PELATIHAN

LRMPHP telah banyak melakukan pelatihan mekanisasi perikanan di stakeholder diantaranya yaitu Kelompok Pengolah dan Pemasar (POKLAHSAR), Kelompok Pembudidaya Ikan, Pemerintah Daerah/Dinas Terkait, Sekolah Tinggi/ Universitas Terkait, Swasta yang memerlukan kegiatan CSR, Masyarakat umum, dan Sekolah Menengah/SMK

Loka Riset Mekanisasi Pengolahan Hasil Perikanan

LRMPHP sebagai UPT Badan Riset dan SDM KP melaksanakan riset mekanisasi pengolahan hasil perikanan berdasarkan Peraturan Menteri Kelautan dan Perikanan nomor 81/2020

Tugas Pokok dan Fungsi

Melakukan tugas penelitian dan pengembangan strategis bidang mekanisasi proses hasil perikanan di bidang uji coba dan peningkatan skala teknologi pengolahan, serta rancang bangun alat dan mesin untuk peningkatan efisiensi penanganan dan pengolahan hasil perikanan

Kerjasama

Bahu membahu untuk kemajuan dan kesejahteraan masyarakat kelautan dan perikanan dengan berlandaskan Ekonomi Biru

Sumber Daya Manusia

LRMPHP saat ini didukung oleh Sumber Daya Manusia sebanyak 20 orang dengan latar belakang sains dan engineering.

Selasa, 07 Desember 2021

Green-Eco Air Purifier dari Mikroalga

Mikroalga adalah mikroorganisme uniseluler fotosintesis dengan lebih dari 10.000 spesies, termasuk ganggang biru/sianofita dan protista. Syarat hidup mereka cukup sederhana terutama dalam hal kebutuhan nutrisi dan secara efisien dapat mengurangi CO2 dari udara atau berbagai macam limbah. Sekitar 70% oksigen dalam atmosfer bumi berasal dari lautan dan mikroalga bertanggung jawab atas 50%-nya. Mikroalga adalah salah satu organisme fotosintesis yang paling efisien untuk menangkap karbon dan produktivitas biomassa yang tinggi. Pertumbuhan mikroalga bergantung pada beberapa faktor yaitu :

  • paparan cahaya, tidak langsung lebih baik (1000-10.000 lux);
  • kisaran suhu yang sesuai (16–27 C); 
  • pasokan CO2 dengan sirkulasi udara;
  • pengadukan, untuk memastikan bahwa semua sel mikroalga terpapar cahaya dan mengurangi sedimen;
  • ketersediaan nutrisi.

Saat ini, mikroalga telah digunakan pada skala industri untuk menghasilkan produk atau melakukan tugas tertentu seperti menangkap karbon dari aliran limbah atau pengolahan air limbah. 

Mikroalga juga dapat digunakan untuk menghilangkan kontaminan udara dalam ruangan atau bahkan udara luar. Kemampuan ini membuatnya cocok dipergunakan dalam ruangan tertutup dengan sedikit ventilasi seperti gedung bertingkat atau mall, agar kualitas udaranya tetap terjaga. Hal ini mirip dengan penangkapan karbon dari gas buang, di mana CO2 dan kontaminan lainnya digunakan sebagai nutrisi untuk pertumbuhan mikroalga. Ketika udara luar sangat tercemar atau suhunya tidak sesuai dengan kebutuhan mikroalga maka dapat mensirkulasikan kembali udara dalam sistem loop tertutup antara kultur mikroalga dan ruangan yang udaranya dimurnikan oleh mikroalga dengan dilengkapi dengan pemanas dan biomass cultivator. 

