Makalah Kolokium Departemen Statistika IPB

Kamis, 24 Juni 2010 Pukul 09.45-10.30

PENGGUNAAN ANALISIS VARIOGRAM DAN METODE KRIGING BIASA UNTUK MENGGAMBARKAN SEBARAN IKAN KARANG DI KARANG CONGKAK DAN KARANG LEBAR, KEPULAUAN SERIBU (DKI JAKARTA) Oleh: Ira Gustina G14061513 Pembimbing: Prof. Dr. Ir. Aunuddin, M.Sc Ringkasan Sebaran oksigen terlarut (dissolved oxygen) di perairan berguna untuk mengidentifikasi tingkat produktivitas primer ikan karang dan organisme laut lainnya. Menurut Effendi (2003), sumber utama oksigen di perairan adalah fotosintesis oleh tumbuhan air. Semakin tinggi kandungan oksigen terlarut mengindikasikan tingginya tingkat produktivitas primer. Muzaki (2008) menerangkan bahwa kadar oksigen cenderung meningkat ke arah laut lepas. Hal ini mengindikasikan bahwa terdapat pengaruh spasial dalam proses pendugaan sebaran ikan karang. Penelitian ini menggunakan analisis variogram dan metode interpolasi kriging biasa terhadap peubah primer oksigen terlarut sehingga diperoleh informasi mengenai sebaran ikan karang dan organisme laut lainnya pada lokasi penelitian di Karang Congkak dan Karang Lebar, Kepulauan Seribu (DKI Jakarta). Analisis dalam penelitian ini menggunakan perangkat lunak (software) Surfer 9, Minitab 15, dan Microsoft Excel 2007. Kata Kunci: Oksigen Terlarut (Dissolved Oxygen), Variogram, Kriging Biasa (Ordinary Kriging) PENDAHULUAN Latar Belakang Menurunnya kondisi terumbu karang menuntut kita bertindak untuk menjaga kelestarian ekosistem tersebut. Pengetahuan mengenai sebaran oksigen terlarut (dissolved oxygen) di perairan untuk mengidentifikasi tingkat produktivitas primer ikan karang dan organisme laut lainnya merupakan salah satu cara menjaga kelestariannya agar tidak musnah. Penelitian Muzaki (2008) menggunakan Metode Berbasis Sel (Cell Based Modeling) untuk menentukan kawasan konservasi laut di Karang Lebar dan Karang Congkak Kepulauan Seribu, DKI Jakarta. Salah satu parameter biofisik perairan yang digunakan adalah oksigen terlarut. Oksigen terlarut merupakan jumlah oksigen yang terlarut dalam air. Komponen oksigen di dalam air ini sangat kritis untuk kelangsungan hidup ikan dan organisme laut lainnya, namun bila kadarnya berlebihan akan menyebabkan kematian. Menurut Effendi (2003), sumber utama oksigen di perairan adalah fotosintesis oleh tumbuhan air. Semakin tinggi kandungan oksigen terlarut mengindikasikan tingginya tingkat produktivitas primer. Muzaki (2008) menerangkan bahwa kadar oksigen cenderung meningkat ke arah laut lepas. Hal ini mengindikasikan bahwa terdapat pengaruh spasial dalam pendugaan sebaran ikan karang. Dalam penelitian ini, akan dilakukan analisis variogram untuk mengidentifikasi hubungan spasial peubah oksigen terlarut, kemudian dilanjutkan dengan penggunaan analisis kriging biasa yang merupakan suatu metode interpolasi spasial untuk menduga nilai suatu peubah di lokasi tertentu, berdasarkan nilai terboboti dari peubah yang sama pada lokasi lainnya. Tujuan 1. Menerapkan analisis variogram terhadap data peubah oksigen terlarut dalam pengidentifikasian model variogram teoritis terbaik untuk digunakan dalam penaksiran. 2. Menggunakan prosedur metode interpolasi kriging biasa dalam melakukan pendugaan data hilang secara spasial dan menggambarkan sebaran ikan karang di kawasan Karang Congkak dan Karang Lebar, Kepulauan Seribu (DKI Jakarta). TINJAUAN PUSTAKA Semivariogram (Variogram) Semivariogram sangat familiar di ilmu geostatistika. Hal ini didasarkan semivariogram merupakan rata-rata kuadrat suatu peubah, cenderung

