pada sisi cone yang mengalokasikan bahwa seluruh ikan mempunyai konribusi pada tingkat gema (echo level) (B = f{d(rv Sv)} A = sudut attack yang harus digunakan untuk koreksi panjang echo-trace : dl = 2 x P x tan (A/2) Tinggi kawanan ikan ditentukan berdasarkan piksel terakhir kawanan dikurangi dengan piksel pertama kawanan dan dikoreksi dengan kecepatan suara dalam air dan panjang pulsanya (Coetzee, 2000). Panjang dan tinggi kawanan ikan dibatasi pada bentukan elips untuk memudahkan perhitungan. Panjang dan tinggi kawanan minimum adalah 8 m dan 2 m. Pertimbangan ukuran elips ini berdasarkan hasil penelitian Wudianto (2001).
8 Batimetrik kawanan menggambarkan posisi kawanan ikan pada kolom perairan. Posisi kawanan ikan pada kolom perairan menentukan jenis kawanan ikan yaitu kawanan ikan pelagis atau kawanan ikan demersal Posisi kawanan ikan dalam kolom perairan (relative altitude) ditentukan dengan mendapatkan nilai rata-rata kedalaman kawanan ikan (mean depth) dibagi dengan kedalaman perairan (depth) dikalikan 100. Rata-rata Kedalaman kawanan ikan dalam kolom perairan ditentukan berdasarkan jumlah kedalaman kawanan dibagi dengan jumlah ping dalam kawanan atau dengan mendapatkan kedalaman kawanan ikan minimum ditambahkan dengan setengah dari tinggi kawanan. Energetik kawanan merupakan energi intensitas suara yang mengenai kawanan ikan (back-scattering strength volume). Perhitungan akustik kawanan ikan ditentukan dengan merata-ratakan nilai Sv yang sudah dibuat ke dalam anti logaritma. Satuan dari energi ini adalah db (desibel). Pada perhitungan deskriptor energetik, membutuhkan matriks data berupa nilai Sv dan nilai TS. Nilai Sv merupakan nilai energi hambur balik dari kawanan ikan dan nilai TS merupakan kekuatan pantul dari kawanan. Nilai TS berkorelasi dengan ukuran ikan. Pada selang nilai Sv yang diseleksi (filter) dibuat juga selang TS terseleksi sehingga pada titik tertentu pada kawanan ikan terdapat nilai Sv dan nilai TS yang dikehendaki. Nilai TS kawanan lemuru adalah (-47)-(-50) db untuk kedalaman 4-54 m dan (-43)-(-50) db untuk kedalaman m (Wudianto, 2001). Hal ini berdasarkan perhitungan nilai TS ikan lemuru (Clupea sp) oleh MacLenan dan Simmond (1992) dan TS ikan Anchovy oleh Iida (1999). Ukuran panjang cagak (Fork Length) ikan lemuru di Perairan Selat Bali, berkisar antara 6-23 cm (Merta,1992). Perhitungan, simbol dan definisi deskriptor akustik yang digunakan pada penelitian ini secara jelas dipaparkan pada Tabel 3.1 dan Tabel 3.2. Tabel 3.1 Deskriptor akustik dan formula perhitungan No Deskriptor A Energetik Formula perhitungan
9 1 Rata-rata energi akustik, db 2 Standar deviasi energi akustik E log i 10 n 10 1) atau E SD = i ( E E ) i n n 1 2 n Sv E = 1) 1) 2) 3 Skewness 3 K n. ( E ) 3 1) ( E ) i E n 2 dimana i K 3 = SD [( n 1 )(. n 2) ] jika n = 3; 0 jika n<3 4 Kurtosis 4 2 n( n + 1) Ei En 3( n 1) 1) 2) Kurtosis = ( 1)( 2)( 3) n n n i ESD ( n 2)( n 3) 5 Target T S = 10 l og ó/ 4ð 5) Strength 6 Modus TS Nilai TS yang sering muncul 5) 7 Densitas Volume ( 3 S A 2) Density g m ) = * TS / kg ( π. R ) B Morfometrik 8 Tinggi, m 4) Tinggiterlihat = ( Vertikalakhir Vertikalawal ) 9 Panjang, m Cγ Tingginyata = Tinggiterlihat 2 2) Panjang terlihat = ping. k ϕ 4 2) Panjang nyata = Panjang terlihat 2 D m tan 2 π 10 Perimeter s el terluar dari kawanan i kan ( menggunak an 4 neighbourhood) 4) 11 Area, m 2 s el * ti nggi 1 s el * panj ang 1 s el 4) 12 Elongasi Elongasi = Panjang/tinggi 3) 13 Dimensi P fraktal Ln Dimensi fraktal 4 _ = Ln ( A ) C Batimetrik Rata-rata kedalaman kawanan,m Relative Altitude, % 16 Mininum Altitude 17 Minimum Depth Mean _ depth R _ Altitude = ( D i ) n 1) Min. Alt + MaxH = Depth 2) 2 / 2 *100 jarak antara dasar perairan dan batas kawanan yang paling rendah (m) 3) jarak antara permukaan laut dan batas kawanan yang lebih atas (m) 3) Keterangan : dirujuk dari 1) Lawson (2001), 2) Coetzee (2000), 3) Bahri & Freon (2000), 4) Fauziyah (2004) dan 5) variabel pendukung energi akustik 3) 3) Tabel 3.2 Simbol dan definisi yang digunakan dalam perhitungan
10 Simbol Definisi Rata-rata Energi akustik Rata-rata nilai Sv adalah intensitas yang direfleksikan oleh suatu kelompok single target, dimana target berada pada volume air tertentu (m 3 ) dengan threshold 80 db. TS Target Strength digunakan untuk mengetahui ukuran ikan (satuan db) dan modus TS digunakan untuk mengetahui nilai TS yang paling sering muncul Densitas volume Kepadatan kawanan ikan, S A adalah scattering area dan R adalah jarak kawanan dalam hal ini adalah tinggi kawanan (satuan ikan/m 3 ). (Vert akhir - Vert awal ) Vert awal adalah nilai piksel (m) pada titik awal kawanan ikan Vert akhir adalah nilai piksel (m) pada titik akhir kawanan ikan (Cγ/2) adalah persamaan efek panjang pulsa, dimana C adalah kecepatan sound (m/det) dan γ adalah panjang pulsa (m.det). k adalah faktor koreksi, yaitu jumlah meter per ping yang dihitung dari kecepatan kapal (knot) dan laju ping (ping/menit) 2D m tan(ö/2) efek lebar sorot (beam) (Diner,1998 diacu dalam Lawson,2001) dimana D m adalah rata-rata kedalaman kawanan dan ö adalah sudut antar tranduser dan tepi kawanan diukur saat deteks i pertama. ö sebagai fungsi nominal sudut sorot dan perbedaan antar rata-rata densitas energetik gerombolan ikan (Sv) dan processing threshold. 4/π Faktor koreksi untuk memperkirakan panjang kawanan yang dikehendaki (Coetzee, 2000) Area Luas kawanan ikan Elongasi Rasio panjang terhadap tinggi kawanan ikan Dimensi fraktal Geometri bangun alam, P adalah perimeter dan A adalah area Relative altitude posisi kawanan dalam kolom air (%) Berdasarkan perkembangan deskriptor akustik pada bagian Tinjauan Pustaka (Bab 2) maka, selama kurun waktu 1988 sampai 2001, penggunaan
