Analisis Empirical Orthogonal Function (Eof) Berbasis Eigen Value Problem (Evp) Pada Dataset Suhu Permukaan Laut Indonesia

Abstract

Indonesia merupakan negara maritim yang sebagian besar wilayahnya adalah lautan sehingga daerahnya beriklim tropis. Daerah dengan iklim tropis memberi pengaruh kuat antara atmosfer dan lautan. Karena pengaruh kuat tersebut, laut mempunyai peranan penting dalam proses perubahan iklim maupun cuaca. Terdapat beberapa unsur penting di laut yang menjadi parameter kunci dalam memengaruhi proses perubahan tersebut. Salah satu yang menjadi parameter kunci adalah suhu permukaan laut (SPL). SPL merupakan parameter yang memberikan informasi keadaan air di permukaan laut. SPL di Indonesia mengalami variasi dari waktu ke waktu yang menyebabkan kondisi cuaca dan iklim berubah dalam rentang waktu tertentu. Oleh karena itu, perlu adanya pengamatan khusus atau penelitian terhadap data SPL di wilayah Indonesia. Berdasarkan hal tersebut, masalah ini dianalisis menggunakan metode Empirical Orthogonal Function (EOF) berbasis Eigen Value Problem (EVP). Metode ini bertujuan untuk mendapatkan pola-pola dominan yang ditentukan oleh data dan berevolusi dalam ruang dan waktu. Cara kerja dari metode ini adalah mereduksi data yang berukuran besar menjadi beberapa mode EOF tanpa menghilangkan informasi dari data asli. Adapun tujuan penelitian ini adalah mengkaji metode EOF berbasis EVP untuk mereduksi data SPL dalam rentang waktu 600 bulan. Selanjutnya, menganalisis pola dominan dari data secara temporal dan spasial serta menentukan nilai kesalahan untuk melihat kualitas dari hasil reduksi. Data yang digunakan dalam penelitian ini adalah data SPL. Data ini merupakan arsip data global bulanan yang telah direkonstruksi secara terus menerus. Rekonstruksi ini berawal dari bulan Januari 1854 sampai bulan Desember 2012, sehingga lebih dikenal dengan The Extended Reconstructed Sea Surface Temperature (ERSST). Data ERSST ini memiliki resolusi spasial 2  2 dan resolusi temporal bulanan. Analisis terhadap data SPL Indonesia selama 600 bulan menghasilkan komponen utama yang diinisialkan dengan mode EOF. Setiap mode EOF mengandung koefisien yang memuat variabel yaitu data grid dan vektor eigen. Data grid menggambarkan letak geografis dan vektor eigen menggambarkan dimensi waktu. Dasar pemilihan mode EOF ini bergantung pada persentase kontribusi dari nilai eigen. Persentase kontribusi lebih dari 80% akan memberikan aturan pemilihan mode EOF yang mempertahankan sebagian besar informasi dari data asli. Berdasarkan analisis tersebut diperoleh empat mode EOF terbesar dengan 94.2% variasi total. Mode EOF pertama (EOF1) menjelaskan 51.4% dari variasi total. Mode EOF ini merupakan pola dominan yang dapat menjelaskan hampir seluruh data. Mode EOF2 menunjukkan 26.7% dari variasi total. Mode EOF3 dan EOF4 masing-masing menjelaskan 11.2% dan 4.9% dari variasi total. Efektifitas dari empat mode EOF tersebut diuji untuk dapat menghampiri data asli. Hampiran ini diperoleh dengan menentukan nilai norm error dari hasil reduksi menggunakan teknik error norm matriks. Teknik ini menghasilkan pola hubungan antara tingkat kesalahan relatif (relative error) dan mode EOF. Pola hubungan tersebut memperlihatkan semakin banyak mode yang diambil maka kesalahan relatif akan semakin kecil. Hal ini berarti tingkat kesalahan menjelaskan representasi hampiran data hasil reduksi terhadap data asli.