ANALISIS DISTRIBUSI PARTICULATE INORGANIC CARBON (PIC) SERTA KORELASINYA DENGAN SUHU PERMUKAAN LAUT MENGGUNAKAN DATA CITRA SATELIT AQUA-MODIS DI PERAIRAN SELAT SUNDANi Luh Eta Yuspita1314511019

ABSTRACT : Sea surface temperatures (SST) have influence on distribution of particulate inorganic carbon in the ocean. Aqua-Modis data can role play as an effective and cheap for SST and PIC (Particulate Inorganic Carbon) data supply. There are much free or open source tools for analyzing and extraction SST and PIC data to learn oceanography phenomenon relate to process in ocean such ENVI. This paper describes briefly the utilizing Aqua-Modis data and ENVI software of using them as free SST data and PIC data open source tools for distribution of Particulate Inorganic Matter and distribution SST from January to Desember as well as the correlation analysis between them.

PENDAHULUANPenelitian tentang fenomena oseanografi baik skala lokal maupun global memerlukan data dari ocean color imagery satelit. Dalam hal ini, data penginderaan jauh berupa Aqua-Modis dapat berguna menganalisis baik secara visual maupun raw-data sehingga memudahkan dalam mempelajari berbagai fenomena terkait lainnya yang berlangsung di lautan. Keberadaan data citra satelit bagi pengamatan parameter dan fenomena oseanografi akan lebih memberikan keuntungan dari sisi waktu dan biaya serta akurasi yang cukup tinggi. Ditunjang oleh dukungan jalur free access terhadap berbagai data osenaografi oleh beberapa badan internasional yang sekarang ini lebih dimudahkan dengan adanya fasilitas internet serta kebijakan pengembangan perangkat lunak pengolah data citra satelit yang open source oleh beberapa pengembang menjanjikan suatu sistim yang lebih efisien, murah serta cepat bagi sisi pengelolaan kelautan dan perikanan.Berdasarkan uraian di atas, tulisan ini berusaha mengulas analisis SST dan PIC (Particulate Inorganic Carbon) dengan menggunakan data citra free access (non-komersil) dan perangkat lunak open source dalam menyediakan informasi yang cepat, murah, dan applicable. SST merupakan variabel oseanografi yang memiliki pengaruh terhadap variabel-variabel lainnya. Salah satu variabel yang dipengaruhi tersebut adalah PIC. PIC merupakan padatan karbon inorganik yang terdapat dilautan sebagai hasil dari proses serah terima karbon anatara atmosfer dan lautan. Penelitian yang khusus untuk menganalisis PIC masih sangat sedikit dilakukan. Padahal PIC penting untuk mengetahui peran lautan sebagai penyerap maupun pelepas karbon di bumi. Dalam penelitian ini, dilakukan analisis mengenai sebaran SST dan PIC secara temporal dan melakukan analisis kolerasi antara keduanya. Selat Sunda dipilih mengingat wilayah perairan ini memiliki cukup data PIC jika dilihat secara visual jika dibandingkan dengan perairan lain yang data PIC-nya tidak begitu mencolok. Sehingga dalam mencari hubungan antara suhu permukaan laut dan particulate inorganic carbon wilayah ini dapat mendukung.

METODE PENELITIANPenelitian ini dilakukan dengan mengambil lokasi studi di perairan Selat Sunda pada posisi 510'0.00" LS - 535'0.00" LS dan 10610'0.05" BT - 10635'0.05" BT. Data yang digunakan dalam penelitian adalah data citra satelit Aqua MODIS level 3 dalam format HDF (Hierarchical Data Format). Data SST yang digunakan adalah data SST daytime dengan resolusi 9 km. Untuk data PIC yang digunakan adalah data yang beresolusi 9 km. Peralatan yang digunakan adalah komputer berbasis Windows 7 serta software ENVI 4.8, SeaDAS 4.7, Microsoft Exel 2007, dan SPSS 17.