11 deskriptor akustik telah mengalami berbagai revisi. Namun ada beberapa deskriptor akustik yang selalu digunakan untuk mendeteksi kawanan ikan. Deskriptor tersebut dapat dikelompokkan menjadi 3 bagian, seperti tertera pada Tabel 3.3. Deskriptor akustik A Energetik tampilan internal patch dan struktur internal B Morfometrik morfologi, ukuran & bentuk, geometri & struktur eksternal C Posisi Batimetrik Tabel 3.3 Kategori deskriptor akustik Variabel Mean Maximum Minimum Length Height Elongation Standard Deviation Kurtosis & Skewness Roughness (horizontal, vertical) Perimeter Area Fractal Dimension Mean school depth, minimum depth Off bottom atau minimum altitude Untuk deskriptor akustik energetik dengan variabel mean, standar deviasi, maksimum dan minimum terdapat berbagai model variabel. Variabel-variabel ini dihitung berdasarkan analisis akustik yang akan digunakan seperti mean energy acoustic, mean amplitude, mean acoustic intensity, mean packing density dan mean voltage. Deskriptor akustik yang digunakan pada penelitian identifikasi, klasifikasi dan struktur spesies kawanan ikan ini sebagai berikut: Deskriptor akustik untuk identifikasi kawanan ikan pelagis Deskriptor akustik energetik menggunakan formula perhitungan Lawson et al. (2001) 1) karena hasil penelitiannya diperoleh ketepatan identifikasi spesies 76-95%. Deskriptor akustik morfometrik menggunakan formula perhitungan Coetzee (2000) 2) untuk panjang dan tinggi dengan mempertimbangkan faktor koreksi Diner (1998) dan faktor koreksi untuk memperkirakan panjang kawanan. Variabel perimeter dan area dikembangkan oleh Fauziyah (2004) 4). Perimeter dihitung dari sisi terluar sel kawanan ikan menggunakan 4 neighbour. Area dihitung dari jumlah seluruh sel kawanan ikan dikalikan dengan panjang dan tinggi satu sel. Deskriptor akustik batimetrik menggunakan formula perhitungan Bahri & Freon (2000) 3) untuk relative altitude karena menggambarkan posisi kawanan dalam kolom perairan (berhubungan dengan kedalaman dasar perairan). Secara lebih jelas dapat dilihat pada Tabel 3.4. Tabel 3.4 Deskriptor akustik untuk identifikasi kawanan ikan pelagis Deskriptor Akustik Variabel
12 A. Energetik 1) 2) ν Mean acoustic energy 1) ν 1) 2) Standard deviation of acoustic energy ν 1) 2) Skewness ν 1) 2) Kurtosis B. Morfometrik 2) 4) ν Height 2) ν Length 2) ν Perimeter 4) ν Area 4) C. Batimetrik 1) 3) ν Mean school depth 1) ν Relative Altitude 3) Keterangan : dirujuk dari 1) Lawson (2001), 2) Coetzee (2000), 3) Bahri & Freon (2000) dan 4) Fauziyah (2004) Deskriptor akustik untuk klasifikasi kawanan ikan pelagis Deskriptor akustik yang digunakan pada klasifikasi kawanan ikan pelagis merupakan penambahan dan pengurangan dari deskriptor akustik identifikasi kawanan ikan pelagis. Deskriptor akustik morfometrik ditambahkan variabel elongasi untuk mengukur rasio tinggi terhadap panjang kawanan ikan sebagai geometri kawanan ikan. Data tambahan berupa suhu dan salinitas merupakan faktor eksternal (lingkungan) di luar faktor internal (data akustik) yang mempengaruhi pembentukan kawanan. Densitas volume berguna untuk mengetahui kepadatan kawanan ikan pada kolom perairan. Data pendukung digunakan untuk menyeleksi kisaran TS yang dikehendaki pada mean acoustic energy yang telah diseleksi sehingga didapatkan ukuran ikan yang lebih cermat. Secara lebih jelas dapat dilihat pada Tabel 3.5. Tabel 3.5 Deskriptor akustik untuk klasifikasi kawanan ikan pelagis Deskriptor Akustik Variabel A. Energetik 1) ν Mean acoustic energy 1) B. Morfometrik 2) 3) 4) ν Height 2) ν Length 2) ν Perimeter 4) ν Area 4) ν Elongation 3) C. Batimetrik 1) 3) ν Mean school depth 1) ν Relative Altitude 3) D. Data tambahan 2) ν Temperature ν Salinity ν Volume Density 2) E. Data pendukung 5) ν Target Strength (TS) 5) ν TS Modus 5) Keterangan : dirujuk dari 1) Lawson (2001), 2) Coetzee (2000), 3) Bahri & Freon (2000), 4) Fauziyah (2004), dan 5) variabel pendukung Deskriptor akustik untuk struktur kawanan ikan pelagis Deskriptor akustik pada struktur kawanan ikan difokuskan pada posisi batimetrik kawanan ikan dalam kolom air. Hal ini dimaksudkan untuk melihat
13 pembentukan kawanan ikan dalam kolom air sehingga dapat dilihat struktur kawanan ikannya. Deskriptor akustik batimetrik didominasi formula perhitungan Bahri & Freon (2000) yakni kawanan ikan diukur berdasarkan 3 kedalaman yaitu kedalaman di atas kawanan, kedalaman rata-rata kawanan dan kedalaman dibawah kawanan. Deskriptor akustik morfometrik ditambahkan variabel dimensi fraktal dimensi fraktal sebagai bangun geometri untuk menjelaskan bangun alam yang bersifat tidak teratur dan terlihat rumit untuk diterangkan melalui geometri Euclidian. Secara lebih jelas dapat dilihat pada Tabel 3.6. Tabel 3.6 Deskriptor akustik untuk struktur kawanan ikan pelagis Deskriptor Akustik Variabel A. Energetik 1) 2) ν Mean acoustic energy 1) ν Volume Density 2) B. Morfometrik 2) 3) 4) ν Height 2) ν Length 2) ν Perimeter 4) ν Area 4) ν Elongation 3) ν Fractal dimension 3) C. Batimetrik 1) 3) ν Mean school depth 1) ν Relative Altitude 3) ν Minimum altitude 3) ν Minimum depth 3) Keterangan : dirujuk dari 1) Lawson (2001), 2) Coetzee (2000), 3) Bahri & Freon (2000), 4) Fauziyah (2004) 3.4 Analisis data Analisis Statistika Tujuan penggunaan analisis statistika adalah: 1). Mencari keeratan hubungan antar deskriptor (morfometrik, batimetrik dan energetik); 2). Mengelompokkan kawanan ikan dengan nilai deskriptor akustik berdasarkan ukuran kemiripan (similarity) atau ketakmiripan (dissimilarity); 3). Menentukan deskriptor akustik yang berpengaruh terhadap pemisahan kelompok tersebut. Untuk tujuan tersebut dilakukan Analisis Peubah Ganda (Multivariate Analysis) yang meliputi: analisis faktor (factor analysis), analisis gerombol (cluster analysis) dan analisis diskriminan (discriminant analysis). Program statistik yang digunakan adalah SPSS 11.5 for Windows. 1) Faktor analisis (analysis factor). Analisis faktor pada penelitian ini digunakan untuk mencari keeratan hubungan/korelasi antar deskriptor akustik sebagai peubah bebas, sehingga ditemukan sesuatu yang alami pada respon variabel atau peubah tak bebas.
