MR Noaa
MR Noaa
Disusun oleh:
Yullinda Marissa (230210130024)
Dini Widia Lestari (230210130035)
Ynry Ani Simanungkalit (230210130038)
2015
1. Pengertian akurasi dan presisi data beserta contohnya!
Pada dasarnya semua alat ukur atau alat pengujian yang mempunyai pengaruh
yang signifikan pada akurasi dan keabsahan hasil pengukuran wajib dikalibrasi sebelum
digunakan untuk memastikan bahwa semua alat ukur tersebut sesuai dengan tujuan
penggunaan dan memberikan hasil yang dapat dipercaya.
Gambar diatas mungkin bisa membantu kita dalam membedakan arti kata presisi
dan akurasi. Kita dapat membayangkan jika ada suatu sasaran tembak, dan jika kita
melakukan tembakan terhadap sasaran tembak tersebut sebanyak 6 kali dan ternyata hasil
dari pengulangan tembakan tersebut dekat dengan sasaran semua dan jarak satu sama lain
tembakan berdekatan juga maka bisa dikatakan tembakan tersebut adalah akurat dan
presisi (gambar lingkaran paling kiri).
Untuk gambar yang ada ditengah pengulangan tembakan kita sebanyak 6 kali jauh
dari sasaran yang ada ditengah tetapi 6 tembakan tersebut saling berdekatan maka
dikatakan tembakan tersebut adalah mempunyai presisi yang baik tetapi tidak akurat.
Untuk yang terakhir dan tentunya yang paling jelek yaitu dimana 6 tembakan kita
jauh dari sasaran tembak yang ada ditengah dan juga berjauhan antara satu dengan yang
lainnya, maka bisa dikatakan tidak presisi dan juga tidak akurat.
2. Membuat 30 statiun suhu, dan buktikan jika data tersebut dapat dipercaya!
NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
DATA SUHU
17
(OC)
18
29.42
19
29.46
20
29.62
21
29.63
22
29.65
23
29.68
24
29.69
25
29.69
26
29.69
27
29.7
28
29.71
29
29.72
St. 29.74 30
29.75
29.75
16
29.89
29.91
29.94
29.94
30.02
30.08
30.14
30.24
30.37
30.4
30.66
30.88
31.01
31.21
31.97
Mean = 30.052
Median = 29.82
Modus = 29.69
Varians = 0.336892
Deviasi = 0.580424
Dari hasil perhitungan di atas dapat dilihat bahwa data suhu dari ke 30 statiun
memiliki nilai standar deviasi sebesar 0.580424 hal tersebut menunjukkan bahwa data
hampir homogen. Karena jika nilai standar deviasi mendekati nol maka data akan
semakin homogen. Dapat dilihat juga bahwa nilai variansnya 0.336892. Data di atas
dapat disimpulkan akurat, karena nilai varians dan standar deviasinya kecil, yaitu hampir
mendekati nol.
* Gambar diatas merupakan visualisasi dari World Ocean Database yang diolah dengan
Dari gambar kandungan oskigen dan nitrat di atas dapat dilihat bahwa pada perairan
atlantik kandungan oksigennya berkisar antara 2-6 ml/l, lalu pada wilayah perairan hindia
kandungan oksigennya berkisar antara 2-4,5 ml/l, sedangkan pada wilayah perairan pasifik
kandungan oksigennya berkisar antara 1,75- 4ml/l. Dapat dilihat bahwa oksigen paling tinggi
berada di wilayah perairan antlantik dan oksigen terendah berada di wilayah perairan pasifik,
menurut kami mengapa kadar oksigen di wilayah perairan pasifik karena wilayah perairan
pasifik memiliki kesuburan yang tinggi berarti banyak organisme yang membutuhkan oksigen
sebagai salah satu faktor untuk tumbuh dan menyebabkan mengapa kadar oksigen di wilayah
perairan pasifik rendah,
Dari gambar kandungan nitrat diatas dapat dilihat bahwa pada wilayah perairan atlantik
memiliki kandungan nitrat sebesar 15-22 mol/l, pada wilayah perairan samudera hindia
kandungan nitratnya sebesar 10-30 mol/l, dan pada wilayah perairan samudera pasifik
kandungan nitratnya sebesar 30-42 mol/l. Dari hasil tersebut dapat disimpulkan bahwa
kandungan nitrat paling banyak terdapat pada wilayah perairan samudera pasifik. Hal tersebut
dikarenakan adanya sirkulasi arus global, yang berasal dari atlantik, menuju samudera hindia,
lalu menuju samudera pasifik dan kembali lagi melalui perairan indonesia ke atlantik. Sirkulasi
air ini membawa nutrien sehingga terjadi penumpukkan nutrien di samudera pasifik, oleh
karenan itu maka kandungan nitrat di pasifik akan semakin besar. Dari hal tersebut juga dapat
dilihat kesuburan dari perairan tersebut, karena nitrat merupakan nutrien yang dibutuhkan
fitoplankton dalam pertumbuhannya (Naila 2013). Sehingga semakin banyak nitrat maka
semakin tinggi pula jumlah nitrat yang dapat dimanfaatkan fitoplankton untuk tumbuh, dan dapat
disimpulkan bahwa pertumbuhan fitoplanktonpun akan semakin bagus, dan kandungan klorfil-a
nya pun semakin banyak.
