Laporan Praktikum II Hari/Tanggal: Jumat/8 Oktober 2010

m.k. Teknik Deteksi Bawah Air Asisten: Asep Ma’mun

REAL TIME MOORING BUOY DATA

Disusun Oleh:
Neira Purwanty Ismail
C54070029

BAGIAN AKUSTIK DAN INSTRUMENTASI KELAUTAN

DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
INSTITUT PERTANIAN BOGOR
2010
 I. PENDAHULUAN

1.1 Latar Belakang

Pada saat ini perkembangan bidang ilmu pengetahuan dan teknologi
sangat pesat termasuk pada bidang kelautan dan perikanan. Berbagai teknologi
diciptakan untuk memudahkan manusia untuk memperoleh informasi.
Tersedianya informasi dan pengetahuan mengenai pengelolaan suatu sumberdaya
ikan sangat mendukung pengembangan dan pengelolaan ikan dalam suatu
kawasan perairan.
Pendugaan parameter – parameter perairan memerlukan data yang real
time dan kontinu. Penelitian secara insidentil tidak bisa memberikan hasil yang
optimal karena data yang di dapatkan hanya parsial dan dalam jangka waktu yang
pendek sehiungga tren yang diinginkan menjadi bias karena harus dilakukan
interpolasi. Dengan adanya sistem buoy yang mampu menduga parameter –
parameter yang diamati secara kontinyu maka akan membantu untuk melakukan
pengelolaan yang lebih terencana.
Mooring buoy adalah suatu sistem penyajian data fisik, kimia dan biologi
laut yang merupakan data real time dan kontinu hasil pengukuran in-situ. Data
buoy yang diperoleh dari sistem buoy di laut, kemudian di kirim (ditransmisikan)
ke stasiun penerima (receiver) didarat untuk diolah dan dianalisis.
Pada praktikum kali ini, mahasiswa mengolah data buoy time series yang
diperoleh dari situs http://www.ndbc.noaa.gov/. NDBC (National Data Buoy
Center) adalah suatu sistem yang mengelola ratusan mooring buoy yang ada di
dunia. Data time series adalah data hasil pengukuran fenomena laut yang
berlangsung pada periode yang panjang. Pengolahan data time series tersebut
harus melalui pendekatan time series analisis dan fast fourier transform (FFT)
sehingga output data berupa grafik power spectral density (PSD) dan frekuensi.

1.2 Tujuan
Tujuan dari praktikum ini adalah mahasiswa dapat memahami pengertian
sistem buoy dan aplikasinya serta dapat mengolah data yang diunduh dari hasil
penukuran buoy.
 II. TINJAUAN PUSTAKA

