Pemetaan Prediksi Daerah Penangkapan Ikan Tongkol Komo (Euthynnus affinis) di Perairan Utara Jawa Bagian Barat

Abstract

Ikan tongkol komo (Euthynnus affinis) sebagai salah satu komoditi ekspor di Indonesia memiliki hubungan yang erat serta memiliki respon yang berbeda-beda terhadap parameter oseanografi, seperti SPL, klorofil-a, dan salinitas. Nelayan di Indonesia masih menggunakan insting dan pengalaman untuk mencari daerah penangkapan ikan. Penelitian ini bertujuan memetakan prediksi daerah penangkapan ikan Tongkol Komo (Euthynnus affinis) berdasarkan parameter SPL, klorofil-a, dan salinitas di sekitar Perairan Utara Jawa Bagian Barat dengan menggunakan model Maximum Entropy (MaxEnt). Model ini memprediksi distribusi probabilitas dengan memaksimalkan entropi, menghasilkan estimasi yang paling tersebar, seragam, dan mendekati berdasarkan parameter oseanografi. Data yang digunakan dalam penelitian ini yaitu data penangkapan ikan (logbook) Pelabuhan Perikanan Nusantara (PPN) Karangantu dan data citra satelit Aqua Moderate Resolution Imaging Spectroradiometer (MODIS) berupa data suhu permukaan laut (SPL) dan Klorofil-a, serta data marine coppernicus berupa salinitas. Hasil penelitian menunjukkan model MaxEnt berada pada rentang 0,7 - 1,0 yang dapat dikatakan nilai akurasi model baik hingga sangat baik untuk menduga daerah penangkapan ikan tongkol komo di Perairan Utara Jawa Bagian Barat yang ditunjukkan melalui Grafik Kontribusi Parameter, Kurva Respon, dan Evaluasi Model yang menghasilkan Peta Prediksi lokasi potensial penangkapan ikan tongkol komo.

Skipjack tuna (Euthynnus affinis), as one of Indonesia's export commodities, had a strong relationship and varying responses to oceanographic parameters such as Sea Surface Temperature (SST), chlorophyll-a, and salinity. Fishermen in Indonesia still relied on instinct and experience to locate fishing grounds. This study aimed to map the predicted fishing grounds of skipjack tuna (Euthynnus affinis) in the northern waters of Java based on SST, chlorophyll-a, and salinity parameters using the Maximum Entropy (MaxEnt) model. This model predicted probability distributions by maximizing entropy, generating the most widespread, uniform, and representative estimations based on oceanographic parameters. The data used in this research included fish catch data (logbook) from the Karangantu Fishing Port (PPN Karangantu), satellite imagery from Aqua Moderate Resolution Imaging Spectroradiometer (MODIS) for SST and chlorophyll-a, and salinity data from Marine Copernicus. The results showed that the MaxEnt model achieved accuracy values ranging from 0,7 – 1,0, indicating good to excellent performance in predicting skipjack tuna fishing grounds in the northern waters of Java. This was supported by Parameter Contribution Graphs, Response Curves, and Model Evaluation, which produced a Prediction Map of potential skipjack tuna fishing areas.