Bab 3 Pengumpulan dan Pengolahan Data 3.1 Pengumpulan Data Pemodelan propagasi akustik bawah air di Samudera Hindia memerlukan data-data sebagai berikut: 1. Kecepatan suara. 2. Temperatur. 3. Salinitas. 4. Batimetri. Data-data tersebut diambil di 12 lokasi Samudera Hindia. Nama dan letak astronomis masing-masing lokasi disajikan pada Tabel 3.1. Lokasi pengambilan data ditampilkan pada Gambar 3.1 dan 3.2. Gambar karakteristik perairan berupa temperatur, salinitas dan kecepatan suara untuk masing-masing lokasi diperoleh dengan menggunakan perangkat lunak Microsoft Excel. Tabel 3. 1 Lokasi Pengambilan Data No Stasiun Garis Bujur Garis Lintang ( BT) ( LS) 1 GeoB144-1 19.14 8.5 2 GeoB145-2 19.21 8.74317 3 GeoB148-2 18.147 8.253 4 GeoB149-2 11.497 8.7848 5 GeoB151-2 11.498 9.294 6 GeoB152-2 11.63 8.69 7 GeoB153-2 112.872 8.675 8 GeoB154-2 112.668 8.681 9 GeoB155-2 113.51 9.249 1 GeoB157-2 113.16 9.821 11 GeoB161-2 115.24 9.729 12 GeoB162-2 115.992 11.163 Tze Wen 155 3 15 3-1
Gambar 3. 1 Lokasi Pengambilan Data GeoB148-2 GeoB144-1 GeoB152-2 GeoB153-2 GeoB145-2 GeoB149-2 GeoB154-2 GeoB151-2 GeoB155-2 GeoB161-2 GeoB157-2 GeoB162-2 Gambar 3. 2 Lokasi Stasiun Pengambilan Data Tze Wen 155 3 15 3-2
3.2 Pengolahan Data Data hasil pengukuran akan digunakan sebagai input dalam pemodelan propagasi akustik bawah air di Samudera Hindia. Pengolahan data bertujuan untuk menentukan persamaan empiris kecepatan suara yang dapat mewakili kondisi perairan di lokasi pemodelan. Profil kecepatan suara dianggap hanya bergantung pada 3 faktor, yakni temperatur (T), salinitas (S) dan kedalaman (z). Persamaan empiris yang mewakili berupa persamaan yang memiliki error terkecil bila dibandingkan dengan data pengukuran. 3.3 Karakteristik Samudera Hindia 3.3.1 Karakteristik Temperatur di Samudera Hindia Profil temperatur dapat dibagi ke dalam 3 macam lapisan yaitu lapisan well-mixed, termoklin dan isotermal. Lapisan well-mixed sangat dipengaruhi oleh pergerakan angin dan energi panas matahari yang diserap oleh permukaan laut. Lapisan well-mixed kerap teraduk-aduk sehingga memiliki perubahan temperatur yang kecil. Lapisan termoklin berupa lapisan yang nilai temperaturnya menurun drastis seiring dengan semakin dalamnya batimetri perairan. Kondisi ini terjadi karena lambatnya transfer energi panas dari permukaan laut. Lapisan isotermal berupa lapisan yang nilai temperaturnya relatif konstan, yakni berada pada kisaran 4-5 C (anomali air yang paling berat). Karakteristik profil temperatur di laut secara umum ditampilkan pada Gambar 3.3. Grafik profil temperatur terhadap kedalaman di Samudera Hindia ditampilkan pada Gambar 3.4. Gambar 3. 3 Karakteristik Profil Temperatur di Laut Secara Umum Tze Wen 155 3 15 3-3
