LAPORAN RESMI

PRAKTIKUM PASANG SURUT

MODUL III
PERAMALAN PASANG SURUT



Disusun Oleh :
JEFRI GUNAWAN MANURUNG
26020212120013

TIM ASSISTEN
MOHAMMAD IQBAL PRIMANANDA 26020210110028
KIRANA CANDRASARI 26020210120041
HAFIZ ACHMAD T 26020210141011
PULUNG PUJI WICAKSONO 26020211140088
TRIA DEWI ANGGRAENI 26020211130053
YULIANTO DWI L. 26020211140104
MIA JUNI PRATIWI 26020211140093
CINTYA OKTAVIANA 26020211130024

PROGRAM STUDI OSEANOGRAFI
JURUSAN ILMU KELAUTAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2014
I. PENDAHULUAN
1.1. Latar Belakang
Pasang surut adalah fenomena fluktuasi/pergerakan muka air laut sebagai fungsi dari waktu
akibat adanya gaya tarik benda-benda di langit, terutama matahari dan bulan terhadap massa air
laut yang ada di bumi. Selain pengaruh astronomi faktor lainnya yang mempengaruhi pasut
terutama di perairan semi tertutup (teluk) antara lain adalah bentuk garis pantai dan topografi dasar
perairan.
Pengetahuan mengenai pasang surut tentunya sangat diperlukan dalam transportasi, laut,
pembangunan di daerah pesisir pantai, kegiatan di pelabuhan, dan sebagainya. Pasang surut
mempunyai sifat periodik (berulang-ulang). Oleh karena itu pasang surut menjadi dapat
diramalkan terlebih dahulu. Untuk dapat meramalkan pasang surut, diperlukan data amplitudo dan
beda fase dari masing-masing komponen pembangkit pasang surut.
Seperti yang telah disebutkan di atas, komponen-komponen utama pasang surut terdiri dari
komponen tengah harian dan harian. Namun demikian, karena interaksinya dengan bentuk
(morfologi) pantai, superposisi antar komponen pasang surut utama, dan faktor-faktor lainnya akan
mengakibatkan terbentuknya komponen-komponen pasang surut yang baru.
Pada praktikum ini akan dilakukan peramalan data pasang surut pada bulan April di perairan
Tanjung Mas Semarang yang diperoleh dari BMKG maritim Semarang yang diketahui dengan
cara mengolah komponen pasang surut sehingga didapatkan besar nilai mean sea level (S0), umur
pasang surut air laut, besar amplitudo, dan beda fase setiap konstanta harmonik pasang surut yang
merupakan sifat-sifat dari suatu perairan. Termasuk juga komponen pasang surut yang terbesar
dan terkecil, tunggang air rata-rata dan waktu pasang surut purnama, yang kemudian semua
komponen-komponen tersebut akan dijadikan sebagai data untuk melakukan peramalan pasang
surut.