2.1 Mooring Buoy

Mooring buoy adalah suatu sistem buoy yang dapat melakukan perekaman
dan transfer data atau informasi dari satu titik ke titik lain (point to point
communiations) pada luasan area yang besar. Buoy adalah peralatan yang terbuat
dari bahan plastik atau fiber dengan kerangka besi yang befungsi sebagai
pelampung, pada buoy terdapat processor, solar, sel, sensor-sensor dan sistem
komunikasi data satelit.
Data dari buoy berfungsi memberikan informasi yang berguna untuk
pengelolaan sumberdaya kelautan dan perikanan. Sistem mooring buoy diciptakan
untuk menduga parameter-parameter fisik, kimia dan biologi laut secara real time
dan kontinu. Pada buoy terdapat berbagai macam peralatan diantaranya sensor
diantaranya sensor DO (oksigen terlarut), sensor optisen untuk mengukur
kepadatan plankton, sensor nutrien, sensor CTD (Conductivity Temperature
Depth), sensor arus, gelombang, sensor meteorologi dan sebagainya. Kemudian
buoy dilengkapi dengan sumber tenaga (dapat berasal dari panel surya dan baterai
aki), komponen komunikasi dan elektronika yang membantu proses kerja buoy
selama di perairan.
Pada sistem buoy terdapat 2 stasiun pengendali, yaitu stasiun pengirim
(transmitter) dan stasiun penerima (receiver) (Borden,1997) untuk kepentingan
transfer data ada tiga metode yang biasa digunakan, diantaranya adalah:
1.  Transfer data dengan satelit
2.  Transfer data dengan GSM (Global System for Mobil Communication)
3.  Transfer data dengan RF (Radio Frekuensi)
Pada transfer data dengan menggunakan satelit, fungsi satelit adalah
sebagai relai data, artinya penyampaian data yang didapatkan oleh sensor di
terima terlebih dahulu oleh satelit kemudian ditransmisikan ke stasiun penerima.
Mekanisme penyampaian data pada intinya adalah sama, yang membedakan tools
atau alat kirimnya seperti yang telah disebutkan di atas.
Keungulan dan kelemahan sistem tranmisi data dari pembahasan diatas
adalah sebagai berikut:
1.    Sistem Satelit
Keunggulan:
- Luas daerah cakupan luas
- Penyampaian data cepat dan akurat
- Data yang ditransmisikan kapasitasnya besar dalam bentuk multimedia.
Kelemahan:
- Infrastrukturnya mahal
- Download data memerlukan perizinan terhadap vendor satelit
- Band / lebar pita pada satelit terbatas

2.    Sistem GSM

Keunggulan:
- Infrastrukturnya murah karena tidak memerlukan pembangunan
infrastruktur yang baru, hanya memanfaatkan infrastruktur yang ada
- Cakupannya lebih luas dibandingkan dengan sistem RF
- Format data digital sehingga data yang ditransmisikan lebih akurat
- Frekuensi yang digunakan sangat tinggi, hampir sama dengan frekuensi
satelit
Kelemahan:
- Cakupan areanya terbatas pada sistem transmisi yang memiliki BTS    
(Base Transceiver Station)
- Kekuatan sinyal terbatas dan sangat dipengaruhi oleh kondisi geografis
- Kapasitas transfer data terbatas, karena karakter yang ditransmisikan juga
terbatas.

3.    Sistem Transmisi data via RF (Radio Frequensi)

Keunggulan:
- Biaya infrastruktur relatif murah untuk diimplementasikan
- Sangat efektif jika antara stasiun pengirim dan penerima jaraknya tidak
terlalu jauh
- Kapasitas data yang dikirimkan relatif lebih besar daripada GSM
 Kelemahannya:
- Kualitas data yang dihasilkan sangat dipengaruhi oleh kondisi lingkungan
- Daerah cakupan terbatas, tergantung dari Power yang diberikan
- Kondisi Sinyal to Noise Ratio-nya tidak stabil

2.2 National Data Buoy Center

National Data Buoy Center (NDBC) adalah salah satu bagian dari National
Oceanographic and Atmospheric Administration’s (NOAA) National Weather
Service (NWS) yang mengoperasikan dan mengontrol kualitas data pada lebih
dari 100 moored buoy, 50 stasiun Coastal-Marine Automated Network (C-MAN),
55 Tropical Atmosphere Ocean (TAO) dan 39 stasiun pendeteksi tsunami Deep-
Ocean Repoting and Assesment of Tsunamis (DART). Stasiun tersebut mengukur
data-data penting lingkungan perairan dan atmosfir untuk mendeteksi bencana
atau early warning system. Sistem buoy juga dirancang untuk merekam data dan
memberikan informasi terhadap observasi dan analisis jangka panjang untuk
penelitian. NDBC telah mengembangkan kemapuan sistem buoy untuk mengukur
dan merekam data-data berikut ini secara real time:
- Tekanan atmosfir
- Arah angin, kecepatan angin dan hembusan
- Tekanan air dan udara
- Energi spektra gelombang
- Ketinggian kolom air
- Kelembaban relatif
- Kecepatan arus di samudera
- Presipitasi
- Salinitas
- Radiasi sinar matahari
- Visibilitas
- Level air dan kualitas air
Data yang disajikan oleh NDBC ditransmisikan dari stasiun pengirim
(transmitter) melalui satelit ke stasiun penerima (receiver) di daratan untuk diolah
kemudian disajikan pada situs http://www.ndbc.noaa.gov/
 Gambar 1. Proses pengambilan data dan transmisi pada buoy
(Sumber: http//www.ndbc.noaa.gov)

