BAB V HASIL DAN PEMBAHASAN

Transkripsi

1 BAB V HASIL DAN PEMBAHASAN 5.1 Hasil Analisis World Tides Analisis Data 15 Hari Hasil analisis World Tides berupa grafik yang terdiri dari data, prediksi, residu, serta muka air rata-rata. Dapat kita lihat pada Gambar 5.1 hasil analisis World Tides untuk lokasi Padang dengan menggunakan 7 komponen pasang surut. Hasil Analisis World Tides untuk Data 15 Hari dengan 7 Komponen /31/95 06/02/95 06/04/95 06/06/95 06/08/95 06/10/95 06/12/95 06/14/95 06/16/95 06/18/95 Muka Air (m) Padang, 1-15 Juni 1995 Data Prediksi Residu Muka Air Rata-Rata= m Gambar 5.1 Hasil Analisis World Tides Untuk Lokasi Padang (15 Hari) dengan 7 Komponen Dari gambar diatas terlihat bahwa hasil prediksi dengan program World Tides cukup baik dibandingkan dengan data. Sedangkan hasil analisis untuk 9 komponen dan komponen berdasarkan periode sinodik dapat dilihat pada Lampiran B. Begitupun untuk 4 lokasi lainnya. Namun dari grafik diatas sulit untuk melihat secara detail perbedaan antara data lapangan dan prediksi. Untuk lebih jelas, kita dapat melihat secara kuantitas melalui nilai error antara data dan prediksi yang ditampilkan dalam tabel dibawah ini. 26

2 Tabel 5.1 Nilai Error antara Data Lapangan dan Hasil Prediksi Program World Tides untuk Data 15 Hari Jumlah Komponen Error (%) Nilai Error rata-rata (%) Padang Bangka Pari Benoa Kupang 7 Komponen Komponen Komponen Berdasarkan Periode Sinodik Perhitungan nilai error dilakukan dengan rumus : 2 [ rata rata(( residu) ) ] x100% Error(%) = (5.1) dimana : residu = selisih antara data dan prediksi = data lapangan prediksi Perhitungan nilai error ini, belaku untuk setiap perhitungan error pada tiap program dan tiap kasus. Nilai error rata-rata (%) ditunjukkan oleh 9 komponen pasang surut. Tetapi bila kita liha Tabel 5.2, akan tampak sebuah kejanggalan yang membuat penggunaan 9 komponen tersebut tidak dapat diterima. 27

3 Tabel 5.2 Nilai Amplitudo dan Phasa untuk Data 15 Hari pada Lokasi Padang dari Hasil Analisis dengan Program World Tides Komponen Berdasarkan 7 Komponen 9 Komponen Komponen Periode Sinodik H (m) g ( ) H (m) g ( ) H (m) g ( ) Q1 RHO1 O M1 P S1 K J1 OO1 MNS2 2N2 MU2 N NU2 M LAM2 L2 T2 S R2 K SM2 2MK3 M3 MK3 MN4 M MS S4 2MN6 M6 2MS6 S6 M8 3MS8 Bila kita lihat pada Tabel 5.2, penggunaan 9 komponen tidak dapat dilakukan. Hal ini dikarenakan berdasarkan periode sinodik, seperti telah dijelaskan pada Bab II, panjang data yang diperlukan untuk memisahkan komponen P1 dan K1 serta K2 dan S2 adalah 180 hari. Karena pada 9 komponen, P1 dan K1 serta K2 dan S2 dihitung secara bersamaan, nilai amplitudo K1 mengecil sedangkan S2 membesar. Padahal seharusnya nilai amplitudo 28