Sistem loop tertutup antara mikroalga kultur dan ruangan

Sistem loop diatas menunjukkan udara yang mengandung banyak CO2 dari ruangan disuntikkan langsung ke dalam PBR (photobioreactor) pada budidaya mikroalga sebagai sumbel CO2 untuk kultur yang kemudian diubah oleh mikroalga menjadi O2 melalui aktifitas fotosintesis dan metabolisme. Oksigen yang dihasilkan kemudian dialirkan melalui saluran aerasi ke ruangan. Deposit dan biomass yang berlebihan dialirkan melalui suatu sistem tersendiri yang menyatu dengan sistem pemberian nutrien dan pengelolaan air untuk kultur mikroalga. Rancangan sistem ini disampaikan oleh Teresa M. Mata dkk pada International Journal of Environmental Research and Public Health yang terbit pada Agustus 2021.

Konsep tersebut telah diwujudkan oleh Kelsey Abernathy dan Dan Fucich sebagai Cofounder AlgenAir dengan menciptakan The Aerium yaitu sebuah purifier udara berbasis mikroalga. Purifier ini cocok untuk ruangan dengan luasan 10-12 m2.

The Aerium by AlgenAir, diciptakan oleh Kelsey Abernathy dan Dan Fucich

Aerium dirancang tidak hanya sebagai pembersih udara, tetapi juga sebagai dekorasi rumah yang fungsional. Konstruksinya mencakup kaca premium tahan lama yang menampung 1,5 liter mikroalga yang tersuspensi dalam air terdestilasi. Filter udara partikel in-line memungkinkan udara kaya karbon dioksida masuk ke sistem, sekaligus menghilangkan debu, alergen potensial, dan bakteri berbahaya dari udara. 


Penulis : Iwan Malhani Al Wazzan - LRMPHP


Senin, 06 Desember 2021

Membedakan Jenis ikan yang Mirip dengan Convolutional Neural Network

Membedakan jenis ikan

Cara paling mudah untuk membedakan dua anak kembar adalah dengan memanggil namanya. Namun apa jadinya membedakan ikan yang berbeda spesies namun memiliki bentuk fisik yang sangat mirip bagi masyarakat awam. Dua jenis ikan yaitu Rastrelliger kanagurta dan Rastrelliger brachysoma memiliki bentuk fisik yang hampir sama dan kebanyakan masyarakat awan akan sulit untuk membedakanya. LRMPHP berhasil membedakan dua jenis ikan tersebut menggunakan metode image classification dalam sebuah paper berjudul “Classification of Rastrelliger kanagurta and Rastrelliger brachysoma using Convulational Neural Network” yang telah disampaikan pada acara Engineering International Conference ke-10 oleh Universitas Negeri Semarang pada tahun 2021. 

Rastrelliger kanagurta dan Rastrelliger brachysoma (Gambar 1) merupakan komoditas ikan yang penting terutama di sekitar Laut Jawa. Ikan jenis ini dimanfaatkan untuk konsumsi, karena cukup digemari di masyarakat. Sulitnya membedakan dua jenis ikan ini dijadikan sebagai latar belakang kegiatan penelitian ini dengan mencoba metode image classification sebagai jalan keluarnya.

Gambar 1. a. Ikan kembung lelaki (Rastrelliger kanagurta); b. ikan kembung perempuan (Rastrelliger brachysoma)

Dua jenis ikan tersebut diperoleh dari TPI di wilayah Kabupaten Pekalongan. Setidaknya 217 ekor untuk setiap jenis dijadikan sebagai data latih. Ikan tersebut difoto di ruang yang telah dikondisikan secara khusus terutama pencahayaan dan latar belakang gambarnya. Selanjutnya data latih tersebut di training menggunakan Empat arsitektur Convolutional Neural Network (CNN) yang berbeda yaitu CNN1 (CNN dengan dua lapisan convulasi), CNN2 (CNN dengan tiga lapisan convulasi), CNN3 (CNN dengan empat lapisan convulasi) dan CNN4 (CNN dengan lima lapisan convulasi). Selama training data set digunakan 35 epoch.  

