Bagian 3: Visualisasi Deret Waktu

Deret 730 angka di Command Window tidak bisa dibaca manusia — mata kita tidak dirancang menangkap pola dari kolom angka. Visualisasi mengubah deret bersih hasil Bagian 2 menjadi tiga pertanyaan yang dijawab gambar: bagaimana kelakuan keseluruhan deret, kapan musim panas dan dingin terjadi, dan apakah tahun kedua berbeda dari tahun pertama. Semua figur dibuat headless — dibangun tanpa jendela, disimpan sebagai PNG — sehingga fungsi ini tetap bekerja di server tanpa layar dan di dalam test otomatis.

Yang kita bangun pada bagian ini:

• visualisasiDeret — satu fungsi, tiga figur, semuanya PNG,
• moving average 30 hari — penyaring derau yang memisahkan sinyal dari keramaian,
• profil musiman — agregasi 730 hari menjadi kurva 365 hari-dalam-tahun,
• perbandingan tahunan — dua subplot dengan sumbu identik.

Tiga Figur, Tiga Pertanyaan #

Pemisahan ini bukan gaya-gayaan. Figur gabungan 730 titik menjawab pertanyaan bentuk, tetapi terlalu ramai untuk membandingkan dua tahun; profil musiman menjawab pertanyaan waktu, tetapi membutuhkan agregasi yang menghapus tahun. Satu gambar untuk satu pertanyaan — karya pembersih figur yang mahir justru menolak menjejalkan semua ke satu axes.

Moving Average: Menyaring Derau, Menampakkan Sinyal #

Suhu harian bergoyang ±0.5 derajat karena derau dan siklus mingguan. Goyangan itu — gladi bising — menyembunyikan bentuk besar: musiman dan tren. Moving average (MA) mengganti setiap titik dengan rata-rata jendela 30 hari sebelumnya, sehangkan frekuensi tinggi saling meniadakan dan frekuensi rendah lolos. Versi mini dengan jendela 3 hari memperlihatkan mekanismenya:

s = [20; 22; 24; 26; 28];
n = numel(s);
ma3 = nan(n, 1);
for t = 3:n
    ma3(t) = mean(s(t-2:t));
end
fprintf(' suhu  MA3\n');
for t = 1:n
    if isnan(ma3(t))
        fprintf('%5.0f %5s\n', s(t), 'NaN');
    else
        fprintf('%5.0f %5.1f\n', s(t), ma3(t));
    end
end

Output yang Dihasilkan:

 suhu  MA3
   20   NaN
   22   NaN
   24  22.0
   26  24.0
   28  26.0

Dua nilai pertama NaN: jendela 3 hari baru terisi mulai titik ketiga — MA trailing tidak pernah menjangkau ke belakang titik itu. Konsekuensinya, MA 30 hari kita baru valid dari hari ke-30, dan test Bagian 4 memastikan tepat 29 NaN di awal. Jendela 30 hari dipilih karena dua kali lipat siklus mingguan 7 hari (nyaris) dan jauh lebih pendek dari musiman 365 hari — cukup panjang untuk meredam derau, cukup pendek untuk tidak meratakan musim.

Figure 1: Deret Penuh dan MA 30 Hari #

Potongan pertama src/visualisasiDeret.m — persiapan data dan figur pertama:

if nargin < 3 || isempty(folderSimpan)
    folderSimpan = pwd;
end
hari = hari(:);
suhu = suhu(:);
n = numel(hari);

% ---- moving average 30 hari (trailing) ----
ma30 = hitungMA30(suhu);

% ---- profil musiman: rata-rata per hari-dalam-tahun ----
doy = mod(hari - 1, 365) + 1;          % hari ke-366 kembali ke 1, dst.
profil = zeros(365, 1);
for d = 1:365
    profil(d) = mean(suhu(doy == d));
end

% ---- figure 1: deret penuh + MA 30 hari ----
fig1 = figure('Visible', 'off');
plot(hari, suhu, 'Color', [0.65 0.65 0.65], 'LineWidth', 0.5);
hold on;
plot(hari, ma30, 'b-', 'LineWidth', 2);
hold off;
xlabel('Hari ke-');
ylabel('Suhu (\circC)');
title('Suhu harian 2 tahun dan moving average 30 hari');
legend('Suhu harian', 'MA 30 hari', 'Location', 'northwest');
saveas(fig1, fullfile(folderSimpan, 'deret_harian.png'));
close(fig1);

Mari kita bedah baris-baris kode di atas:

1. Baris 24 (doy = mod(hari - 1, 365) + 1;): pemetaan hari-dalam-tahun. mod(hari-1, 365) menghasilkan 0..364 berulang; ditambah 1 menjadi 1..365. Hari ke-1, 366, dan 731 semuanya memetakan ke doy 1 — dua tahun kita dilipat menjadi satu tahun untuk agregasi musiman.
2. Baris 26-28 (for d = 1:365 ... profil(d) = mean(suhu(doy == d));): agregasi via logical indexing. doy == d memilih semua hari (tepatnya dua hari — satu per tahun) yang jatuh pada hari-dalam-tahun yang sama; mean meratakannya. Hasilnya 365 nilai: rata-rata lintas tahun per posisi kalender.
3. Baris 31 (fig1 = figure('Visible', 'off');): figur dibuat dalam keadaan tak terlihat. Di sesi interaktif MATLAB figur tetap tersimpan di memori; saveas bekerja tanpa jendela pernah terbuka — inilah mode yang aman untuk server dan test.
4. Baris 32-35 (plot(hari, suhu, 'Color', [0.65 0.65 0.65], ...): deret harian digambar dulu, dengan warna abu-abu dan LineWidth 0.5 — tipis dan pucat, karena perannya latar. hold on menjaga axes tetap terbuka; MA menyusul dengan biru pekat LineWidth 2. Urutan dan ketebalan inilah hierarki visual: yang penting menonjol, yang pendukung menyurut.
5. Baris 39 (legend('Suhu harian', 'MA 30 hari', 'Location', 'northwest');): legend dipatok di kiri-atas — area kosong di data menurun — supaya tidak menutup kurva. Tanpa Location, MATLAB meletakkannya “best fit” yang kadang pas di atas garis.
6. Baris 40-41 (saveas(fig1, ...); close(fig1);): simpan lalu tutup. close membebaskan memori figur — kebiasaan wajib untuk fungsi yang membuat banyak figur; tanpa itu, workspace test akan menumpuk lusinan figur tersembunyi.

