INSTITUT TEKNOLOGI BANDUNG

Transkripsi

1 PENGARUH PENGAMATAN DATA DAN KUALITAS DATA TINGGI MUKA AIR LAUT TERHADAP HASIL PREDIKSI AMPLITUDO DAN DATUM PASUT TUGAS AKHIR Oleh Rendy Hermawan NIM Program Studi Teknik Geodesi dan Geomatika Fakultas Ilmu dan Teknologi Kebumian INSTITUT TEKNOLOGI BANDUNG 2012 i

2 LEMBAR PENGESAHAN Tugas Akhir Sarjana PENGARUH PENGAMATAN DATA DAN KUALITAS DATA TINGGI MUKA AIR LAUT TERHADAP HASIL PREDIKSI AMPLITUDO DAN DATUM PASUT Adalah benar dibuat saya sendiri dan belum pernah dibuat dan diserahkan sebelumnya, baik sebagian ataupun seluruhnya, baik oleh saya ataupun orang lain, baik di ITB maupun di institusi pendidikan lainnya. Bandung, Juli 2012 Rendy Hermawan NIM Diperiksa dan disetujui oleh Pembimbing I Pembimbing II Dr. rer. nat. Poerbandono Dr. techn. Dudy Darmawan Wijaya NIP NIP Disahkan Oleh : Ketua Program Studi Teknik Geodesi dan Geomatika Fakultas Ilmu dan Teknologi Kebumian Institut Teknologi Bandung Dr. Ir. Kosasih Prijatna, M. Sc. NIP i

3 UCAPAN TERIMA KASIH Penulis sangat bersyukur kepada Tuhan Yesus atas berkat dan anugerah-nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul "Pengaruh Panjang Data dan Kualitas Data Tinggi Muka Air Laut Terhadap Hasil Prediksi Pasut"yang merupakan salah satu syarat untuk mendapatkan gelar Sarjana Teknik di Program Studi Teknik Geodesi dan Geomatika ITB.. Pada kesempatan ini, penulis ingin mengucapkan terima kasih dan penghargaan kepada : 1. TUHAN Yang Maha Esa atas segala rahmat yang telah diberikan sehingga tugas akhir ini bisa selesai. 2. Kedua orang tua saya, Heryanto dan Tantry yang sudah mendidik dan memberikan dukungan secara penuh hingga hari ini. 3. Dr. rer. nat. Poerbandono & Dr. techn. Dudy Darmawan Wijaya selaku dosen pembimbing. 4. Dr. Ir. Eka Djunarsjah, MT, dan Dr. Ir. Kosasih Prijatna selaku penguji. 5. Dr. Ir. Dwi Wisayantono, MT selaku dosen wali terima kasih atas bimbingannya semenjak saya memulai perkuliahan di ITB. 6. Dr. Ir. Kosasih Prijatna selaku ketua program studi sarjana Teknik Geodesi dan Geomatika. 7. Seluruh dosen dan asisten di lingkungan Program Studi Teknik Geodesi dan Geomatika yang telah memberikan ilmunya dan seluruh karyawan yang telah banyak membantu. 8. Kamerad IMG yang di-os bareng (red: GEODESI angkatan 2007).Terima kasih atas kebersamaannya selama kuliah di Geodesi. 9. Seluruh anggota Ikatan Mahasiswa Geodesi (IMG) ITB yang tidak bisa disebutkan satu persatu. 10. Pegawai-pegawai Tata Usaha dan Perpustakaan Prodi Teknik Geodesi. Pak Dudi, Pak Dadang, Pak Dudung, Pak Ujum, Bu Siti, dll. Terima kasih sudah melayani mahasiswa dengan sepenuh hati. 11. Teman-teman KMK 2007, yang telah menemani selama kuliah di ITB dengan canda dan tawa. ii

4 12. Teman-teman Kongres KM ITB , yang memberikan inspirasi mengenai organisasi KM ITB dan berbagai inspirasinya tentang Indonesia 13. Teman-teman SIAWARE 19, yang mengajarkan untuk fokus dan peduli dengan diri sendiri maupun sekitar. Terima kasih atas pelajarannya yang berharga. 14. Semua pihak yang tidak dapat disebutkan satu-satu. Penulis menyadari bahwa tugas akhir ini masih jauh dari sempurna, oleh karena itu kritik dan saran sangat penulis harapkan untuk perbaikan di masa mendatang. Akhir kata semoga tugas akhir ini bermanfaat untuk kita semua. Bandung, Agustus 2012 Penulis iii