Penelitian tersebut memberikan hasil bahwa arsitektur CNN 3 mendapatkan hasil paling baik dibandingkan dengan arsitektur CNN lainnya dengan nilai akurasi, sensitifitas dan spesivitas adalah 0,94 ; 1 ; 0,875. Dari hasil tersebut menunjukkan bahwa 100 ekor ikan yang dideteksi oleh arsitektur CNN 3 memberikan hasil 94 ikan dijawab dengan benar. Jadi, apakah metode ini bisa menggantikan pemanggilan nama seperti membedakan anak kembar diatas ?? sayangnya ikan tidak akan menyahut ketika dia dipanggil.


Penulis : Koko Kurniawan - LRMPHP

Sabtu, 04 Desember 2021

Pengembangan Teknologi Computer Vision pada Mesin Pemberi Pakan Ikan

Seiring dengan meningkatnya kebutuhan pangan khususnya ikan yang dibatasi oleh menurunnya stok ikan di alam akibat kegiatan eksploitasi yang terus menerus, maka kegiatan perikanan saat ini dan masa mendatang secara global bertumpu pada produksi perikanan budidaya. Bahkan FAO memprediksi pada tahun 2030 mendatang, 75 persen kebutuhan konsumsi ikan dunia akan disediakan oleh ikan-ikan hasil produksi budidaya. Karenanya, manajemen pemberian pakan ikan menjadi salah satu isu penting dalam sektor budidaya perikanan.

Manajemen pemberian pakan secara konvensional yang dilakukan saat ini dinilai masih jauh dari efektif dan efisien karena menyebabkan biaya pakan yang tinggi, rendahnya produktifitas pekerja, tingginya tekanan oleh kondisi lingkungan sekitar, tingginya resiko dalam hal pemijahan ikan, serta kegiatan pemberian pakan tidak dapat diatur menyesuaikan kondisi-kondisi tertentu dari stok ikan yang ada di lapangan (An dkk., 2021).

Ilustrasi mesin pemberi pakan ikan otomatis (sunber: www.agriexpo)

Seiring dengan pesat kemajuan teknologi di bidang artificial intelligent (AI), pemberian pakan pintar ikan (smart feeding) juga kini telah dikembangkan oleh peneliti-peneliti di dunia dengan memanfaatkan teknologi computer vision. Berbeda dengan cara kerja mesin pemberi makan otomatis yang sudah banyak digunakan oleh pembudidaya dan perusahaan, pemberi pakan pintar memiliki beberapa keunggulan. Pada mesin pemberi pakan otomatis, hanya menyediakan atau menebar sejumlah pakan dengan jumlah tertentu dalam rentang periode yang telah diatur sebelumnya, dengan kata lain fungsinya hanya menggantikan petugas pemberi pakan manual. Mesin pakan otomatis tidak dapat menyesuaikan jumlah pakan yang dibutuhkan pada waktu riil berdasarkan perubahan perilaku ikan atau saat terjadi perubahan lingkungan tambak. Namun dengan memanfaatkan teknologi computer vision, mesin yang dihasilkan menjadi “pintar” yaitu dengan memanfaatkan sensor serta metode pendukung lainnya untuk dapat mengatur program dalam mesin pemberian pakan konvensional.

Ilustrasi prinsip kerja sistem pemberian pakan ikan pintar (sumber: Alammar and Al-Ataby, 2018)