Data Temperatur vs Kedalaman Temperatur ( C) Kedalaman (m) 1 2 3 4 5 6 5 1 15 2 25 3 Stasiun 44-1 Stasiun 45-2 Stasiun 48-2 Stasiun 49-2 Stasiun 51-2 Stasiun 52-2 Stasiun 53-2 Stasiun 54-2 Stasiun 55-2 Stasiun 57-2 Stasiun 61-2 Stasiun 62-2 7 Gambar 3. 4 Profil Temperatur Terhadap Kedalaman di Samudera Hindia 3.3.2 Karakteristik Salinitas di Samudera Hindia Profil temperatur dapat dibagi ke dalam 3 macam lapisan yaitu lapisan well-mixed, haloklin dan isohaline. Lapisan well-mixed berupa lapisan yang memiliki perubahan salinitas yang sangat kecil. Lapisan haloklin berupa lapisan yang nilai salinitasnya naik secara drastis seiring dengan semakin dalamnya batimetri perairan. Lapisan isohaline berupa lapisan yang nilai salinitasnya relatif konstan, yakni berada pada kisaran 3-35 ppt. Karakteristik profil salinitas di laut secara umum ditampilkan pada Gambar 3.5. Grafik profil salinitas terhadap kedalaman di Samudera Hindia ditampilkan pada Gambar 3.6. Tze Wen 155 3 15 3-4
Gambar 3. 5 Karakteristik Profil Salinitas di Laut Secara Umum Data Salinitas Terhadap Kedalaman Data Salinitas (ppt) Kedalaman (m) 1 2 3 4 5 6 31 32 32 33 33 34 34 35 35 36 Stasiun 44-1 Stasiun 45-2 Stasiun 48-2 Stasiun 49-2 Stasiun 51-2 Stasiun 52-2 Stasiun 53-2 Stasiun 54-2 Stasiun 55-2 Stasiun 57-2 Stasiun 61-2 Stasiun 62-2 7 Gambar 3. 6 Profil Salinitas Terhadap Kedalaman di Samudera Hindia Tze Wen 155 3 15 3-5
3.3.3 Karakteristik Kecepatan Suara di Samudera Hindia Profil kecepatan suara juga dapat dibagi ke dalam 3 macam lapisan yaitu lapisan well-mixed, termoklin dan isotermal. Lapisan well-mixed sangat dipengaruhi oleh pergerakan angin dan perubahan temperatur (baik harian maupun lokal). Suara umumnya terperangkap pada lapisan ini. Kondisi tersebut dikenal dengan nama Sand Surface Duct. Kecepatan suara meningkat karena pengaruh tekanan. Lapisan termoklin berupa lapisan yang nilai kecepatan suaranya menurun drastis (berbanding lurus dengan penurunan nilai temperatur) seiring dengan semakin dalamnya batimetri perairan. Lapisan isotermal berupa lapisan yang nilai kecepatan suaranya meningkat karena pengaruh peningkatan tekanan. DSC terletak diantara lapisan termoklin dan isotermal. Pada perairan dangkal dan di sekitar lempeng benua, profil kecepatan suara cenderung tidak beraturan dan sulit untuk diprediksi. Profil kecepatan suara di perairan dangkal sangat dipengaruhi oleh perubahan temperatur permukaan laut, perubahan salinitas dan arus. Karakteristik profil kecepatan suara di laut secara umum ditampilkan pada Gambar 3.7. Grafik profil kecepatan suara terhadap kedalaman di Samudera Hindia ditampilkan pada Gambar 3.8. Gambar 3. 7 Karakteristik Profil Kecepatan Suara di Laut Secara Umum Tze Wen 155 3 15 3-6
Data Kecepatan Suara Terhadap Kedalaman Kecepatan Suara (m/s) Kedalaman (m) 148 15 152 154 156 158 1 2 3 4 5 6 Stasiun 44-1 Stasiun 45-2 Stasiun 48-2 Stasiun 49-2 Stasiun 51-2 Stasiun 52-2 Stasiun 53-2 Stasiun 54-2 Stasiun 55-2 Stasiun 57-2 Stasiun 61-2 Stasiun 62-2 7 Gambar 3. 8 Profil Kecepatan Suara Terhadap Kedalaman di Samudera Hindia 3.4 Penentuan Persamaan Empiris Kecepatan Suara di Samudera Hindia Persamaan empiris yang dapat digunakan untuk menentukan kecepatan suara dalam pemodelan propagasi akustik bawah air adalah persamaan dari Leroy, Medwin, dan MacKenzie. Ketiga persamaan empiris tersebut menggunakan asumsi bahwa kecepatan suara hanya bergantung pada temperatur (T), salinitas (S), dan kredalaman (z). (3.1) Tze Wen 155 3 15 3-7
