Professional Documents
Culture Documents
(
)
(1)
Dimana:
(t) = elevasi pasang surut sebagai fungsi waktu
Ai = amplitudo konstanta pasang surut i
i = 2/Ti , T : periode dari konstanta pasang surut i
Pi = fase dari konstanta i
S0 = tinggi muka laut rata-rata (Mean Sea Level)
SS0 = perubahan tinggi muka laut yang disebabkan oleh
faktor meteorologis
t
= waktu
N = jumlah dari konstanta pasang surut yang membangun
elevasi pasang surut.
2
Perhitungan metode least square dilakukan dengan
mengabaikan faktor meteorologis dapat diturunkan
persamaan (Ongkosongo, 1989) :
( )
(2)
Dimana Ai dan Bi adalah konstanta harmonik komponen ke-i,
k adalah bilangan dari komponen yang akan ditentukan, dan
tn adalah waktu pengamatan. Dengan metode least square,
solusi didapatkan dengan menggunakan persamaan linier
akan menghasilkan:
1. Tinggi muka laut rata-rata (MSL)
S0 = Ak+1
(3)
2. Amplitudo dari tiap-tiap komponen pasut
(4)
3. Fase dari tiap komponen pasang surut
B
Pi tan 1 i
Ai
(5)
(
)
(6)
Setelah diperoleh konstanta harmonik masing-masing
dengan menggunakan metode admiralty dan least square
selanjutnya dilakukan pemodelan prediksi pasut dengan
menggunakan persamaan:
( )
(
)
(7)
dimana,
fi = koreksi amplitudo dari komponen pasut ke-i
Xi = argumen astronomi komponen pasut ke-i
Ai = amplitudo komponen ke-i
i = kecepatan sudut
Pi = fase komponen ke-i
S0 = MSL
t
= waktu
n
= jumlah komponen pasut
Xi = Vi + Ui
III. HASIL DAN ANALISA
A. Analisa Data Prediksi Admiralty
Hasil analisis metode admiralty berupa grafik yang terdiri
dari data, prediksi, dan residu. Dapat dilihat dari Gambar 1
hasil analisis metode admiralty untuk panjang data 15 hari.
RMS error
(cm)
Bulan ke-1
Bulan ke-3
Bulan ke-6
Bulan ke-9
Bulan ke-12
30,362
25,976
29,714
28,340
30,539
Rata-rata
Simpangan
(cm)
25,980
21,480
23,196
21,958
26,091
Kesalahan
Maksimum
(cm)
73,220
68,506
78,247
74,193
75,234
Data
RMS error
(cm)
Bulan ke-1
Bulan ke-3
Bulan ke-6
Bulan ke-9
Bulan ke-12
15,686
21,604
17,030
25,768
17,379
Rata-rata
Simpangan
(cm)
12,818
18,098
13,980
21,462
14,207
Kesalahan
Maksimum
(cm)
41,526
51,373
46,352
57,911
44,834
3
maksimum pada bulan ke-9 adalah yang terbesar di antara
bulan yang lain yakni sebesar 57,911 cm.
B. Analisa Data Prediksi Least Square
Hasil analisis least square untuk stasiun pasut Surabaya
dengan panjang data 15 hari dapat dilihat pada Gambar 3.
Rata-rata
Data
RMS error
(cm)
Simpangan (cm)
Bulan ke-1
Bulan ke-3
Bulan ke-6
Bulan ke-9
Bulan ke-12
12,360
39,455
19,529
42,496
19,587
8,763
33,999
16,847
33,425
14,517
Kesalahan
Maksimum
(cm)
44,702
87,665
47,709
109,855
69,354
Rata-rata
Data
RMS error
(cm)
Simpangan (cm)
Bulan ke-1
Bulan ke-3
Bulan ke-6
Bulan ke-9
Bulan ke-12
5,972
16,992
13,333
22,607
13,106
4,713
14,473
11,005
17,750
10,650
Kesalahan
Maksimum
(cm)
18,127
37,313
30,363
56,917
34,242
RMS error
RMS error
RMS error
RMS error
Data
Adm 15
Adm 29
Lsq 15
Lsq 29
Bulan ke-1
30,362
15,686
12,360
5,972
Bulan ke-3
25,976
21,604
39,455
16,992
Bulan ke-6
29,714
17,030
19,529
13,333
Bulan ke-9
28,340
25,768
42,496
22,607
Bulan ke-12
30,539
17,379
19,587
13,106
4
menunjukkan hasil yang lebih baik dibandingkan dengan
metode least square.
