FishPost Dikembangkan untuk Prediksi Lokasi Penangkapan Ikan Cakalang Berbasis Data Oseanografi

Ilustrasi by AI

Bandung – Penelitian yang dilakukan oleh Gilar Budi Pratama dan Lady Ayu Sri Wijayanti dari Universitas Padjadjaran menghasilkan sistem berbasis web bernama FishPost (Fishing Prediction and Oceanographic Spatial Tool) yang mampu memprediksi lokasi potensial penangkapan ikan cakalang menggunakan pemodelan kesesuaian habitat berbasis data oseanografi. Sistem ini dikembangkan untuk membantu nelayan dan pengelola perikanan mengakses informasi zona tangkap secara lebih cepat dan operasional.

Ikan cakalang merupakan salah satu komoditas penting dalam perikanan tangkap Indonesia. Namun distribusinya sangat dipengaruhi oleh dinamika lingkungan laut seperti suhu permukaan laut, tinggi muka laut, salinitas, dan kecepatan arus. Variasi parameter oseanografi tersebut menentukan ketersediaan pakan serta pola migrasi ikan di laut terbuka.

Selama ini, model prediksi daerah penangkapan ikan umumnya hanya tersedia dalam bentuk peta statis pada publikasi ilmiah sehingga sulit dimanfaatkan langsung oleh nelayan. Penelitian ini mengubah pendekatan tersebut dengan menghadirkan model prediksi habitat ke dalam sistem digital interaktif berbasis web yang dapat digunakan secara praktis di lapangan.

FishPost dikembangkan menggunakan pendekatan Habitat Suitability Index (HSI) berbasis Generalized Additive Model (GAM) yang mampu menggambarkan hubungan nonlinier antara parameter lingkungan laut dan keberadaan ikan cakalang. Model ini menghasilkan nilai kesesuaian habitat pada rentang 0 hingga 1, di mana nilai tinggi menunjukkan lokasi dengan peluang tangkap lebih besar.

Sistem FishPost mengintegrasikan peta kesesuaian habitat bulanan untuk wilayah pengelolaan perikanan Indonesia, khususnya WPP 573, 713, dan 714. Informasi tersebut disajikan dalam bentuk peta interaktif yang memungkinkan pengguna melihat distribusi potensi lokasi penangkapan secara spasial sepanjang tahun.

Selain visualisasi peta, FishPost menyediakan dua metode evaluasi lokasi penangkapan ikan. Metode pertama menggunakan koordinat geografis yang dimasukkan pengguna untuk menentukan apakah suatu titik termasuk zona potensial atau tidak. Metode kedua menggunakan parameter lingkungan laut seperti suhu permukaan laut, tinggi muka laut, salinitas, dan arus laut untuk menilai kesesuaian habitat secara langsung berdasarkan kondisi perairan aktual.

Hasil pemodelan menunjukkan bahwa nilai kesesuaian habitat ikan cakalang berbeda antarwilayah laut dan berubah mengikuti dinamika kondisi oseanografi. Berdasarkan distribusi peta HSI pada halaman 7 artikel, beberapa wilayah laut lepas memiliki nilai kesesuaian tinggi di atas 0,7 yang menunjukkan potensi tangkap lebih besar, sementara sebagian wilayah pesisir memiliki nilai di bawah 0,4 sehingga relatif kurang optimal sebagai lokasi penangkapan.

Kinerja model yang digunakan dalam sistem FishPost juga menunjukkan tingkat akurasi yang baik. Nilai Area Under the Curve (AUC) mencapai rata-rata 0,8806 pada WPP 573 dan 0,845 pada WPP 713–714, sedangkan nilai True Skill Statistic (TSS) masing-masing mencapai 0,6717 dan 0,660. Angka tersebut menunjukkan kemampuan model yang kuat dalam membedakan wilayah habitat potensial dan tidak potensial.

Melalui integrasi model ilmiah ke dalam sistem berbasis web, FishPost menjembatani kesenjangan antara hasil penelitian akademik dan kebutuhan praktis sektor perikanan tangkap. Sistem ini memungkinkan pengguna mengevaluasi kondisi perairan secara langsung melalui peta interaktif maupun input parameter lingkungan.

Bagi nelayan, penggunaan sistem prediksi lokasi tangkap dapat membantu mengurangi waktu pencarian ikan serta menekan konsumsi bahan bakar selama operasi penangkapan. Bagi pengelola perikanan, sistem ini berpotensi menjadi alat pendukung pengambilan keputusan dalam pengelolaan sumber daya laut yang lebih efisien dan berkelanjutan.

Pengembangan FishPost juga menunjukkan bahwa digitalisasi data oseanografi dapat meningkatkan pemanfaatan informasi ilmiah dalam kegiatan perikanan tangkap. Integrasi model habitat ke dalam platform daring membuka peluang pengembangan sistem prediksi yang lebih dinamis di masa depan, terutama dengan dukungan data oseanografi real-time.

Profil Penulis
Gilar Budi Pratama – Universitas Padjadjaran
Lady Ayu Sri Wijayanti – Universitas Padjadjaran

Sumber Penelitian
Judul: Operationalizing Habitat Suitability Modeling into a Web-Based System for Predicting Skipjack Tuna Fishing Grounds
Jurnal: East Asian Journal of Multidisciplinary Research (EAJMR)
Tahun: 2026

Posting Komentar

0 Komentar