14 Model analisis faktor adalah sebagai berikut: X = Λf + e dimana X = vektor berdimensi-p dari respons teramati yang disebut vektor acak, X = (x 1, x 2,...,x p ) f = vektor berdimensi-q dari variabel tak teramati yang disebut common factors, f = (f 1,f 2,...f q ) e = vektor berdimensi-p dari variabel tak teramati yang disebut unique factors, e = (e 1,e 2,...,e p ) Λ = matriks koefisien tak diketahui berukuran pxq disebut factor loadings Dengan asumsi bahwa faktor-faktor spesifik tidak berkorelasi antara satu dengan lainnya dan dapat dinyatakan sebagai berikut: E(ee ) = ψ dan cov (e,f ) =0 Model dasar analisis faktor dapat dituliskan sebagai berikut: X i = q j= i λ f + e ij j i Struktur koragam model analisis faktor dinyatakan dalam persamaan berikut : Var (X i ) = h 2 i + ψ i Komponen h 2 i disebut komunalitas yang menunjukkan proporsi ragam dari variabel respon X i yang diterangkan oleh q faktor bersama, ψ i merupakan ragam dari variabel respons X i yang disebabkan oleh faktor spesifik atau ragam spesifik (Rummel, 1970). 2) Analisis gerombol (Clustering Analysis) Analisis gerombol digunakan untuk mengelompokkan objek-objek menjadi beberapa gerombol berdasar peubah-peubah yang diamati, sehingga diperoleh kemiripan objek dalam gerombol yang sama dibandingkan antar objek dari gerombol yang berbeda (Siswadi & Suharjo, 1999). Analisis gerombol dapat juga dilakukan untuk menggerombolkan peubah-peubah ke dalam suatu gerombol-gerombol peubah berdasarkan koefisien korelasi antar peubah tersebut (Johnson & Wichern, 1998). Secara umum teknik penggerombolan dibagi menjadi 2 yaitu : 1. Teknik berhirarki, yang dipilah menjadi teknik penggabungan (agglomerative) dan teknik pembagian (divisive), dan
15 2. Teknik tak berhirarki, misalnya teknik penyekatan (partitioning) dan penggunaan grafik (Siswadi & Suharjo, 1999) Teknik berhierarki disajikan dalam bentuk dendrogram sehingga penggerombolan akan lebih mudah diidentifikasi dan informatif. Ukuran ketakkemiripan(dissimilarities) antar objek pengamatan adalah jarak antar objek. Jarak antara dua objek harus didefinisikan sedemikian rupa sehingga semakin pendek jarak maka semakin kecil ketakmiripannya begitupun sebaliknya. Nilai ukuran ketakmiripan yang sering digunakan adalah jarak Euclid bila antar peubah saling bebas atau saling orthogonal, sedangkan jarak mahalanobis digunakan bila semua peubah saling berkorelasi atau tidak saling orthogonal (Johnson & Wichern, 1998) Metode penggabungan yang digunakan antar gerombol berhierarki adalah metode pautan tunggal, pautan lengkap, pautan rataan, terpusat dan ward. Teknik gerombol berhierarki berguna untuk : 1. pemisahan kawanan ikan pelagis ke dalam gerombol kawanan ikan lemuru dan bukan lemuru, 2. pemisahan kawanan ikan lemuru ke dalam gerombol kawanan sempenit, protolan dan lemuru. 3) Analisis diskriminan (Discriminant Function Analysis) Analisis diskriminan (discriminant analysis) adalah teknik statistika yang dipergunakan untuk mengelompokkan individu atau obyek ke dalam suatu kelas atau kelompok berdasarkan sekumpulan peubah-peubah bebas (Dillon & Goldstein, 1984). Fungsi diskriminan merupakan fungsi atau kombinasi linear peubahpeubah asal yang akan menghasilkan cara terbaik dalam pemisahan kelompok-kelompok tersebut. Fungsi ini akan memberikan nilai-nilai yang sedekat mungkin dalam kelompok dan sejauh mungkin antar kelompok. Fungsi ini tentunya disamping akan dapat digunakan untuk menerangkan perbedaan antar kelompok juga dapat digunakan dalam masalah klasifikasi (Siswadi & Suharjo, 1998). Metode diskriminan pertama kali diperkenalkan oleh Fisher (1936) sebagai suatu teknik statistika yang berguna dalam bidang taksonomi, dan setelah itu banyak dikembangkan pada bidang lainnya (Kleinbum, 1987 diacu dalam Siswadi & Suharjo, 1998). Cara terbaik yang digunakan dalam masalah klasifikasi merupakan cara yang mempunyai peluang terkecil kesalahan klasifikasi atau tingkat kesalahan pengalokasian objek dari kelompok-kelompok tersebut. Jadi adanya dua fungsi
16 yang berbeda dapat diperoleh karena tujuan kedua masalah tersebut juga berbeda. Istilah lain bagi analisis ini adalah klasifikasi, alokasi, dan pengenalan pola (Siswadi & Suharjo, 1998). Pembentukan Fungsi Diskriminan Salah satu pendekatan yang digunakan dalam analisis diskriminan ialah penggunaan jarak Mahalanobis. Andaikan ada m kelompok contoh acak masing-masing berukuran n 1, n 2,..., n m dengan p peubah yang diamati, X 1, X 2,..., X p. Vektor rataan dari m contoh tersebut x 1, x 2,..., x m dapat dianggap sebagai dugaan vektor rataan populasi. Andaikan pula dugaan matriks koragam kelompok ke-i ialah C 1. Jarak Mahalanobis setiap atau suatu objek dapat dihitung terhadap m vektor rataan tersebut dan akan digolongkan pada suatu kelompok yang terdekat terhadap vektor rataannya. Jarak Mahalanobis antara suatu objek x terhadap vektor rataan kelompok ke-j, x j diduga oleh : (xx j ) C -1 (x-x i ); dengan C=Σ(n i -1)Ci/Σ(n i -1) sebagai dugaan koragam gabungan dari m kelompok contoh. Dalam hal ini anggapannya ialah matriks koragam tiap kelompok sama. jadi, kelompokkan objek x ke kelompok ke-i bila: (x-x i ) C - 1 (x-x i ) = minimum {(x-x j ) C -1 (x-x j );j=1,2,...m}. Pendekatan lain dalam analisis diskriminan ialah dengan mencari fungsi diskriminan yang merupakan kombinasi linear dari peubah-peubah yang diamati dan akan memberikan nilai sedekat mungkin bagi objek-objek dalam kelompok yang sama dan sebesar mungkin bagi objek-objek antar kelompok. Bila matriks koragam total T = (t ij ), matriks koragam dalam kelompok W = (w ij ), dan matriks koragam antar kelompok B = (b ij ), maka T = W+B. Bila fungsi diskriminan Z 1 = a 11 X 1 +a 12 X a 1p X p = a 1 X yang memaksimumkan nisbah antara ragam antar kelompok dengan ragam dalam kelompok maka yang ingin dicari ialah a 1 sehingga a 1 Ba 1 /a 1 Wa 1 maksimum. Fungsi diskriminan lainnya yaitu Z 1 =a 1 X yang memaksimumkan a i Ba i /a i Wa i dengan kendala tidak berkorelasi dalam kelompok dengan Z 1,Z 2,..,Z i-1. Vektor-vektor a 1,a 2,..,a i dapat diperoleh sebagai vector ciri yang berpadanan dengan akar ciri η 1 η 2.. η i dari matriks W -1 B (Siswadi & Suharjo, 1998). Adapun pengujian fungsi diskriminan dapat dilakukan dengan menggunakan statistik V-Bartlett melalui pendekatan khi-kuadrat sebagai berikut : a. Uji Fungsi Diskriminan Pertama Statistik Uji :
17 s 1 V1 = N 1 λ 2 m= 1 ( p + m ) ln ( 1 ) 2 Jika V 1 < α,p( m-1) artinya persentase relatif yang diterangkan oleh fungsi diskriminan pertama nyata secara statistik. b. Uji Fungsi Diskriminan ke-r Statistik uji : m V r = 1 [ N 1 2 ( p + m) ] Ln ( 1+ λm ) s m= r 2 Jika V r < α, ( p r+ 1)( m r) artinya fungsi diskriminan ke-r masih diperlukan untuk menerangkan perbedaan p-peubah diantara m-kelompok. Pengamatan x ij dikelompokkan ke dalam kelompok ke-i bila : r m= 1 2 t 2 t 2 ( ym yim ) = [ am ( xij x k0 )] [ am ( x x k0 )] dimana : y m = vektor skor diskriminan ke-m dari obyek y im = nilai tengah skor diskriminan ke-m dari kelompok ke-i t a m = vektor koefisien fungsi diskriminan x ij = vektor pengamatan dari objek yang akan dikelompokkan x k0 = vektor nilai tengah peubah pembeda dari kelompok ke i r = banyaknya fungsi diskriminan penggolongan (Rencher, 1995) Analisis diskiminan akan menyeleksi (1) deskriptor akustik yang berpengaruh terhadap pemisahan kelompok kawanan ikan lemuru dan bukan kawanan ikan lemuru, (2) deskriptor akustik yang berpengaruh terhadap pemisahan kelompok kawanan ikan lemuru (kawanan sempenit, protolan, lemuru dan campur) dan (3) mengalokasikan suatu kawanan ikan (baru) ke dalam salah satu kelompok kawanan tersebut. Penggunaan analisis diskriminan ini berhubungan dengan fungsinya, yaitu memberikan nilai-nilai yang sedekat mungkin dalam kelompok dan sejauh mungkin antar kelompok (Siswadi & Suharjo,1999). Sehingga variabel-variabel pada kelompok yang berbeda dapat ditentukan. Kelompok yang akan digunakan pada identifikasi kawanan ikan pelagis adalah kelompok kawanan ikan lemuru dan bukan lemuru, adapun pada klasifikasi kawanan ikan lemuru adalah kelompok kawanan sempenit, protolan dan lemuru (Gambar 3.6).
18 Data: Deskriptor akustik Data os eanografi Kelompok: 1. kawanan lemuru & Non kawanan lemuru 2. kawanan lemuru, protolan, sempenit & campur Uji kenormalan ganda Metode plot khi kuadrat Data menyebar normal Ya Uji kehomogenan matriks koragam antar dan dalam gerombol T idak transformasi fungsi diskriminan linear T idak Fungsi diskriminan kuadratik Ya Pembuatan Plot Gambar 3.6. Alur pemrosesan analisis diskriminan kawanan ikan pelagis Teknik Variogram Teknik ini digunakan pada struktur kawanan ikan lemuru. Variogram mengukur variabilitas rata-rata antara 2 point x dan x+h, dimana h adalah jarak (Matheron, 1970 diacu dalam Bahri & Freon, 2000): γ(h) = 0.5E (z(x+h) z(x)) 2 Pada persamaan diatas, z(x) adalah nilai deskriptor pada titik x; z (x+h) adalah nilai deskriptor pada jarak h dari x; γ(h) adalah fungsi modulus dan orientasi vektor h yang mengindikasikan perbedaan nilai yang ada karena pertambahan jarak.
19 Klasifikasi variogram berdasarkan strukturnya dibagi menjadi 3 bagian yaitu : (1) Terstruktur: garis bertambah perlahan-lahan secara teratur sampai mendekati nilai asimtotik. Jarak yang pendek atau panjang diketahui berdasarkan survei atau deskriptor. Model yang digunakan adalah bola (spherical) atau eksponensial disesuaikan dengan variogram eksperimental (Gambar 6.2A); (2) Struktur lemah: model dicocokkan pada aspek variogram secara keseluruhan, tetapi dengan kualitas yang tidak bagus dan pilihan model tidak nyata. Selanjutnya variogram ini berada pada perbedaan adanya gumpalan (nugget) pada jarak yang kecil, biasanya sekitar 3 mil (Gambar 6.2B) dan; (3) Tanpa struktur: aspek yang benar-benar tidak menentu, murni acak dan garis osilasi berada di sekitar tingkat keragaman jarak yang kecil. Dalam kategori ini, klasifikasi variogram menampakkan aspek tanpa tipe (atypical), bentuk kubah/lengkung, bentuk bintang atau gelombang (Gambar 6.2C). γ γ γ h (A) h (B) h (C) Gambar 3.7 Contoh variogram. γ adalah covariance antar densitas ikan yang diamati di jarak lokasi bagian h. (A) distribusi contagious, γ(0) 0; (B) Efek nugget, γ(0) menjadi batas; (c) distribusi acak, γ adalah bebas terhadap h (Maclennan & Simmonds, 1992).
