Teknik Penulisan Karya Tulis Artikel Ilmiah Prof. Dr. Edvin Aldrian BAGIAN 1. Struktur Karya Tulis Ilmiah Kandungan dan maksud masing masing bagian sebuah tulisan ilmiah: 1. Judul Merupakan intisari dari keseluruhan isi tulisan. Judul harus singkat, tegas dan lugas, serta tidak memiliki arti ganda. Apabila tidak diperlukan, hindari keterangan waktu, tempat dan jenis penelitian. Judul sebaiknya dibuat terakhir dalam sebuah penulisan paper setelah pembuatan abstrak atau intisari. Meski kadangkala judul dirancang pada awal tulisan, tetapi sentuhan akhir pada judul dilakukan terakhir sekali. 2. Abstrak / Intisari Berisikan rangkuman isi paper yang mirip tetapi berbeda dengan kesimpulan. Di bagian ini merupakan kunci dari publisitas atau promosi sebuah tulisan ilmiah. Sehingga harus dapat menggambarkan keseluruhan isi dengan sesingkat singkatnya. Formatnya biasanya hanya satu paragraph atau alinea. Dalam intisari harus dicantumkan seringkas mungkin bagian bagian terpenting dari kesimpulan, alasan dari penelitian dan hal yang menjelaskan kenapa penelitian ini penting dan dapat diambil dari bagian pendahuluan. Tidak dibolehkan membuat singkatan dalam intisari kecuali sangat terpaksa. Tidak diperkenankan juga membuat referensi atau quote ilmiah terhadap tulisan ilmiah lainnya disini. Tidak patut juga menyebut nama atau jenis software yang dipergunakan dan juga tidak lazim menceritakan jenis analisa yang dipakai, berikan gambaran umum saja. Isi dari sebuah intisari haruslah dapat berdiri sendiri, tanpa isi tulisan dari bagian lainnya (self explanatory). Hal ini terutama berlaku pada kumpulan abstrak pada sebuah konferensi ilmiah, tetapi juga secara umum demikian, dalam daftar publikasi ilmiah, biasanya tercantum keseluruhan isi intisari ini yang diharapkan cukup jelas menggambarkan keseluruhan isi tulisan. Abstrak atau intisari dibuat terakhir sebelum kata kunci dan judul tulisan. 3. Kata Kunci Berisi beberapa kata kunci hingga 5 buah yang merupakan satu kata atau gabungan kata yang memiliki arti tertentu. Kata kunci merupakan ringkasan lebih lanjut dari keseluruhan tulisan yang bertujuan untuk memudahkan pencarian dan penyimpanan (data base) sebuah tulisan ilmiah. Pilihlah kata kunci yang sesuai dengan jiwa tulisan keseluruhan dan memiliki nilai strategis dalam promosi tulisan serta memiliki keunikan khusus dalam tulisan tersebut. Kata kunci dibuat terakhir sebelum judul.
4. Pendahuluan Bagian ini merupakan bagian penting dari sebuah tulisan ilmiah yang berisikan cerita pendahuluan mengapa tulisan atau penelitian ini penting dan dilakukan. Selain itu perlu dipaparkan apa kekhasan dari tulisan ini yang menjadikannya penting dan posisi tulisan ini dalam road map of science atau alur ilmiah sebelum dan yang akan datang yang mungkin terhadap pengaruh keberadaan tulisan ini. Pada bagian ini juga dibahas apa yang menjadi batasan dari tulisan ini yang akan dibahas dan tidak dibahas, serta kemungkinan alasan dari pembatasan tersebut. Banyak orang menganggap bagian ini dari sebuah tulisan tidak penting, akan tetapi alur sebuah tulisan dimulai disini dan sebaiknya bagian ini merupakan sekitar 30% dari keseluruhan isi dan panjang tulisan. Bagian ini juga biasanya merupakan bagian yang memaparkan daftar pustaka yang relevan terhadap isi tulisan berdasarkan alur ilmiah dari penulisannya. Dibagian akhir dari bagian ini perlu diketengahkan teknik pembagian isi atau struktur tulisan yang mengikutinya. Bab pendahuluan dibuat setelah selesai menuliskan Bab pembahasan. 5. Data dan Metoda Bagian ini berisikan keseluruhan data terkait, metoda pengolahan data dan metoda analisa serta proses ekstraksi serta synthesis secara umum. Paparkan juga daftar pustaka yang relevan terhadap hal hal diatas serta pertanggung jawaban hak cipta data berupakan hubungan dengan daftar pustaka. Bagian ini dibuat setelah Bab hasil dan pembahasan kurang lebih selesai dibahas. 6. Hasil dan Pembahasan Bab ini berisikan hasil hasil penerapan dari data dan metoda yang merupakan pokok atau batang tubuh dari isi tulisan. Apabila metoda yang dipaparkan kurang memadai dan dibutuhkan penjelasan yang lebih detail dapat dilakukan disini. Dari keseluruhan isi tulisan, bagian inilah yang akan dijual dan akan disarikan kemudian dalam Bab kesimpulan dan dalam abstrak. Kemampuan membuat hasil dan pembahasan yang baik dan berimbang merupakan kunci dari sebuah tulisan yang berbobot. Bab ini haruslah berisi pembahasan khusus berdasarkan metoda yang dipakai secara umum, synthesis kedua dari pembahasan khusus per metoda, synthesis ketiga yang merupakan hasil dari synthesis kedua dan seterusnya hingga pembahasan umum antar data dan metoda. Dalam meningkatkan kualitas suatu penulisan ilmiah, perlu dibiasakan untuk menambahkan kemampuan synthesis dari level satu, kedua dan seterusnya. Bobot dari sebuah tulisan ilmiah juga ternilai dari bagian akhir Bab ini berupa pembahasan umum antar metoda yang merupakan rangkuman pendek dari berbagai masalah yang ditemukan dan hubungan antara tulisan ini dengan alur ilmiah (road map of science) yang lainnya. Dalam penulisan sebuah tulisan ilmiah, bagian inilah yang harus pertama selesai karena berisikan batang tubuh dari sebuah tulisan ilmiah.
