karena banyak rekaman data yang kosong pada durasi waktu yang panjang. Stasiun 2 memiliki rentang data dari 25 Oktober 1999 - 17 Juni 2009 dan Stasiun
3 memiliki rentang data dari 29 September 2001 - 17 Juni 2009.
Gambar 5 Lokasi stasiun Buoy TRITON di Perairan Utara Papua dari JAMSTEC.
Tabel 1 Transek dan posisi stasiun data buoy TRITON, SPL dan klorofil-a
Transek Stasiun
Bujur
o
Lintang BT
o
LU -
Buoy 2 138,000
2,000 -
Buoy 3 137,000
5,000
I SPL 1
130,500 1,500
Klorofil-a 1 130,625
1,375 SPL 2
130,500 3,500
Klorofil-a 2 130,625
3,375 SPL 3
130,500 5,500
Klorofil-a 3 130,625
5,375
II SPL 1
137,500 1,500
Klorofil-a 1 137,625
1,375 SPL 2
137,500 3,500
Klorofil-a 2 137,625
3,375 SPL 3
137,500 5,500
Klorofil-a 3 137,625
5,375
III SPL 1
144,500 1,500
Klorofil-a 1 144,625
1,375 SPL 2
144,500 3,500
Klorofil-a 2 144,625
3,375 SPL 3
144,500 5,500
Klorofil-a 3 144,625
5,375
3.3. Analisis Data
Data anomali suhu pada daerah Nino 3.4 dibuat sebaran berdasarkan waktu dan ditentukan periode El Nino maupun La Nina berdasarkan definisi
Trenberth 1997 dengan menggunakan MS. Excel 2007. Data klorofil-a global tiap bulan selama periode September 1997 – April 2009 dipotong pada domain
area di utara Papua dan dikompilasi dengan menggunakan perangkat lunak ODV Ocean Data View versi 4.3.6 tahun 2010. Selanjutnya dibuat kondisi sebaran
permukaan normal bulanan dan sebaran melintang berdasarkan waktu. Data dalam format netcdf di ODV diekspor menjadi berformat teks untuk dilakukan
analisis statistik untuk mencari nilai minimum, maksimum, rerata dan deviasinya dengan menggunakan MS. Excel 2007. Analisis statistik pada wilayah ini
dianggap mewakili kondisi oseanik yang kurang dipengaruhi oleh daratan. Hal serupa juga dilakukan untuk data SPL. Data suhu dari Buoy TRITON pada
kedalaman permukaan 1,5 m dirata-ratakan menjadi bulanan utuk validasi data SPL hasil reanalisis pada periode Oktober 2001 – Maret 2009.
Analisis deret waktu pada variabel indeks Nino 3.4, klorofil-a dan SPL dengan metode FFT menggunakan program STATISTICA 6 dan analisis wavelet
dilakukan dengan menggunakan MATLAB versi 2008a. Setiap variabel masing- masing stasiunnya dibuat spektrum densitas energi pada FFT dan Continous
Wavelet Transform CWT pada wavelet. Korelasi silang pada FFT dan Cross
Wavelet Transform XWT serta Wavelet Transform Coherence WTC pada wavelet dilakukan terhadap antar variabel dan stasiun data.
3.3.1. Validasi Data
Validasi data dilakukan untuk melihat tingkat relevansikesesuaian antara data hasil model terhadap data pengukuran di lapang. Data lapang umumnya
tersedia pada periode dan spasial yang terbatas, sehingga sulit untuk melakukan analisis secara spasial yang lebih luas dan periode yang lebih panjang. Saat ini
banyak digunakan data hasil modelreanalisis dengan resolusi spasial dan temporal serta tingkat akurasi yang lebih baik. Salah satu metode validasi
pasangan data deret waktu dan spasial hasil modelreanalis dan terhadap observasi lapang adalah dengan menentukan nilai Root Mean Square Error
RMSE Chu et al. 1999; Mattern et al. 2010; Shi et al. 2011. RMSE adalah suatu total ukuran kesalahan error yang merupakan fungsi dari akar kuadrat
dari jumlah varian dan error kuadrat Persamaan 1. Hal ini berarti RMSE akan
selalu menghasilkan error bernilai positif dimana makin kecil perbedaan antara data modelreanalisis terhadap data lapang maka nilai RMSE juga akan semakin
kecil. Data yang akan divalidasi adalah data SPL hasil reanalisis dari ERSL
NOAA terhadap data suhu permukaan dari Buoy TRITON. Selain dihitung nilai RMSEnya pada stasiun yang berdekatan juga diplotkan pola variabilitas suhu
berdasarkan waktu, sehingga dapat dilihat juga kesesuaian pola variabilitasnya. Berdasarkan Tabel 1 maka stasiun SPL yang divalidasi terhadap Buoy TRITON
adalah SPL pada Transek II Stasiun 1 TIIS1 dengan Buoy 2 dan SPL pada Transek II Stasiun 3 TIIS3 dengan Buoy 3.
Persamaan RMSE yang digunakan untuk perhitungan validasi adalah sebagai berikut:
RMSE = ……………………............…...........................……….....………………1
dimana: y = SPL Observasi Buoy TRITON
x = SPL reanalisis ERSL NOAA n = Jumlah pasangan data
3.3.2. Analisis FFT
Analisis deret waktu merupakan suatu metode statistik yang banyak digunakan untuk mengkaji berbagai fenomena di alam seperti interaksi antara
atmosfer dan lautan. Tentunya proses interaksi ini sangat kompleks dan dinamis serta banyak variabel yang memiliki periodisitas yang panjang. Salah satu
metode yang banyak digunakan untuk analisis deret waktu adalah Fast Fourier Transform FFT yang menggambarkan frekuensi dan periode dari suatu
fluktuasi. Analisis FFT terdiri atas spektrum densitas energi auto spectrum dan korelasi silang antara variabel-variabel yang diduga berpengaruh terhadap suatu
variabilitas atau fenomena yang ingin diketahui.
3.3.2.1. Spektrum Densitas Energi
Spektrum densitas energi digunakan untuk mengetahui frekuensiperiode fluktuasi dan nilai densitas energi. Frekuensi periode fluktuasi dari nilai densitas
energi dicari dengan menggunakan perangkat lunak STATISTICA 6.0. Data