4 untuk tiap komponen cenderung sama. Seperti pada kasus 7 komponen dan komponen berdasarkan periode sinodik. Jika komponen P1 dan K2 (yang ditandai dengan warna biru pada Tabel 5.2) akan dihitung pada panjang data yang kurang dari 180 hari, maka dia harus relatif terhadap komponen lain. Yaitu P1 relatih terhadap K1 dan K2 relatif terhadap S2. Dimana nilai phasanya adalah sama dan nilai amplitudonya adalah : P1 = 1/3 K1 dan K2 = 1/5 S2 Pada Tabel 5.2 untuk 9 komponen nilai amplitudo P1 1/3 K1 dan K2 1/5 S2. Tidak dapat dijelaskan kenapa komponen P1 dan K2 dapat dimunculkan pada kasus 9 komponen tersebut. Hal ini dikarenakan, tidak dapat dilihatnya source program dari World Tides, yang membuat kita tidak dapat mengetahui perhitungan dalam program tersebut yang membuat komponen P1 dan K2 dapat dihitung dengan data 15 hari dan tidak relatif dengan komponen K1 dan S2. Sehingga untuk analisis data 15 hari ini dapat digunakan 7 komponen dan komponen berdasarkan periode sinodik. Dimana pada komponen berdasarkan periode sinodik, nilai amplitudo P1 = dan K2 = Analisis ini berlaku untuk keempat lokasi lainnya Analisis Data 30 Hari Analisis dengan data 30 hari pada umumnya sama dengan analisis untuk data 15 hari. Output dari Analisis ini seperti dapat kita lihat pada Gambar 5.2 untuk lokasi Padang. Dari grafik terlihat nilai residu atau nilai selisih antara data dan prediksi adalah kecil. Dimana grafik untuk kasus lainnya dan tiap lokasi dapat kita lihat pada Lampiran B. 29

5 Hasil Analisis World Tides untuk Data 30 Hari dengan 7 Komponen /26/95 05/31/95 06/05/95 06/10/95 06/15/95 Muka Air (m) 06/20/95 06/25/95 06/30/95 07/05/95 Padang, 1-30 Juni 1995 Data Prediksi Residu Muka Air Rata-Rata= m Gambar 5.2 Hasil Analisis World Tides Untuk Lokasi Padang (30 Hari) dengan 7 Komponen Sama halnya dengan analisis untuk data 15 hari, grafik hasil analisis ini tidak akan dibahas secara detail. Oleh karena itu, kita akan membahas lebih rinci mengenai nilai error (dalam %), dalam satu lokasi untuk tiap kasus sebagai berikut : Nilai error rata-rata (%) yang paling kecil untuk tiap lokasi adalah pada komponen berdasarkan periode sinodik. Bila kita lihat pada Tabel 5.4 nilai pada amplitudo dan phasanya cenderung sama atau mendekati dengan nilai amplitudo dan phasa pada 7 komponen. Hal ini menunjukkan komponen berdasarkan periode sinodik dapat digunakan untuk menganalisis data dengan jumlah 30 hari. Nilai amplitudo dan phasa untuk lokasi lain dapat dilihat pada Lampiran C. Jumlah Komponen Tabel 5.3 Nilai Error antara Data Lapangan dan Hasil Prediksi Program World Tides Untuk Data 30 Hari Error (%) Padang Bangka Pari Benoa Kupang Nilai Error rata-rata (%) 7 Komponen Komponen Komponen Berdasarkan Periode Sinodik

6 Tabel 5.4 Nilai Amplitudo dan Phasa untuk Data 30 Hari pada Lokasi Padang dari Hasil Analisis dengan Program World Tides Komponen Berdasarkan 7 Komponen 9 Komponen Komponen Periode Sinodik H(m) g( ) H(m) g( ) H(m) g( ) Q RHO1 O M1 P S1 K J1 OO1 MNS2 2N2 MU2 N NU2 M LAM2 L T2 S R2 K SM2 2MK3 M3 MK3 MN4 M MS S4 2MN6 M6 2MS6 S6 M8 3MS8 Pada Tabel 5.4, 9 komponen juga tidak dapat digunakan. Hal ini dikarenakan berdasarkan periode sinodik, seperti telah dijelaskan pada Bab II, panjang data yang diperlukan untuk memisahkan komponen P1 dan K1 serta K2 dan S2 adalah 180 hari. Karena pada 9 komponen, P1 dan K1 serta K2 dan S2 dihitung secara bersamaan, nilai amplitudo K1 dan S2 membesar. Padahal seharusnya nilai amplitudo untuk tiap komponen 31