Gambar 1. Lokasi Penelitian di Peraiaran Selat Sunda

Berdasarkan sifat datanya yang merupakan data komposit dan siap pakai, maka data SST level-3 tidak memerlukan tahapan koreksi baik geometrik maupun radiometrik. Oleh karenanya dalam kegiatan ini koreksi radiometrik tidak dilakukan karena citra yang digunakan adalah data level-3 yang sudah terkoreksi baik geometrik maupun radiometrik. (Faizal, 2010).Untuk analisis Raw Data atau untuk mendapatkan nilai data dilakukan pengolahan menggunakan software ENVI 4.8. Langkah pemotongan citra (image cropping) dilakukan untuk memperkecil area tampilan citra sesuai koordinat daerah yang diinginkan. Ini bertujuan agar ukuran file menjadi lebih kecil sehingga proses pengolahan menjadi lebih cepat. Untuk analisis data, pengamatan dilakukan dengan membuat Area of interest (AOI). Data dalam AOI kemudian di convert ke format ASCII sehingga diperoleh mean data. Mean data yang diperoleh kemudian diolah menggunakan Ms. Excel 2007 menjadi representasi grafik. Untuk memvisualisasi data digunakan software SeaDAS 4.7. SPSS 17 digunakan untuk mengetahui nilai kolerasi variabel SST dengan PIC.Penelitian dilakukan dengan menggunakan data bulanan (monthly) SST (Sea Surface Temperature) dan PIC (Particulate Inorganic Matter) selama lima tahun dari bulan Januari 2008 bulan Desember 2012. Data lima tahun tersebut kemudian dicari rata-rata setiap bulannya yaitu dari bulan Januari hingga Desember. Dengan demikian didapatkan sebaran atau variabilitas rata-rata data untuk semua bulan dalam satu tahun. Untuk visualisasi data bulanan Particulate Inorganic Carbon digunakan data PIC tahun 2012 dari bulan Januari Desember. Tahun 2012 dipilih karena pada tahun ini tidak dipengaruhi ENSO. Penggunaan data selama lima tahun adalah supaya data lebih akurat karena setiap tahun terjadi anomali atau perubahan.

HASIL DAN PEMBAHASANHasil pengolahan data citra modis SST dan PIC memberikan hasil berupa nilai. Data SST bulanan selama lima tahun yang digunakan setelah diolah diperoleh nilai rata-rata SST dari bulan Januari hingga bulan Desember. Begitu juga dengan data PIC. Tabel 1 menunjukkan hasil nilai rata-rata SST dan PIC bulanan di wilayah pengamatan. Rata-rata nilai SST dari bulan Januari sampai bulan Desember dinyatakan dalam satuan derajat celcius (oC). Untuk nilai rata-rata PIC diperoleh nilainya dalam satuan mol m-3. Kisaran nilai rata-rata SST dan PIC dapat dilihat pada Tabel 1.

BulanMean SST (oC)Mean PIC (mol m-3)

Januari26.072.6 10-3

Februari26.711.4 10-3

Maret28.140.88 10-3

April29.291.6 10-3

Mei30.581.7 10-3

Juni30.301.37 10-3

Juli29.831.62 10-3

Agustus29.952.44 10-3

September30.081.46 10-3

Oktober30.001.34 10-3

November29.171.38 10-3

Desember27.641.78 10-3

Tabel 1. hasil nilai rata-rata SST dan PIC bulanan di perairan Selat Sunda

a. Sea Surface Temperature (SST)Variasi nilai rata-rata SST dilokasi pengamatan dipengaruhi oleh musim yang ada di Indonesia. Musim timur berlangsung dari bulan April-Oktober dimana pada musim ini adalah terjadinya kemarau di Indonesia. Pada musim barat berlangsung dari Oktober-April dan wilayah Indonesia akan mengalami musim penghujan saat musim barat berlangsung (Adnan, 2010). Musim timur berpengaruh terhadap menurunnya suhu permukaan di perairan Selat Sunda. Hal yang sebaliknya terjadi pada musim barat yang berpengaruh terhadap naiknya rata-rata suhu permukaan di perairan Selat Sunda, sebagaimana terlihat pada Grafik 1.