1,675.1-7 z 2 1,25.1-2 T (S 35) 7,139.1-13 T z 3 (3.4) Bab 3 Pengumpulan dan Pengolahan Data Ketiga persamaan empiris untuk menentukan kecepatan suara ditulis ulang pada persamaan berikut ini: 1. Persamaan empiris kecepatan suara menurut Leroy c = 1492,9 + 3 (T - 1) 6.1-3 (T - 1) 2-4.1-2 (T - 18) 2 + 1,2 (S 35) 1-2 (T - 18) (S - 35) + z/61 (3.2) 2. Persamaan empiris kecepatan suara menurut Medwin c = 1449,2 + 4,6T -5,5.1-2 T 2 + 2,9.1-4 T 3 + (1,34 1-2 T) (S - 35) + 1,6.1-2 z (3.3) 3. Persamaan empiris kecepatan suara menurut MacKenzie c = 1448,96 + 4,591 T 5,34.1-2 T 2 + 2,374.1-4 T 3 + 1,34 (S 35) + 1,63.1-2 z + Data hasil pengukuran dimasukkan ke persamaan (3.2), (3.3), dan (3.4). Persamaan empiris kecepatan suara yang dipilih adalah persamaan yang memiliki persentase error terkecil terhadap data kecepatan suara hasil pengukuran. Persentase error ditentukan menggunakan persamaan berikut:! %&&' " #$! (3.5) ()*! (+),-./. (+),(/.*,+( 1 )(/( Grafik perbandingan profil kecepatan suara antara data pengukuran dengan hasil perhitungan dari ketiga persamaan empiris untuk setiap stasiun di Samudera Hindia ditampilkan pada Gambar 3.9 hingga Gambar 3.2. Tze Wen 155 3 15 3-8
Stasiun GeoB144-1 Gambar 3. 9 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB144-1 Stasiun GeoB145-2 Perbandingan Profil Kecepatan Suara 5 1 15 Kedalaman, z (m) 2 25 3 Data 35 Medwin Leroy Mackenzie 4 148 149 15 151 152 153 154 Kecepatan Suara, c (m/s) Gambar 3. 1 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB145-2 Tze Wen 155 3 15 3-9
Stasiun GeoB148-2 Perbandingan Profil Kecepatan Suara 5 1 Kedalaman, z (m) 15 2 25 3 Data Medwin Leroy Mackenzie 35 148 149 15 151 152 153 154 Kecepatan Suara, c (m/s) Gambar 3. 11 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB148-2 Stasiun GeoB149-2 Perbandingan Profil Kecepatan Suara 2 4 Kedalaman, z (m) 6 8 1 12 Data Medwin Leroy Mackenzie 14 148 149 15 151 152 153 154 Kecepatan Suara, c (m/s) Gambar 3. 12 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB149-2 Tze Wen 155 3 15 3-1
Stasiun GeoB151-2 Perbandingan Profil Kecepatan Suara 5 Kedalaman, z (m) 1 15 2 Data Medwin Leroy Mackenzie 25 148 149 15 151 152 153 154 155 156 157 158 Kecepatan Suara, c (m/s) Gambar 3. 13 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB151-2 Stasiun GeoB152-2 Perbandingan Profil Kecepatan Suara 1 2 3 Kedalaman, z (m) 4 5 6 7 8 9 Data Medwin Leroy Mackenzie 1 148 149 15 151 152 153 154 Kecepatan Suara, c (m/s) Gambar 3. 14 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB152-2 Tze Wen 155 3 15 3-11
Stasiun GeoB153-2 Perbandingan Profil Kecepatan Suara 2 4 Kedalaman, z (m) 6 8 1 12 Data Medwin Leroy Mackenzie 14 1485 149 1495 15 155 151 1515 152 1525 153 1535 Kecepatan Suara, c (m/s) Gambar 3. 15 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB153-2 Stasiun GeoB154-2 Perbandingan Profil Kecepatan Suara 2 4 Kedalaman, z (m) 6 8 1 Data Medwin Leroy Mackenzie 12 1485 149 1495 15 155 151 1515 152 1525 153 1535 Kecepatan Suara, c (m/s) Gambar 3. 16 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB154-2 Tze Wen 155 3 15 3-12