7 cenderung sama. Seperti pada kasus 7 komponen dan komponen berdasarka periode sinodik. Jika komponen P1 dan K2 akan dihitung pada panjang data yang kurang dari 180 hari, maka dia harus relatif terhadap komponen lain. Yaitu P1 relatih terhadap K1 dan K2 relatif terhadap S2. Dimana nilai phasanya adalah sama dan nilai amplitudonya adalah : P1 = 1/3 K1 dan K2 = 1/5 S2 Pada Tabel 5.2 untuk 9 komponen nilai amplitudo P1 1/3 K1 dan K2 1/5 S2. Sama halnya dengan analisis data 15 hari, tidak dapat dijelaskannya lebih rinci kenapa komponen P1 dan K2 dapat ada pada kasus 9 komponen. Padahal data yang ada kurang dari 180 hari, dan komponen P1 dan K2 tersebut tidak relatif dengan komponen K1 dan S2. Sehingga untuk analisis data 30 hari ini dapat digunakan 7 komponen dan komponen berdasarkan periode sinodik. Dimana pada komponen berdasarkan periode sinodik, nilai amplitudo P1 = dan K2 = Analisis ini juga berlaku untuk keempat lokasi lainnya. 5.2 Hasil Analisis TAN Hasil analisis TAN, seperti dapat dilihat pada Gambar 5.4 untuk lokasi Padang, nilai residunya atau selisih antara data dan prediksi adalah kecil. Hasil analisis untuk lokasi lain dapat kita lihat pada Lampiran D. Hasil Analisis 30 Hari dengan Program TAN Muka Air (m) /26/95 05/31/95 06/05/95 06/10/95 06/15/95 06/20/95 06/25/95 06/30/95 07/05/95 Padang, 1-30 Juni 1995 Data Prediksi Residu Muka Air Rata-Rata = m Gambar 5.3 Hasil Analisis TAN untuk Lokasi Padang 32

8 Dari grafik kita tidak dapat melihat secara jelas berapa nilai error antara data dan prediksi, oleh karena itu dilakukan perhitungan error (%) untuk tiap lokasi seperti dapat kita lihat pada Tabel 5.4. Tabel 5.5 Nilai Error (%) antara Data Lapangan dan Hasil Prediksi Program TAN untuk Data 30 Hari No Lokasi Error (%) 1 Padang Bangka Pari Benoa Kupang Pada Tabel 5.5 nilai error yang paling kecil, menunjukkan keakuratan hasil analisis, adalah lokasi Pari yaitu 0.87 %. Sedangkan yang paling besar adalah Kupang yaitu %. Hal ini dikarenakan keberadaan Pulau Pari yang berada dalam Kepulauan Seribu yang letaknya tidak terlalu dipengaruhi oleh faktor lain seperti faktor meteorologi. Sedangkan lokasi Kupang berada dekat dengan Samudera Hindia dimana terdapat banyak pengaruh faktor non astronomis, yang menyebabkan data yang diperoleh memiliki nilai selisih yang besar dengan prediksi. 5.3 Hasil Analisis Admiralty Analisis Data 15 Hari Pada Gambar 5.4 nilai residu, yaitu selisih antara data dan prediksi, untuk lokasi Padang cukup besar. Untuk lebih jelas, dapat kita lihat pada Tabel 5.6. Hasil analisis untuk keempat lokasi lainnya dapat kita liha pada Lampiran E. 33