dalam karena selisih untuk

Makalah Kolokium Departemen Statistika IPB menyaring pengaruh rata-rata suatu peubah secara spasial. Semivariogram menggambarkan keragaman spasial antar lokasi satu dengan yang lainnya dalam jarak berdimensi m. (Bohling, 2005) Semivariogram eksperimental dibangun dari grafik plot antara semivarian ((h)) dan jarak h. Menurut Isaaks dan Srivastava (1989), persamaan umum semivarian adalah (h) = dimana: : : : ,

Kamis, 24 Juni 2010 Pukul 09.45-10.30 c. Eksponensial (h) = d. Sperikal (h) = e. Gaussian
[ ( ) ( ) ]

(h) = [1-exp(

)]

Jumlah pasangan data yang terpisah oleh jarak h Nilai peubah pengamatan lokasi-i Nilai peubah pengamatan lokasi-j

Berikut merupakan karakteristik semivariogram secara teroritis menurut Bohling (2005):

Model Nugget merepresentasikan diskotinuitas pada titik asal dikarenakan beragamnya skala yang kecil. Model ini menunjukkan peubah acak semata, tanpa adanya korelasi spasial. Model gaussian memiliki kelakuan parabolik di sekitar titik asal, menggambarkan keragaman secara halus. Sedangkan model sperikal dan eksponensial memiliki kelakuan linear di sekitar titik asal. Hal ini memperlihatkan tingkat keragaman kedekatan jangkauan yang lebih tinggi. (Bohling, 2005) Model sperikal mencapai nilai ambang tertentu, c, pada jangkauan tertentu, a. Adapun pendekatan nilai ambang pada model eksponensial dan gaussian secara asimsotik, nilai a sebagai jangkauan praktis, 95% nilai ambang tercapai pada jarak jangkauan praktis. (Fauzi dan Aidi, 2008) Anisotropi Fauzi dan Aidi (2009) menjelaskan bahwa proses anisotropi adalah proses spasial {Z(x), x D} dimana dalam penyusunan struktur semivariogram bergantung kepada jarak lurus antara suatu pasangan titik dan arah dari vektor yang menghubungkan titik-titik tersebut. Hal ini berbeda dengan proses isotropi yang hanya bergantung pada jarak antara pasangan vektor dan mengasumsikan bahwa struktur korelasi spasialnya sama untuk semua arah.

Gambar 1. Komponen Semivariogram

a. Ambang (Sill). Nilai semivarian saat nilai variogram konstan. Nilai ini menunjukkan luas komponen semivariogram. Nilai sill umumnya mendekati ragam data dan tidak berubah untuk jarak h yang tidak terbatas. b. Jangkauan (Range). Jarak maksimum dimana semivarogram mencapai nilai sill. c. Ragam Nugget (Nugget Variance). Secara teori, nilai semivariogram pada titik asal (origin) (titik (0,0)) adalah nol. Jika nilai tersebut tidak nol untuk jarak h yang mendekati nol, jarak inilah yang disebut nugget. Dengan menggunakan h untuk merepresentasikan jarak, a sebagai jangkauan praktis (practical range), dan c sebagai nilai ambang, beberapa model semivariogram yang sering digunakan yaitu (bohling, 2005): a. Nugget (h) = b. Linear (h) = = kemiringan garis

x2
/2

0 x1

Gambar 2. Anisotropi Geometri

Gambar 2 merupakan fungsi anisotropi geometri yang menunjukkan bahwa potensi masing-masing pasangan titik (lokasi) pegamatan dipengaruhi oleh jarak dan arah. Pilih interval jarak w pada jarak titik OH