Banyaknya klorofil-a tersebut dapat menentukkan tingkat kesuburan perairan. Karena,
menurut Krismono (2010), kadar klorofil-a juga dapat digunakan sebagai biomonitoring kualitas
dan kesuburan perairan (produktivitas perairan). Castro dan Huber (2007) menyatakan, semua
fitoplankton memiliki klorofil terutama sekali klorofil-a. Klorofil berfungsi sebagai katalisator
dan penyerap energi cahaya matahari (Strickland, 1960 cit. Riyono, 2007). Dengan demikian
proses produksi zat organik dari zat anorganik dalam fotosintesis tidak akan terjadi apabila tidak
ada klorofil. Semakin tinggi kadar klorofil menandakan tingginya kelimpahan fitoplankton di
perairan (Castro dan Huber, 2007). Kelimpahan fitoplankton yang tinggi mengindikasikan
tingginya produktivitas primer di suatu perairan. Menurut Forever Green (2010), kandungan
klorofil fitoplankton dipengaruhi oleh spesies, kondisi tiap individu, waktu, dan intensitas cahaya
matahari. Selain itu juga dipengaruhikadar nitrat, fosfat, pengadukan air, suhu, dan kualitas air.
Dapat disimpulkan mengapa Indonesia memiliki wilayah perairan yang subur dikarenan
massa air yang berada di samudra pasifik akan terbawa ke wilayah perairan Indonesia melalui
sirkulasi arus OCB yang akan kembali ke samuddra antlantik.
kombinasi linier fungsi yang sesuai dari ruang dan waktu. Fungsi tersebut secara
objektif mewakili
variasi konfigurasi pantai terkait perubahan terhadap jarak dan waktu pada garis pantai
selama waktu studi .
Terminologi EOF berdasarkan Lorenz (1956), beliau mengaplikasikan EOF dalam
proyek prediksi cuaca di MIT. Sejak saat itu, EOF menjadi metode analisis terkenal
dalam penelitian iklim. Teknik EOF berakar pada statistika, dan menurut Hotelling
(1933) yang memperkenalkan prinsip komponen analisis, yakni merupakan nama lain
dari EOF. Tinjauan ulang mengenai PCA/EOF dapat ditemukan dalam Kutzbach (1967).
EOF tidak dilarang untuk diguakan dalam statistika multivariasi atau ilmu atmosfer. EOF
berkembang hingga
matematika dimana EOF lebih dikenal dengan nama fungsi dasar Karhunen-Loeve.
Tujuan asli dari EOF adalah untuk mengurangi banyak variabel dari data asli
menjadi beberapa variable yang lebih sedikit, tetapi tanpa mengorbankan banyak dari
varians yang telah dijelaskan. Namun, belakangan ini analisis eof telah digunakan untuk
mengekstrak keragaman mode seperti Arctic Oscillation (AO). EOF juga dapat dikatakan
sebagai teknik yang digunakan untuk menggabungkan kedua spasial dan korelasi
temporal. Metode ini telah menjadi alat yang berguna untuk mengekstrak struktur
dinamis, tren dan osilasi, dan penyaringan data.
Tujuan dari EOF adalah untuk menemukan rangkaian variable baru yang
menangkap sebagian besar variansi yang teramati melalui kombinasi linier dari variable
asli. EOF telah diperkenalkan di dunia sains sejak awal tahun 50an.
Tahapan
melakukan
analisis
EOF
menggunakan
MATLAB:
ECs = U x D
Matriks kovarian = ECst x ECs / (n-1) = D2 / (n-1)
Matriks communalities = ECs x ECst
EOFs
ECs