UF - Marine Science And Technology

Biodiversitas plankton pada kawasan KKP3K KDPS Kabupaten Berau, Kalimantan Timur

2026-08-24T03:41:20Z

Biodiversitas plankton pada kawasan KKP3K KDPS Kabupaten Berau, Kalimantan Timur Azizah, Hafidloh Nur Kawasan Konservasi Pesisir dan Pulau-Pulau Kecil (KKP3K) Kepulauan Derawan dan Perairan Sekitarnya (KDPS) memiliki keanekaragaman hayati yang tinggi, namun informasi mengenai biodiversitas plankton masih terbatas. Penelitian bertujuan mengidentifikasi komposisi, kelimpahan, indeks biodiversitas fitoplankton dan zooplankton serta melihat penciri stasiun berdasarkan plankton dan kualitas perairan. Sampel diambil pada Juni 2025 di 15 stasiun dengan plankton net berukuran 30 µm. Ditemukan 47 genus fitoplankton dan 30 genus zooplankton. Kelimpahan fitoplankton berkisar 5.151,57–63.760,72 sel/m³, didominasi Trichodesmium sp., sedangkan zooplankton berkisar 139,87–1.971,07 ind/m³, didominasi Crustacea. Indeks keanekaragaman fitoplankton (H' = 0,19–1,85) rendah–sedang akibat dominansi Trichodesmium sp., sementara zooplankton (H' = 0,76–1,90) tergolong rendah hingga sedang dengan sebaran individu yang relatif lebih merata. Analisis similaritas menunjukkan adanya pengelompokan komunitas antarstasiun, PCA menunjukkan penciri beberapa stasiun berdasarkan plankton dan kualitas perairan. Secara umum, kondisi perairan KKP3K KDPS masih mendukung kehidupan plankton dan biota laut lainnya.; The Coastal and Small Islands Conservation Area (KKP3K) of the Derawan Islands and Surrounding Waters (KDPS) has high biodiversity, but there is less scientific information about the biodiversity of plankton there This study aimed to determine the composition, abundance, and biodiversity indices of phytoplankton and zooplankton, as well as their relationship with water quality. Samples were collected in June 2025 at 15 stations using a 30 µm plankton net. The results showed that there were 47 genera of phytoplankton and 30 genera of zooplankton. The phytoplankton abundance varied from 5151,57–63760,72 cells/m3 and was dominated by Trichodesmium sp., while the zooplankton abundance varied from 139,87–1971,07 ind/m3 and was dominated by Crustacea. The phytoplankton diversity index varied from 0,19 to 1,85 (low to moderate) and was also dominated by Trichodesmium sp., while the zooplankton diversity index varied from 0,76 to 1,90 (low to moderate). Similarity analysis showed that phytoplankton and zooplankton samples formed groups, while PCA showed that there were several stations that had similar characteristics based on plankton data and water quality data. In general, it can be said that water quality in the KKP3K KDPS was suitable for supporting plankton and other aquatic organisms.

Studi Gelombang Internal di Laut Maluku Menggunakan Multi-Datasets

2026-08-19T02:59:00Z

Studi Gelombang Internal di Laut Maluku Menggunakan Multi-Datasets Deisriyanti, Aaliyah Fildza Gelombang internal di Laut Maluku dapat terjadi karena perairan ini memiliki batimetri kompleks yang berinteraksi dengan arus pasang surut yang kuat, sehingga mempengaruhi perubahan di kolom perairan. Penelitian ini dilakukan untuk mendeskripsikan karakteristik gelombang internal dari permukaan dan kolom perairan melalui data citra satelit dan keluaran model yang dikaitkan dengan percampuran turbulen yang terjadi pada bulan September 2022. Citra satelit Sentinel-1A digunakan untuk melihat perubahan kekasaran permukaan air laut dengan data keluaran model CROCO digunakan untuk melihat sirkulasi laut serta data CTD ekspedisi BUDEE untuk analisis percampuran turbulen. Paket gelombang internal yang terdeteksi oleh data citra satelit menunjukkan lokasi pembangkitan yang berada di Selat Lifamatola dan berpropagasi di daerah dekat Pulau Halmahera hingga pecah di Perairan Sangihe. Propagasi gelombang internal mempengaruhi parameter karakteristik gelombang yang didapatkan. Pola sirkulasi Laut Maluku menunjukkan pergerakan arus pasang surut ke arah utara-selatan melalui Selat Lifamatola. Arus meridional yang bergerak kuat melewati ambang laut (sill) selat mempengaruhi perubahan stratifikasi densitas dan pergerakan kecepatan vertikal ke atas melewati sill. Kecepatan propagasi gelombang internal mencapai 2,7 m/s dari daerah pembangkitan hingga membentur daratan. Percampuran turbulen di daerah pembangkitan lebih kuat daripada daerah propagasi karena pengaruh dari pasang surut internal yang tinggi.