Beberapa pengembangan mesin pakan pintar berbasis computer vision dilaporkan oleh Liu dkk. (2014) yang mendeteksi kebiasaan makan ikan berdasarkan computer vision feeding index (CVAI). Data yang diperoleh melalui CVAI secara prinsip diambil berdasarkan pergerakan ikan yang ditangkap oleh kamera yang kemudian dianalisis dan dihitung jumlah dan waktu yang tepat untuk pemberian pakannya. Sedangkan Atoum dkk (2015) secara kontinu mengatur sistem pemeliharaan ikan di tambak menggunakan informasi dari signal yang diambil dan diproses melalui sensor kamera. Mesin pakan pintar yang dikembangkannya dapat menentukan apakah pakan ikan perlu ditebarkan atau tidak. Jumlah pakan yang ditebarkan oleh mesin disesuaikan dengan informasi yang didapat dari visual dari kamera yang telah difilter terhadap area-area spesifik di kolam yang telah ditentukan. Sistem yang dikembangkan oleh Atoum dkk tidak hanya menentukan jumlah pakan yang ditebarkan namun juga dapat menilai apakah jumlah pakan yang diberikan terlalu banyak pada pemberian periode selanjutnya. Selain itu, pengembangan mesin pakan pintar juga dilakukan oleh Zhou dkk. (2016) dengan menggunakan sensor kamera near-infrared (NIR) dan model neuro fuzzy untuk mengontrol waktu dan jumlah pakan ikan berdasarkan kebiasaan makannya.

Masih banyak lagi peneliti-peneliti lainnya yang sedang mengembangkan mesin pakan ikan berbasis computer vision, yang tujuan utamanya adalah untuk meningkatkan efisiensi dan kualitas produksi perikanan budidaya, sekaligus secara efektif mengurangi biaya operasional yang dikeluarkan untuk pekerja di tambak.

Penulis: Bakti Berlyanto Sedayu - LRMPHP


Jumat, 03 Desember 2021

KKP Luncurkan Prangko Seri Ikan Hias Endemik Indonesia


Kementerian Kelautan dan Perikanan (KKP) resmi meluncurkan Prangko Seri Ikan Hias Endemik Indonesia berkolaborasi dengan PT. Pos Indonesia dan juga Kementerian Komunikasi dan Informatika, Kamis (2/12/2021), di Jakarta.
 
Peluncuran ditandai dengan penandatanganan Sampul Hari Pertama (SHP) oleh Menteri Kelautan dan Perikanan Sakti Wahyu Trenggono didampingi oleh Plt. Kepala Badan Riset dan Sumber Daya Manusia Kelautan dan Perikanan (BRSDM) Kusdiantoro beserta Direktur Utama PT. Pos Indonesia Faizal Rochmad Djoemadi. Selain itu juga dilakukan pengiriman kartu pos secara simbolis oleh Menteri Trenggono.
 
"Begitu banyaknya jenis ikan hias dan Indonesia juga punya ikan hias endemik. Terima kasih PT. Pos Indonesia karena sudah berhasil mencetak beberapa jenis ikan hias, ada empat ikan hias, untuk menjadi prangko," ucap Menteri Trenggono dalam kesempatan tersebut.
 
Peluncuran prangko bergambar ikan hias endemik Indonesia ini merupakan salah satu upaya yang dilakukan Pemerintah untuk memublikasikan secara nasional akan kayanya biodiversitas jenis ikan endemik, salah satunya melalui mediator dalam menampilkan ikon-ikon ikan dalam bentuk prangko.
 
Adapun empat ikan hias endemik Indonesia yang dijadikan prangko terdiri dari tiga ikan air tawar yakni Ikan Cupang Kepala Ular (Betta Channoides), Ikan Cupang Alam (Betta Imbellis), dan Ikan Ringau (Datnioides Microlepis) serta satu ikan air laut, yaitu Ikan Capungan Banggai (Pterapogon Kaudemi).
 
Ke depannya Menteri Trenggono berharap inovasi yang dilakukan oleh KKP melalui BRSDM tidak berhenti di kerja sama dalam pembuatan prangko bersama PT Pos Indonesia ini. Menurutnya, kerja sama dengan berbagai pihak untuk mengedukasi masyarakat terlebih generasi muda mengenai asal mula ikan hias haruslah juga diutamakan.
 
"Bagaimana ikan hias menjadi sesuatu yang dapat dipelihara, filosofinya apa, yang membuat generasi muda lebih sadar dan paham. Kembangkan kerja sama dengan seniman, penulis, dan juga pihak-pihak lain yang kompeten," tambahnya.