Grafik 1. Sebaran Nilai Rata-Rata Sea Surface Temperature Bulanan Tahun 2008-2012 di Peraiaran Selat Sunda

Rata-rata SST terendah terjadi di bulan Januari dengan nilai 26,07 OC. Rata-rata suhu terus mengalami kenaikan hingga titik tertinggi yang terjadi pada bulan Mei yakni sebesar 30,58 OC. Dari Grafik tersebut dapat dilihat bulan-bulan yang mengalami suhu lebih rendah ialah januari, Februari, Maret, November, dan Desember.

b. Particulate Inorganic Carbon (PIC)Particulete Inorganic Carbon atau padatan karbon inorganik merupakan mineral-mineral karbonat yang ada di permukaan laut. Mineral karbonat merupakan persenyawaan dengan ion (CO3)2-. Seumpama persenyawaan Ca dinamakan kalsium karbonat CaCO3dikenal sebagai menirel kalsit yang merupakan mineral utama pembentuk batuan sedimen. Beberapa contoh mineral yang termasuk dalam kelompok karbonat adalah dolomite (CaMg(CO3)2, calcite (CaCO3) dan magnesite (MgCO3). Proses terbentuknya mineral di lautan terbentuk melalui prepisitasi inorganik.(Scholle et al, 2003)Ketika karbon dioksida (CO2) larut dalam air akan menghasilkan asam karbonat (carbonic acid), selanjutnya asam karbonat ini akan terdisosiasi (terurai) ketika berada dalam air melepaskan ion hidrogen (H+) dan ion asam bikarbonat (HCO3-). terlepasnya ion Hidrogen dari terurainya (terdisosiasi) asam bikarbonat (HCO3-) meningkatkan keasaman larutan (nilai pH menurun) menunjukan bahwa ion karbonat (CO3-) yang lepas inilah yang akan berikatan dengan kation-kation logam lain pembentuk mineral karbonat (Scholle et al, 2003).

Grafik 2. Sebaran Rata-Rata Particulate Ibnorganic Carbon Bulanan Tahun 2008-2012 di Perairan Selat Sunda

Grafik 2 menunjukkan variasi bulanan nilai rata-rata PIC di wilayah pengamatan. Nilai tertinggi terjadi pada bulan Januari kemudian menurun dan terjadi anomali pada bulan Maret dengan nilai rata-rata terendah. Bulan-bulan dengan nilai PIC tinggi lainnya adalah pada bulan Agustus dan Desember. Sedangkan rata-rata PIC lebih rendah lainnya adalah terjadi pada bulam April, Mei, Juni, Juli, Agustus, September, Oktober, dan November.

Gambar 2. Data Sebaran Particulate Inorganic Carbon Aqua-Modis L3 di Perairan Selat Sunda dari bulan Januari 2012 Desember 2012 yang diolah menggunakan SeaDAS 4.7

c. Hubungan Parameter SST dan PICDua prisip utama dari mekanisme prespitiasi inorganik yang dapat menyebakan hilangnya karbon dioksida di air yakni meningkatnya temperatur dan menurunnya tekanan air. Naiknya temperatur, menyebabkan menurunnya kelarutan karbon dioksida (dan gas lainnya) dalam air. Maka peningkatan temperatur mengurangi kapasitas dari air untuk melarutkan dan menahan karbon dioksida, menyebabkan terbebasnya karbon dioksida ke atmosfer. menurunnya kelarutan bermakna bahwa suatu mineral akan cendrung untuk terpresipitasi dibandingkan tetap berada (terlarut) dalam larutan. (Boggs, 2006).Pada lokasi pengamatan di perairan Selat Sunda dapat dilihat hasil rata-rata sebaran SST dan PIC bulanan memiliki pola yang berbanding terbalik. Pada bulan-bulan musim kemarau yaitu April hingga Oktober saat SST memiliki nilai tinggi, kandungan PIC-nya memiliki nilai rendah. Sebaliknya pada bulan-bulan musim penghujan atau suhu rendah seperti bulan Desember dan Januari terlihat dengan jelas PIC-nya memiliki nilai yang lebih tinggi.