9 Hasil Analisis 15 Hari dengan Admiralty /31/95 06/02/95 06/04/95 06/06/95 06/08/95 06/10/95 06/12/95 06/14/95 06/16/95 06/18/95 Muka Air (m) Padang, 1-15 Juni 1995 Data Prediksi Residu Muka Air Rata-Rata = 0.00 m Gambar 5.4 Hasil Analisis Admiralty untuk Data 15 Hari pada Lokasi Padang Tabel 5.6 Nilai Error (%) antara Data Lapangan dan Hasil Prediksi Metode Admiralty untuk Data 15 Hari No Lokasi Error % 1 Padang Bangka Pari Benoa Kupang Dapat kita lihat pada Tabel 5.6, sama seperti pada nilai error hasil analisis TAN, nilai error yang paling kecil adalah Pari dengan 5.54 %. Sedangkan yang paling besar adalah Kupang dengan % Analisis Data 29 Hari Seperti pada analisis data 15 hari, pada Gambar 5.5, nilai residu dari hasil analisis tersebut menunjukkan nilai yang cukup besar. Untuk lebih jelasnya dapat kita lihat nilai error (%) di tiap lokasi pada Tabel

10 Hasil Analisis 29 Hari dengan Admiralty /26/95 05/31/95 06/05/95 06/10/95 06/15/95 06/20/95 06/25/95 Muka Air (m) 06/30/95 07/05/95 Padang, 1-29 Juni 1995 Data Prediksi Residu Muka Air Rata-Rata = 0.00 m Gambar 5.5 Hasil Analisis Admiralty untuk 29 Hari pada Lokasi Padang Tabel 5.7 Nilai Error (%) dari antara Data Lapangan dan Hasil Prediksi Metode Admiralty untuk 29 Hari No Lokasi Error % 1 Padang Bangka Pari Benoa Kupang Berbeda dari hasil analisis admiralty 15 hari, nilai error yang paling kecil ada pada lokasi Padang. Walaupun antara Padang dan Pari selisih antar nilai errornya tidak terlalu besar. Tetapi Kupang dalam hal ini, tetap menjadi lokasi dengan nilai error yang paling besar. 5.4 Tipe Pasang Surut Perairan Melalui perhitungan dengan menggunakan formula rasio: F K1 + O1 = (5.2) M 2 + S2 dapat diketahui tipe pasang surut untuk tiap lokasi. Dapat kita lihat pada Tabel

11 Tabel 5.8 Tipe Pasang Surut untuk Tiap Lokasi No Lokasi Bilangan Formzhal Tipe Pasang Surut 1 Padang 0.42 Campuran cenderung semidiurnal 2 Bangka 3.82 Diurnal 3 Pari 4.03 Diurnal 4 Benoa 0.44 Campuran cenderung semidiurnal 5 Kupang 0.33 Campuran cenderung semidiurnal 5.5 Perbandingan Antara World Tides, TAN dan Admiralty Untuk mengetahui perbandingan antara World Tides, TAN dan admiralty maka kita akan membandingkan amplitudo dan phasa dari empat komponen pasang surut (M2, S2, O1, dan K1) di tiap lokasi, seperti dibawah ini : 1. Padang 15 Hari Komponen World Tides Admiralty WT-ADM H(m) g( ) H(m) g( ) H(m) g( ) M S O K Hari Komponen World Tides TAN Admiralty WT-TAN WT-ADM TAN-ADM H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) M S O K Bangka 15 Hari Komponen World Tides Admiralty WT-ADM H(m) g( ) H(m) g( ) H(m) g( ) M S O K

12 30 Hari Komponen World Tides TAN Admiralty WT-TAN WT-ADM TAN-ADM H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) M S O K Pari 15 Hari Komponen World Tides Admiralty WT-ADM H(m) g( ) H(m) g( ) H(m) g( ) M S O K Hari Komponen World Tides TAN Admiralty WT-TAN WT-ADM TAN-ADM H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) M S O K Benoa 15 Hari Komponen World Tides Admiralty WT-ADM H(m) g( ) H(m) g( ) H(m) g( ) M S O K