7. Kesimpulan Bab ini merupakan rangkuman dari apa yang telah dilakukan dan highlight atau pokok pokok yang bernilai tinggi atau berharga yang perlu dipaparkan sebagai temuan utama dari tulisan ini. Perlu juga ditegaskan permasalahan yang tidak tuntas atau pandangan masa depan dari kelanjutan tulisan ini. Rangkuman dari kesimpulan haruslah merupakan synthesis akhir dari proses synthesis di bab sebelumnya dan merupakan sesuatu yang unik dan kalau bisa baru serta orisinal. Bagian ini dibuat setelah pembuatan pendahuluan setelah selesai bagian pembahasan dan data serta metoda. 8. Ucapan terima kasih Disini dituliskan sumber dana penelitian dan seluruh pihak yang membantu hingga tulisan ini selesai sempurna. 9. Daftar Pustaka Berisikan daftar pustaka yang relevan dengan isi seluruh tulisan. Harus tercantum dan menyambung dengan isi kalimat sebelumnya dan sesudahnya. Cara mencantumkan citation dalam tulisan harus dibuat dengan merefer atau menyebut pengarang serta tahun tulisan atau dengan melakukan quote dari isi kalimat serupa yang terdapat dalam tulisan yang kita pakai. Dalam hal terakhir ini, harus tidak terjadi jeda arti, atau sambungan kalimat sebelum dan setelah quote haruslah bertajuk sama atau aliran antar kalimat yang halus. 10. Gambar dan Tabel Ini adalah bagian pertama yang harus disiapkan dari penulisan sebuah tulisan ilmiah, gambar dan table dibuat berdasarkan pengolahan data dan analisa yang dilakukan untuk awal tulisan ilmiah yang sedang kita rancang. Adakalanya ditambahkan gambar atau tabel yang menjelaskan bagian pendahuluan, data dan metoda serta bagian kesimpulan. Tetapi yang perlu dipersiapkan sejak awal adalah gambar gambar bagian hasil dan pembahasan. Semua gambar harus dapat terbaca tulisan didalamnya, dapat dimengerti dengan referensi sumbu waktu dan geogafis atau dengan penjelasan yang memadai. Dalam keterangan gambar, berikan arti gambar secukupnya tanpa memberikan interpretasi tambahan dari hasil analisa, kecuali untuk memberikan tekanan pembahasan khusus dari sebuah metoda yang membedakan dengan metoda lainnya. Gambar dan tabel harus juga self explanatory dan jelas sehingga dapat di pakai sebagai quote pada tulisan ilmiah lain yang tidak tergantung pada isi tulisan kita lainnya.
BAGIAN 2. Pengolahan data time series iklim dan kebumian Kata kunci pengolahan data untuk suatu Karya Tulis ilmiah (KTI) yaitu Komprehensif, Massive dan Composite. Sebuah KTI harus bersifat menyeluruh atau komprehensif menjawab pertanyaan seputar topik atau judul yang diberikan. Selain itu sebuah KTI harus bisa menampilkan jawaban yang bersifat massive yaitu memberikan jawaban tidak partial pada suatu lokus tapi memberikan jawaban yang general dapat applicable untuk berbagai kondisi sehingga mewakili suatu kondisi yang massive. Yang terakhir sebuah KTI haruslah dapat memberikan jawaban beragam dalam sebuah benang merah yang ditampilkan dalam bentuk illustrasi yang composite yang dapat secara menarik menampilkan berbagai ide yang termaktub dalam tampilan yang menarik dan multi interpretasi tetapi saling mendukung. Sifat data iklim dan kebumian merupakan data yang bersambung secara historis dan ditambah dengan data sekitarnya pada suatu poin waktu. Data pada waktu berikutnya juga demikian berasal dari evolusi data sebelumnya dan pengaruh lingkungan sekitarnya. Secara umum dapat digambarkan ada dua kontribusi utama nilai sebuah parameter iklim dan kebumian yang tercatat pada suatu waktu yaitu data sebelumnya dan lingkungannya. Secara umum pengertian ini dapat dipakai untuk memodelkan suatu sistim prediksi parameter masa depan. Data iklim dan kebumian merupakan data berulang yang meiliki sifat siklus tertentu seperti tahunan dan batasan lokasi. Dengan sifat siklus tertentu ini maka data iklim dan cuaca dapat diolah dengan metoda khusus untuk pengolahan data dengan siklus tertantu. Sebagai contoh data iklim tahunan dan antar tahunan dapat diolah dengan melihat karakter bulan, musim dan tahun tertentu serta dihubungkan dengan fenomena alam yang memiliki sifat siklus tertentu juga serta dihubungkan antar keduanya dengan menambahkan filter atau metoda saringan tertentu. Data iklim dan kebumian terdiri dari jenis diskrit dan kontinu seperti contohnya data curah hujan jam-jaman hingga harian merupakan data diskrit yang terputus putus atau tidak menyambung antara satu kejadian hujan dan lainnya. Data diantaranya dapat berupa data kosong yang tidak bernilai. Sedangkan data suhu dan kelembaban merupakan contoh data kontinu dimana sepanjang waktu data tersebut selalu bernilai. Data kontinu dapat diolah menjadi data diskrit untuk keperluan tertentu seperti pengolahan data Fourier transform dengan metoda diskrit. Sedangkan data diskrit seperti hujan dapat dikembangkan menjadi data kontinu dengan merubah menjadi data mingguan, bulanan serta tahunan. Hubungan antar fenomena alam iklim dan kebumian dapat terjadi secara empiris dan langsung. Hubungan langsung lebih bersifat local dan dalam jangka waktu relatif singkat. Pengaruh dari suatu fenomena terhadap parameter lainnya biasanya disebut forcing atau dorongan terhadap parameter tersebut. Hubungan tidak langsung biasanya disebut hubungan empiris dan dapat berlangsung dalam waktu lama. Cara termudah untuk pengolahan data yang saling berhubungan
dapat dilakukan dengan metoda filtering dan korelasi. Filtering dapat dilakukan dengan Fourier Transform melalui high, low and window band pass. Cara lain dapat dilakukan dengan membuat filtering sederhana di Excell seperti dengan running average. Metoda filtering dapat dilakukan dengan cara lain seperti diatas, apabila factor bulanan, musiman dan decadal mempengaruhi data. Contohnya dapat membuang data tahunan dengan menghilangkan unsur tahunan. Memakai nilai parameter pada bulan tertentu yang dianggap mewakili unsur pengaruh juga dapat dilakukan, misalnya memakai hubungan antara bulan agustus nilai hotspot dengan SST di pasifik dst. Unsur perubahan global seperti global warming dapat dihilangkan dengan detrend method. Selain itu pemisahan unsur pada skala musiman atau tiga bulanan juga dapat dilakukan untuk lebih menunjukkan hubungan korelasi. Cara lainnya adalah dapat melakukan nilai komposit, contohnya ingin