METODA FAST FOURIER TRANSFORM DALAM ANALISA

DATA KELAUTAN

ABSTRACT

Fast fourier transform method in oceanographical data analysis : linear system is commonly assumed for
an oceanographical system to help understanding the system. Fast fourier transform is a mathematical
method with linear characteristics fit to represent linear system of physical system. The method
provides a tool to transform a complex system into a summation of simple systems. This transformation
let us recognize and separate any dominant processes within a complex systems. The idea of linear
approach on oceanographical system, and the physical interpretation of FFT is discussed. The FFT
application in date analysis is illustrated by using tidal record from Meneg, East Java.

Metode fast fourier transform dalam analisis data oceanographical: sistem linier umumnya diasumsikan
pada sistem oceanographical untuk membantu memahami sistem. Transformasi Fourier cepat adalah
metode matematika dengan karakteristik linier cocok untuk mewakili sistem linier sistem fisik. Metode
ini menyediakan alat untuk mengubah sebuah sistem yang kompleks menjadi sistem penjumlahan
sederhana. Pada transformasi kita mengenal dan memisahkan setiap proses yang dominan dalam suatu
sistem yang kompleks. Gagasan pendekatan linear pada sistem oceanographical, dan interpretasi fisik
FFT dibahas. Aplikasi FFT dalam analisis tanggal diilustrasikan dengan menggunakan catatan pasang
surut dari Meneg, Jawa Timur.

PENDAHULUAN

Seperti kita maklumi bersama , fenomena yang kita lihat di alam merupakan hasil fari gabungan
dan interaksi banyak proses yang sangat kompleks yang membentuk suatu system. Kita kenal misalnya
system monsoon, system sirkulasi perairan Indonesia, ataupun yang berskala kecil seperti system muara
sungai. Akan teteapi terbatasnya kemampuan manusia memaksa kita untuk mengandalkan suatu
fenomana yang akan kita telaah menjadi suatu system yang jauh lebih sederhana. Jikalau kita mengukur
arus di laut, sesungguhnya kita mengukur aliran air laut akibat bermacam-macam sebab, seperti
misalnya akibat peristiwa pasang-surut air laut, gelombang laut, tiupan angin, tekanan udara perbedaan
densitas air alut, dan sebagainya. Interaksi antara penyebab aliran air laut tidaklah sederhana. Kata
“interaksi non-linear” umum digunakan untuk mengungkapkan hubungan yang kompleks untuk
sejumlah faktor atau proses. Hingga saat ini, pengetahuan manusia dalam memahami hubungan non-
linear masih terbatas pada system yang sederahana.
 Adalah logis kalau kemudian muncul pertanyaan bahwa bagaimna kita dapat memahami sifat-
sifat arus air laut jikalu kita tidak mampu memahami hubungan non linera ini? Pemecahannya adalah
denga penyederhanaan system non-linear tersebut. Dalam hal arus laut, misalnya kita bias mencoba
suatu gagasan seandainya fenomena arus laut tersebut merupakan suatu system yang linear. Suatu
system disebut system linear jikalau pengaruh dari beberapa factor terhadap system tersebut sama
dengan penjumlahan pengaruh dari beberapa factor terhadap system tersebut sama dengan
penjumlahan dari masing-masing factor secara sendiri-sendiri. Contohnya jikalu factor A dan B masing-
masing menyebabkan terjadinya A’ dan B’, maka pengaruh dari A dan B bersama-sama adalah A’ + B’.
dalam suatu system non-linear pengaruh kedua factor tersebut bersama-sama bias menjadi A’ + B’ +
A’B’, dan seterusnya yang meliputi fungsi kompleks dari A’ dan B’. pengandaian system, yang popular
dikenal sebagai model, bias kita uji dengan data pengamatan. Penyimpangan antara model dan
pengamatan kita pekiraan akan terjadi. Jikalu penyimpangan tersebut cukup kecil menurut ukuran
tertetu, misalnya di bawah 10%, kita bias menganggap bahwa model kita mendekati kenyataan sehingga
dapat kita pergunakan untuk mewakili system yang kita pelajari.

FOURIER SERIES

Salah satu model linear yang umum digunakan dalam suatu dinamika laut adalah dengan
menganggap suatu fenomena merupakan penjumlahan gelombang sederhana. Gelombang sederhana
dapat diungkap dalam bentuk matematik sebagi salah satu fungsi sinusoida dengan amplitude dan
frekuensi tertentu. Kita mengenal adanya komonen semi-diurnal dan sebgainya dalam fenomena
pasang-surut, yang digunakan dalam meramal ketinggia pasang-surut, yang digunakan dalam meramal
kegiatan pasang-surut. Komponen pasang-suruttersebut merupakan gelombang sederhana.

Salah satu metoda matematik untuk menguraikan fenomena menjadi komponen gelombang
sederhana diperkenalkan oleh Jean-Baptise Joseph Fourier seorang ahli fisika dan matematika Pernacis
tahun 1822. Metoda matematik ini dikenal dengan teori Fourier Series dan merupakan bagian dari
kalkulus.

