PREDIKSI HASIL TANGKAP IKAN PELAGIS BESAR DI INDONESIA MENGGUNAKAN RANTAI MARKOV Firdaniza 1), Nurul Gusriani 2) 1,2) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung-Sumedang Km. 21 Jatinangor 45363 Email: 1 firdaniza@unpad.ac.id 2 nurul.gusriani@unpad.ac.id Abstrak Ikan pelagis besar seperti tuna mempunyai nilai ekonomis tinggi dan menjadi komoditas ekspor utama perikanan Indonesia. Untuk itu perlu dilakukan kajian produksi tangkapan ikan pelagis besar dalam jangka panjang. Pada penelitian ini digunakan rantai Markov untuk memprediksi jumlah hasil tangkapan ikan pelagis besar di sebelas Wilayah Pengelolaan Perikanan (WPP) di seluruh Indonesia. Dari data statistik hasil tangkap ikan pelagis besar tahun 2005-2014, untuk jangka panjang diperoleh kecenderungan penurunan hasil tangkap ikan pelagis besar jika kondisi pengelolaan perikanan tidak berubah. Kata Kunci : ikan pelagis besar, rantai Markov, Wilayah Pengelolaan Perikanan (WPP), A. PENDAHULUAN Sebagai Negara kepulauan, Indonesia memiliki potensi sumberdaya kelautan dan perikanan yang dapat dimanfaatkan sebagai potensi ekonomi bagi pembangunan nasional. Menurut Peraturan Menteri Kelautan dan Perikanan No. PER.18/Men/14 dan PER.01/Men/09 tentang wilayah pengelolaan perikanan (WPP), disebutkan bahwa WPP di Indonesia dibagi atas 11 WPP, yaitu; (1) Selat Malaka dan Laut Andaman, (2) Samudera Hinda Sebelah Barat Sumaatera dan Selat Sunda, (3) Samudera Hindia Sebelah Selatan Jawa Hingga Sebelah Selatan Nusa Tenggara, Laut Sawu dan Laut Timor bagian Barat, (4) Selat Karimata, Laut Natuna, dan Laut Cina Selatan, (5) Laut Jawa, (6) Selat Makasar, Teluk Bone, Laut Flores, dan Laut Bali, (7) Teluk Tolo dan Laut Banda, (8) Teluk Tomini, Laut Maluku, Laut Halmahera, Prosiding SEMNAS Pendidikan Matematika 2017 ISBN. 978-602-50629-0-2 259
Laut Seram, dan Teluk Berau, (9) Laut Sulawesi dan Sebelah Utara Pulau Halmahera, (10) Teluk Cendrawasih dan Samudera Pasifik, (11) Teluk Aru, Laut Arafuru, Laut Timor bagian Timur. Pada kelompok sumberdaya ikan, ikan pelagis besar (jenis tuna, cakalang, tongkol, lemadang, ikan layaran, ikan pedang, tenggiri dan lainnya) termasuk komoditi ekspor yang utama. Pada tahun 2012, ikan tuna dan cakalang beku merupakan penyumbang peningkatan pertumbuhan nilai ekspor sebesar 74,16%. (Direktorat Perikanan Tangkap, 2015). Beberapa kajian telah dilakukan dalam hal prediksi daerah pengkapan ikan kembung di kabupaten Pangkep (Suhartono, dkk 2013), prediksi potensial daerah pengkapan ikan pelagis di kapbupaten Mamuju (Safaruddin dkk, 2014). Pada penelitian ini akan dikaji prediksi hasil tangkap ikan pelagis besar di Indonesia dengan menggunakan rantai Markov. Selain kajian tentang daerah tangkap, tentu saja sangat diperlukan kajian tentang prediksi hasil penangkapan ikan yang berdampak kepada kenaikan persentase ekspor Indonesia. Tujuan dari penelitian ini adalah untuk mengetahui prediksi hasil penangkapan ikan pelagis besar di seluruh WPP Indosesia dengan menggunakan Rantai Markov. Hal ini diharapkan bermanfaat bagi pemerintah (Dinas Kelautan dan Perikanan) dalam mengambil kebijakan untuk antisipasi masa datang jika hasil tangkap menurun. B. LANDASAN/KAJIAN TEORI Rantai Markov waktu Diskrit merupakan proses stokastik dengan sifat bahwa keadaan sekarang hanya bergantung kepada keadaan sebelumnya, terbebas dari keadaaan masa lampau. Definisi 1. Misal proses stokastik waktu diskrit dengan ruang keadaan (state) = jika untuk semua dan, maka proses tersebut disebut rantai Markov waktu diskrit, dan peluang transisi (Osaki, 1992). disebut Matriks peluang transisi satu langkah dari suatu rantai Markov didefinisikan sebagai dimana dan Prosiding SEMNAS Pendidikan Matematika 2017 ISBN. 978-602-50629-0-2 260
