Melola Discovery

← Melola Discovery

Jurnal

PREVALENSI PENYAKIT PADA KOLONI KARANG SCLERACTINIA DI PERAIRAN KESSILAMPE KENDARI SULAWESI TENGGARA

Jurnal Sapa Laut (Jurnal Ilmu Kelautan) · Vol. 3 No. 1 (2019) · pp. 17–23

DOI
10.33772/jsl.v3i1.6505
ISSN
2503-0396
Published
2019-05-08
Publisher
Fakultas Perikanan dan Ilmu Kelautan
Language
eng

Abstract

Terumbu karang telah banyak memberi manfaat bagi manusia. Namun disisi lain ekosistem terumbu karang mendapat banyak ancaman baik secara alami maupun antropogenik seperti penangkapan ikan yang tidak ramah lingkungan dan penyakit.. Tujuan dari penelitian ini adalah untuk menghitung persentase prevalensi dan identifikasi jenis-jenis penyakit karang yang ada di Perairan Kessilampe khususnya wisata Pantai Mayaria, Kendari. Metode yang digunakan dalam perhitungan prevalensi adalah transek sabuk berukuran 25x2 m, sedangkan identifikasi karang berdasarkan Buku Identifikasi Penyakit Karang. Hasil yang diperoleh dari nilai prevalesi penyakit karang di lokasi penelitian rata-rata sebesar 13,85%, dengan prevalensi tertinggi terdapat pada stasiun II (16,67%) dan prevalensi terendah terdapat pada stasiun I (8,47%). Jenis penyakit karang yang ditemukan diketiga titik lokasi penelitian berjumlah 6 jenis, yaitu White Syndromes (WS), Bleaching, Ulcerative White Spot (UWS), Skeleton Eroding Band (SEB), White Plague (WP) dan Sediment Damage (SD). Penyakit yang mendominasi di lokasi penelitian adalah Penyakit White Syndromes (WS) dan Bleaching yang banyak menginfeksi karang jenis massive dan submasive.Kata Kunci: Karang, Penyakit Karang, Prevalensi

Collaboration network of the authors

31 authors · 58 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Halu Oleo
  • STIKOM Tunas Bangsa
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Baru SadarunAffiliation unknown7
La Ode Muhammad Yasir HayaAffiliation unknown2
Rahmadani RahmadaniUniversitas Halu Oleo1
Asriyana AsriyanaUniversitas Halu Oleo1
Ira IraAffiliation unknown1
A. Ginong PratikinoUniversitas Halu Oleo1
Asria Agustina AnsaAffiliation unknown1
Muhammad RamliAffiliation unknown1
. FitriAffiliation unknown1
Siti HasmaAffiliation unknown1
. LisnaAffiliation unknown1
. NurhayatiAffiliation unknown1
Erni WandaAffiliation unknown1
. KarmilaAffiliation unknown1
Wa NurgayahAffiliation unknown1
. AnitaAffiliation unknown1
. AmirudinAffiliation unknown1
. SubhanAffiliation unknown1
Asri Triyani WulandariAffiliation unknown1
Muhammad FadlySTIKOM Tunas Bangsa1
Rahmadani RahmadaniAffiliation unknown1
Nurul IlmyAffiliation unknown1
Muhammad Fadly AlqadriAffiliation unknown1
La Ode AnshariAffiliation unknown1
. YusnainiAffiliation unknown1
. AsranAffiliation unknown1
. HaliliAffiliation unknown1
La DidiAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://ojs.uho.ac.id/index.php/JSL/oai, first harvested 31 Okt 2026, last seen 1 Nov 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">PREVALENSI PENYAKIT PADA KOLONI KARANG SCLERACTINIA DI PERAIRAN KESSILAMPE KENDARI  SULAWESI TENGGARA</dc:title>
	<dc:creator>Cilly, .</dc:creator>
	<dc:creator>Palupi, Ratna Diyah</dc:creator>
	<dc:creator>Rahmadani, .</dc:creator>
	<dc:description xml:lang="en-US">Terumbu karang telah banyak memberi manfaat bagi manusia. Namun disisi lain ekosistem terumbu karang mendapat banyak ancaman baik secara alami maupun antropogenik seperti penangkapan ikan yang tidak ramah lingkungan dan penyakit.. Tujuan dari penelitian ini adalah untuk menghitung persentase prevalensi dan    identifikasi jenis-jenis penyakit karang yang ada di Perairan Kessilampe khususnya wisata Pantai Mayaria, Kendari. Metode yang digunakan dalam perhitungan prevalensi adalah transek sabuk berukuran 25x2 m, sedangkan identifikasi karang berdasarkan Buku Identifikasi Penyakit Karang. Hasil yang diperoleh dari nilai prevalesi penyakit karang di lokasi penelitian rata-rata sebesar 13,85%, dengan prevalensi tertinggi terdapat pada stasiun II (16,67%) dan prevalensi terendah terdapat pada stasiun I (8,47%). Jenis penyakit karang yang ditemukan diketiga titik lokasi penelitian berjumlah 6 jenis, yaitu White Syndromes (WS), Bleaching, Ulcerative  White  Spot  (UWS), Skeleton Eroding Band (SEB), White Plague (WP) dan Sediment Damage (SD). Penyakit yang mendominasi  di lokasi  penelitian  adalah  Penyakit  White Syndromes (WS) dan Bleaching yang banyak menginfeksi karang jenis massive dan submasive.Kata Kunci : Karang, Penyakit Karang, Prevalensi</dc:description>
	<dc:publisher xml:lang="en-US">Fakultas Perikanan dan Ilmu Kelautan</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2019-05-08</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs.uho.ac.id/index.php/JSL/article/view/6505</dc:identifier>
	<dc:identifier>10.33772/jsl.v3i1.6505</dc:identifier>
	<dc:source xml:lang="en-US">Jurnal Sapa Laut (Jurnal Ilmu Kelautan); Vol 3, No 1: Februari 2018; 17-23</dc:source>
	<dc:source>2503-0396</dc:source>
	<dc:source>10.33772/jsl.v3i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs.uho.ac.id/index.php/JSL/article/view/6505/4757</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2019 Jurnal Sapa Laut (Jurnal Ilmu Kelautan)</dc:rights>
</oai_dc:dc>