 
Untuk mengungkap kekayaan jenis ikan di perairan Indonesia, agar dapat dimanfaatkan dan dikembangkan menjadi komoditas perikanan yang memiliki nilai manfaat ekonomi bagi bangsa Indonesia perlu dilakukan riset yang mendalam. Hal ini disampaikan oleh Plt. Kepala BRSDM Kusdiantoro dalam kesempatan yang sama.
 
"Pemanfaatan beragam jenis ikan endemik tentunya memerlukan pengkajian dan riset secara berkesinambungan, sehingga pengelolaan sumber daya dapat dilakukan secara berkelanjutan," ujar Kusdiantoro dalam laporannya.
 
Selain menandatangani SHP Prangko Seri Ikan Hias Endemik Indonesia dan pengiriman kartu pos secara simbolis, dalam kesempatan tersebut juga terdapat pengumuman serta penyerahan hadiah untuk para pemenang kompetisi Lensa Mina yang diselenggarakan oleh BRSDM bekerja sama dengan Minapoli. Selain itu, juga dilaksanakan penyerahan 31 produk hasil riset BRSDM kepada Direktorat Jenderal Budidaya sebagai bentuk dukungan terhadap program terobosan KKP.

Sumber : kkp


Kamis, 02 Desember 2021

Apresiasi KKP bagi Petugas Belajar Terbaik

Aparatur Sipil Negara (ASN) andal merupakan investasi berharga, terlebih saat ini birokrasi dituntut untuk memberikan pelayanan publik yang efektif dan efisien. Untuk itu, Kementerian Kelautan dan Perikanan (KKP) terus mengembangkan Sumber Daya Manusia (SDM) aparatur untuk meningkatkan kinerjanya, memastikan dan memelihara kemampuannya sesuai kualifikasi yang dipersyaratkan, sehingga dapat memberikan kontribusi optimal bagi organisasi. Salah satu bentuk pengembangan pegawai adalah dengan pendidikan melalui Tugas Belajar (Tubel). Beberapa pesertanya meraih Indeks Prestasi Kumulatif (IPK) 4 dan lulus dalam waktu singkat, di antaranya 1,3 tahun.

Bagi 20 peserta Tubel lingkup KKP yang dinyatakan sebagai peserta terbaik, KKP melalui Badan Riset dan SDM Kelautan dan Perikanan (BRSDM), memberikan apresiasi dan penghargaan, Selasa (30/11/2021), di Jakarta. Mereka adalah lulusan S2 dan S3 terbaik dalam dan luar negeri Tahun 2019-2021. Rinciannya, lulusan dalam negeri terbaik sebanyak 15 orang (masing-masing 5 orang per tahun) serta lulusan luar negeri terbaik sebanyak 5 orang. Beberapa lulusan meraih IPK 4 dan lulus selama 1 tahun 4 bulan dan ada pula yang 1 tahun 6 bulan. Lulusan lainnya meraih IPK 3,98, 3,97, dan sebagainya.

Sebelumnya, Menteri Kelautan dan Perikanan Sakti Wahyu Trenggono menyampaikan, SDM yang berintegritas, produktif, kreatif dan inovatif berbasis ilmu pengetahuan dan teknologi berkelanjutan sebagai kunci utama dalam percepatan pembangunan kelautan dan perikanan. Menurutnya, SDM tangguh sangat diperlukan dalam mendukung tiga program prioritas KKP untuk keberlanjutan sumber daya laut dan perikanan nasional, yaitu penangkapan ikan terukur, pengembangan budidaya berbasis pada ekspor, dan pembangunan kampung perikanan budidaya berbasis kearifan lokal.

Plt. Kepala BRSDM Kusdiantoro mengatakan, pendidikan bagi aparatur dapat berkontribusi pada peningkatan produktivitas, efektivitas dan efisiensi organisasi. Secara umum, tujuan pendidikan yaitu meningkatkan pengetahuan, keahlian, keterampilan dan sikap untuk dapat melaksanakan tugas jabatan secara profesional. Sedangkan sasarannya adalah terwujudnya aparatur yang memiliki kompetensi yang sesuai dengan persyaratan jabatan masing-masing.