13 30 Hari Komponen World Tides TAN Admiralty WT-TAN WT-ADM TAN-ADM H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) M S O K Kupang 15 Hari Komponen World Tides Admiralty WT-ADM H(m) g( ) H(m) g( ) H(m) g( ) M S O K Hari Komponen World Tides TAN Admiralty WT-TAN WT-ADM TAN-ADM H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) H(m) g( ) M S O K Nilai amplitudo antara World Tides dan TAN maupun antara World Tides dan admiralty serta antara TAN dan admiralty, menunjukkan selisih yang tidak begitu besar. yang paling besar terdapat pada lokasi Benoa dengan data 30 Hari antara TAN dan admiralty yaitu sebesar Untuk nilai phasa, rata-rata di tiap lokasi memiliki perbedaan yang terlihat jelas, terutama pada World Tides. Perbedaan phasa antara World Tides dan admiralty maupun TAN menunjukkan selisih yang besar dengan yang paling besar berkisar pada lokasi Pari dengan data 15 hari. Perbedaan phasa tersebut menunjukkan perbedaan penjalaran komponen tersebut. Sebagai contoh antara World Tides dan admiralty pada lokasi Pari dengan data 15 hari, untuk komponen O1, pada World Tides phasanya adalah sedangkan pada admiralty adalah dengan selisih Hal ini menunjukkan pada World Tides, penjalaran komponen O1 lebih cepat 56 jam dibandingkan admiralty. Mengingat bahwa 1º = 1 jam. 38

14 Untuk mengetahui phasa yang benar maka dilakukan perbandingan dengan hasil analisis yang dilakukan oleh Dishidros untuk lokasi Benoa pada tanggal 29 September-27 Oktober 2004 dengan menggunakan metode admiralty. Berikut ini adalah nilai amplitudo dan phasanya : Tabel 5.9 Nilai Amplitudo dan Phasa pada Lokasi Benoa Tanggal 29 September-27 Oktober 2004 Admiralty (29 hari) Komponen H(m) g( ) M S O K (sumber : Dishidros, 2004) Bila dibandingkan dengan hasil dari program World Tides, program TAN dan metode Admiralty : Tabel 5.10 Nilai Amplitudo dan Phasa antara Program World Tides, TAN dan Admiralty dengan Hasil Pengolahan Data Dishidros (Admiralty 29 Hari) untuk Lokasi Benoa Komponen ADM Dishidros-WT ADM Dishidros-TAN ADM Dishidros-ADM H(m) g( ) H(m) g( ) H(m) g( ) M S O K Pada lokasi Benoa, komponen yang berperan adalah M2 dan S2. Pada Tabel 5.10 tersebut terlihat nilai amplitudo dan phasa dari hasil analisis dengan program TAN mendekati hasil pengolahan data yang dilakukan oleh DISHIDROS dibandingkan dengan program World Tides dan metode admiralty. Tetapi hal ini tidak dapat dijadikan kesimpulan, mengenai program mana yang paling menghasilkan analisis yang akurat. Untuk menilai antara World Tides, TAN dan admiralty mana yang hasil analisisnya akurat, maka kita lebih baik melihat nilai Error (%) seperti pada Tabel 5.11 dan Pada World Tides nilai error (%) yang diambil adalah untuk kasus komponen berdasarkan periode sinodik, karena nilai errornya rata-rata pada tiap lokasi menunjukkan nilai lebih kecil dibandingkan untuk kasus 7 komponen. 39