Teori Fourier Series ini pada prinsipnya menggunakan suatu fungsi yang kontinu menjadi
penjumlah sejumlah fungsi sinusoida sederhana dengan metoda least-square. Sejalan dengan
perkembangan teori matematik, teori Fourier Series inipun berkembang dari penguraian fungsi yang
kontinu hingga dapat diterapkan pada fungsi yang diskrit, yaitu fungsi yang diketahui nilainya hanya
pada titik tertentu saja. Data pengamatan arus laut setiap jam adalah fungsi yang distrit. Forulasi
tersebut dikenal dengan teori Fourier Transform untuk fungdi diskrit. Kata transform mempunyai
hubungan dengan sifat dari metoda ini yang merubah bentuk data dari satu lingkup ke lingkup lainnya.
Untuk data fungsi dari waktu, Fourier Transform akan merubah lingkup dat tersebut dari lingkup waktu
ke lingkup frekuensi. Dalam lingkup frekuensi, data tersebut diungkapkan sebagai sejumlah gelombang
sederhana yang mempunyai frekuensi atau amplitude tertentu.

Untuk suatu data pengamatan dengan N observasi, Fourier Transform ini memerlukan sejumlah
2
N kali operasi matematik (perkalian, penjumlahan). Untuk data dengan observasi misalnya diperlukan
satu juta kali operasimateatik. Suatu data set umumnya terdiri atas beberapa ribu obsevasi yang
diperoleh dengan menggunakan alat yang otomatis mengukur dan menyimpan data untuk jangka watu
yang lama.

FAST FOURIER TRANSFORM

Dalam pertengahan tahun 1960, J.W. Cooley dan J. W Tukeyy berhasil merumuskan suatu teknik
penghitungan Fourier Transform yang efisien. Teknik perhitungan ini dikenal dengan sebutan Fast
Fourier Transform atau lebih dikenal dengan istilah FFT. Istilah fast digunakan oleh karena formulasi FFT
ini jauh lebih cepat dibandingakn dengan metode perhitungan Fourier Transform sebelumnya. Teknik
FFT memerlukan sekitar 1000 operasi matematik untuk data dengan 1000 observasi, yaitu 100 kali lebih
cepat dibandingkan dengan teknik perhitungan sebelumnya. Dengan penemuan FFT ini dan
perkembangan personal computer, teknik FFT dalam analisis data menjadi popular, dan merupakan
salah satu metoda baku dalam analisa data.

APLIKASI FAST FOURIER TRANSFORM

Apakah keuntungan aplikais FFT dalam analisa data? Telah disebutkan di muka, metode Fourier
Transform adalah suatu metode untuk menguraikan suatu fungsi untuk menjadi penjumlahan sinusoida
sederhana. Dengan FFT kita dapat memodelkan pengamatan yang kompleks sebagai suatu model linear
yang terdiri atas sejumlah kecil komponen yang domain saja. Keberhasilan dari analisa FFT ini
tergantung jumlah data pengamatan. Semakin banyak data pengamatan yang kita gunakan, akan
semakin baik pendekatan model linear ini dalam mewakili system sebenarnya.

Penerapan teknik FFT terhadap suatu fenomena fisika di laut seperti arus, pasang surut atau
gelombang laut, secara langsung mendasari anggapan bahwa fenomena fisika tersebut merupakn sistem
linear sejumlah gelombang sederhana. Keuntungan pendekatan ini adalah memudahkan kita
memisahkan signal dari noise atau mengisolasi signal tertentu. Signal adalah komponen data yang kita
inginkan untuk dianalisa dan umumnya merupakan komponen terbesar dari data. Noise dapat
dikategorikan sebagai bagian kecil dari data yang tidak kita inginkan baik karena mempunyai
karakteristik yang acak ataupun yang tidak dapat dijelaskan. Sebagai contoh, analisa pengamatan arus
laut memungkinkan kita menguraikan data pengamatan tersebut menjadi komponen arus akibat
gelombang laut, pasang surut, atau perubahan musim denga melihat kesamaan frekuensinya. Hubungan
antara parameter pun akan menjadi lebih jelas karena kita dapat mengisolasi signal dari noise.