Makalah Kolokium Departemen Statistika IPB sepanjang h. Selanjutnya, menetapkan arah dan jarak arah =/n, dimana n adalah jumlah arah yang ditentukan. Nilai naik dari 0 hingga /(n-1). Misalnya dalam penelitian ditentukan n=4, maka besar arah adalah 0, 45o, 90o, dan 135o. Hal ini meyakinkan peneliti bahwa tidak ada tumpang tindih antar jarak yang berbeda. Titik xi (0) dengan titik xi+h dalam zona stiplled {z(xi) - z(xi +h)}2 di atas berperan dalam membangun variogram eksperimental menjadi (h, ). (Webster dan Oliver, 2007) Kriging Biasa Menurut Isaaks dan Srivastava (1989), metode kriging biasa adalah metode interpolasi yang memberikan taksiran linear tak bias terbaik. Metode ini menduga nilai suatu peubah pada titik atau lokasi tertentu menggunakan kombinasi linear terboboti dari nilai peubah yang sama pada lokasi lainnya. Nilai taksiran di suatu titik p merupakan kombinasi linear dari nilai data dengan bobot masing-masing sebesar ,

Kamis, 24 Juni 2010 Pukul 09.45-10.30 Agar nilai dugaan yang dihasilkan tidak bias, maka jumlah pembobot masing-masing nilai peubah pada lokasi lainnya adalah sama dengan satu. (Isaaks dan Srivastava, 1989) Semua prosedur pendugaan dalam kasus ini menggunakan kondisi ketidakbiasan. Webster dan Oliver (2007) menerangkan bahwa ragam duga dapat dituliskan: Var[(R( ] = E[{ ( ) }2] = 2 -

dimana merupakan semivarian Z antara data pada titik atau lokasi pengamatan dan , sedangkan ( ) adalah semivarian antara data pada titik ke-i dan data pada titik ke-j. Metode interpolasi kriging biasa adalah metode pendugaan yang menghasilkan ragam minimum dengan menggunakan parameter lagrange (Webster dan oliver, 2007):
G = 2 2 ( -1) - ( )+

dimana, : nilai dugaan pebah z pada lokasi-p : nilai pubah z pada titik ke-i : bobot masing-masing nilai peubah z pada titik ke-i Pada titik yang akan diduga nilainya, model merupakan fungsi acak stasioner yang terdiri dari beberapa peubah acak yaitu Z(x1), Z(x2), ..., Z(xn), ditambah dengan satu nilai peubah Z(x0) yang diinterpolasi nilainya. Masing-masing peubah acak mempunyai peluang yang sama pada semua lokasi dengan nilai tengah E(Z). ,

Selanjutnya menghitung turunan parsial persamaan G terhadap dan wi sebagai berikut: and dalam notasi matriks akan diperoleh: [ ][ ] [ ]

Sisaan yang diperoleh sebesar R( R( R(

dimana, : matriks kovarian antar pasangan lokasi/titik ke-i dan ke-j : vektor pembobot-i : vektor kovarian antara lokasi/titik yang diduga dengan lokasi pengamatan yang telah ada. Selanjutnya, besarnya bobot masingmasing nilai peubah Z(x1), Z(x2), ..., Z(xn) diperoleh sebesar: , solusi ini memberikan hasil dugaan tak bias linear terbaik dengan ragam (Webster dan oliver, 2007): Var[(R( ]=

Telah diasumsikan sebelumnya bahwa fungsi acak stasioner dan nilai harapan sisaannya nol sehingga dapat dituliskan sebagai berikut, (R(

Makalah Kolokium Departemen Statistika IPB Uji-t Berpasangan Pengujian perbedaan dua nilai tengah populasi pada kasus data berpasangan ditentukan oleh suatu peubah kontrol, salah satunya adalah lokasi. Bentuk hipotesis yang akan diuji ada tiga, yaitu: 1. Ho : vs H1 : 2. Ho : vs H1 : 3. Ho : vs H1 : Adapun statistik uji yang digunakan untuk menguji hipotesis-hipotesis tersebut adalah sebagai berikut:

Kamis, 24 Juni 2010 Pukul 09.45-10.30 model variogram anisotropi yang diperoleh. 6. Pengujian hasil interpolasi oksigen terlarut menggunakan uji-t data berpasangan. 7. Interpretasi hasil penelitian. DAFTAR PUSTAKA Bohling G. 2005. Introduction to Geostatistics and Variogram Analysis. Kansas Geological Survey [C & PE 940]. http://people.ku.edu/~gbohling/ cpe940. html [9 Mei 2010]. Effendi H. 2007. Telaah Kualitas Air, Bagi Pengelolaan Sumber Daya dan Lingkungan Perairan. Yogyakarta: Kanisius. Fauzi MR, Aidi MN. 2008. Analisis Efektifitas metode Kriging and Invers Distances dalam Melakukan Pendugaan Data Hilang Secara Spasial Melalui Simulasi Interpolasi Terhadap Data Hasil Perolehan Suara Pilkada Jawa Barat Tahun 2008. Prosiding Workshop On Geoinformatics For Hotspot Detection, Joint Workshop The Pennsylvania State Uiversity, USA and Graduate School Bogor Agricultural University; Bogor, 12-13 January 2009. Gunawan AW, Achmadi SS, Arianti L. 2009. Pedoman Penyajian Karya Ilmiah. Bogor: IPB Press. Isaaks EH, Srivastava RM. 1989. An Introduction to Applied Geostatistics. New York : Oxford University Press. Mattjik AA, Sumertajaya IM. 2000. Perancangan Percobaan. Bogor: IPB Press. Muzaki AA. 2008. Analisis Spasial Kualitas Ekosistem Terumbu Karang sebagai Dasar Penentuan Kawasan Konservasi Laut dengan Metode Cell Based Modeling di Karang Lebar dan Karang Congkak Kepulauan Seribu, DKI Jakarta [Skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Rachmawati D. 2009. Pendugaan Kadar NO2 dengan Metode Ordinary Kriging dan CoKriging: kasus Pencemaran Udara di Kota Bogor [Skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Webster R, Oliver MA. 2007. Geostatistics for Environmental Scientist. England: Willey.

; db=n-1

dimana dan . Statistik uji ini digunakan apabila data contoh berjumlah < 30. Kriteria pengambilan keputusannya adalah hipotesis nol ditolak jika memenuhi kondisi bahwa |thitung| > t/2,db=n-1. (Mattjik dan Sumertajaya, 2000) BAHAN DAN METODE Bahan Data yang digunakan dalam penelitian ini adalah data sekunder hasil penelitian Muzaki (2008), parameter biofisik perairan yaitu oksigen terlarut (dissolved oxygen), pada 25 stasiun pengamatan; 10 stasiun di Karang Congkak dan 15 Karang Lebar di Kepulauan Seribu (DKI Jakarta). Lokasi penelitian terletak antara 10o33-106o38 Bujur Timur dan 5o41-5o46 Lintang Selatan. Perangkat lunak (software) yang akan digunakan dalam penelitian ini adalah Surfer 9, Minitab 15, dan Microsoft Excel 2007. Parameter oksigen terlarut diukur dalam unit satuan miligram per liter (mg/l). Adapun cara pengukuran nilai oksigen terlarut dalam penelitian Muzaki (2008) adalah dengan menggunakan alat sensor yang dinamakan Water Quality Checker yang dicelupkan sedalam satu meter selama kurang lebih satu menit pada titik stasiun yang akan diamati. Metode 1. Eksplorasi data 2. Pengecekan kenormalan data. 3. Membuat matriks jarak antar titik stasiun pengamatan. 4. Pemilihan model variogram yang cocok dengan variogram teoritis pada sudut anisotropi yang sesuai dengan lokasi data penelitian. 5. Pengoptimalan interpolasi menggunakan metode kriging biasa; menduga data hilang pada titik stasiun pengamatan berdasarkan

x2
/2

w 0 x1

x2

0 x1