15 Pada Tabel 5.11 untuk data 15 hari, antara World Tides dan admiralty, nilai error yang lebih kecil ditunjukkan oleh admiralty. Dengan nilai error terkecil adalah 0.92 % dan yang terbesar adalah %. Sedangkan pada admiralty nilai error yang terkecil adalah 5.54 % dan yang terbesar adalah %. Oleh karena itu, untuk analisis data 15 hari, kita lebih baik menggunakan World Tides. Tabel 5.11 Perbandingan Nilai Error (%) antara Data Lapangan dan Hasil Prediksi Program World Tides dan Metode Admiralty untuk Data 15 Hari No Lokasi Nilai Error (%) pada Hasil Analisis World Tides Admiralty 1 Padang Bangka Pari Benoa Kupang Untuk data 30 hari, pada Tabel 5.12 nilai error yang kecil ditunjukkan oleh TAN. Dimana nilai error terkecilnya adalah 0.87 % dan yang terbesar adalah %, sedangkan pada World Tides nilai error terkecilnya adalah 0.77 % dan yang terbesar adalah %. Lalu pada admiralty nilai error terkecil adalah 6.31 %, dan yang terbesar adalah %. Sehingga untuk analisis data 30 hari, kita lebih baik menggunakan program TAN. Tabel 5.12 Perbandingan Nilai Error (%)antara Data Lapangan dan Hasil Prediksi Program World Tides, program TAN dan Metode Admiralty untuk Data 30 Hari No Lokasi Nilai Error (%) pada Hasil Analisis World Tides TAN Admiralty (29 Hari) 1 Padang Bangka Pari Benoa Kupang

16 5.6 Kelebihan dan Kekurangan dari Program World Tides, Program TAN dan Metode Admiralty Setiap program dan metode pasti mempunyai kelebihan dan kekurangannya. Dengan mengetahui kelebihan dan kekurangannya tersebut diharapkan kita dapat memilah mana program atau metode yang dapat kita gunakan sesuai kebutuhan kita. Berikut ini adalah pembahasan lebih lengkap mengenai kelebihan dan kekurangan dari program World Tides, program TAN dan metode admiralty Program World Tides Kelebihan dari program World Tides yang terlihat jelas hádala program yang public domain. Hal ini terlihat dari penampilan World Tides yang mudah dipahami. Dengan World Tides, kita dapat melakukan dua hal dalam satu program ini. Yaitu analisis dan prediksi. Dari hasil analisis yang salah satu outputnya berupa nilai amplitudo dan phasa dari komponen pasut, kita dapat melakukan prediksi beberapa tahun ke depan maupun beberapa tahun yang lampau. Berikut ini adalah tampilan World Tides untuk prediksi. Gambar 5.6 Tampilan Program World Tides untuk Melakukan Prediksi 41

17 Dapat kita lihat dari gambar tersebut, kita dapat melihat prediksi untuk setiap hari bahkan setiap minggu dalam satu bulan tersebut. Sebagai contoh, dilakukan prediksi pada lokasi Bangka untuk bulan April 1996 dari 7 komponen pasut yang diperoleh dari hasil analisis. Data dari Bangka tersebut adalah tanggal 19 Januari-17 Februari Output dari prediksi ini dapat kita lihat dalam bentuk.txt berupa nilai prediksinya yang memiliki interval waktu 12 menit. Dari nilai prediksi tersebut kita dapat membandingkannya dengan data lapangan. Perbandingan antara Data Lapangan dan Hasil Prediksi World Tides /26/96 03/31/96 04/05/96 04/10/96 04/15/96 04/20/96 04/25/96 04/30/96 05/05/96 Muka Air (m) Bangka, 1-30 April 1996 Data Lapangan Prediksi World Tides Residu Gambar 5.7 Perbandingan Antara Data Lapangan dengan Prediksi World Tides Pada Tanggal 1-30 April 1996 untuk Lokasi Bangka Dapat dilihat pada Gambar 5.7, nilai residu yaitu selisih antara data lapangan dengan prediksi World Tides sangat besar. Bila kita lakukan perhitungan untuk nilai error (%) maka akan diperoleh nilai error sebesar 18.4 %. Dengan demikian, prediksi yang dilakukan oleh program World Tides dari data dua bulan sebelumnya memberikan hasil yang tidak akurat. Hal ini dapat menjadi salah satu kekurangan dari World Tides. Selain itu terdapat beberapa kekurangan lainnya seperti tidak diketahuinya source dari program ini, sehingga kita tidak dapat memodifikasi dan memahami lebih baik mengenai program tersebut. Bila kita mengetahui source program tersebut, kita dapat mengetahui mengapa komponen P1 dan K2 dapat dihitung pada kasus 9 komponen untuk data 15 hari dan 30 hari, seperti yang 42