menunjukkan pengaruh El Nino, La Nina dapat dilakukan dengan menggabungkan parameter yang dikehendaki pada tahun tahun El Nino, tahun tahun La Nina, lalu dibuat super impose rata rata dari nilai yang telah di grup tersebut. Berbagai metoda filtering yang lebih handal lagi dapat dilihat berikut ini dengan berbagai metoda principal analisis. Sebelum kita melakukan cross referensi dengan melihat korelasi hubungan antara beberapa parameter terkait, kita perlu mengolah data time series iklim dan kebumian dengan baik dan benar memakai metoda statistic sederhana seperti nilai rata rata <x>, standar deviasi <<x>>. Setelah itu apabila didapat hubungan antara dua parameter yang berbeda dapat diterapkan nilai significant hubungan yang menunjukkan seberapa kuat hubungan antar keduanya. Cara lain yang dapat dilakukan untuk menghubungkan misalnya antara predictor dan prediktan (yang diprediksi dan pemrediksi) dengan nilai korelasi, RMSE (Root Mean Square Error) dan filtering khusus. Karena sifatnya yang dipengaruhi oleh data histories, maka data time series dalam iklim dan kebumian sering kali diupayakan untuk dipakai sebagai prediksi untuk masa mendatang. Metoda prediksi biasanya diterapkan dalam sebuah model untuk pengolahan data dalam tiga, dua dan satu dimensi. Tehnik peramalan model mengacu pada kedua sifat dasar data iklim dan kebumian yaitu kontribusi dari masa lampau (historis) dan sekitarnya yang terlihat dari metoda finite difference (untuk prediksi temporal sebagai kontribusi historis) dan finite element (untuk prediksi spasial dari kontribusi lingkungan). Pemodelan untuk prediksi dilakukan dengan dua tahap yaitu tahap inisialisasi atau training atau adjustment dan tahap kedua yaitu tahap prediksi. Model laut yang memiliki waktu memori yang panjang, membutuhkan masa inisialisasi hingga beberapa decade, sedangkan model atmosfir dapat dilakukan dalam waktu harian. Beberapa metoda modeling satu dimensi (hanya terhadap waktu) dilakukan dengan masa adjustment (penyesuaian) atau training. Pada periode ini, model menyesuaikan dengan masukan data terkini hingga sesaat sebelum dilakukan prediksi. Pada beberapa model prediksi statistic yang akan diuraikan dibawah ini, perioda ini dipakai sebagai training dari model terhadap data historis.
Secara umum tidak semua model yang sukses dalam masa inisialisasi atau adjustment atau training dapat juga berhasil pada masa prediksi. Sehingga tidak lazim hasil dari periode ini diklaim sebagai kinerja model keseluruhan. Secara umum modus pemodalan terbagi dua yaitu untuk prediksi (forecast mode) dan untuk simulasi umum (climate mode). Modus yang kedua inilah yang sering dipakai sebagai barometer kinerja model dan persiapan untuk melakukan prediksi mendatang. Tidak semua prediksi dilakukan untuk masa mendatang yang benar benar belum terlampaui seperti untuk operasional. Tehnik forecast mode terkadang diterapkan untuk data lampau untuk melihat kinerja model dan kemungkinan penerapannya. Ada beberapa kemungkinan lain dari prediksi selain forecast seperti dengan nowcast dan hindcast. Nowcast merujuk kepada kemampuan model untuk memprediksi apa yang akan terjadi saat ini seperti gejala badai. Dalam hal ini yang diutamakan adalah kontribusi lingkungan terhadap apa yang akan terjadi sesaat lagi. Hindcast dilakukan sebagai penerapan model prediksi atas data masa lampau yang dilakukan secara berturut turut pada pada historis. Metoda hindcast ini baik dipakai untuk melihat kinerja model sebelum penerapan pada proses operasi sesungguhnya. Karena sifat prediksi model prediksi tetap terkait pada sifat dasar data time seris iklim dan kebumian diatas, maka semakin jauh prediksi dilakukan akan semakin besar kesalahan yang dilakukan. Perkembangan error dan faktor internal error dinyatakan dalam predictability, atau kemampuan prediksi model yang sangat tergantung terhadap berbagai faktor lain seperti factor tahunan, musiman dan factor internal sistim modeling sendiri. Sebagai contoh, model FFT atau fourier transform baik dilakukan untuk data yang bersifat spectral dan kontinu, tetapi dapat juga dipakai untuk data diskrit dengan berbagai kelemahan. Beberapa metoda modeling time series iklim dan kebumian yang sering dipakai saat ini untuk time series satu dimensi: A. Teknik Analisa hubungan empiris - Korelasi Teknik dasar ini memberikan hubungan empiris antara dua data time series. Nilai korelasi antara 0 hingga |1| menyatakan bagaimana pola series yang satu mengikuti pola naik dan turunnya pola kedua. Seringkali hasil dari nilai korelasi langsung dinyatakan sebagai hubungan yang langsung (direct), meskipun hal ini agak sulit untuk pembuktian. Hubungan sebab akibat dengan metoda ini tidak dapat langsung diketahui, perlu analisa lanjut seperti melakukan uji lag korelasi. Secara statistik nilai korelasi yang sama bisa didapat pada panjang series yang berbeda, maka perlu dilakukan uji statistik signifikansi untuk menyatakan bahwa nilai korelasi pada panjang data series tersebut cukup memberikan nilai signifikan. Biasanya metoda korelasi dilakukan dengan juga melakukan uji bias atau error dengan berbagai teknik seperti perhitungan Root Mean Square Error (RMSE). Hasil kombinasi
keduanya dilakukan untuk mendapatkan tingkat kepercayaan yang tinggi dari hubungan empiris yang didapat. - Lag korelasi Perpanjangan dari metoda dasar sebelumnya dengan merubah data series yang dibandingkan dengan memendekkan series yang satu sehingga yang dikorelasi bukan pada series pada waktu yang sama. Bukannya melakukan korelasi pada waktu t(0) pada kedua time series tetapi memakai korelasi pada t(0) pada data pertama dan t(n) pada data kedua, dimana n>0. Dengan memendekkan data series salah satu maka data series yang lainnya juga harus dipakai yang panjang datanya sama. Meskipun juga menghasilkan hubungan empiris tetapi lebih ada kepastian dari hasilnya untuk menentukan series mana yang menyebabkan hubungan series kedua. Dalam hal ini perlu dilakukan juga uji signifikansi dan uji histerisis. Uji histerisis melihat bentuk kurva nilai korelasi dari lag korelasi berbalikan di kedua data series tersebut. Apabila terjadi hubungan kurva S maka akan terjadi hubungan sebab akibat bolak balik. Apabila terdapat signifikansi