Ia berharap, para peserta Tubel dapat menyiapkan perencanaan yang baik dan proposal penelitian sejak dini serta menjalankan Tubel dengan sungguh-sungguh agar dapat lulus tepat waktu, efektif, dan efisien. Ia juga berharap para lulusan dapat menghasilkan penelitian sesuai dengan kebutuhan unit kerja dan program prioritas KKP, bukan atas dasar keinginan pribadi. Diharapkan penelitian tersebut dapat memecahkan berbagai permasalahan dan bermanfaat bagi masyarakat luas.

"Tidak semua pegawai bisa Tubel, ini merupakan kesempatan langka. Kesempatan tidak datang dua kali, jadi harus banyak bersyukur, dijalankan sebaik-baiknya, dan selesai secepat-cepatnya. Saya yakin yang lulus kurang dari dua tahun telah menyiapkan milestone sebelumnya. Untuk S3 lima tahun sudah terlalu panjang, apalagi S2 waktu dua tahun sudah cukup lama. Institusi melepas pegawainya untuk Tubel, pertama akan kehilangan pegawai tersebut untuk sementara waktu. Kedua akan keluar budget, yang tidak terkena refocusing. Ini sebagai komitmen KKP untuk terus meningkatkan SDM," ujar Kusdiantoro.

Sementara itu, Kepala Pusat Pendidikan Kelautan dan Perikanan (Pusdik KP) Bambang Suprakto menyampaikan, ASN yang telah selesai melaksanakan tugas belajar dari tahun 2019 sampai dengan 2021 sebanyak 195 orang, dengan rincian untuk tugas belajar dalam negeri sebanyak 163 orang masing-masing: 12 orang program DIV/S1, 134 orang program magister dan sebanyak 17 orang program doktoral; dan tugas belajar luar negeri sebanyak 32 orang yaitu 25 orang program magister dan 7 orang program doktoral. Dari 195 orang peserta tugas belajar tersebut diundang 20 orang terbaik untuk diberikan apresiasi.

"Adapun kriteria pemberian apresiasi yaitu lima terbaik dengan IPK tertinggi, selesai cepat/tepat waktu/tidak perpanjangan, tidak dijatuhi hukuman disiplin pegawai. Pembahasan kriteria dan penetapan peserta terbaik dilaksanakan melalui rapat pada tanggal 24 November 2021 yang dihadiri oleh pengelola kepegawaian unit kerja eselon 1 lingkup KKP atas penugasan Sekretariat masing-masing," ujarnya.


Para peserta Tubel menyampaikan rasa syukur dan ucapan terima kasih, baik dari peserta dalam negeri maupun luar negeri melalui penayangan video. Saat ditanya suka dan dukanya, semua peserta menyampaikan jauh lebih banyak sukanya, seperti dapat kesempatan menempuh pendidikan ke jenjang yang lebih tinggi, mendapat teman dan pengalaman baru, serta pelayanan dan fasilitas yang baik. Sedikit dukanya antara lain karena suasana pandemi maka perkuliahan dilakukan secara daring, sehingga kurang bisa merasakan atmofser kampus. Khusus untuk peserta Tubel luar negeri, sedikit dukanya adalah kesulitan adaptasi dengan situasi dan kondisi setempat, seperti perbedaan waktu, cuaca, budaya, dan makanan. Meski demikian, semua peserta mengaku dapat menjalaninya dengan baik.