Citra akustik Ikan Uji. Matriks Data Akustik. Hitungan Deskriptor. 15 Desk. teridentifikasi. 8 Desk. utama. Rancangan awal JSTPB JSTPB1
3 METODOLOGI Secara garis besar metode penelitian dalam disertasi ini berkaitan dengan permasalahan identifikasi kawanan ikan secara hidroakustik yang berkaitan dengan pengukuran dan pemrosesan data hidroakustik,
Lebih terperinci5 KLASIFIKASI SPESIES KAWANAN IKAN
5 KLASIFIKASI SPESIES KAWANAN IKAN 5.1 Pendahuluan Sejauh ini aplikasi teknik hidroakustik dalam bidang perikanan dibatasi pada ketidakmampuan membedakan secara objektif antar kelompok taksonomi berdasarkan
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK ACOUSTIC DESCRIPTOR ANALYZER (ADA-VERSI 2004) UNTUK IDENTIFIKASI KAWANAN IKAN PELAGIS
PENGEMBANGAN PERANGKAT LUNAK ACOUSTIC DESCRIPTOR ANALYZER (ADA-VERSI 2004) UNTUK IDENTIFIKASI KAWANAN IKAN PELAGIS (Development of Acoustics Descriptor Analyzer (ADA- version 2004) for Pelagic Fish School
Lebih terperinciPENENTUAN KARAKTERISTIK KAWANAN IKAN PELAGIS DENGAN MENGGUNAKAN DESKRIPTOR AKUSTIK
PENENTUAN KARAKTERISTIK KAWANAN IKAN PELAGIS DENGAN MENGGUNAKAN DESKRIPTOR AKUSTIK (Determination of Pelagic Fish Schools Characteristics Using Acoustic Descriptors) Fauziyah 1 dan Indra Jaya 2 ABSTRAK
Lebih terperinci5 IDENTIFIKASI DAN KLASIFIKASI KAWANAN IKAN PELAGIS DENGAN METODE STATISTIK
5 IDENTIFIKASI DAN KLASIFIKASI KAWANAN IKAN PELAGIS DENGAN METODE STATISTIK 5.1 Pendahuluan Dalam bidang perikaan, metode statistik adalah metode analisis yang paling sering digunakan dalam melakukan identifikasi
Lebih terperinciIII METODE PENELITIAN
III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Waduk Ir. H. Djuanda dan Laboratorium Akustik Fakultas Perikanan dan Ilmu Kelautan IPB Bogor. Kegiatan penelitian ini terbagi
Lebih terperinci3 METODE PENELITIAN 3.1 Waktu dan Lokasi Penelitian 3.2 Kapal Survei dan Instrumen Penelitian
3 METODE PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini merupakan bagian dari Ekspedisi Selat Makassar 2003 yang diperuntukkan bagi Program Census of Marine Life (CoML) yang dilaksanakan oleh
Lebih terperinciKarakteristik Shoaling Ikan Pelagis Menggunakan Data Akustik Split Beam di Perairan Selat Bangka Pada Musim Timur
ISSN 0853-7291 Karakteristik Shoaling Ikan Pelagis Menggunakan Data Akustik Split Beam di Perairan Selat Bangka Pada Musim Timur Fauziyah, Hartoni dan Agussalim A Jl. Lingkar Kampus UNSRI Inderalaya PS
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Survei hidroakustik dalam bidang perikanan dilakukan dengan tujuan untuk memperkirakan stok ikan di suatu perairan. Untuk memenuhi harapan tersebut, survei-survei yang
Lebih terperinciGambar 8. Lokasi penelitian
3. METODOLOGI PENELITIAN 3.1 Waktu dan lokasi penelitian Penelitian ini dilaksanakan pada tanggal 30 Januari-3 Februari 2011 yang di perairan Pulau Gosong, Pulau Semak Daun dan Pulau Panggang, Kabupaten
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Sedimen Dasar Perairan Berdasarkan pengamatan langsung terhadap sampling sedimen dasar perairan di tiap-tiap stasiun pengamatan tipe substrat dikelompokkan menjadi 2, yaitu:
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Data Lapangan Berdasarkan pengamatan langsung di lapangan dengan melakukan penyelaman di lokasi transek lamun, diperoleh data yang diuraikan pada Tabel 4. Lokasi penelitian berada
Lebih terperinciMETODE PENELITIAN. Tabel 2 Alat dan bahan yang digunakan dalam penelitian. No. Alat dan Bahan Type/Sumber Kegunaan.
METODE PENELITIAN Waktu dan Lokasi Penelitian Pengambilan data lapang dilakukan pada tanggal 16-18 Mei 2008 di perairan gugusan pulau Pari, Kepulauan Seribu, Jakarta (Gambar 11). Lokasi ditentukan berdasarkan
Lebih terperinci3 METODOLOGI PENELITIAN
3 METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilaksanakan dari bulan Desember 2010 Juli 2011 yang meliputi tahapan persiapan, pengukuran data lapangan, pengolahan dan analisis
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciI PENDAHULUAN 1.1. Latar belakang
I PENDAHULUAN 1.1. Latar belakang Perairan umum daratan Indonesia memiliki keanekaragaman jenis ikan yang tinggi, sehingga tercatat sebagai salah satu perairan dengan mega biodiversity di Indonesia. Komisi
Lebih terperinciIDENTIFIKASI DAN KLASIFIKASI KAWANAN LEMURU SELAT BALI BERDASARKAN DATA HIDROAKUSTIK DENGAN METODE STATISTIK
IDENTIFIKASI DAN KLASIFIKASI KAWANAN LEMURU SELAT BALI BERDASARKAN DATA HIDROAKUSTIK DENGAN METODE STATISTIK Identification and Classification of Lemuru Schoal of Bali Strait Based on Hydroaccoustics Data
Lebih terperinci3 METODE PENELITIAN. Gambar 8 Peta lokasi penelitian.
30 3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian ini menggunakan data hasil survei akustik yang dilaksanakan oleh Balai Riset Perikanan Laut (BRPL), Dirjen Perikanan Tangkap, KKP RI pada bulan Juni
Lebih terperinci3. METODE PENELITIAN. Penelitian ini dilakukan pada koordinat 5º - 8 º LS dan 133 º º BT
3. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada koordinat 5º - 8 º LS dan 133 º - 138 º BT (Gambar 2), pada bulan November 2006 di Perairan Laut Arafura, dengan kedalaman
Lebih terperinciIDENTIFIKASI DAN KLASIFIKASI KAWANAN LEMURU SELAT BALI BERDASARKAN DATA HIDROAKUSTIK DENGAN METODE STATISTIK
IDENTIFIKASI DAN KLASIFIKASI KAWANAN LEMURU SELAT BALI BERDASARKAN DATA HIDROAKUSTIK DENGAN METODE STATISTIK Identification and Classification of Lemuru Schoal of Bali Strait Based on Hydroaccoustics Data
Lebih terperinciPENDUGAAN KELIMPAHAN DAN SEBARAN IKAN DEMERSAL DENGAN MENGGUNAKAN METODE AKUSTIK DI PERAIRAN BELITUNG
Pendugaan Kelimpahan dan Sebaran Ikan... Metode Akustik di Perairan Belitung (Fahmi, Z.) PENDUGAAN KELIMPAHAN DAN SEBARAN IKAN DEMERSAL DENGAN MENGGUNAKAN METODE AKUSTIK DI PERAIRAN BELITUNG ABSTRAK Zulkarnaen
Lebih terperinci3 METODOLOGI PENELITIAN
3 METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Waktu penelitian dimulai pada tanggal 20 Januari 2011 dan menggunakan data hasil survei Balai Riset Perikanan Laut (BRPL). Survei ini dilakukan mulai
Lebih terperinci4 HASIL DAN PEMBAHASAN
4 HASIL DAN PEMBAHASAN 4.1 Identifikasi Lifeform Karang Secara Visual Karang memiliki variasi bentuk pertumbuhan koloni yang berkaitan dengan kondisi lingkungan perairan. Berdasarkan hasil identifikasi
Lebih terperinci1. PENDAHULUAN 1.1 Latar Belakang
1. PENDAHULUAN 1.1 Latar Belakang Substrat dasar perairan memiliki peranan yang sangat penting yaitu sebagai habitat bagi bermacam-macam biota baik itu mikrofauna maupun makrofauna. Mikrofauna berperan