pada satu sisi saja maka hanya satu parameter yang menyebabkan yang lainnya. - Partial korelasi Jenis korelasi yang lain adalah partial korelasi yang dapat mengambil nilai korelasi antara 3 parameter yang mana satu parameter atau data series dipengaruhi oleh 2 parameter lainnya. Kepentingan dari partial korelasi ini adalah untuk melihat hubungan empiris satu parameter terhadap parameter kedua tanpa ada pengaruh dari parameter ketiga, meski pada kenyataannya parameter ketiga memberikan pengaruh. Contoh adalah peta korelasi curah hujan yang dipengaruhi ENSO di Pasifik yang tidak dipengaruhi oleh Dipole Mode di samudera Hindia. Uji korelasi partial ini memerlukan data hasil korelasi antara dua hubungan empiris yaitu satu parameter dengan kedua parameter yang berhubungan. - Regressi dan interpolasi Metoda ini merupakan aplikasi sangat sederhana dari proses interpolasi dan regressi linear yang sebenarnya juga diterapkan pada finite difference. Kelemahan dari metoda ini hanya memiliki nilai keakuratan pada time step dengan perioda yang sangat singkat. Semakin besar nilai time step, pertumbuhan error akan semakin besar. - Scatter Plot Untuk melihat secara langsung bagaimana hubungan empiris antara dua data series maka dapat dilakukan uji scatter plot. Dua data series yang memiliki korelasi sangat tinggi akan memiliki hubungan linear yang hampir sempurna pada scatter plot. Scatter plot dipakai pada perbandingan hasil dua jenis sumber data. Sumber data bisa dari hasil observasi, hasil pengukuran alat yang beda, hasil pemodelan dan hasil uji formulasi teoritis. Mengapa kita memakai uji ini tapi bukan uji korelasi? Uji korelasi dilakukan untuk menilai
hubungan telekoneksi yang diakibatkan oleh kemungkinan faktor sebab akibat sedangkan uji scatter plot dilakukan untuk kondisi validasi dan verifikasi pengolahan data yang berbeda. Hasil dari scatter plot biasanya dilakukan regressi baik linear, polynomial atau exponential untuk didapat pola hubungan dan persamaannya. B. Teknik Analisa Spektral - Fourier transform Metoda ini berfungsi mengumpulkan nilai frekuensi dominan dari suatu time series yang dihitung dalam frekuensi domainnya. Dalam bahasa sederhana metoda ini mengubah pengolahan dari domain waktu menjadi domain frekuensi. Manfaat dari dilakukannya analisa pada domain frekuensi adalah kita dapat memilih frekuensi mana yang dominan dan melakukan filterisasi. Sebagai contoh kita bisa mengambil data yang dipengaruhi oleh frekuensi yang berhubungan dengan sinyal tahunan, maka kita hanya melihat pola tahunan dari hasil transfer fourier transform dengan memilih frekuensi tahunan, kemudian mendelete seluruh data lainnya dan melihat bagaimana variabilitas tahunan dengan membalikkan time series dari frekeunsi domain ke domain waktu dan hasil yang didapat adalah pola tahunan dari data series yang dimaksud. Prediksi dilakukan dengan asumsi nilai mendatang masih memiliki faktor dari nilai frekuensi dominan yang telah terekam oleh metoda ini. Sehingga prediksi dilakukan dengan menambah satu nilai kosong pada frekuensi domain pada nilai frekuensi tinggi. Dengan memakai paket Fast Fourier Transform (FFT) misalnya, metoda ini dapat dilakukan secara ringkas dan sederhana. - Wavelet transform Metoda ini merupakan perkembangan lanjutan dari metoda fourier transform dimana secara ringkas metoda ini juga dikenal sebagai running fourrier transform atau metoda Fourier transform bergerak. Gambaran dari metoda ini adalah spectrum yang lebih luas dari data time series yang dipakai untuk menghasilkan nilai spectrum frekuensi pada setiap satuan waktu. Apabila metoda sebelumnya menghasilkan satu frekuensi domain, maka dengan metoda ini dihasilkan frekuensi spectra pada seitap satuan waktu analisa. Tehnik atau metoda peramalan dengan wavelet juga serupa dengan metoda Fourier dengan menambahkan satu data kosong pada frekuensi domain dan kemudian di transformasi-kan balik ke time domain. - Convolution Metoda convolution adalah metoda analisa pada frekeunsi domain dimana data time series frekuensi domain dikali dengan data time series lain. Pada time domain yang terjadi darihasil konvolusi adalah proses filterisasi atau smoothing. Apabila yang terjadi pada frekuensi domain dijelaskan sebagai proses perkalian maka pada time domain yang terjadi adalah satu data time series dikalikan secara berjalan dengan data time series pengalinya (harap lihat bagian filterisasi). Sebagai contoh kita ingin melihat bagaimana
hubungan suatu data series dengan kasus El Nino yang memiliki frekuensi return period 4 – 7 tahun, maka pada frekeunsi domain data series yang akan di uji dikalikan secara berjalan dengan data indeks El Nino. Sedangkan pada frekeunsi domain hal ini dapat secara sederhana dilakukan dengan melakukan perkalian matriks kedua series. Contoh metoda convolution yang sederhana adalah bagaimana proses smoothing dilakukan pada data time series dengan windows sederhana 00111100 atau 001232100 pada data series di time domain dengan program Excell dimana perkalian dilakukan berjalan dengan formula tersebut. Dalam perkalian berjalan maka berlaku pengali t(0)x0+t(1)x0+t(2)x1+t(3)x1+t(4)x1+t(5)x1+t(6)x0 atau pada pengali kedua berlaku t(0)x0+t(1)x0+t(2)x1+t(3)x2+t(4)x3+t(5)x2+t(6)x1. C. Teknik Analisa Komponen Utama - EOF dan Principal Component analyses Metoda ini memakai tehnik pengenalan komponen dominan atau utama dari suatu time series kemudian memakai komponen tersebut untuk melakukan prediksi ke masa datang. Hal inilah yang merupakan persamaan dengan metoda Fourier Transform, sedangkan perbedaannya adalah komponen dominant yang dipakai seperti dengan frekuensi pada Fourier dan pola pada metoda ini. Ada banyak sekali varian dari metoda ini seperti Empirical Orthogonal Function (EOF), Principal Component Analysis (PCA), Canonical Component Analysis (CCA) dan Principal Oscillation Pattern (POP). - Principal Oscillating Pattern Memakai prinsip serupa dengan pola analisa EOF maka teknik analisa ini dilakukan pada data series secara spasial 3D (x,y,t) untuk pola yang kejadiannya berosilasi secara teratur. Contoh dari pemakaian ini adalah analisa gelombang Rossby, sebuah pola osilasi yang sangat teratur terjadi di lintang tinggi. Contoh