Tak hanya pemberian apresiasi dan penghargaan bagi lulusan Tubel terbaik, sebagai rangkaian acara pada kesempatan tersebut juga diselenggarakan kegiatan-kegiatan lainnya. Misalnya, paparan "Peningkatan Daya Saing Bangsa Melalui Lembaga Pengelolaan Dana Pendidikan" oleh Direktur Beasiswa LPDP Dwi Larso dan Workshop Penyusunan Proposal Penelitian dengan narasumber Prof. Henry M. Manik, Ph.D dari Institut Teknologi Bandung dan LPDP. Selain itu dilakukan juga penyampaian orasi ilmiah "Dinamika Blue Carbon 3 Teknologi Budidaya Udang Sebagai Unsur Penentu Penataan Areal Pertambakan" oleh salah satu peserta Tubel terbaik M. Rifqi dari Ditjen Perikanan Budidaya KKP, lulusan S3 Pengelolaan Sumber Daya Pesisir dan Laut Institut Pertanian Bogor. Ada pula Tes Potensi Akademik dan TOEFL bagi para calon peserta Tubel.



Sumber : kkp


Selasa, 30 November 2021

Chitosan, Gula Yang Banyak Manfaatnya

Struktur kimia chitosan 

Chitosan adalah senyawa polisakarida atau sejenis gula yang dihasilkan dari proses deasetilisasi chitin. Strukturnya terdiri dari D-glukosamin yang berikatan dengan N-asetil D-glukosamin oleh ikatan β-1,4-glikosidik. Distribusi subunit-subunit ini tergantung pada cara pembuatan kitosan. Tahapan pembuatan chitosan yaitu : demineralisasi, deproteinasi, dekolorisasi dan deasetilisasi. 

Demineralisasi dilakukan dengan perendaman asam seperti asam klorida, asam nitrit maupun asam asetat. Deproteinasi dilakukan karena chitin pada cangkang crustacea berikatan dengan gugus amino atau protein. Deproteinasi dilakukan dengan larutan alkaline seperti natrium hidroksida ataupun kalium hidroksida. Dekolorisasi atau bleaching dilakukan dengan mengunakan larutan natrium hipoklorit dan proses deasetilisasi kembali menggunakan larutan alkali yaitu natrium hidroksida. Setelah semua proses dilakukan kemudian dilakukan pembilasan hingga chitosan yang diperoleh tidak bersifat alkali/basa dan dikeringkan hingga membentuk flakes. 

Raw Chitosan dalam bentuk flakes 

Dalam tulisan berjudul Chitosan yang dipublikasikan pada 2015, Chawla dkk menyebutkan bahwa chitosan memiliki berbagai bioaktifitas yaitu antimikrobia, faktor yang mempengaruhi aktifitas antimikrobia, antioksidan. Selain itu, chitosan juga dapat dimanfaatkan sebagai coating atau pelapis yang dapat dimakan (edible) pada pengawetan buah dan sayuran, bahan pembersih pada cuka dan anggur, dan bahan tambahan makanan. 

Dalam dunia kedokteran membran yang dibuat dari kombinasi chitosan dan alginat telah diujicoba untuk merawat luka diabetes yaitu luka yang sulit untuk mengering karena kondisi hiperglikemik. Dalam penelitian Breder dkk yang dilakukan pada 2020, diketahui bahwa CAM (chitosan-alginate membrane) mampu mengontrol proses inflamasi yang terjadi pada luka diabetes sehingga luka akan membaik dalam waktu 5-10 hari. Pada tahun 2021, Sung-Il Ahn dkk dalam hasil penelitiannya menyebutkan bahwa chitosan mampu menurunkan kolesterol dan trigliserida dalam darah dan hati dan membuangnya melalui feses.

Karapas udang, salah satu sumber chitin bahan baku chitosan

Sumber utama chitin adalah cangkang luar atau karapas udang-udangan dan kepiting. Bahan ini biasanya dianggap limbah dan hanya dibuang begitu saja atau belum termanfaatkan dengan baik. Padahal dengan kelimpahan yang begitu besar, limbah ini berpotensi sebagai bahan baku untuk pembuatan chitosan. 