Dari pengamatan secara pintas sebenarnya kita menyadari adanya keteraturan sederhana yang
bersifat linear. Misalnya sewaktu kita mengamati gelombang di laut, kita dapat membedakan adanya
riak air, gelombang yang lebih panjang, dan alun. Dalm fenomena arus kita juga menyadari adanya arus
musiman, arus pasang-surut nyang berubah mengikuti keadaan pasang surut air laut. Kelebihan dari
metode FFT ini adalah kita dapat melihat lebih terperinci hal-hal yang luput dari pengamatan mata.
 Seperti umumnya metode analisis lain, tekni FFT ini juga tidak terlepas dari beberapa
kelemahan. Salah satu yang menjadi kendala terbesar dalam pemakaian teknik FFT adalah diperlukan
jumlah data yang cukup banyak. Agar analias kita mengenai komponen arus yang diakibat perubahan
musim cukup akurat maka, diperlukan data arus laut beberapa tahun. Disamping itu komponen
gelombang sinusoida terpendek yang bias dibedakan adalah komponen gelombang yang mempunyai
periode 2 kali waktu interval pengukuran. Untuk data pengukuran satu kali perhari, gelombang
sederhana yang dapat dibedakan adalah gelombang dengan periode 2 hari. Oleh karena itu, untuk studi
pasang surut umumnya dilakukan pengukuran tiap jam? untuk analisa dua gelombang laut diperlukan
pengukuran tinggi permukaan laut misalnya tiap satu atau setengah.

Sebagai ilustrasi, disajikan dalam Gambar pengukuran tinggi permukaan aitr laut di Menteng,
Jawa Timur, dari Mei 1987 sampai Desember 1991, yang dikur tiap 5 menit. Untuk lebih jelas, dalam
gumbar tersebut hanya ditujukkan kondisi permukaan air laut antara 1 Januari dan 28 Februari 1989.
Tampak dari gambar bahwa perubahan permukaan air laut mengikuti pola pasang-surut diurnal, yaitu
terjadinya air laut pasang dan air laut air laut surut satu kali sehari. Aplikasi metode FFT terhadap data
mendukung besarnya peranan pasang surut terhadap perubahan tinggi permukaan air laut di Meneng.
Hhal ini tampak dai pada “Power Spectra” yang diturnkan dari Fourier Transform. Power spectra adalah
pola penyebaran niali “energy” dari masing-masing gelombang sederhana yang besarnya sebanding
dengan setengah kuadrat amplitude gelombang. Dari gambar tampak bahwa pasang-surut di Meneg
meliputi komponen diurnal (periode sekitar 24 jam), semi diurnal (peride sekitar 12 jam), dan sejumlah
komponen yang dikenal dengan nama Shallow Water Components, yang mempunyai periode 8 jam, 6
jam, 4 jam, dan seterusnya. Selain itu, tampak pula adanya energy yang cukup besar di daerah periode
lebih dari 20 hari. Periode di atas 20 hari ini dikenal dengan daerah non-tidal frekuensi dan umumnya
berhubungan dengan system atmosfir skala besar.

Dengan hanya mengambil gelombang di daerah non-tidal frekuensi ini (dengan membuat nol
semua energy di daerah frekuensi pasang-surut, kemudian melakukan FFT sekali lagi atas data dalam
lingkup frekuensi, akan kita dapatkan kembali data dalam lingkup waktu tanpa adanya signal pasang
surut. Proses ini dikenal dengan nama filtering. Gambar 3 menunjukkan hasil daro proses filtering
dengan mengisolasi signal dengan periode lebiih dari 20 hari. Signal ini dalam data fluktuasi tinggi
permukaan air laut akibat perubahan pola angin dan pola arus skal besar yang bukan dikarenakan oleh
peristiwa pasng-surut. Perubahan tinggi air alut akibat komponen non-tidal inilah yang sering
menyebabkan naiknya air laut yang menyebabkan banjir di daerah pesisir atau pelabuhan, dan
menyebabkan penyimpangan dari ramalan pasang surut air laut. Dari hasil analisa komponen non-tidal
di sepanjang pantai selatan Jawa dan kondisi cuaca di daerah lautan Pasifik Barat, diketahui bahwa
kenaikan air laut non-tidal tersebut berkaitan erat dengan terjadinya angin topan di Lautan Hindia dan di
Lautan Pasifik Barat. Selain itu, dari hasil model numeric sirkulasi laut di Lautan Hindia tampak
kemungkinan adanya permabtan gelombang yang dikenal dengan nama Kelivin Wave akibat aktivitas
angin di daerah khatulistiwa di perairan Lautan Hindia sebelah barat Sumatera ke perairan selatan Jawa.

Suatu hal yang penting dari hasil analisa FFT ini adalah kaitannya dengan isu global warning yang
popular dewasa ini. Dari gambar 2 dan 3 terlihat bahwa perubahan tinggi air laut terjadi pada daerah
frekuensi yang lebar, yang melipti fluktuasi tinggi air laut secara bulanan, musiman dan tahunan yang
cukup besar. Jelas bahwa untuk memperkirakan komponen fluktuasi bulanan, musiman, dan tahunan
ini. Untuk itu diperlukan data pasang surut yang mencakup pengamatan yang lama sehingga kita dapat
mengisolasi pengaruh dari fenomena bulanan, musian, dan tahunan tersebut. Tanpa usaha tersebut
perkiraan perubahan tinggi air laut akibat global warning akan memberikan perkiraan yang salah