5 ABSTRAK Prediksi pasut adalah kegiatan untuk mendapatkan informasi data ketinggian muka air laut di masa mendatang. Prediksi pasut ini dapat digunakan untuk mendapatkan informasi lain seperti datum pasut. Prediksi pasut dibuat menggunakan data pengamatan pasut sebelumnya, dimana data pengamatan tersebut memiliki panjang data yang beragam dan mengandung kesalahan seperti data melonjak (spike) dan data yang hilang (gap). Keadaan tersebut mengakibatkan data prediksi yang didapat tidak mendekati kenyataan di lapangan. Prediksi pasut bisa didapatkan dengan berbagai metoda salah satunya adalah metoda kuadrat terkecil. Metoda ini mengkondisikan nilai kesalahan kuadrat yang terjadi sama dengan minimum. Prediksi pasut ini dibuat dari komponen pasut yang didapat dari metoda kuadrat terkecil. Kesalahan dalam prediksi pasut bisa dilakukan dengan membandingkan data prediksi dengan data pengamatan di saat yang sama. Selain itu juga bisa dilihat dari kesalahan amplitudo dari komponen pasut pembentuknya. Datum pasut juga dibuat dari komponen pasut tertentu tergantung dari jenisnya. Kualitas prediksi pasut ini bisa dilihat dari nilai variansi yang didapat antara data prediksi dan data pengamatan dimana batas toleransi variansinya adalah 0, Panjang data pengamatan sangat mempengaruhi variansi, semakin pendek maka semakin besar variansi yang didapat. Pada data yang hilang kualitas dari data prediksi sangat bergantung pada jumlah data yang hilang, baik lamanya data dan banyaknya kejadian. Sedangkan untuk data melonjak, jumlah data melonjak yang masih diperbolehkan adalah 0,5% dari jumlah data keseluruhan. Datum pasut yang dihasilkan tidak tergantung dari lama pengamatan maupun dari kesalahan yang terjadi akan tetapi dari nilai komponen pasut yang didapat. Kata kunci : pasut, prediksi pasut, kualitas iv

6 ABSTRACT Tidal prediction is an activity to get the data sea level in the future. Tidal predictions can be used to obtain information such as tidal datum. Tidal predictions made using previous tidal observational data, where the observational data that varies in length and contain errors such as spike and gap. These circumstances lead to the prediction data that obtained is not close to the reality in the field. Tidal predictions can be obtained by various methods such as the least squares method. This method of conditioning the value of squared errors that occur is minimum. Tidal predictions are made of the tidal components derived from the method of least squares. The error in the prediction of tides can be done by comparing the predictions with observational data at the same observation time. It also can be seen from the error amplitude of tidal constituent components. Tidal Datum also be made of specific tidal components depending on its type. Quality of the tidal predictions can be seen from the value of the variance between the prediction data and the observational data where the tolerance limit variance is m. The length of the observed data have greatly effect to the variance, the shorter the greater the variance were obtained. On missing data prediction quality of the data depends on the amount of gap data, both the length of the data and the number of occurrences. As for the spike, the amount of data that is allowed to jump is 0.5% of the overall data. The resulting tidal datum is independent from the length of observation and of the error but effected by the value tidal component that obtained. keywords: tidal, tidal prediction, quality v

7 DAFTAR ISI LEMBAR PENGESAHAN... i UCAPAN TERIMA KASIH... ii ABSTRAK... iv ABSTRACT... v DAFTAR ISI... vi Daftar Gambar... viii Daftar Tabel... ix BAB 1 PENDAHULUAN Latar Belakang Tujuan Ruang Lingkup Kajian Metodologi Penelitian Sistematika Penulisan... 3 BAB 2 DATA DAN METODA Pasut Laut Datum Pasut Pengamatan Pasut Prediksi Pasut Analisis Kesalahan Data BAB 3 HASIL DAN ANALISIS Data Prediksi Data yang Hilang (gap) vi

8 3.3 Data melonjak (Spike) BAB 4 KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA vii

9 Daftar Gambar Gambar 2.1 Pasut perbani dan Pasut mati... 6 Gambar 2.2 Data yang mengalami lonjakan (spike)... 9 Gambar 2.3 Data yang hilang (gap)... 9 Gambar 2.4 Data Pengamatan Gambar 3.1 Prediksi Datum Pasut dengan Panjang Data yang berbeda Gambar 3.2 Variansi Prediksi Pasut dengan Panjang Data yang berbeda Gambar 3.3 Kesalahan amplitudo komponen pasut dengan Panjang Data yang berbeda Gambar 3.4 Prediksi Datum Pasut dengan data yang hilang (gap) Gambar 3.5 Variansi Prediksi Pasut dengan data yang hilang (gap) Gambar 3.6 Kesalahan amplitudo komponen pasut dengan gangguan data yang hilang (gap) Gambar 3.7 Prediksi Datum Pasut dengan data yang melonjak (spike) Gambar 3.8 Variansi Prediksi Pasut dengan data yang melonjak (spike) Gambar 3.9 Kesalahan amplitudo komponen pasut dengan gangguan data yang melonjak (gap) viii

10 Daftar Tabel Tabel 2.1 Komponen Pasut... 7 Tabel 2.2 Jenis Datum Pasut... 8 Tabel 3.1 Data Datum Pasut dan Variansi Prediksi dengan Panjang Data yang berbeda Tabel 3.2 Data Kesalahan amplitudo komponen pasut dengan panjang data yang berbeda Tabel 3.3 Data hasil pengolahan data prediksi pasut dengan gangguan data hilang (gap) Tabel 3.4 Data Kesalahan amplitudo komponen pasut dengan gangguan data yang hilang (gap) Tabel 3.5 Data hasil pengolahan data prediksi pasut dengan gangguan data yang melonjak (spike) Tabel 3.6 Data Kesalahan amplitudo komponen pasut dengan gangguan data yang melonjak (spike) ix