II.2 Pengambilan dan Pengolahan Data Bouy

Proses pengambilan dan transmisi data buoy ditunjukkan oleh gambar
dibawah ini.

Gambar 2. Pemrosesan data buoy

(Sumber: http://www.geocities.com/klipingmedia)
Sistem data buoy diaplikasikan untuk bidang kelautan terutama:
Bidang Oseanografi
Mendeteksi parameter-parameter oseanografi yang dilakukan secara
kontinu, seperti parameter suhu, sa;initas, kecerahan, kekeruhan perairan,
kedalaman, arus laut, tinggi gelombang, arah dan kecepatan angin dan lain-lain.
Bidang Biologi
Mendeteksi kelimpahan algae di suatu perairan, digunakan untuk
mengontrol ekosistem perairan dan digunakan untuk kepentingan seperti;
penyediaan obat-obatan dari sumber bahan algae untuk kepentingan medis.

II.3 Fast Fourier Transform (FFT) dan Power Spectral Density

Transformasi linier terutama Fourier secara luas digunakan untuk
menyelesaikan masalah-masalah di bidang teknik. Transformasi ini digunakan
untuk menyelesaikan analisis sistem linier, optik, random process modeling, teori
probabilitas, fisika kuantum dan lain-lain (Bringham, 2-3).
Dalam bidang fisika dan stastistika pengolahan sinyal dikenal istilah
spectral density, power spectral density (PSD) atau energy spectral density (ESD)
adalah suatu fungsi dari variabel frekuensi yang berasosiasi dengan determinasi
fungsi waktu, dimana fungsi dinyatakan power per Hz, atau energi per Hz. Secara
sederhana disebut spektrum sinyal. Fungsi spektral density ini menangkap
frekuensi data untuk memudahkan indetifikasi periodik (Batenlov, 2005)
Fourirer Transform pada dasarnya berfungsi mendekomposisikan atau
memisahkan sebuah bentuk gelombang atau fungsi menjadi sinusoidal atau
frekuensi berbeda yang jumlahnya sesuai dengan bentuk gelombang aslinya.
Fourier transfrom untuk mengidentifikasikan atau membedakan sinusoidal pada
frekuensi yang berbeda dan masih merepresentatifkan nilai data aslinya. Hal
tersebut didefiniskan dalam persamaan matematik (Hoffman)
Data time series yang bersifat kontinu memiliki periode perkaman waktu
yang panjang. Untuk mengidentifikasikan dan menganalisis data time series
tersebut dapat menggunakan fourier transform. Data time series yang panjang
(fungsi parameter terhadap waktu) ketika ditransformasikan fourier akan menjadi
fungsi dari power spectral density (PSD) terhadap frekuensi.
 III. METODOLOGI

3.1 Alat dan Bahan

Alat dan bahan yang digunakan pada praktikum ini adalah sebagai berikut:
- PC komputer/laptop
- Data Buoy yang diunduh dari situs http://www.ndbc.noaa.gov/
Data mooring yang digunakan adalah buoy 2N 170W (WMO: 51305)
pada lokasi 2°0'0"LU dan 170°0'0"BB pada tanggal 22-30 September
2010
- Program Excel dan Matlab

3.2 Metode
3.2.1 Pengambilan Data
1. Buka situs http://www.ndbc.noaa.gov/ pilih buoy yang akan diambil
datanya, misalnya buoy 51305 yang berada pada samudera Pasifik.