kedua adalah osilasi madden julian (MJO) di daerah tropis. Analisa ini sangat powerful untuk melihat bagaimana pola variabilitas dari osilasi yang terjadi dan kemudian memisahkannya pada pola pola yang dominan dan kemudian dapat dilakukan analisa lanjut. D. Teknik Analisa non linear - Metoda diskrit dengan jaringan syaraf tiruan (contoh ANFIS) Metoda lain yang di tawarkan adalah modeling untuk data diskrit dengan memakai metoda syaraf tiruan seperti ANFIS. Sama seperti metoda lainnya, metoda ini juga mempelajari pola atau pattern yang kemudian dikembangkan untuk dipakai dalam prediksi. Keuntungan dari metoda ini adalah kemungkinan aplikasi pada data diskrit sehingga dapat dipakai untuk data hujan harian yang susah dilakukan dengan metoda lainnya. E. Teknik Analisa Filterisasi - Normalisasi Teknik analisa ini biasa dilakukan sebagai dasar analisa time series sebelum dilakukan analisa lainnya. Kegunaan utama dari penerapan analisa ini adalah
untuk mendapatkan sinyal anomali dari normalnya. Dengan bahasa sederhana maka teknik ini mencoba menghilangkan pola normal atau pola umum atau pola klimatologis. Yang biasa dibuang adalah pola tahunan sebagai contoh untuk sebuah analisa bulanan maka seluruh data bulanan akan dikurangkan dengan rata rata bulanannya. Contoh lainnya pola harian atau jam jaman akan dilakukan setelah dilakukan normalisasi dengan mengurangkan seluruh data jam jaman dengan nilai rata rata jam jaman nya. Dengan teknik Fourier analysis, metoda ini dapat dilakukan dengan mudah dengan cara menghilangkan sinyal tahunan atau harian (24 jam) pada kedua kasus diatas. - Low pass filter Pada analisa hubungan telekoneksi yang berjangka panjang maka perlu dilakukan analisa hubungan sinyal pada frekuensi rendah. Hal ini dapat dilakukan dengan melakukan filterisasi dengan melewatkan sinyal yang memiliki frekuensi rendah. Dengan teknik Fourier analysis metoda ini dapat dengan mudah dilaksanakan dengan memakai window atau band pada frekuensi rendah dan menghilangkan seluruh frekuensi tinggi. Permasalahan adalah bagaimana kita menerapkan threshold dari batas frekuensi yang kita inginkan. - High pass filter Pada analisa hubungan telekoneksi yang dipengaruhi oleh kejadian ekstrim atau durasi pendek maka perlu dilakukan analisa hubungan sinyal pada frekuensi tinggi. Hal ini dapat dilakukan dengan melakukan filterisasi dengan melewatkan sinyal yang memiliki frekuensi tinggi. Dengan teknik Fourier analysis metoda ini dapat dengan mudah dilaksanakan dengan memakai window atau band pada frekuensi tinggi dan menghilangkan seluruh frekuensi rendah. Permasalahan adalah bagaimana kita menerapkan threshold dari batas frekuensi yang kita inginkan. - Band pass filter Adakalanya kita tertarik untuk melakukan analisa pada kasus telekoneksi dimana sudah diketahui pada frekeunsi mana sinyal tersebut terpengaruh. Sebagai contoh untuk melihat hubungan ENSO pada suatu data series kita dapat melihat bagaimana sinyal tersebut pada frekeunsi kerja ENSO. Hal ini dapat dilakukan dengan melakukan band pass filter pada frekuensi ENSO semisal 4-7 tahun. Kemudian hasilnya dapat dilihat apakah benar memiliki hubungan dengan teknik analisa korelasi. Contoh lain adalah bagaimana data series dipengaruhi oleh aktivitas matahari atau sunspot yant memiliki frekuensi antara 8 – 13 tahun dan frekuensi tengah 11.2 tahunan. - Smoothing Metoda filterisasi smoothing dilakukan secara sederhana untuk membuang sinyal frekuensi tinggi. Metoda ini sebenarnya adalah metoda convolution dan dapat dengan mudah dilakukan dengan Excell program. Beberapa manfaat
dari metoda smoothing adalah melihat pergerakan dominan atau trend jangka pendek. Dari sinyal variabilitas data dapat diketahui apakah suatu series sedang mengikuti trend positif atau negatif dengan menerapkan smoothing pada data time series. Pilihan dari nilai smoothing tergantung pada data yang akan dipilih untuk smoothing tersebut. Pada beberapa kasus hasil dari filterisasi ini seringkali dikurangi dengan sinyal asli untuk melihat kondisi residual atau sisa atau nilai frekuensi tingginya. - Annual and seasonal pass filter Metoda analisa time series seringkali dilakukan dengan maksud melihat kesesuaian pola pada data dengan kondisi serupa atau pada musim tertentu. Untuk hal ini maka data yang dianalisa lebih dahulu dilakukan filterisasi musim atau tahunan. Filterisasi tahunan dilakukan dengan melakukan normalisasi atau dengan teknik filtering lainnya. Sedangkan untuk seasonal filter dilakukan dengan mengakumulasi pada musim (3 bulanan) dan kemudian seluruh data dilakukan akumulasi musiman sebelum dilakukan analisa. Contoh analisa adalah bagaimana korelasi hubungan ENSO pada musim musim tertentu. Hal ini dilakukan untuk melihat hubungan ENSO pada berbagai musim yang berbeda dan semua data baik data series yang akan dibandingkan dan data ENSO terlebih dahulu dilakukan akumulasi musiman sebelum dilakukan korelasi. F. Teknik Analisa Trend - Mann Kendall trend Teknik analisa mann kendall merupakan uji sederhana untuk melihat trend perubahan parameter data yang dapat dilakukan secara sederhana memakai Excell. Analisa uji trend dapat memberikan beberapa keuntungan dengan memberikan nilai trend dan juga uji signifikansinya sekaligus. Penghitungan trend juga dapat dilakukan dengan bahasa program R pada paket program Rclimdex dimana berbagai index trend untuk klimatologi juga dapat dihitung. Ada syarat dan kondisi dimana penghitungan trend tidak dapat dilakukan terutama pada data yang banyak data yang hilang. Persyaratan minimal ini harus diperhatikan untuk dilakukan sebelum data dilakukan uji trend. - Regression trend (polynomial dan exponential trend) Berbagai pilihan sederhana di program Excell untuk melakukan trend dapat dilakukan dengan melihat persamaan regressi trend yang dipakai yaitu untuk trend polynomial atau exponential. Penghitungan trend ini dapat dilakukan untuk melakukan proyeksi, prediksi dan juga melihat hubungan empiris dari suatu sifat parameter yang diuji. Hampir keseluruhan teknik analisa time series diatas dapat dilakukan juga untuk kepentingan prediksi dan interpolasi data kemuka. Tujuan dari teknik prediksi adalah untuk mendapatkan data proyeksi baik spasial atau temporal.
