Pengolahan Data

3.3.1. Data Hasil pengukuran Suhu Permukaan Laut

Data hasil pengukuran suhu permukaan laut (SPL) yang diperoleh dari buoy TAO dengan waktu pengambilan data per satu jam/hari. Data yang di

dapat tersimpan dalam bentuk .gz dan di ekstrak menjadi .ascii yang kemudian dibuka dengan Microsoft excel. Proses selanjutnya adalah penghilangan data error (bukan nilai SPL (-9.99)) . Data ini kemudian dipisahkan menjadi dua bagian yaitu data yang diambil pada malam hari (jam 18.00 s/d 05.00 waktu setempat) dan siang hari (jam 06.00 s/d 17.00 waktu setempat). Sebelum pemisahan tersebut dilakukan, waktu pengambilan data suhu pada buoy TAO (GMT) dikonversi terlebih dahulu menjadi waktu Indonesia bagian timur (waktu lokal). Selisih antara waktu GMT dengan waktu Indonesia bagian timur (Papua) yaitu +9 jam. Proses pengolahan data hasil pengukuran dapat dilihat pada gambar 5.

Gambar 5. Diagram alir pengolahan data hasil pengukuran

Pemisahan data hasil pengukuran antara siang dan malam dilakukan dengan perangkat lunak Microsoft Excel, berikut formula yang digunakan.

Dat a buoy TAO (dat a hasil pengukuran)

Pem buat an grafik di Microsoft Excel Pengolahan pada M icrosoft Excel

Pengolahan pada soft w are M ATLAB Dat a yang sudah di

qualit y cont rol

Nilai suhu (siang dan m alam )

 

 1600,"1", 11800,"2","1"

if B if B

SST

..……….. (9)

Data yang sudah dipisahkan tersebut kemudian dirapikan di Microsoft Excel dan disimpan dalam bentuk .csv. Data ini selanjutnya dirata – ratakan menjadi data per hari. Perata – rataan ini dilakukan dengan menggunakan MATLAB R2008a, sintax yang digunakan disajikan pada Lampiran 4. Hasil perata – rataan ini di buka dengan Microsoft Excel, informasi yang terdapat pada data ini yaitu waktu pengambilan data, data malam, dan data siang. Dengan dihasilkannya data per hari kemudian data tersebut dirata – ratakan menjadi data mingguan dan bulanan dengan menggunakan Microsoft Excel. Data mingguan dan bulanan tersebut dibuat grafik agar fluktuasi data SPL ini dapat terlihat.

3.3.2. Data Satelit Suhu Permukaan Laut

Data satelit suhu permukaan laut (SPL) diperoleh dari citra satelit NOAA – AVHRR. Data suhu yang diambil adalah suhu permukaan laut pathfinder 7-best, karena data tersebut dinilai memiliki kualitas yang terbaik dan tidak memiliki nilai error akibat tutupan awan. Data ini diambil dalam bentuk .ascii dan .gif.

Pengolahan data pathfinder yang dilakukan oleh Universitas Miami dibagi

menjadi empat langkah yaitu ingestion bertujuan untuk mengkalibrasi radiasi dan georeferens, pathfinder SST calculation, spatial binning, dan temporal binning. Software yang digunakan untuk memproses data pathfinder dikembangkan oleh Universitas Miami (Kilpatrick et al., 2001). Proses pengolahan data SPL

pathfinder adalah sebagai berikut :

1. Kalibrasi dan konversi count-to-radiance yaitu proses digitalraw data AVHRR di konversi menjadi nilai radian.

3. Perhitungan SPL dengan menggunakan algoritma PFSST (Pathfinder Sea Surface Temperature).

4. Pixel-by-pixel science quality flag. Proses dibagi menjadi empat tes yaitu: a. Brightness test, yang berfungsi untuk mengidentifikasi kesalahan

sensor digitizer atau dinginnya suatu piksel akibat tutupan awan. b. Uniformity test, untuk mengidentifikasi kontaminasi awan kecil.

