Pembelajaran Basis Data Perikanan

Pembelajaran Basis Data Perikanan

Dulu, pengembangan SIG dimulai dari awal sekali (nol), dengan menggunakan toolsyang sangat terbatas baik jumlah maupun kemampuannya seperti sistem operasi dan compilers untuk bahasa pemrograman komputer yang digunakan untuk mengembangkan toolsSIG pada saat itu. Tetapi pada saat ini, SIG dikembangkan dengan menggunakan sistem-sistem manajemen basisdata (DBMS) yang telah lahir sebelumnya. Hal mengenai sedikit kemudahan di dalam pengembangan SIG dengan DBMS ini dapat dijelaskan dengan beberapa fakta sebagai berikut :

1 Biaya DBMS yang telah hadir di pasaran, telah mendominasi (sebagian besar) biaya keseluruhan perangkat lunak sistem-sistem (termasuk SIG). dengan kata lain, sebagian besar biaya sistem-sistem perangkat lunak adalah biaya untuk DBMS-nya.

2 DBMS telah demikian banyak memiliki dan menangani fungsi-fungsi (dan prosedur) yang sangat diperlukan oleh SOG. Dengan demikian, sebagian besar fungsi dan prosedur dasar yang ada pada SIG sudah disediakan oleh DBMS-nya (SIG hanya memanfaatkan yang tersedia). Jika tidak fungsi-fungsi atau prosedur-prosedur tersebut harus deprogram khusus untuk SIG.

Aplikasi penggunaan database dalam menginvestigasi daerah potensial untuk menangkap ikan albacore tuna dan bagaimana melacak rute migrasi ikan tersebut, diurai secara sistematis dalam analysis diagram alir berikut ini (Gambar 1). Ada dua database yang digunakan yaitu fisheries database (Database perikanan tuna seperti posisi penangkapan, hasil tangkapan, jumlah kapal yang dioperasikan dll, Gambar 2) dan satellite database (data lingkungan yang diperoleh dari citra seperti suhu permukaan laut, konsentrasi klorofil-a dan perbedaan tinggi permukaan laut). Kedua database tersebut dikombinasikan untu mendapatkan kondisi lingkungan yang disukai ikan tuna.

Dengan menggunakan software GIS (system informasi geografi), daerah potensial ikan tuna dapat dideteksi dari indikator lingkungan yang suitable(cocok) dengan menggunakan peta prediksi sederhana dan peta kontur Zainuddin et al., 2004;2006;2008). Kemudian daerah itu diperjelas (Enhancement) menggunakan peta peluang (Environmental probability map) dari gabungan faktor-faktor lingkungan dan data perikanan. Potensial habitat ini selanjutnya diuji menggunakan model statistik untuk memastikan dan memprediksi daerah penangkapan yang produktif. Dan, dari hubungan kelimpahan ikan dengan indikator faktor lingkungan yang sesuai digunakan untuk mensimulasikan jalur migrasi ikan tuna dengan basis database dari suhu lingkungan. Inilah gambaran analysis potensi habitat ikan tuna atau daerah pengakapan ikan berikut migrasinya dapat ditentukan dengan menggunakan kedua database tersebut.

Gambar Analysis diagram alir pada penggunaan database dalam bidang perikanan

Gambar : Salah satu contoh database perikanan tuna longline di Jepang (JAFIC

database).

Aplikasi database dalam bidang perikanan dan kelautan telah mengalami banyak kemajuan yang bisa kita lihat dan akses lewat internet (Gambar 7.1). Dibawah ini ada dua sampel, bagaimana database informasi perikanan global dapat diakses. Sebagai contoh FIGIS (fisheries global information system) menyediakan berbagai informasi seperti statistik perikanan, peta sebaran ikan menurut spesies, issue dan topik perikanan aktual, budidaya, perikanan laut dan teknologi penangkapan. Data ini tersedia kapan dan dimana saja kita perlukan. FAO juga menyediakan data dan informasi penting tentang bagaimana profil perikanan di suatu Negara dapat dipilih dengan mudah melalui situsnya (Gambar 7.3). Dengan kemajuan sistem komputer termasuk software pengolahan data dan berbagai program pendukung memungkinkan kita untuk dapat membangun sistem database. Semua fakta yang ada ini mengarah pada sebuah pertanyaan tentang apakah kita sudah memiliki sistem database yang handal ? Nah mari kita pikirkan bersama.

Gambar Database dan system informasi yang tersedia melalui internet (website).