BAGIAN 3. Pemakaian referensi ilmiah pada KTI Sebuah KTI dibuat berdasarkan hasil dan kemajuan ilmu pengetahuan sebelumnya, selain itu sebuah KTI harus jelas tempat dan kemanfaatannya dalam peta perkembangan ilmu pengetahuan yang di bidangnya. Pemanfaatan referensi ilmiah juga diperlukan untuk memberikan justifikasi atas hasil ataupun pola pemikiran serta kebaruan (novelty) yang dihasilkan dari sebuah proses riset ilmiah. Hal hal tersebut harus dituangkan dalam pemakaian referensi ilmiah yang baik dan benar. Tidak ada KTI yang berdiri sendiri tidak berhubungan dengan perkembangan ilmu pengetahuan sebelumnya. Secara umum terdapat tiga jenis KTI yaitu hasil pemikiran teoritis, hasil pengukuran atau observasi lapangan serta pengolahannya dan hasil pemanfaatan model yang dibangun dari suatu teori ilmiah. Dari ketiga jenis pembagian KTI secara umum ini hampir tidak mungkin ada KTI yang tidak berhubungan dengan penelitian sebelumnya. Sebuah KTI dapat menampilkan perbedaan dan persamaan hasil dari pengembangan teori, pengolahan data dan pemanfaatan model dengan mensandingkan hasil sendiri dengan hasil dari referensi orang lain. Sebuah KTI harus bersifat orisinal tetapi menunjukkan pola pemikiran yang sangat obyektif bukan subyektif. Pengolahan data yang dilakukan dapat dilakukan kembali oleh orang lain dengan hasil yang serupa. Sehingga tidak ada unsur subyektifitas karena beda pelaku. Sebuah KTI harus dengan jelas tegas dan lugas memberikan perlakukan pengolahan data yang sama kepada seluruh sumber data dan tidak membedakan sehingga terdapat hal yang disembunyikan dalam sebuah penulisannya. Hasil pembahasan dari sebuah proses penulisan KTI akan bermanfaat secara umum dan luas dengan aspek lain diluar penulisan yang bersangkutan. Dalam hal ini perlu ketegasan referensi dimana penempatan kemanfaatan hasil KTI tersebut. Mengapa memerlukan referensi ilmiah 1. Sebagai dasar pemikiran article yang ditulis 2. Sosialisasi atau promosi KTI pribadi 3. Menunjukkan kebaruan atau novelty Berbagai strategi penulisan referensi pada sebuah KTI: 1. Penulisan sumber teori, rumus atau pemikiran secara langsung 2. Penulisan secara gabungan pendapat beberapa pakar yang memiliki hubungan pemikiran yang sama 3. Penulisan referensi gambar, tabel, peta atau jenis tampilan grafis lainnya 4. Melakukan kombinasi antar beberapa pemikiran dalam suatu paragraf 5. Memakai referensi yang tertulis dalam sebuah KTI lain. Dari mana sumber mendapatkan referensi 1. Menelusuri melalui ISI web of science (Institute for Scientific Information) 2. Menelusuri melalui Elsevier scopus index
3. Menelusuri melalui Google Scholars 4. Buku buku ilmiah 5. Menghubungi langsung penerbit atau penulis artikel ilmiah Jenis referensi ilmiah 1. Referensi berdasarkan literatur yang peer review 2. Referensi berdasarkan literatur ilmiah tidak terakreditasi 3. Referensi hasil penulisan proceeding workshop seminar 4. Referensi hasil penulisan laporan teknis 5. Referensi dari sumber tulisan populer di media masa 6. Referensi dari sumber buku teks ilmiah Cara atau notasi penulisan referensi ilmiah 1. Penulisan nama pengarang utama untuk penulis single dengan tahun publikasi 2. Penulisan nama pengarang utama dan kedua untuk penulis ganda dengan tahun publikasi 3. Penulisan nama pengarang jamak lebih dari dua dengan tahun publikasi 4. Penulisan pengarang sama dalam beberapa publikasi diurut dari yang terdahulu 5. Nama seluruh penulis harus ditulis, hal ini untuk menghindari mendapatkan article jurnal yang sembarangan tidak benar benar dipakai atau dibaca oleh penulis. 6. Penulisan kata “and” atau “dan” hanya sebelum penulis terakhir 7. Singkatan jurnal mengikuti pola kaedah dari jurnal yang bersangkutan Teknik penulisan daftar referensi ilmiah pada akhir bagian sebuah KTI 1. Ikuti pola umum yang sudah ditentukan oleh jurnal 2. Urutkan sesuai dengan petunjuk yang ditentukan oleh jurnal, mengikuti abjad atau penampakan dalam sebuah KTI. 3. Dalam urutan abjad, penulis yang sama diurutkan mulai dari hasil KTI tunggal, ganda dan jamak kemudian urutkan dalam tahun publikasinya 4. Hal hal yang harus dituliskan dalam referensi dapat mengikuti petunjuk penulisan dalam jurmal, biasanya adalah nama pengarang, tahun publikasi, judul KTI, judul jurnal, volume jurnal, halaman terbit artikel. Untuk hal hal yang harus dituliskan pada non jurnal dapat mengikuti petunjuk pada jurnal tersebut. Etika dan strategi penulisan referensi pada sebuah KTI 1. Usahakan penyebaran referensi tidak hanya pada bagian awal yaitu pendahuluan dan tinjauan pustakan belaka 2. Usahakan agar tiap halaman publikasi memiliki satu referensi luar hingga pada halaman akhir. 3. Pemakaian referensi yang terkini dan upayakan terdapat referensi pada tahun berjalan
4. Usahakan pemakaian referensi primer dari hasil peer reviewed jurnal berskala internasional. 5. Jumlah minimal referensi biasanya ditentukan oleh jurnal tetapi biasanya tidak ada jumlah maksimal referensi Pemakaian istilah kepastian dalam mengacu referensi ilmiah