Figure 2 dan 3: Profil Musiman dan Perbandingan Tahun #

Potongan kedua — dua figur sisanya:

% ---- figure 2: profil musiman ----
fig2 = figure('Visible', 'off');
plot((1:365)', profil, 'r-', 'LineWidth', 1.5);
xlabel('Hari dalam tahun (1-365)');
ylabel('Suhu (\circC)');
title('Profil musiman: rata-rata per hari-dalam-tahun');
saveas(fig2, fullfile(folderSimpan, 'profil_musiman.png'));
close(fig2);

% ---- figure 3: tahun 1 vs tahun 2 ----
fig3 = figure('Visible', 'off');
subplot(2, 1, 1);
plot(hari(1:365), suhu(1:365), 'Color', [0.65 0.65 0.65], 'LineWidth', 0.5);
hold on;
plot(hari(1:365), ma30(1:365), 'b-', 'LineWidth', 2);
hold off;
xlim([1 365]);
ylim([19 36]);
xlabel('Hari dalam tahun');
ylabel('Suhu (\circC)');
title('Tahun 1: deret harian + MA 30 hari');
legend('Suhu harian', 'MA 30 hari', 'Location', 'northwest');

subplot(2, 1, 2);
plot(hari(366:730) - 365, suhu(366:730), 'Color', [0.65 0.65 0.65], ...
    'LineWidth', 0.5);
hold on;
plot(hari(366:730) - 365, ma30(366:730), 'b-', 'LineWidth', 2);
hold off;
xlim([1 365]);
ylim([19 36]);
xlabel('Hari dalam tahun');
ylabel('Suhu (\circC)');
title('Tahun 2: deret harian + MA 30 hari');
saveas(fig3, fullfile(folderSimpan, 'perbandingan_tahunan.png'));
close(fig3);

Bedahnya:

1. Baris 45 (plot((1:365)', profil, 'r-', 'LineWidth', 1.5);): profil musiman cukup satu kurva merah sedang — tanpa derau yang perlu diredam, agregasi sudah bekerja. Kurvanya mulus naik-turun: lembah di sekitar hari 1-15 (Desember–Januari) dan puncak di sekitar hari 180-200 (Juli).
2. Baris 54 dan 66 (subplot(2, 1, 1); / subplot(2, 1, 2);): satu figur dibagi dua axes bertumpuk. Tahun 1 di atas, tahun 2 di bawah — mata membandingkan vertikal lebih teliti daripada overlay warna yang saling menutup.
3. Baris 67 (plot(hari(366:730) - 365, ...): kunci perbandingan — sumbu-x tahun 2 digeser dengan - 365 sehingga kedua subplot menampilkan rentang x identik 1..365. Tanpa geser ini, tahun 2 tergambar di sumbu 366..730 dan pola musimnya tampak “tergeser setengah layar”.
4. Baris 59-60 dan 72-73 (xlim([1 365]); ylim([19 36]);): kedua subplot dipatok ke sumbu yang sama persis. Batas y 19..36 dipilih melebihi data (20.6 sampai 34.0) agar kurva tidak menempel tepi. Dengan sumbu bebas, MATLAB memilih batas berbeda per subplot — dan selisih 1 derajat di kedua tahun akan terlihat seperti perbedaan dramatis padahal cuma skala.

Sisa berkas mengemas hasil: struct hasil berisi ma30, doy, profilMusiman, dan daftar nama berkas, lalu fprintf melaporkan ketiga PNG. Fungsi ditutup local function hitungMA30 — trailing 30 hari, 29 NaN di awal — yang juga dijalankan di analisisTren (disalin agar tiap berkas berdiri sendiri). Menjalankan fungsi pada deret bersih:

Output yang Dihasilkan:

=== Visualisasi Deret Waktu ===
Gambar 1 disimpan: hasil_cuaca/deret_harian.png
Gambar 2 disimpan: hasil_cuaca/profil_musiman.png
Gambar 3 disimpan: hasil_cuaca/perbandingan_tahunan.png
Amplitudo profil musiman: 12.96 derajat (max 33.81, min 20.85)

Angka terakhir adalah angka penting: amplitudo profil musiman 12.96 derajat — puncak 33.81 di pertengahan tahun, lembah 20.85 di awal tahun. Rentang 11-13 derajat itulah sidik jari iklim tropis Indonesia, dan test Bagian 4 akan menjaganya tetap di rentang tersebut.

Kesalahan Umum Menggambar Deret Waktu #

Tiga figur kini tersimpan dan amplitudo musiman terukur. Yang tersisa dari proyek: mengubah pengamatan visual menjadi angka — slope tren per tahun, indeks bulanan, dan laporan otomatis. Bagian 4 menutup proyek dengan statistik dan test.