Gambar 3. Halaman depan situs http://www.ndbc.noaa.gov/

2. Tentukan parameter-parameter waktu (waktu awal hingga akhir

perekaman) data yang ingin diolah. Misalnya download data arah angin,
kecepatan angin, dan tekanan udara di permukaan air. Kemudian
download data tesebut.
 Gambar 4. Data stasiun buoy yang dipilih

3. Buka data hasil download tersebut di program Excel, urutkan data dari
awal hingga akhir pengukuran.
4. Data yang telah disimpan tersebut diolah di program Matlab untuk
memperoleh grafik dengan menggunakan syntax
5. Kemudian buat tampilam grafik power spectral density (PSD) function
dari data tesebut di Matlab.
6. Selanjutnya olah data berdasar perhitungn Julian day, dan tampilkan grafik
plot time series di Matlab.

3.2.2 Analisis Data

1. Plot dan analisis masing-masing data buoy yang diperoleh dengan melihat
garfik hubungan antara parameter yang diperoleh terhadap waktu.
2. Identifikasi pada waktu berapa terjadi fenomena perairan kemudian
buatlah rentangan nilainya.
 IV. HASIL DAN PEMBAHASAN

Data buoy yang digunakan adalah sistem bouy 2N 170W (WMO: 51305),
berstatus aktif yang ditransmisikan Argos 774. Data yang diambil adalah data arah
angin dan kecepatan angin serta tekanan udara pada lokasi pada lokasi 2°0'0"LU
dan 170°0'0"BB pada tanggal 22-30 September 2010. Di bawah ini adalah grafik-
grafik yang dibentuk dari data-data buoy tersebut.

Gambar 5. Grafik data arah angin

Berdasar gambar grafik data arah angin di atas, tampak bahwa arah angin
yang terjadi pada suatu periode mengalami fluktuasi dan amplitudo yang cukup
besar. Hal tersebut dapat dilihat dari bentuk gelombang memiliki puncak dan
lembah grafik sangat tinggi dan tajam. Pada grafik diatas, tidak dapat dilihat
dengan jelas waktu terjadinya tren atau fenomena yang terjadi, karena fungsi
waktu disajikan dalam jam per hari.

Gambar 6. Grafik data kecepatan angin

 Berdasarkan gambar grafik data kecepatan angin di atas, tampak bahwa
kecepatan angin yang terekam pada suatu periode mengalami fluktuasi dan
amplitudo yang besar. Dilihat dari puncak dan lembah grafik yang terbentuk
sangat curam dan tajam di beberapa titik.

Gambar 7. Power spectral density arah angin

Gambar di atas adalah grafik power spectral density arah angin. Grafik
power spectral density menampilkan fungsi power spectral density dan frekuensi
pembentukannya. Berdasarkan grafik di atas, tampak bahwa arah angin yang
terbentuk mengalami amplitudo yang besar, yaitu pada frekuensi 380 Hz dan
power spectral density 13 mendekati 14, sedangkan terendah terdapat pada
beberapa titik yang berfluktuasi yaitu mulai dari frekuensi 125 Hz hingga
mendekati 480 Hz. Melalui transformasi gelombang menjadi grafik fungsi power
spectral density dan frekuensi, data time series dapat di analisis lebih detail.
Gelombag yang telah dipisahkan atau diuraikan melalui fourier transform
masih memiliki bentuk dan fase yang sama dengan grafik data sebelumnya, hanya
gelombang yang telah diuraikan tersebut lebih detail, dan transformasi gelombang
masih merepresentasikan data yang sebenarnya.
 Gambar 8. Power spectral density kecepatan angin
Berdasarkan grafik power spectral density (PSD) data kecepatan angin
diatas, tampak bahwa data kecepatan angin memiliki amplitudo yang besar
dibandingkan rata-rata gelombang yang terbentuk lainnya. Diantaranya pada
frekuensi 150-200 Hz dan 500 Hz dengan power spectral density mendekati 8.