Lebih terperinci5. ESTIMASI STOK SUMBERDAYA IKAN BERDASARKAN METODE HIDROAKUSTIK
5. ESTIMASI STOK SUMBERDAYA IKAN BERDASARKAN METODE HIDROAKUSTIK Pendahuluan Sumberdaya perikanan LCS merupakan kontribusi utama yang sangat penting di tingkat lokal, regional dan internasional untuk makanan
Lebih terperinci4. HASIL DAN PEMBAHASAN. Perairan Laut Arafura di lokasi penelitian termasuk ke dalam kategori
4. HASIL DAN PEMBAHASAN 4.1 Profil Peta Batimetri Laut Arafura Perairan Laut Arafura di lokasi penelitian termasuk ke dalam kategori perairan dangkal dimana kedalaman mencapai 100 meter. Berdasarkan data
Lebih terperinci3. METODOLOGI PENELITIAN
17 3. METODOLOGI PENELITIAN 3.1. Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Februari sampai Juni 211, sedangkan survei data dilakukan oleh pihak Balai Riset Perikanan Laut (BRPL) Departemen
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Jarak Near Field (R nf ) yang diperoleh pada penelitian ini dengan menggunakan formula (1) adalah 0.2691 m dengan lebar transducer 4.5 cm, kecepatan suara 1505.06
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Pengertian Gerombolan (Shoal) dan Kawanan (School) Ikan
2 TINJAUAN PUSTAKA 2.1 Pengertian Gerombolan (Shoal) dan Kawanan (School) Ikan Predator dan makanan adalah kunci dalam memahami gerombolan ikan. Kerjasama dalam menaklukkan predator dan mencari makan secara
Lebih terperinci4. HASIL PEMBAHASAN. Sta Latitude Longitude Spesies Keterangan
4. HASIL PEMBAHASAN 4.1 Data Lapangan Berdasarkan pengamatan langsung di lapangan dengan melakukan penyelaman di lokasi transek lamun, ditemukan 3 jenis spesies lamun yakni Enhalus acoroides, Cymodocea
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinci4. BAHAN DAN METODA. 4.1 Lokasi dan Waktu Penelitian
41 4. BAHAN DAN METODA 4.1 Lokasi dan Waktu Penelitian Penelitian ini menggunakan dua data yaitu (1) data primer yang diperoleh saat penulis mengikuti riset pada tahun 2002, yang merupakan bagian dari
Lebih terperinciTINJAUAN PUSTAKA. i dari yang terkecil ke yang terbesar. Tebaran titik-titik yang membentuk garis lurus menunjukkan kesesuaian pola
TINJAUAN PUSTAKA Analisis Diskriminan Analisis diskriminan (Discriminant Analysis) adalah salah satu metode analisis multivariat yan bertujuan untuk memisahkan beberapa kelompok data yan sudah terkelompokkan
Lebih terperinciHASIL DAN PEMBAHASAN 4.1 Pengambilan data akustik ikan
IV HASIL DAN PEMBAHASAN 4.1 Pengambilan data akustik ikan Data akustik yang dikumpulkan dalam penelitian ini meliputi 3 (tiga) jenis ikan yaitu ikan mas, nila dan patin masing-masing sebanyak 5 ekor. Pengambilan
Lebih terperinci3. METODOLOGI PENELITIAN
3. METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Maret September 2011 dengan menggunakan data berupa data echogram dimana pengambilan data secara in situ dilakukan
Lebih terperinciScientific Echosounders
Scientific Echosounders Namun secara secara elektronik didesain dengan amplitudo pancaran gelombang yang stabil, perhitungan waktu yang lebih akuran dan berbagai menu dan software tambahan. Contoh scientific
Lebih terperinciAKUSTIK REMOTE SENSING/PENGINDERAAN JAUH
P. Ika Wahyuningrum AKUSTIK REMOTE SENSING/PENGINDERAAN JAUH Suatu teknologi pendeteksian obyek dibawah air dengan menggunakan instrumen akustik yang memanfaatkan suara dengan gelombang tertentu Secara
Lebih terperinciIDENTIFIKASI, KLASIFIKASI DAN ANALISIS STRUKTUR SPESIES KAWANAN IKAN PELAGIS BERDASARKAN METODE DESKRIPTOR AKUSTIK FAUZIYAH
IDENTIFIKASI, KLASIFIKASI DAN ANALISIS STRUKTUR SPESIES KAWANAN IKAN PELAGIS BERDASARKAN METODE DESKRIPTOR AKUSTIK FAUZIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2005 PERNYATAAN MENGENAI
Lebih terperinci3. DISTRIBUSI IKAN DI LAUT CINA SELATAN
3. DISTRIBUSI IKAN DI LAUT CINA SELATAN Pendahuluan Keberadaan sumberdaya ikan, baik ikan pelagis maupun demersal dapat diduga dengan menggunakan metode hidroakustik (Mitson 1983). Beberapa keuntungan
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 13 Peubah Ganda
STK511 Analisis Statistika Pertemuan 13 Peubah Ganda 13. Peubah Ganda: Pengantar Pengamatan Peubah Ganda Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja Kasus pengamatan peubah ganda
Lebih terperinciOleh : PAHMI PARHANI C SKRIPSI Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana pada Fakultas Perikanan dan Ilmu Kelautan
STUDI TENTANG ARAH DAN KECEPATAN RENANG IKAN PELAGIS DENGAN MENGGUNAKAN SISTEM AKUSTIK BIM TEmAGI (SPLIT-BEAM ACOUSTIC SYSTEM ) DI PERAIRAN TELUK TOMINI PADA BULAN JULI-AGUSTUS 2003 Oleh : PAHMI PARHANI
Lebih terperinciPEMODELAN JARINGAN SARAF TIRUAN (Artificial Neural Networks) UNTUK IDENTIFIKASI KAWANAN LEMURU DENGAN MENGGUNAKAN DESKRIPTOR HIDROAKUSTIK
PEMODELAN JARINGAN SARAF TIRUAN (Artificial Neural Networks) UNTUK IDENTIFIKASI KAWANAN LEMURU DENGAN MENGGUNAKAN DESKRIPTOR HIDROAKUSTIK AMIR HAMZAH MUHIDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
Lebih terperinci3. METODE PENELITIAN
3. METODE PENELITIAN 3.1. Lokasi dan Waktu Penelitian Penelitian ini merupakan lanjutan yang dilakukan dari bulan Juli sampai bulan Agustus menggunakan data hasil olahan dalam bentuk format *raw.dg yang
Lebih terperinciTINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??
TINJAUAN PUSTAKA Data Disagregat dan Agregat Berdasarkan cara pengumpulannya, data dapat dibedakan atas data internal dan data eksternal. Data internal berasal dari lingkungan sendiri sedangkan data eksternal
Lebih terperinciDISTRIBUSI SPASIAL KEPADATAN IKAN PELAGIS DI PERAIRAN ENGGANO
DISTRIBUSI SPASIAL KEPADATAN IKAN PELAGIS DI PERAIRAN ENGGANO Oleh: Deddy Bakhtiar deddy_b2@yahoo.co.id Prodi Ilmu Kelautan Fakultas Pertanian Universitas Bengkulu Jl. Raya Kandang Limun Bengkulu 38371A.
Lebih terperinciPENGOLAHAN DATA SINGLE BEAM ECHOSOUNDER. Septian Nanda dan Aprillina Idha Geomatics Engineering
PENGOLAHAN DATA SINGLE BEAM ECHOSOUNDER Septian Nanda - 3311401055 dan Aprillina Idha - 3311401056 Geomatics Engineering Marine Acoustic, Batam State Politechnic Email : prillyaprillina@gmail.com ABSTRAK
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciBAB III METODA. Gambar 3.1 Intensitas total yang diterima sensor radar (dimodifikasi dari GlobeSAR, 2002)
BAB III METODA 3.1 Penginderaan Jauh Pertanian Pada penginderaan jauh pertanian, total intensitas yang diterima sensor radar (radar backscattering) merupakan energi elektromagnetik yang terpantul dari
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciSemakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).