BAGIAN 4. Pembuatan gambar dan tabel pada KTI Sebuah KTI dibuat berdasarkan hasil dari sebuah riset yang biasanya dituangkan dalam bentuk gambar dan tabel. Gambar dalam ilmu kebumian bersifat khusus karena biasanya berupa gambaran spasial dan juga time series. Gambar umum yang dipakai adalah perbandingan dari hasil analisa yang berbeda berdasarkan teori, model dan pengamatan. Selain itu perbandingan juga berupa sebuat verifikasi, validasi atau prediksi. Gambaran lain yang mungkin dituangkan adalah hasil penerapan filterisasi atau treatmen khusus lain yang memberikan hasil yang mendekati pada teori, model atau pengamatan. Sebuah KTI pendek membutuhkan modal awal sekitar 6 hingga 8 gambar untuk memulai suatu cerita. Dalam penulisan KTI sebaiknya ditampilkan gambar primer hasil olahan sendiri berupa gambar kurva atau gambar ilustrasi sendiri. Gambar penunjang biasanya sering ditampilkan pada bagian tinjauan pustaka meskipun tidak terlalu penting. Sebaiknya dihindari menampilkan gambar di daftar pustaka yang bukan gambar primer tetapi menunjukkan referensi terhadap gambar tersebut. Perlu diketahui bahwa KTI buka buku teks yang berisi ulasan teori karena yang diharapkan adalah dasar pemikiran yang menunjang kepada temuan yang akan dipaparkan. Berdasarkan jenisnya gambar grafis dapat berupa: 1. Scatter plot 2. Line plot 3. Contour plot 4. Streamline plot 5. Arrow plot 6. Histogram 7. Box plot 8. Column plot 9. Hoevmoeller Jenis gambar tampilan 1. Sketsa pribadi 2. Clip art atau gambar raster 3. Gambar vector Untuk hasil yang terbaik agar menghindari memakai gambar raster dan memanfaatkan gambar vector atau tipe gambar yang dapat diubah skalanya dan kualitas gambar tetap terjaga tidak pecah. Untuk hasil yang terbaik sebaiknya memakai gambar tipe postscript. Gambar tidak perlu mengikutkan data yang menyertai. Dalam melakukan penyalinan agar hanya menyalin gambar tanpa data. Beberapa pedoman pembuatan gambar adalah sebagai berikut: 1. Tampilan gambar sederhana
2. Tampilan konsisten 3. Tampilan rekursif 4. Menonjolkan aspek utama dibandingkan aspek pembanding atau pendukung. Jika ada perbandingan maka hasil observasi adalah aspek utama yang wajib ditonjolkan sedangkan hasil simulasi dan penerapan teori sebagai pembanding agar kurang ditonjolkan. 5. Kontras warna atau gradasi garis dimaksimalkan untuk menunjukkan karakter yang beda. 6. Pemakaian warna diminimalisir dan mengutamakan kontras, warna netral atau tanpa warna sebaiknya dipakai pada skala tengah 7. Menonjolkan grafis utama dibandingkan embel embel grafis. Sebaiknya garis skala yang tidak perlu tidak ditampilkan. 8. Tulisan atau font dengan besaran yang memadai bisa dibaca oleh orang awam dari jarak 30 cm. 9. Masing masing gambar menampilkan unit dan skala yang dapat dibandingkan dengan gambar lainnya. 10. Grafik sebaiknya tampil ditengah tengah. Apabila menampilkan beberapa grafis yang dibandingkan maka pilihlah skala yang dapat menempatkan semua grafis ditengah tengah gambar. Beberapa pedoman mengenai keterangan gambar atau anotasi: 1. Semua keterangan gambar dikeluarkan dalam anotasi gambar 2. Keterangan di dalam gambar dibuat seminimal mungkin dan hanya menampilkan beda dari sub grafis seperti lokasi metoda dll. 3. Tidak ada interpretasi hasil grafis di dalam gambar, semua interpretasi harus tidak ada dalam anotasi atau keterangan gambar juga. Interpretasi hanya ditampilkan di dalam teks. 4. Metoda penting dalam menghasilkan gambar, batasan atau limit dapat dicantumkan dalam keterangan gambar 5. Sebaiknya keterangan gambar di tonjolkan untuk menyingkat semua hal yang rekursif. Pakailah legenda, warna, arisiran, skala yang sama untuk gambar yang dapat dibandingkan dan sebutlah “sesuai Gambar no xx, kecuali ...” 6. Pada kasus rekursif utamakan keterangan apa yang membedakan antara gambar satu dan lainnya seperti lokasi, metoda, batasan atau limit dll. Beberapa pedoman pembuatan tabel adalah sebagai berikut: 1. Hanya informasi yang penting yang tidak masif sehingga tidak perlu dalam bentuk tabel 2. Sifat penting yang bersifat informasi pendukung bagi KTI 3. Memakai unit dan skala yang dapat dibandingkan 4. Pada satu kolom atau lajur yang sama agar nilai maksimum dan minimum diberi gaya penulisan yang beda dengan italic atau bold atau garis bawah 5. Gaya penulisan dapat dipakai untuk menunjukkan perbedaan nilai signifikansi. Cara lain untuk menunjukkan nilai signifikansi adalah memakai tanda bintang *, **, *** atau tanda lainnya
6. Apabila ada informasi penting menyangkut salah satu angka yang tertera dalam tabel atau menyangkut satu kolom atau satu baris dapat diberi keterangan dengan nomor khusus upperscript seperti 1), 2), a) dan keterangan ditulis dibagian bawah yang merupakan bagian dari tabel yang dibuat.
