Darilaut – Butuh data yang panjang untuk mendapatkan pola yang stabil untuk mengetahui pergerakan dan distribusi empat ikan tuna komersial, seperti albacore (ALB), bigeye (BET), yellowfin (YFT) dan skipjack (SKJ) di perairan Indonesia.
Hal ini karena lingkungan laut dapat dipengaruhi musim dan juga variabilitas iklim seperti El Nino dan La Nina.
“Ketika menggunakan data tangkap, analisisnya akan lebih kompleks, karena berbeda alat tangkap maka hasilnya pun tidak bisa sama,” ujar peneliti ahli madya Pusat Riset Komputasi Badan Riset dan Inovasi Nasional (BRIN) Emiyati.
“Di sini, jika kita menggunakan data koordinat, kita hanya menghitung peluangnya saja dan besar peluangnya di atas 90 persen.”
Emiyati mengambil data yang panjang agar dapat melihat semua kondisi fenomena yang terjadi di wilayah kajian.
Dari habitat, Emiyati bisa melihat fluktuasi dari pola musiman. Contohnya, untuk jenis albacore pada Juni, Juli, Agustus ada di sekitar Selatan Pulau Jawa, dan untuk bulan Juni ada sedikit di laut Banda.
Kemudian pada September, Oktober, November dia bergerak dari Selatan ke arah Barat Pulau Sumatra. Di sini ada pola existing.
Potensi distribusi spasial keempat tuna tersebut adalah spesies yang sebagian besar diamati di sekitar laut Selatan Jawa, dengan ikan cakalang (skipjack) adalah spesies yang paling sering ditemui di Benua Maritim.
“Kemudian Peta Habitat Suitability Index (HIS) juga menampilkan bahwa fluktuasi tersebut bervariasi menurut musim, terutama yang diakibatkan dari perubahan bulanan dalam lingkungan laut, di mana kondisinya sama dengan penelitian sebelumnya,” ujar Emiyati.
Emiyati menjelaskan jika tumpang tindih kawasan kesesuaian habitat berpotensi tinggi untuk dua spesies. Faktor lingkungan dan ekologi menyebabkan tumpang tindih habitat spesies tuna yang berbeda selama beberapa bulan.
Selain itu, pergeseran musim menyebabkan perubahan Sea Surface Temperature (SST), Sea Surface Height (SSH), dan kondisi oseanografi lainnya, yang menyebabkan beragam habitat yang menarik banyak spesies tuna.
“Tuna bermigrasi tinggi dan lebih menyukai kondisi tertentu serta ketersediaan mangsa, yang dapat menyebabkan tumpang tindih habitat ketika jalur mereka bertemu pada bulan-bulan tertentu,” kata Emiyati.
Tumpang tindih ini dapat menyebabkan persaingan dalam mendapatkan sumber daya mencari makan. Sehingga, memengaruhi dinamika populasi tuna dan hubungan ekologis dalam ekosistem laut.
“Daerah di mana beberapa spesies tuna mempunyai faktor oseanografi yang serupa juga menunjukkan potensi interaksi antara spesies tuna,” ujarnya.
Peneliti Badan Riset dan Inovasi Nasional (BRIN) sedang mengembangkan model spasial untuk mengetahui distribusi ikan yang baik dan akurat, terutama untuk empat komersial tuna.
Latar belakang dari penelitian ini adalah bahwa tuna merupakan komoditas ikan yang berkontribusi pada global income dan nutrisi, seperti yang dipaparkan oleh FAO dan McCluney bahwa 7 persen tuna menyumbang 20 billion nilai fish landing.
Data dari berbagai satelit dimanfaatkan untuk mendapatkan parameter-parameter oseanografi, seperti suhu permukaan laut, tinggi permukaan laut, dan seterusnya untuk mengidentifikasi lokasi fishing zone atau potensial penangkapan ikan, baik tuna dan sejenisnya, dan juga memprediksi pergerakan tuna.