Gambar 9. Time series plot data arah angin

Gambar di atas adalah grafik data time series dari arah angin. Grafik
tersebut diperoleh dari data arah angin buoy dengan konversi waktu berdasar
Julian day kemudian data tersebut divisualisasikan ke dalam bentuk grafik plot
time series data. Berdasar data diatas, tampak bahwa arah angin yang terjadi pada
periode tersebut mengalami fluktuasi dan amplitudo yang cukup besar pada
pertengahan periode perekaman data yaitu pada tanggal 25-28 September 2010.
Dimana grafik time series menunjukkan peurunan dan penaikan yang berfluktuasi
dan signifikan.
 Gambar 10. Time series plot data kecepatan angin
Gambar di atas adalah grafik time series data kecepatan angin yang
diperoleh melalui metode yang sama dengan grafik time series data arah angin.
Berdasar grafik, tampak bahwa kecepatan angin pada periode tersebut mengalami
fluktuasi yang besar, dimana hampir seluruh grafik menggambarkan bentuk yang
bervariasi, yaitu peningkatan dan penurunan pada awal tanggal 23 hinggga 30
September 2010. Berdasar pengamatan data time series kita dapat menganalisis
atau membuat model mengenai tren dari feromena-fenomena di laut.

V. PENUTUP
5.1 Kesimpulan
Setelah melaksanakan praktikum ini, dapat disimpulkan beberapa hal
diantaranya yaitu;
Mooring buoy adalah suatu sistem buoy yang dapat melakukan perekaman
dan transfer data atau informasi dari satu titik ke titik lain (point to point
communiations) pada luasan area yang besar. Sistem mooring buoy diciptakan
untuk menduga parameter-parameter fisik, kimia dan biologi laut secara real time
dan kontinu. Berdasarkan data tersebut, dapat dianalisis dan dibuat pemodelan
untuk meramalkan kondisi perairan dan pengaruhnya terhadap daratan.
Untuk dapat menganalisis data time series parameter laut, perlu dilakukan
fourier transform untuk menganalisis data tersebut karena Fourirer Transform
pada dasarnya berfungsi mendekomposisikan atau memisahkan sebuah bentuk
gelombang atau fungsi menjadi sinusoidal atau frekuensi berbeda yang jumlahnya
sesuai dengan bentuk gelombang aslinya. Grafik ata time series yang panjang dan
tidak ditransformasikan dapat menimbulkan kesalahan interpretasi atau tidak detil.

5.2 Saran
Pengolahan dan analisis data time series parameter laut yang bersifat
periodik sebaiknya dilakukan dengan transformasi fourier, dimana gelombang
atau fungsi sinusoidalnya dapat di pisahkan atau didekomposisikan untuk
dianalisis lebih detil. Penyajian data time series dapat dilakukan melalui filter
yang dapat menghilangkan data dengan amplitudo sangat besar yang dapat
mengubah rata-rata. Namun dapat juga menggunakan data asli tanpa filter yang
akan menyertakan data dengan amplitudo besar tersebut.

DAFTAR PUSTAKA
Batenkov, Dima. 2005. Fast Fourier Transform. Key Paper in computer Science
Seminar
BPPT. Sistem Informasi Peringatan Dini Gelombang Pasang Tsunami. Diunduh
dari: http://www.geocities.com/klipingmedia [5 September 2010].
Bringham, E. Oren. 1998. The Fast Fourier Transform and Its Applications.
Eaglewood Cliffs, NJ: Prentice-Hall Inc.
Derenzo,S.E.1990. Interfacing Laboratoty Approach using the Microcomputer for
Instrumentation data Analysis and Control. Prentice Hall Inc. California.
FFT Tutorial. University of Rhode Island Department of Electrical and Computer
Engineering.
Hoffman, Forrest.M. An Introduction to Fourier Theory.
National data Buoy Center. Handbook of Automated Data Quality Control Checks
and Procedures. National Oceanic and Atmospheric Administration. U.S
Department of Commerce.