3 fungsi diskriminan cukup untuk memisahkan k buah kelompok. Karena fungsi-fungsi diskriminan tidak saling berkorelasi, maka komponen aditif dari V masing-masing didekati dengan khi-kuadrat dengan V j
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Hasil Analisis Nilai Target Strength (TS) Pada Ikan Mas (Cyprinus carpio) Nilai target strength (TS) merupakan parameter utama pada aplikasi metode akustik dalam menduga kelimpahan
Lebih terperinci4. HASIL DAN PEMBAHASAN. dimana besar nilainya bisa sama panjang dengan panjang keseluruhan atau
4. HASIL DAN PEMBAHASAN 4.1 Tabel Ukuran Tubuh Ikan Acoustical length adalah panjang target dalam akustik pada sebuah target, dimana besar nilainya bisa sama panjang dengan panjang keseluruhan atau panjang
Lebih terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinci2. TINJAUAN PUSTAKA. Sedimen adalah kerak bumi (regolith) yang ditransportasikan melalui proses
2. TINJAUAN PUSTAKA 2.1. Sedimen Dasar Laut Sedimen adalah kerak bumi (regolith) yang ditransportasikan melalui proses hidrologi dari suatu tempat ke tempat yang lain, baik secara vertikal maupun secara
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Kajian dasar perairan dapat digunakan secara luas, dimana para ahli sumberdaya kelautan membutuhkannya sebagai kajian terhadap habitat bagi hewan bentik (Friedlander et
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Hidroakustik 4.1.1. Profil Batimetri Laut Selatan Jawa Pada Gambar 10. terlihat profil batimetri Laut Selatan Jawa yang diperoleh dari hasil pemetaan batimetri, dimana dari
Lebih terperinciIII HASIL DAN DISKUSI
III HASIL DAN DISKUSI Sistem hidrolika estuari didominasi oleh aliran sungai, pasut dan gelombang (McDowell et al., 1977). Pernyataan tersebut mendeskripsikan kondisi perairan estuari daerah studi dengan
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemiskinan merupakan masalah yang sulit untuk diatasi. Salah satu sasaran pembangunan nasional adalah penurunan tingkat kemiskinan. Menurut Badan Pusat Statistik,
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1 Hasil Pengambilan Contoh Dasar Gambar 16 merupakan hasil dari plot bottom sampling dari beberapa titik yang dilakukan secara acak untuk mengetahui dimana posisi target yang
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Batimetri Selat Sunda Peta batimetri adalah peta yang menggambarkan bentuk konfigurasi dasar laut dinyatakan dengan angka-angka suatu kedalaman dan garis-garis yang mewakili
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 1 PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi hidroakustik atau perangkat lunak pengolah sinyal akustik masih sulit untuk dapat mengetahui jenis dan panjang ikan secara langsung dan akurat. Selama
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Variabilitas Kesuburan Perairan dan Oseanografi Fisika 4.1.1. Sebaran Ruang (Spasial) Suhu Permukaan Laut (SPL) Sebaran Suhu Permukaan Laut (SPL) di perairan Selat Lombok dipengaruhi
Lebih terperinciDETEKSI SCHOOLING IKAN PELAGIS DENGAN METODE HIDROAKUSTIK DI PERAIRAN TELUK PALU, SULAWESI TENGAH
Jurnal Teknologi Perikanan dan Kelautan Vol. 5 No. 2 November 2014: 131-139 ISSN 2087-4871 DETEKSI SCHOOLING IKAN PELAGIS DENGAN METODE HIDROAKUSTIK DI PERAIRAN TELUK PALU, SULAWESI TENGAH THE DETECTION
Lebih terperinci1. PENDAHULUAN 1.1. Latar belakang
1. PENDAHULUAN 1.1. Latar belakang Dasar perairan memiliki peranan yang sangat penting yaitu sebagai habitat bagi bermacam-macam makhluk hidup yang kehidupannya berasosiasi dengan lingkungan perairan.
Lebih terperinci3. METODE PENELITIAN
3. METODE PENELITIAN 3.1. Waktu dan Lokasi Penelitian Penelitian ini menggunakan data side scan sonar yang berasal dari survei lapang untuk kegiatan pemasangan kabel PLN yang telah dilakukan oleh Pusat
Lebih terperinci0643 DISTRIBUSI NILAI TARGETSTRENGTH DAN DENSITAS I ON PELAGIS DENGAN SISTEM AKUSTIK BIM TERBAGI D1 LAUT TIMOR PADA BULAN DESEMBER 2003
204 0643 DISTRIBUSI NILAI TARGETSTRENGTH DAN DENSITAS I ON PELAGIS DENGAN SISTEM AKUSTIK BIM TERBAGI D1 LAUT TIMOR PADA BULAN DESEMBER 2003 PROGRAM STUD1 ILIMU KELAUTAS DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN
Lebih terperinciKlasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan
Statistika, Vol. 15 No. 2, 87-97 November 215 Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Fitriana A.R. 1, Nurhasanah 2, Ririn Raudhatul
Lebih terperinci3. METODOLOGI PENELITIAN
3. METODOLOGI PENELITIAN 3.1. Waktu dan Lokasi Penelitian Pengambilan data akustik dilakukan pada tanggal 29 Januari sampai 3 Februari 2011 di perairan Kepulauan Seribu. Wilayah penelitian mencakup di
Lebih terperinci3. METODOLOGI PENELITIAN
22 3. METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian Pengambilan data atau akuisisi data kedalaman dasar perairan dilakukan pada tanggal 18-19 Desember 2010 di perairan barat daya Provinsi Bengkulu
Lebih terperinciINTERPRETASI SEB NILAI TARGET STRENGTH (TS) DAN DENSITAS DEmRSAL DENGAN BlETODE AIE)ROAKUSTIK DI TELUK PELABUWAN RATU
INTERPRETASI SEB NILAI TARGET STRENGTH (TS) DAN DENSITAS DEmRSAL DENGAN BlETODE AIE)ROAKUSTIK DI TELUK PELABUWAN RATU Oleh: Munawir C64102020 PR AN TEKNOLOGI KELAUTAN AN DAN I Lm KELAUTAN INSTITUT PERTANLAN
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan
Lebih terperinciKELOMPOK 2 JUWITA AMELIA MILYAN U. LATUE DICKY STELLA L. TOBING
SISTEM SONAR KELOMPOK 2 JUWITA AMELIA 2012-64-0 MILYAN U. LATUE 2013-64-0 DICKY 2013-64-0 STELLA L. TOBING 2013-64-047 KARAKTERISASI PANTULAN AKUSTIK KARANG MENGGUNAKAN ECHOSOUNDER SINGLE BEAM Baigo Hamuna,
Lebih terperinciPENGUKURAN KARAKTERISTIK AKUSTIK SUMBER DAYA PERIKANAN DI LAGUNA GUGUSAN PULAU PARI KEPULAUAN SERIBU