BAGIAN 5. Notasi penulisan Dalam penulisan sebuah KTI perlu ada konsistensi yang totalitas dan teknik penulisan yang teratur. Pemakaian istilah yang lazim dipakai atau singkatan yang baru dapat diperkenalkan. Banyak hasil review menunjukkan ketidak teraturan gaya penulisan yang dapat menunjukkan ketidak konsistenan dalam pemikiran si penulis KTI. Beberapa panduan penulisan singkatan 1. Singkatan yang tidak lazim disebutkan kepanjangannya sekali pada saat dipakai pertama kali 2. Setelah itu singkatan dapat dipakai berulang ulang 3. Singkatan Figure yaitu Fig. atau Gambar yaitu Gbr. dapat dipakai di tengah kalimat dan bukan di awal paragraph. 4. Singkatan Equation yaitu Eqn. Atau Persamaan dapat dipakai di tengah kalimat dan bukan di awal paragraph. 5. Singkatan tidak dapat dipakai di bagian abstrak kecuali sesuatu yang sudah sangat lazim. 6. Pemakaian singkatan et al., dan dkk. dilakukan secara konsisten untuk publikasi bahasa Inggris dan Indonesia. Hal ini dilakukan untuk grup pengarang artikel berjumlah diatas 2 orang. Singkatan et al., harus dalam bentuk italic miring. 7. Pemakaian singkatan pada nama jurnal dapat mengikuti kaedah dari masing masing jurnal dan mengikuti cara pemberian singkatan yang lazim dipakai pada jurnal tersebut. Sebaiknya mengacu pada contoh paper lain yang juga terbit pada jurnal yang sama. Beberapa panduan penulisan referensi gambar, tabel dan citation ilmiah 1. Semua gambar dan tabel yang ada di paper harus disebut dalam teks atau masuk dalam cerita teks. 2. Semua sub gambar yang tertera juga harus diacu atau direfer di dalam tulisan teks article. 3. Penulisan sub gambar disederhanakan dengan memakai Fig. 7c dan tidak seperti ini Fig. 7(c) 4. Semua referensi yang dibagian daftar pustaka harus benar benar dipakai didalam teks. Semua daftar pustaka di bagian teks harus juga terdapat di bagian daftar pustaka. 5. Tidak perlu menampilkan ilustrasi gambar yang menggambarkan metoda analisa yang dipergunakan kecuali metoda yang tidak baku. Beberapa panduan pemakaian karakter khusus seperti spasi “ “ 1. Tidak boleh terdapat lebih dari satu spasi 2. Karakter yang tidak boleh diikuti oleh spasi: (, {, [, “(awal), ?, !, ., 3. Karakter yang harus diikuti oleh spasi: ), }, ], “(akhir), :, ; 4. Karakter yang tidak boleh didahului oleh spasi: :, ;, . dan ,. 5. Pemakaian titik-titik dibatasi hanya hingga tiga seperti ...
6. Perhatikan spasi baris yang dibatasi hanya satu baris 7. Unit ukuran berat, panjang, voltase dll. Disingkat untuk satuan yang kualitatif dan tidak perlu disingkat untuk satuan yang hanya deskriptif atau gambaran. Beberapa panduan penulisan persamaan matematis 1. Penulisan sebaiknya memakai software editor persamaan (equation editor) 2. Penempatan “=” sebaiknya sejajar pada setiap baris persamaan 3. Penulisan nomor persamaan diletakkan diujung baris dengan memakai tabulasi dan bukan spasi 4. Semua persamaan yang ditulis sebaiknya disebut didalam teks. Antara pemakaian angka numerik dan angka tulisan eksplisit dipilih untuk angka diatas 10 dapat ditulis secara numerik. Jika dibawah sepuluh ditulis sebagai tulisan eksplisit (satu, dua, tiga dst.). yang dapat ditulis secara eksplisit adalah angka yang menunjukkan kuantitas atau jumlah dan bukan menunjukkan qualitas yang signifikan. Apabila article ditulis dalam bahasa Indonesia maka pemakaian istilah asing dapat ditulis dengan italic miring guna lebih menunjukkan kekhasan nya. Istilah ilmiah yang tidak lazim juga dapat ditulis dengan italic miring. Dalam penulisan article ilmiah agar menghindari penyebutan kata saya atau “I” atau hal yang menunjukkan diri sendiri. Hindari pula penyebutan kalimat yang menunjukkan ekspresi perasaan atau pertimbangan non logika yang dapat memberikan bias dalam penilaian suatu maksud dan tujuan penulisan. Setiap penulisan kata yang berarti signifikan harus mendapat dukungan data atau hasil analisis yang jelas. Penulisan article ilmiah juga agar menghindari pemakaian kata sebut benda atau orang yang tidak jelas seperti “it”, “this”, “that” tanpa menunjuk pada benda atau orang yang jelas. Selain itu harap hindari pemakaian kata pasif dan lebih mengutamakan pemakaian struktur kata aktif. Dalam notasi penulisan kata dengan referensi sifat atau kondisi harap mengikuti pola yang konsisten sehingga dapat segera menunjukkan bagian mana merujuk pada kata benda yang mana. Pemakaian istilah sebaliknya atau “vice versa” dan berturutan atau “consecutively, accordingly, respectively” dapat dipakai untuk menunjukkan pola urutan yang berseberangan dan pola yang bersesuaian. Contoh pemakaian seperti berikut ini: “PC1 and PC2 respectively explain 30.08% and 8.09% of all Variances”. Pemakaian pola berurutan dapat dilakukan dengan metoda yang dapat mempersingkat penulisan. Contoh apabila ingin mengatakan bahwa pada tahun El Nino curah hujan menurun dan pada tahun La Nina curah hujan meningkat maka dapat ditulis kalimat seperti ini: “Pada tahun El Nino (La Nina) curah hujan menurun (meningkat)”.