Tes ini dibagi menjadi dua yaitu Uniformity test 1 (threshold 0.7 °C) dan Uniformity test 2 (threshold 1.2 °C).

c. Zenith angle test, berfungsi untuk mengidentifikasi batas – batas minimum yang memungkinkan piksel terkontaminasi agar tetap pada ukuran piksel yang baik. Tes ini di bagi menjadi dua yaitu Zenith angle test 1 (< 45 °C) dan Zenith angle test 2 (<55 °C). d. Reference test, penerapan algoritma PFSST (Pathfinder Sea

Surface Temperature).

e. Stray sunlight test, digunakan untuk mengidentifikasi konfigurasi yang mungkin terjadi secara potensial.

f. Edge test g. Glint test

5. Overall quality levels of global SST fields, proses ini dapat dilihat pada Gambar 6. Pada Gambar 6 terlihat bahwa hasil dari tes di atas

digabungkan ke dalam level kualitas keseluruhan untuk masing – masing piksel. Secara keseluruhan ada delapan level kualitas data yaitu level 0 – 7. Level 0 menunjukan data SPL yang memiliki kualitas data paling rendah sedangkan level 7 memiliki kualitas data paling bagus. Sehingga pada level 7 diharapkan sudah tidak ada nilai error akibat tutupan awan.

Gambar 6. Prosedur pengolahan data SPL Pathfinder (Kilpatrick et al., 2001)

3.3.3. Perhitungan Nilai Koefisien Determinasi (R²) dan Root Mean Square

Error (RMSE)

R² merupakan koefisien determinasi garis regresi sebagai pengukuran keeratan hubungan antara peubah y (data raw SPL satelit) dan peubah x (SPL hasil pengukuran ) sebagai peubah respons (variable tak bebas) dan peubah penjelas (variable bebas). Semakin dekat nilai R² dengan 1, makin dekat pula titik pengamatan ke garis regresinya dan model semakin baik. RMSE (Root Mean Square Error) adalah seberapa jauh suatu titik di atas atau di bawah garis regresi. Semakin kecil RMSE, maka semakin bagus model hubungan tersebut. Berikut rumus RMSE yang digunakan.

% 100 ) ( ... ) ( ) ( ₁ ² ₂ ^{2 2}      n biaske biaske biaske RMSE ⁿ ………. (10)

Keterangan : bias = nilai insitu – nilai satelit N = jumlah data

(Harinaldi, 2002).

3.3.4. Uji Beda Nilai Tengah (Uji-t)

Untuk mengetahui perbedaan nilai suhu permukaan laut (SPL) satelit antara siang dan malam serta nilai SPL hasil pengukuran dan satelit, maka diilakukan uji beda nilai tengah (uji-t). Dalam uji-t, jika nilai t-statistik (t-hitung ) berada dalam selang t-kritis, maka kedua nilai tengah yang di ujikan tidak berbeda nyata. Hipotesis yang digunakan dalam uji-t ini dirumuskan sebagai berikut :

2 1 1 2 1 0

:

:













H

H

Dimana µ1 adalah nilai SPL satelit pada malam hari dan µ2 adalah nilai SPL satelit pada siang hari (untuk mengetahui perbedaan SPL satelit antara siang dan malam) serta µ1 adalah SPL hasil pengukuran dan µ2 adalah nilai SPL satelit (untuk mengetahui perbedaan antara SPL hasil pengukuran dan SPL satelit). Kemudian akan dibuktikan bahwa nilai tengah SPL pada malam hari dengan SPL pada siang hari hasil pengukuran satelit, serta nilai SPL hasil pengukuran

dengan SPL satelit tidak berbeda nyata (µ1= µ2). Contoh perhitungan disajikan pada Lampiran 3.

3.3.5 Metode Pengembangan Algoritma SPL

Pengembangan algoritma SPL dicobakan pada enam persamaan yaitu linear, eksponensial, logaritmik, polynomial 2, polynomial orde 3 dan power. Rumus dari ke enam persamaan tersebut disajikan dalam Tabel 4. Masing – masing persamaan tersebut akan menghasilkan nilai koefisien determinasi (R²), kemudian nilai R² tersebut ditampilkan dalam bentuk tabel dan dipilih nilai R²

yang tertinggi dari setiap stasiun (S1,S2, dan S3). Nilai R² tertinggi akan ditampilkan dalam bentuk grafik regresi.

Tabel 4. Rumus persamaan regresi linear dan non linear

Persamaan Rumus Linear

^y ^ax^b

Eksponensial

^y ^a^e

^bx Logaritmik

y aln x b

Polynomial orde 2

^y ^ax

2

^bx^c

Polynomial orde 3

^y ^ax

3

^bx

2

^cx^d

Power

^y ^ax

^b dimana :

y : nilai raw data SPL pada satelit x : nilai SPL hasil pengukuran a, b, c, dan d : konstanta

28