D. Analisa Tipe Pasut
Melalui perhitungan dengan menggunakan formula
formzhal:
F = (O1 + K1) / (M2 + S2)
Dapat diketahui tipe pasang untuk tiap metode Dapat dilihat
pada Tabel 6 berikut ini.
Tabel 6. Tipe Pasang Surut Tiap Metode
No
Metode
Formzhal
Tipe Pasut
Admiralty 15
1,075
Admiralty 29
1,413
Least Square 15
1,106
Least Square 29
1,405
5
LAMPIRAN
A. Hasil Prediksi Pasut Metode Admiralty
Gambar B.1 Hasil Prediksi Pasut Least Square Data 15 Hari Dibandingkan
Data Pengamatan Bulan Ketiga
Gambar B.2 Hasil Prediksi Pasut Least Square Data 15 Hari Dibandingkan
Data Pengamatan Bulan Keenam
Gambar B.3 Hasil Prediksi Pasut Least Square Data 15 Hari Dibandingkan
Data Pengamatan Bulan Kesembilan
Gambar B.8 Hasil Prediksi Pasut Least Square Data 29 Hari Dibandingkan
Data Pengamatan Bulan Keduabelas
DAFTAR PUSTAKA
[1]
Gambar B.4 Hasil Prediksi Pasut Least Square Data 15 Hari Dibandingkan
Data Pengamatan Bulan Keduabelas
Gambar B.5 Hasil Prediksi Pasut Least Square Data 29 Hari Dibandingkan
Data Pengamatan Bulan Ketiga
Gambar B.6 Hasil Prediksi Pasut Least Square Data 29 Hari Dibandingkan
Data Pengamatan Bulan Keenam
Gambar B.7 Hasil Prediksi Pasut Least Square Data 29 Hari Dibandingkan
Data Pengamatan Bulan Kesembilan
Ali, M., Mihardja, D.K. dan Hadi, S. 1994. Pasang Surut Laut.
Bandung: Institut Teknologi Bandung.
[2] Analisis Harmosik Pasang Surut. Bandung: Prodi Oseanografi dan
Sains Terapan-ITB.
[3] ITB-Bakosurtanal.1986. Diktat Survei dan Pemetaan Laut.
[4] Mikhail, Edward M. 1981. Analysis and Adjustment of Survey
Measurement. New York: Van Nostrand Reinhold Company.
[5] Ongkosongo, Otto S.R. 1989. Pasang-Surut. Jakarta: LIPI.
[6] Poerbandono dan Eka Djunarsjah. 2005. Survei Hidrografi. Bandung:
Refika Aditama.
[7] Prihadi, Krisna. 2005. Analisis Prediksi Pasut Berdasarkan Variasi
Lama Pengamatan Dan Jumlah Konstanta Harmonik Dengan Metode
Kuadrat Terkecil. Surabaya: Jurusan Teknik Geomatika FTSP-ITS.
[8] Sasongko, Agung Koko. 2006. Studi Pembuatan Software Hitungan
Pasang Surut Dengan Metode Admiralty. Surabaya: Jurusan Teknik
Geomatika FTSP-ITS.
[9] Setyo, Nur Kholis. 2008. Analisis Harmonik Pasang Surut Laut dari
Data Satelit Altimetri TOPEX/Poseidon. Surabaya: Jurusan Teknik
Geomatika FTSP-ITS.
[10] Sjachulie, Denny. 2005. Penerapan Metode Admiralty dalam Analisi
Pasang Surut Jangka Pendek Tanpa Menggunakan Tabel. Tugas
Akhir Program Studi Oseanografi, ITB.
[11] Vanicek, P. dan Krakiwsky, E.J. 1986. Geodesy, The Concepts. North
Holland.