PENGUKURAN KARAKTERISTIK AKUSTIK SUMBER DAYA PERIKANAN DI LAGUNA GUGUSAN PULAU PARI KEPULAUAN SERIBU Oleh: Arief Wijaksana C64102055 PROGRAM STUDI ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU
Lebih terperinci4. HASIL DAN PEMBAHASAN
21 4. HASIL DAN PEMBAHASAN 4.1. Batimetri Daerah Penelitian Penelitian hidroakustik meliputi daerah tubir bagian luar (perairan Teluk Tomini), daerah tubir bagian dalam (perairan pulau Una-una) dan daerah
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciANALISIS FAKTOR (FACTOR ANALYSIS)
ANALISIS FAKTOR (FACTOR ANALYSIS) PENDAHULUAN Analisis faktor: mengkaji hubungan internal dari gugus variabel Data: peubah-peubah yang dianalisis berkorelasi tinggi didalam grupnya sendiri dan berkorelasi
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
Lebih terperinci5 HASIL DAN PEMBAHASAN
5 5 HASIL DAN PEMBAHASAN 5.1 Hasil 5.1.1 Penyebaran target strength ikan Target strength (TS) sangat penting dalam pendugaan densitas ikan dengan metode hidroakustik karena untuk dapat mengetahui ukuran
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciMETODE PENELITIAN Bujur Timur ( BT) Gambar 5. Posisi lokasi pengamatan
METODE PENELITIAN Lokasi Penelitan Penelitian ini dilakukan pada perairan barat Sumatera dan selatan Jawa - Sumbawa yang merupakan bagian dari perairan timur laut Samudera Hindia. Batas perairan yang diamati
Lebih terperinciKAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST
LAPORAN PENELITIAN BIDANG ILMU KELOMPOK TINGKAT LANJUT KAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST Oleh: Drs. Timbul Pardede, M.Si Drs. Budi Prasetyo, M.Si FAKULTAS
Lebih terperinciHUBUNGAN TIPE DASAR PERAIRAN DENGAN DISTRIBUSI IKAN DEMERSAL DI PERAIRAN PANGKAJENE SULAWESI SELATAN 2011
Jurnal Teknologi Perikanan dan Kelautan. Vol. 4. No. 1 Mei 2013: 31-39 ISSNN 2087-4871 HUBUNGAN TIPE DASAR PERAIRAN DENGAN DISTRIBUSI IKAN DEMERSAL DI PERAIRAN PANGKAJENE SULAWESI SELATAN 2011 (THE RELATION
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinci6 HUBUNGAN SUHU PERMUKAAN LAUT DAN KLOROFIL DENGAN PRODUKSI IKAN PELAGIS KECIL DI PERAIRAN PANTAI BARAT SULAWESI SELATAN
6 HUUNGN SUHU PERMUKN LUT DN KLOROFIL DENGN PRODUKSI IKN PELGIS KEIL DI PERIRN PNTI RT SULWESI SELTN 6.1 Pendahuluan lasan utama sebagian spesies ikan berada di suatu perairan disebabkan 3 hal pokok, yaitu:
Lebih terperinciDETEKSI SCHOOLING IKAN PELAGIS DENGAN METODE HIDROAKUSTIKDI PERAIRAN TELUK PALU, SULAWESI TENGAH
Jurnal Teknologi Perikanan dan Kelautan. Vol. 5. No. 2 November 2014:129-137 ISSN 2087-4871 DETEKSI SCHOOLING IKAN PELAGIS DENGAN METODE HIDROAKUSTIKDI PERAIRAN TELUK PALU, SULAWESI TENGAH (THE DETECTION
Lebih terperinci5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan
5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan
Lebih terperinciV. GAMBARAN UMUM PERAIRAN SELAT BALI
V. GAMBARAN UMUM PERAIRAN SELAT BALI Perairan Selat Bali merupakan perairan yang menghubungkan Laut Flores dan Selat Madura di Utara dan Samudera Hindia di Selatan. Mulut selat sebelah Utara sangat sempit
Lebih terperinciANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND LOGO
ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND Kompetensi menghitung jarak antar individu Membentuk gerombol dengan menggunakan metode gerombol berhierarkhi Membentuk gerombol
Lebih terperinciIDENTIFIKASI, KLASIFIKASI DAN ANALISIS STRUKTUR SPESIES KAWANAN IKAN PELAGIS BERDASARKAN METODE DESKRIPTOR AKUSTIK FAUZIYAH
IDENTIFIKASI, KLASIFIKASI DAN ANALISIS STRUKTUR SPESIES KAWANAN IKAN PELAGIS BERDASARKAN METODE DESKRIPTOR AKUSTIK FAUZIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2005 PERNYATAAN MENGENAI
Lebih terperinciAnalisis Sebaran Schooling Ikan Demersal Di Perairan Tarakan Kalimantan Utara Menggunakan Metode Hidroakustik. Oleh
Analisis Sebaran Schooling Ikan Demersal Di Perairan Tarakan Kalimantan Utara Menggunakan Metode Hidroakustik Oleh Susilawati 1 ) Aras Mulyadi 2 ) Mubarak 2 ) ABSTRAK Penelitian ini bertujuan untuk mengetahui
Lebih terperinciDETEKSI SEBARAN IKAN PADA KOLOM PERAIRAN DENGAN MENGGUNAKAN METODE HIDROAKUSTIK INTEGRASI KUMULATIF DI KECAMATAN SUMUR, PANDEGLANG BANTEN
DETEKSI SEBARAN IKAN PADA KOLOM PERAIRAN DENGAN MENGGUNAKAN METODE HIDROAKUSTIK INTEGRASI KUMULATIF DI KECAMATAN SUMUR, PANDEGLANG BANTEN Oleh : Ahmad Parwis Nasution PROGRAM STUDI ILMU DAN TEKNOLOGI KELAUTAN
Lebih terperinciPENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER ENSEMBLE
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 13 23 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER
Lebih terperinciPenelitian ini dilakukan di dua lokasi yaitu Laut Cina Selatan yang berada. pada posisi antara 104'00' ' BT dan 03'00'-03'00'
3. METODOLOGI PENELITIAN 3.1. Lokasi dan Waktu Penelitian Penelitian ini dilakukan di dua lokasi yaitu Laut Cina Selatan yang berada pada posisi antara 104'00'-1 10 00' BT dan 03'00'-03'00' LU, dan Selat
Lebih terperinciBAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN
BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN 3.1 Deteksi Pencilan Multivariat Pengidentifikasian pencilan pada kasus multivariat tidaklah mudah untuk dilakukan,
Lebih terperinciPENGEMBANGAN TEKNIK PENENTUAN DINI JENIS KELAMIN KOI 1
PENGEMBANGAN TEKNIK PENENTUAN DINI JENIS KELAMIN KOI 1 (Development of a Technique for Early Sexing of Koi (Ornamental Carp)) Indra Jaya 2 dan Muhammad Iqbal 2 ABSTRAK Salah satu faktor utama yang dihadapi
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Absorbsi Near Infrared Sampel Tepung Ikan Absorbsi near infrared oleh 50 sampel tepung ikan dengan panjang gelombang 900 sampai 2000 nm berkisar antara 0.1 sampai 0.7. Secara grafik
Lebih terperinci