Stasiun GeoB155-2 Perbandingan Profil Kecepatan Suara 5 1 Kedalaman, z (m) 15 2 25 Data Medwin Leroy Mackenzie 3 148 149 15 151 152 153 154 Kecepatan Suara, c (m/s) Gambar 3. 17 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB155-2 Stasiun GeoB157-2 Perbandingan Profil Kecepatan Suara 2 4 6 Kedalaman, z (m) 8 1 12 14 16 Data Medwin Leroy Mackenzie 18 148 149 15 151 152 153 154 Kecepatan Suara, c (m/s) Gambar 3. 18 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB157-2 Tze Wen 155 3 15 3-13
Stasiun GeoB161-2 Perbandingan Profil Kecepatan Suara 5 Kedalaman, z (m) 1 15 2 Data Medwin Leroy Mackenzie 25 1485 149 1495 15 155 151 1515 152 1525 153 1535 Kecepatan Suara, c (m/s) Gambar 3. 19 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB161-2 Stasiun GeoB162-2 Perbandingan Profil Kecepatan Suara 1 2 Kedalaman, z (m) 3 4 5 Data Medwin Leroy Mackenzie 6 148 149 15 151 152 153 154 155 156 Kecepatan Suara, c (m/s) Gambar 3. 2 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB162-2 Tze Wen 155 3 15 3-14
z + 1,675.1-7 z 2 1,25.1-2 T(z) (S(z) 35) 7,139.1-13 T(z) z 3 (3.6) Bab 3 Pengumpulan dan Pengolahan Data No Tabel 3. 2 Persentase Error Seluruh Stasiun Nama Stasiun Persentase Error (%) Leroy Medwin Mackenzie Keterangan 1 GeoB144-1.394.772.213 Mackenzie 2 GeoB145-2.456.886.228 Mackenzie 3 GeoB148-2.326.66.199 Mackenzie 4 GeoB149-2.163.17.112 Mackenzie 5 GeoB151-2.237.452.17 Mackenzie 6 GeoB152-2.192.115.95 Mackenzie 7 GeoB153-2.17.189.115 Mackenzie 8 GeoB154-2.27.12.93 Mackenzie 9 GeoB155-2.256.533.181 Mackenzie 1 GeoB157-2.156.241.131 Mackenzie 11 GeoB161-2.22.381.155 Mackenzie 12 GeoB162-2.1174.1918.331 Mackenzie Berdasarkan Tabel 3.2, input pemodelan propagasi akustik bawah air pada tugas akhir ini menggunakan persamaan empiris dengan persentase error yang terkecil yakni persamaan kecepatan suara menurut Mackenzie. 3.5 Penentuan Kecepatan Suara sebagai Fungsi Kedalaman di Samudera Hindia Persamaan empiris kecepatan suara menurut Mackenzie terdiri dari 3 variabel. Persamaan empiris ini perlu diubah menjadi variabel yang sama yakni hanya sebagai fungsi kedalaman. Data temperatur (T) dan salinitas (S) hasil pengukuran perlu didekati dengan persamaan polinomial orde n sebagai fungsi kedalaman T(z) dan S(z). Persamaan 3.4 diubah menjadi: c (z) = 1448,96 + 4,591 T(z) 5,34.1-2 T(z) 2 + 2,374.1-4 T(z) 3 + 1,34 (S(z) 35) + 1,63.1-2 ()* /2.3-)4.-)/(,*(,*.*5 *.3-)4.-)/(,*,))3-)4.-)/(,* /(,*(,*.* Tze Wen 155 3 15 3-15
Bentuk polinomial orde n dinyatakan sebagai: $ 6 7 8 69$ 7:7 6 7 6;$ (3.7) $ 6 7 8 69$ 7:7 6 7 6;$ (3.8) ()* $ 8 < 6 6;$ /f))* $ 8 < 6 6;$ /f))* > (* Koefisien persamaan T(z) dan S(z) didapat dengan cara mencocokan data T(z(i)) dan S(z(i)) dari persamaan (3.7) dan (3.8) dengan data hasil pengukuran. Fungsi polyfit yang tersedia pada perangkat lunak Matlab digunakan untuk pencocokan data tersebut. Dalam tugas akhir ini, orde polinomial curve fitting yang dibandingkan adalah orde ke-1 hingga orde ke-2. Grafik perbandingan antara data hasil pengukuran temperatur dengan data hasil polynomial curve fitting untuk stasiun GeoB155-2 ditampilkan pada Gambar 3.21. Gambar 3. 21 Grafik Perbandingan Data Pengukuran Temperatur dengan Hasil Polynomial Curve Fitting untuk Stasiun GeoB155-2 Tze Wen 155 3 15 3-16
