Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

KOREKSI KEKENDURAN TRAMMEL NET

View through CrossRef
Kemampuan trammel net menangkap organisme demersal terpusat pada bagian bawahnya. Ini disebabkan oleh kekenduran jaring hanya terdapat pada bagian tersebut. Desain trammel net dalam penelitian ini memiliki 3 kekenduran pada posisi ketinggian yang berbeda. Tujuannya adalah untuk menentukan apakah penambahan kekenduran akan merubah komposisi jenis hasil tangkapan dan membuktikan bahwa penambahan kekenduran dapat meningkatkan jumlah hasil tangkapan. Penelitian menggunakan 3 trammel net kontrol (TK) yang memiliki 1 kekenduran dan 3 trammel net perlakuan (TP) dengan 3 kekenduran. Kedua konstruksi trammel net disusun berselang-seling dan dioperasikan secara bersamaan sebanyak 35 setting. Hasilnya menunjukkan bahwa penambahan kekenduran tidak mempengaruhi komposisi jenis hasil tangkapan. Masing-masing trammel net menghasilkan jenis tangkapan yang sama, yaitu 4 jenis udang, 10 jenis ikan demersal, 2 jenis kepiting dan 1 jenis ikan non demersal. Trammel net TP menangkap 581 individu (20,10 kg), atau lebih tinggi dibandingkan dengan trammel net TK 277 individu (7,38 kg).
Title: KOREKSI KEKENDURAN TRAMMEL NET
Description:
Kemampuan trammel net menangkap organisme demersal terpusat pada bagian bawahnya.
Ini disebabkan oleh kekenduran jaring hanya terdapat pada bagian tersebut.
Desain trammel net dalam penelitian ini memiliki 3 kekenduran pada posisi ketinggian yang berbeda.
Tujuannya adalah untuk menentukan apakah penambahan kekenduran akan merubah komposisi jenis hasil tangkapan dan membuktikan bahwa penambahan kekenduran dapat meningkatkan jumlah hasil tangkapan.
Penelitian menggunakan 3 trammel net kontrol (TK) yang memiliki 1 kekenduran dan 3 trammel net perlakuan (TP) dengan 3 kekenduran.
Kedua konstruksi trammel net disusun berselang-seling dan dioperasikan secara bersamaan sebanyak 35 setting.
Hasilnya menunjukkan bahwa penambahan kekenduran tidak mempengaruhi komposisi jenis hasil tangkapan.
Masing-masing trammel net menghasilkan jenis tangkapan yang sama, yaitu 4 jenis udang, 10 jenis ikan demersal, 2 jenis kepiting dan 1 jenis ikan non demersal.
Trammel net TP menangkap 581 individu (20,10 kg), atau lebih tinggi dibandingkan dengan trammel net TK 277 individu (7,38 kg).

Related Results

The Effect of Using Trammel in Red Mullet Species Fishing Nets on Catch Efficiency and By-catch
The Effect of Using Trammel in Red Mullet Species Fishing Nets on Catch Efficiency and By-catch
Abstract This study was conducted to determine the effect of using trammel in nets on catch efficiency and bycatch used by small-scale fishermen ...
SIGNIFICANCE OF TEACHER CORRECTION ON STUDENT CONFIDENCE AND WRITING ACHIEVEMENT
SIGNIFICANCE OF TEACHER CORRECTION ON STUDENT CONFIDENCE AND WRITING ACHIEVEMENT
Koreksi oleh guru dianggap sebagai faktor kritis dalam proses pembelajaran menulis, karena dapat memengaruhi bagaimana siswa menilai keterampilan menulis mereka dan pada akhirnya d...
Fish Monitoring in Kornati National Park: Baited, Remote, Underwater Video (BRUV) Versus Trammel Net Sampling
Fish Monitoring in Kornati National Park: Baited, Remote, Underwater Video (BRUV) Versus Trammel Net Sampling
We evaluated (1) the suitability of two alternative methods for fish monitoring: trammel net sampling and BRUV (Baited Remote Underwater Video), and (2) the potential to cross-cali...
Impact of Nurse Staffing Mandates on Safety‐Net Hospitals: Lessons from California
Impact of Nurse Staffing Mandates on Safety‐Net Hospitals: Lessons from California
Context: California is the first and only state to implement a patient‐to‐nurse ratio mandate for hospitals. Increasing nurse staffing is an important organizational intervention f...
Caractérisation De La Pêche Au Lac Kivu
Caractérisation De La Pêche Au Lac Kivu
This study was focused on the description of fishing gears on Lake Kivu. Data were collected from March 2012 to February 2014 in Goma, Bukavu, and Kibuye fishing stations. The stud...
Improving performance of deep learning models using 3.5D U-Net via majority voting for tooth segmentation on cone beam computed tomography
Improving performance of deep learning models using 3.5D U-Net via majority voting for tooth segmentation on cone beam computed tomography
AbstractDeep learning allows automatic segmentation of teeth on cone beam computed tomography (CBCT). However, the segmentation performance of deep learning varies among different ...

Back to Top