Peluang transisi n langkah n p ij dapat dihitung dengan menggunakan persamaan Chapman-Kolmogorov, yang dalam bentuk matriks ditulis,. (Osaki, 1992). Artinya, matriks peluang transisi n langkah diperoleh dari matriks P yang dipangkatkan n. Suatu rantai Markov yang Ergodik akan mempunyai limit peluang, bebas dari keadaan awal i. yang ini dinamakan distribusi stasioner (peluang jangka panjang dari rantai Markov) (Osaki, 1992). C. METODE PENELITIAN Hasil penangkapan ikan pelagis besar mengalami perubahan setiap periode dan daerah tangkapnya. Perubahan data seperti ini memenuhi sifat Markov. Data hasil penangkapan ikan pelagis besar diproleh dari Direktorat Perikanan Tangkap. Data tersebut disusun berdasarkan tahun dan WPP. Asumsikan bahwa jumlah keadaan (state) rantai Markov adalah 2, yakni state 1; di bawah nilai median, dan state 2; di ats nilai median. Untuk masing-masig WPP dapat dilakukan langkah yang sama, yakni: 1. Tentukan state 1 dan state 2 dari masing-masing data hasil tangkap ikan pelagis besar berdasarkan nilai median hasil tangkapnya. 2. Hitung jumlah transisi dari satu state ke state lainnya. 3. Tentukan matriks peluang transisi dari hasil tangkap ikan pelagis besar. 4. Temukan limit peluang dari matriks peluang transisi rantai Markov. D. HASIL PENELITIAN DAN PEMBAHASAN Data hasil tangkap ikan pelagis besar terlihat seperti pada tabel 1 berikut. Tabel 1. Hasil Tangkap ikan Pelagis Besar untuk setiap WPP (dalam ton) 2005 2006 2007 2008 2009 WPP571 23614 22185 59714 59140 58254 WPP572 89990 119288 114458 126899 122201 WPP573 185958 127815 161311 141069 185361 Prosiding SEMNAS Pendidikan Matematika 2017 ISBN. 978-602-50629-0-2 261
WPP711 120187 89816 88639 99421 95619 WPP712 73907 69988 75142 74142 69441 WPP713 80622 117444 130240 134332 128865 WPP714 78175 104286 116916 137013 133464 WPP715 134904 131774 176023 188483 176114 WPP716 75982 76987 83996 80849 112038 WPP717 45598 41462 47447 44452 55372 WPP718 18502 29004 36860 19677 27390 2010 2011 2012 2013 2014 WPP571 46161 47694 46688 40524 48149 WPP572 125740 127350 138273 196457 167916 WPP573 195467 215340 218359 217987 171682 WPP711 83431 87650 94455 97030 129133 WPP712 72712 81706 85462 94842 211643 WPP713 133686 125062 129467 157912 172428 WPP714 113894 173234 167989 212469 179963 WPP715 189387 217997 276865 292472 229522 WPP716 107225 99731 123832 166088 209901 WPP717 51098 53180 47966 53229 61587 WPP718 30563 31072 44078 53217 117039 WPP715 Diperoleh matriks peluang transisi satu langkah sebagai berikut: WPP571, WPP713 WPP572, WPP712, WPP714, WPP716, WPP717, WPP718 Karena rantai Markov tersebut ergodik, maka didapat limit peluang sebagai berikut: WPP571,WPP713 : WPP572, WPP712, WPP714, WPP716, WPP717, Wpp718: WPP573 WPP711 WPP573 : WPP711 : WPP715: Sehingga prediksi jangka panjang untuk hasil tangkap ikan pelagis besar Prosiding SEMNAS Pendidikan Matematika 2017 ISBN. 978-602-50629-0-2 262
di setiap WPP terlihat seperti tabel 2 berikut: Tabel 2. Prediksi Jangka Panjang Hasil Tangkap Ikan Pelagis Besar prediksi jangka panjang (ton) WPP571 46065,69 WPP572 137132 WPP573 176360,2 WPP711 96669,29 WPP712 95251,5 WPP713 128702,4 WPP714 149216,7 WPP715 241248,6 WPP716 120622,4 WPP717 51236,35 WPP718 35045,64 IPTEKS PSP, Vol 1 (2), Oktober 2014 Suhartono,dkk. (2013). Identifikasi dan Prediksi Daerah Penangkapan Ikan Kembung di Perairan Kabupaten Pangkep. Jurnal Amanisal PSP FPIK Unpatti-Ambon. Vol 2 No. 2 November 2013. Direktorat Perikanan Tangkap. (2015). Statistik Perikanan Tangkap di Laut Menurut Wilayah Pengelolaan Perikanan Negara Republik Indonesia (WPP-NRI) 2005-2014. Direktorat Perikanan Tangkap E. SIMPULAN DAN SARAN Dari data tabel 2, dapat disimpulkan bahwa untuk jangka panjang diprediksi hasil tangkap ikan pelagis besar di Indonesia cenderung menurun. DAFTAR PUSTAKA Osaki Shunji (1992). Applied Stochastic System Modelling, Springer-Verlag, Berlin Heidelberg Safruddin, dkk. (2014). Prediksi Derah Potensial Penangkapan Ikan Pelagis Besar di Perairan Kabupaten Mamuju, Jurnal Prosiding SEMNAS Pendidikan Matematika 2017 ISBN. 978-602-50629-0-2 263
Prosiding SEMNAS Pendidikan Matematika 2017 ISBN. 978-602-50629-0-2 264