Persentase error hasil polynomial curve fitting data temperatur untuk Stasiun GeoB155-2 disajikan pada Tabel 3.3. Grafik perbandingan persentase error data temperatur hasil polynomial curve fitting orde ke-1 hingga ke-2 untuk stasiun GeoB155-2 ditampilkan pada Gambar 3.22. Tabel 3. 3 Persentase Error Hasil Polynomial Curve Fitting Data Temperatur untuk Stasiun GeoB155-2 Polynomial Curve Fitting Persentase Error Data Temperatur (%) Orde ke-1 23.7679 Orde ke-2 4.1144 Orde ke-3 29.7276 Orde ke-4 17.9933 Orde ke-5 13.7893 Orde ke-6 9.8377 Orde ke-7 5.3227 Orde ke-8 2.685 Orde ke-9 1.683 Orde ke-1 1.8341 Orde ke-11 1.8676 Orde ke-12 2.4564 Orde ke-13 2.5435 Orde ke-14 1.7819 Orde ke-15 1.1326 Orde ke-16.7691 Orde ke-17.7167 Orde ke-18.6151 Orde ke-19.5691 Orde ke-2.5637 Grafik perbandingan antara data hasil pengukuran salinitas dengan data hasil polynomial curve fitting untuk stasiun GeoB155-2 ditampilkan pada Gambar 3.23. Persentase error hasil polynomial curve fitting data temperatur untuk Stasiun GeoB155-2 disajikan pada Tabel 3.4. Grafik perbandingan persentase error data salinitas hasil polynomial curve fitting orde ke-1 hingga ke-2 untuk stasiun GeoB155-2 ditampilkan pada Gambar 3.24. Tze Wen 155 3 15 3-17
2 Persentase Error (%) 15 1 5 2 4 6 8 1 12 14 16 18 2 Orde Polinomial Gambar 3. 22 Grafik Perbandingan Persentase Error Data Temperatur Hasil Polynomial Curve Fitting untuk Stasiun GeoB155-2 Gambar 3. 23 Grafik Perbandingan Data Pengukuran Salinitas dengan Hasil Polynomial Curve Fitting untuk Stasiun GeoB155-2 Tze Wen 155 3 15 3-18
Tabel 3. 4 Persentase Error Hasil Polynomial Curve Fitting Data Salinitas untuk Stasiun GeoB155-2 Polynomial Curve Fitting Persentase Error Data Salinitas (%) Orde ke-1.1891 Orde ke-2.1797 Orde ke-3.1718 Orde ke-4.1165 Orde ke-5.53 Orde ke-6.346 Orde ke-7.344 Orde ke-8.358 Orde ke-9.323 Orde ke-1.269 Orde ke-11.269 Orde ke-12.264 Orde ke-13.269 Orde ke-14.272 Orde ke-15.255 Orde ke-16.268 Orde ke-17.259 Orde ke-18.241 Orde ke-19.245 Orde ke-2.24 Tze Wen 155 3 15 3-19
.2.18 Persentase Error (%).16.14.12.1.8.6.4.2 2 4 6 8 1 12 14 16 18 2 Orde Polinomial Gambar 3. 24 Grafik Perbandingan Persentase Error Data Salinitas Hasil Polynomial Curve Fitting untuk Stasiun GeoB155-2 Gambar 3. 25 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Hasil Polynomial Curve Fitting untuk Stasiun GeoB155-2 Tze Wen 155 3 15 3-2
Tabel 3. 5 Persentase Error Data Kecepatan Suara Data Kecepatan Suara Persentase Error (%) Orde ke-1.7113 Orde ke-2.447 Orde ke-3.312 Orde ke-4.2237 Orde ke-5.1738 Orde ke-6.1187 Orde ke-7.659 Orde ke-8.4 Orde ke-9.391 Orde ke-1.398 Orde ke-11.412 Orde ke-12.48 Orde ke-13.374 Orde ke-14.289 Orde ke-15.254 Orde ke-16.25 Orde ke-17.248 Orde ke-18.248 Orde ke-19.247 Orde ke-2.247 Tze Wen 155 3 15 3-21
.8 Persentase Error Kecepatan Persentase Error (%).7.6.5.4.3.2.1 2 4 6 8 1 12 14 16 18 2 Orde Polinomial Gambar 3. 26 Grafik Perbandingan Persentase Error Data Kecepatan Hasil Polynomial Curve Fitting untuk Stasiun GeoB155-2 Berdasarkan Gambar 3.21 hingga Gambar 3.26 serta Tabel 3.3 hingga Tabel 3.5, maka dalam Tugas Akhir ini digunakan polinomial orde ke-18. Orde ini dipilih karena memberikan persentase error di bawah.7%. Peningkatan orde tidak memberikan peningkatan akurasi yang signifikan. Tze Wen 155 3 15 3-22