d. Analisis Korelasi Parameter SST dan PICAnalisis kolerasi adalah metode statistik yang digunakan untuk mengetahui hubungan linear antar dua variabel atau lebih. Nilai kolerasi () berkisar antara -1 1. Jika korelasi bernilai positif maka hubungannya searah sedangkan jika bernilai negatif maka hubungannya berlawanan arah. Uji analisis korelasi pada dua varibel SST dan PIC mendapatkan hasil berikut pada Tabel 2. Koefisien pearson korelasi yang didapatkan adalah 0.239 dimana dalam keputusan uji hubungan korelasinya rendah. (Abdurrahman, 2007) Signifikan level two tailed diperoleh 0.454.

Korelasi

SSTPIC

SSTPearson Correlation1-.239

Sig. (2-tailed).454

N1212

PICPearson Correlation-.2391

Sig. (2-tailed).454

N1212

Tabel 2. Hasil Kolerasi Data Rata-Rata SST dan PIC di perairan Selat Sunda

Grafik 3 menunjukkan pola sebaran korelasi antara SST dan PIC di lokasi pengamatan. Nilai korelasi yang didapatkan bertada negatif yang artinya antara SST dan PIC mempunya hubungan yang berlawanan arah. Sehingga saat nilai variabel X atau SST naik maka nilai varibel Y atau PIC akan turun.

Grafik 3. Kolerasi Data Rata-Rata SST dan PIC di perairan Selat Sunda

Adanya penyimpangan pada bulan Maret dan bulan Agustus, dimana saat suhu lebih rendah di bulan Maret daripada suhu pada bulan April (pada Grafik 1) PIC pada bulan Maret justru signifikan lebih rendah (pada Grafik 2). Begitu pula yang terjadi saat bulan Agustus dimana PIC signifikan tinggi saat suhu tinggi. Adanya nilai penyimpangan ini berpengaruh pada korelasi antara kedua variabel yang menyebabkan hubungan berlawanan arah keduanya menjadi rendah. Untuk mengetahui mengapa terjadi penyimpangan pada bulan-bulan tersebut perlu dilakukan penelitian lanjutan.

KESIMPULANSecara cepat, murah dan efisien penggunaan data citra telah dibuktikan dalam kegiatan ini untuk keperluan pengamatan dan analisis suhu permukaan laut dan padatan karbon inorganik. Sea Surface Temperatur dapat mempengaruhi distribusi PIC di lautan. Suhu permukaan laut atau SST dan PIC merupakan parameter dalam proses-proses oseanografi. Bagi kepentingan pengelolaan bidang kelautan dan perikanan, sumber data dan informasi yang efisien dan efektif yang ditunjang oleh jenis datanya yang murah, cepat saji, dan luas jangkauan tentunya merupakan suatu kebutuhan penting mengingat luasnya wilayah lautan yang dimiliki oleh Negara Kesatuan Republik Indonesia sehingga berguna bagi pengelolaan baik secara regional maupun Nasional atau pun Internasional.

DAFTAR PUSTAKA

Abdurrahman, Maman dan Muhibbin, Sambas Ali, Analisis Korelasi, Regresi, dan Jalur dalam Penelitian, Bandung : CV Pustaka Setia, 2007.Adnan, 2010. Analisis Suhu Permukaan Laut Dan Klorofil-A Data Inderaja Hubungannya Dengan Hasil Tangkapan Ikan Tongkol (Euthynnus Affinis) Di Perairan Kalimantan Timur. Jurnal Amanisal Vol 1 : 1Faizal. Kasim, 2010. Analisis Distribusi Suhu Permukaan Menggunakan Data Citra Satelit Aqua-Modis dan Perangkat Lunak Seadas di Perairan Teluk Tomini. Jurnal Ilmiah Agropolitan Volume 3 :1Sam boggs, Jr , 2006, Sedimentology and Stratigraphy.Scholle, A Petter and Ulmer, S Dana, A, 2003. A color guide to the petrography of carbonate rock.

1