Besarnya potensi chitosan untuk kesehatan membuat perusahaan farmasi berlomba-lomba untuk meneliti dan mengembangkan chitosan. Beberapa telah berhasil mengembangkannya sebagai suplemen makanan yang dikemas dalam bentuk kapsul yang mudah untuk dikonsumsi. Harga dari suplemen ini juga cukup tinggi jika dibandingkan dengan suplemen makanan yang lain. Manfaat signifikan ditemukan pada orang dengan tekanan darah tinggi yang secara teratur mengonsumsi suplemen kitosan.


Penulis : Iwan Malhani Al Wazzan - LRMPHP


Senin, 29 November 2021

Penentuaan Spesies Dan Panjang Ikan Secara Otomatis Menggunakan Komputer Visi

Diagram skematik dari mesin CatchMeter. Sumber Gambar: White, Svellingen, and Strachan (2006)

Kemampuan sortasi spesies ikan pada kapal ikan riset dan komersial masih dilakukan secara manual. Karena sortasi dilakukan secara manual maka waktu proses menjadi lebih lambat sehingga efisiensinya juga terbatas dan perlu tenaga kerja yang lebih banyak. Untuk mengatasi permasalahan tersebut diperlukan sistem sortasi ikan otomatis yang mampu merekam data panjang, bobot, dan spesies ikan. Kebutuhan ini didasari oleh suatu tujuan untuk mengurangi jumlah tenaga kerja pada kapal tagkap sekaligus melakukan logging hasil tangkapan secara otomatis. Semua tindakan ini akan bermuara pada pemenuhan sejumlah aturan dan meningkatkan sistem kemamputelusuran.

Riset yang telah dipublikasikan hasilnya pada jurnal Fisheries Research Vol. 80 tahun 2006 oleh White, Svellingen, and Strachan, telah memadukan perangkat keras dan teknik pemrograman untuk menciptakan sistem sortasi otomatis generasi mendatang. Salah satu metode unik yang dikembangkan adalah penentuan arah ikan berdasarkan kalkulasi moment poligon yang dihasilkan oleh siluet ikan. Dengan metode perhitungan moment of variant ini memungkinkan ikan dengan berbagai arah dan posisi dapat diumpankan pada sistem konveyor. Selanjutnya dengan sistem komputer Visi, pengukuran panjang dapat dilakukan dengan galat kurang dari 1 cm, sedangkan spesies ikan ditentukan berdasarkan analisis bentuk dan warna.

Algoritma pada software analisa citra yang dikembangkan meliputi (1) Kalibrasi dengan subrutin untuk kalibrasi dan pengambangbatasan warna, (2) Penentuan region of interest dengan subrutin penemuan ikan dan deteksi tepi, (3) Penentuan orientasi meliputi subrutin rotasi, menentukan ekor atau kepala, menentukan perut atau punggung, pipih atau bundar, (4) Perhitungan parameter kunci mencakup Grid bulat atau grid pipih, warna dan bentuk, panjang tubuh; dan (5) Penentuan spesies ikan dengan pengklasifikasi Analisis Diskriminan.

Sistem sortasi otomatis dengan aplikasi mesin komputer visi yang dinamakan CatchMeter tersebut dari hasil pengujian memiliki kemampuan penentuan tipe ikan pipih atau bulat dengan akurasi 100%, pengukuran panjang ikan dengan standar deviasi 1,2 mm, dan kemampuan pemisahan 7 kelas spesies dengan akurasi mencapai 99,8%. Sementara hasil pengukuran kapasitas mesin yang dihitung dari sistem pengumpanan mampu mencapai 30 000 ekor ikan ukuran 10 cm dalam 1 jam.  Mesin yang dikembangkan ini diharapkan dapat berkontribusi pada suplai informasi hasil tangkapan secara detil kepada para ilmuwan yang bekerja di kapal riset serta memiliki nilai komersial yang cukup potensial.


Penulis : I Made Susi Erawan - LRMPHP