Variabilitas Spasial dan Temporal Parameter Oseanografi serta Keterkaitannya dengan CPUE Ikan Cakalang (Katsuwonus pelamis) di Perairan Sekitar Cilacap

2026-08-19T02:48:26Z

Variabilitas Spasial dan Temporal Parameter Oseanografi serta Keterkaitannya dengan CPUE Ikan Cakalang (Katsuwonus pelamis) di Perairan Sekitar Cilacap HAPSARI, ALEYDIA AGRIPHINAZAHRA YUDHANING Penelitian ini bertujuan menganalisis variabilitas spasial dan temporal suhu permukaan laut (SPL), klorofil-a, dan salinitas serta keterkaitannya dengan catch per unit effort (CPUE) ikan cakalang (Katsuwonus pelamis) di perairan sekitar Cilacap periode 2022–2025. Analisis dilakukan menggunakan visualisasi spasial musiman, analisis time series, Fast Fourier Transform (FFT), perhitungan CPUE, dan korelasi Spearman. Hasil menunjukkan SPL cenderung tinggi pada Musim Barat dan Peralihan I, kemudian menurun pada Musim Timur dan kembali meningkat pada Peralihan II. Klorofil-a umumnya meningkat setelah penurunan SPL, sedangkan salinitas menunjukkan variasi yang berkaitan dengan dinamika massa air dan kondisi musiman. SPL berhubungan negatif signifikan dengan CPUE (?=-0,547; p<0,001), klorofil-a berhubungan positif signifikan (?=0,343; p=0,017), sedangkan salinitas tidak menunjukkan hubungan signifikan (?=0,201; p=0,171). Hasil ini menunjukkan bahwa variasi CPUE cakalang lebih berkaitan dengan SPL dan klorofil-a dibandingkan salinitas.; This study aimed to analyze the spatial and temporal variability of sea surface temperature (SST), chlorophyll-a, and salinity and their relationship with the catch per unit effort (CPUE) of skipjack tuna (Katsuwonus pelamis) in the waters surrounding Cilacap during 2022–2025. The analyses included seasonal spatial visualization, time-series analysis, Fast Fourier Transform (FFT), CPUE calculation, and Spearman correlation. SST tended to be higher during the West Monsoon and First Transition Season, decreased during the East Monsoon, and increased during the Second Transition Season. Chlorophyll-a generally increased following the decrease in SST, while salinity varied according to water-mass dynamics and seasonal conditions. SST showed a significant negative relationship with CPUE (?=-0.547; p<0.001), whereas chlorophyll-a showed a significant positive relationship (?=0.343; p=0.017). Salinity showed no significant relationship with CPUE (?=0.201; p=0.171). These results indicate that skipjack tuna CPUE was more closely associated with SST and chlorophyll-a than with salinity.

Pemetaan Habitat Bentik Menggunakan Machine Learning dengan Citra Sentinel-2A di Perairan Dangkal Barat Pulau Satanger, Sulawesi Selatan

2026-08-19T02:05:43Z

Pemetaan Habitat Bentik Menggunakan Machine Learning dengan Citra Sentinel-2A di Perairan Dangkal Barat Pulau Satanger, Sulawesi Selatan Prawira, Maulana Rafi Perairan dangkal bagian barat Pulau Satanger memiliki keragaman habitat bentik yang berperan penting bagi fungsi ekologis kawasan pesisir, namun informasi spasial mengenai persebarannya masih terbatas. Penelitian ini bertujuan memetakan habitat bentik menggunakan citra Sentinel-2A berbasis Object-Based Image Analysis (OBIA) dengan algoritma machine learning, membandingkan kinerja algoritma Support Vector Machine (SVM), Random Forest (RF), dan K-Nearest Neighbor (KNN), serta mengevaluasi pengaruh koreksi kolom air menggunakan metode Depth Invariant Index (DII). Pengolahan citra meliputi pre-processing, koreksi kolom air, segmentasi citra dengan parameter scale 70 pada level 1 dan scale 10 pada level 2, klasifikasi multiskala, serta uji akurasi. Hasil klasifikasi menghasilkan lima kelas habitat bentik, yaitu rubble, pasir, pasir + lamun, lamun, dan karang hidup + karang mati. Algoritma SVM memberikan performa terbaik dengan Overall Accuracy (OA) sebesar 68,33% dan koefisien Kappa 0,60 pada kondisi tanpa penerapan DII, kemudian meningkat menjadi 70% pada nilai OA dan 0,62 pada nilai Kappa setelah penerapan DII. Peningkatan nilai OA dan Kappa juga ditunjukkan oleh algoritma RF, sedangkan algoritma KNN menunjukkan penurunan.; The shallow waters of western Satanger Island have diverse benthic habitat that play an important role in the ecological functions of coastal ecosystems. However, spatial information regarding their distribution remains limited. This study aimed to map benthic habitat using Sentinel-2A imagery based on an Object-Based Image Analysis (OBIA) approach with machine learning algorithms, compare the performance of the Support Vector Machine (SVM), Random Forest (RF), and K-Nearest Neighbor (KNN) algorithms, and evaluate the effect of water column correction using the Depth Invariant Index (DII) method. Image processing included pre-processing, water column correction, image segmentation using a scale parameter of 70 at Level 1 and 10 at Level 2, multiscale classification, and accuracy assessment. The classification results identified five benthic habitat classes, namely rubble, sand, mixed sand and seagrass, seagrass, and mixed live and dead coral. The SVM algorithm achieved the best performance, with an Overall Accuracy (OA) of 68.33% and a Kappa coefficient of 0.60 without DII application, which increased to an OA of 70% and a Kappa coefficient of 0.62 after DII application. Improvements in OA and Kappa values were also observed for the RF algorithm, whereas the KNN algorithm showed a decline.