18 telah diuraikan pada analisis sebelumnya. Dan kita juga dapat mengubah komponen utama pasang surut (O1, K1, N2, M2, dan S2) dari program tersebut. Karena belum tentu salah satu dar kelima komponen tersebut menjadi komponen utama pada tiap lokasi. Kekurangan lain dari World Tides adalah tidak dapat menganalisis data jangka pendek ( < 15 hari), hanya dapat menganalisis pada data 15 hari. Dan bila ada data kosong, World Tides tidak dapat melakukan analisis Program TAN Pada program TAN terdapat file input berupa.tif yang dapat dimodifikasi, sehingga jumlah komponen pasang surut dapat kita tentukan sendiri. Contoh file.tif untuk lokasi Bangka : {1} {2} {3} {4} {5} {6} P1:K S1:K N2:N NEU2:N LAMDA2:L T2:S K2:S (F9.3) {TSS}{TEE} PORT NAME Bangka 1996 ANALYSIS IN CENTIMETRES Time zone Data in centimetres from 19-Jan-96 to 17-feb-96, 30 days, 0 gaps Given and related from XXX - 19yy analysis 43

19 Keterangan : {1}Tahun data pengamatan {2}Hari ke-61, yaitu awal data, dihitung dari tanggal 1 bulan Januari pada tahun pengamatan. {3}Banyaknya komponen pasang surut periode panjang yang diberikan. {4}Banyaknya komponen pasang surut relatif terhadap komponen standarnya. {5}Jumlah komponen yang akan dihitung. {6}Banyaknya blocks data dalam satu rangkaian pengamatan. {TSS}Awal data pada blocks. {TEE}Akhir data pada blocks. Kelebihan lain dari program TAN yaitu dapat menganalisis walaupun terdapat data kosong. Data kosong tersebut ditulis pada {TSS}dan {TEE}. Sebagai contoh pada nomor data 0-4 terdapat data, tetapi pada nomor data 5-6 terdapat data kosong. Sehingga pada file.tif dapat ditulis : {TSS}{TEE} Berbeda dengan program World Tides, program TAN ini tidak public domain. Karena tidak semua komputer dapat menggunakan program ini, tetapi hanya pada komputer yang operation systemnya menggunakan DOS. Inilah salah satu kekurangan dari program ini. Kekurangan lain dari program ini adalah tidak dapat melakukan analisis untuk data jangka pendek, hanya pada panjang data 30 hari. Bila dilakukan analisis untuk data < 30 hari, sebagai contoh 15 hari, akan terdapat error pada nilai amplitudonya. Dimana nilai amplitudo tersebut dari data 15 hari ke 30 hari akan mengalami peningkatan nilai amplitudo yang besar. Prediksi pada program ini juga dapat dilakukan seperti halnya pada program World Tides, tetapi keberadaannya tidak dalam satu program. Tidak seperti halnya World Tides yang analisis dan prediksinya berada dalam satu program. 44

20 5.6.3 Metode Admiralty Dibandingkan program World Tides dan program TAN, metode admiralty sangat mudah digunakan atau user friendly. Tetapi dibutuhkan ketelitian yang lebih, karena banyaknya perhitungan dalam admiralty yang saling berhubungan. Sehingga bila terdapat salah satu kesalahan dalam perhitungan, maka hasil analisis dari metode ini juga akan terdapat kesalahan. Kelebihan dari metode ini yaitu dapat melakukan analisis untuk jangka pendek (1, 7, 15, dan 29 hari). Tetapi untuk menganalisis data dengan panjang data > 29 hari tidak dapat dilakukan dengan metode ini. Kekurangan lain dari metode ini adalah hasil komponen pasang yang diperoleh hanya 9 komponen pasang surut. Relatif sedikit bila dibandingkan dengan program World Tides dan TAN. 45