1.2. Tujuan
1. Praktikan mampu memahami bagaimana peramalan pasang surut dengan menggunakan data
admiralty menggunakan metode kuadrat terkecil (Least square)
2. Praktikan mengetahui tipe pasang surut di perairan Tanjung Mas Semarang
3. Praktikan dapat mengetahui keakuratan nilai verifikasi relaif peramalan pasang surut yang
diperoleh.
4. Praktikan diharuskan dapat membuat grafik peramalan pasang surut dan bagaimana
interpretasinya. .
5. Praktikan dapat membuat grafik residu peramalan pasang surut dan bagaimana
interpretasinya.
II. TINJAUAN PUSTAKA
2.1. Pasang Surut
Pasang surut adalah naik turunnya muka air laut secara berirama. Pasang surut pada
gelombang perairan dangkal bisa memiliki panjang gelombang yang sangat panjang
(hingga ribuan kilometer). Pasang surut disebabkan oleh gaya tarik gravitasi Matahari dan
Bulan di pada lautan di Bumi. Pasang laut terjadi di sekitar titik amphidromi. Interaksi
dengan gelombang berdiri atau standing wave dapat menciptakan pasang surut yang sangat
besar dalam cakupan laut laut sempit sekalipun. Pasang surut air laut disebabkan oleh efek
gabungan dari gaya gravitasi yang diberikan oleh Bulan dan Matahari dan rotasi Bumi
(Halim,2006).
Beberapa garis pantai mengalami dua pasang tinggi hampir sama dan dua pasang
surut setiap hari, yang disebut gelombang semi- diurnal . Beberapa lokasi mengalami hanya
satu tinggi dan satu surut setiap hari , disebut pasang diurnal . Beberapa lokasi mengalami
dua pasang yang merata dalam sehari , atau kadang-kadang satu tinggi dan satu rendah
setiap hari, ini disebut pasang campuran. Waktu dan amplitudo pasang surut dipengaruhi
oleh keselarasan Matahari dan Bulan bergantung pada pola pasang surut di laut
dalam,sistem amphidromi lautan, dan dengan bentuk garis pantai dan juga pada profil
batimetri. (Haristyana,2012).
Pasang surut bervariasi pada rentang waktu mulai dari beberapa jam hingga dalam
hitungan tahun karena berbagai pengaruh/factor eksternal. Untuk membuat catatan yang
akurat , tide gauge di stasiun harus tetap mengukur tingkat air dari waktu ke waktu
.Pengukuran boleh mengabaikan variasi yang disebabkan oleh gelombang dengan periode
yang lebih pendek dalam hitungan menit. Kemudian data dapat dibandingkan dengan
referensi ( atau datum ) permukaan laut. (Hasibuan,2009)
Pasang biasanya bersumber dari fluktuasi permukaan laut dalam jangka pendek,
permukaan air laut juga dipengaruhi oleh kekuatan-kekuatan dan gaya gaya luar seperti
angin dan perubahan/gradien tekanan udara sehingga bisa saja terjadi lonjakan terutama di
laut dangkal dan laut yang dekat dengan pantai. Fenomena pasang surut tidak hanya
terbatas pada lautan , tetapi dapat terjadi pada tempat lain setiap kali medan gravitasi terjadi
pada tempat tersebut. (Rahayu, 2011)
Pasang surut adalah perubahan atau perbedaan permukaan laut yang terjadi secara
berulang dengan periode tertentu karena adanya gerakan dari benda-benda angkasa yaitu
rotasi bumi pada sumbunya, peredaran bulan mengelilingi bumi dan peredaran bulan
mengelilingi matahari. Bulan dan matahari keduanya memberikan gaya gravitasi tarikan
terhadap bumi, dimana gaya tarik bulan yang mempengaruhi pasang surut adalah 2,2 kali
lebih besar daripada gaya tarik matahari. Secara statistik, Bulan menyebabkan hampir 70%
efek pasang surut. Sedangkan matahari memiliki pengaruh sebesar 30%. (Triatmodjo,
1999)
2.2. Komponen Elevasi Pasang Surut(Datums)
Secara umum, datum adalah elevasi dasar yang digunakan sebagai referensi untuk
memperhitungkan ketinggian atau kedalaman suatu fenomena pasang surut. Sebuah datum
pasang surut adalah elevasi standar yang ditetapkan oleh fase tertentu ketika terjadi air
pasang.
Datum pasang surut digunakan sebagai referensi untuk mengukur tingkat air lokal
dan tidak boleh diperpanjang atau diterapkan ke daerah yang memiliki karakteristik
oseanografi yang berbeda tanpa didukung pengukuran tambahan. Agar mendapat hasil
yang akurat sesuai dengan yang diperlukan, datum tersebut direferensikan ke titik
tetap/absolute yang dikenal sebagai tolok ukur.
Datum pasang surut juga merupakan dasar untuk menetapkan lahan milik pribadi,
tanah milik negara, laut teritorial, zona ekonomi eksklusif, dan laut lepas Negara. Di bawah
ini adalah definisi dari datums pasang dikelola oleh Center for Operational Oceanographic
Products and Services.
HAT
Highest
Astronomical
Tide
Didefinisikan sebagai Elevasi pasang surut tertinggi yang dan diprediksi
diharapkan terjadi di sebuah stasiun pasang tertentu selama National Tidal
Datum Epoch
MHHW*
Mean Higher
High Water
Muka air rata-rata yang lebih tinggi dari ketinggian air yang tinggi setiap hari
pasang yang diamati selama National Tidal Datum Epoch (NTDE). Untuk
stasiun seri pendek, perbandingan pengamatan simultan dengan kontrol
stasiun pasang dibuat dalam rangka untuk memperoleh datum setara Nasional
Tidal Datum Epoch.
MHW
Mean High Water
Muka air rata-rata dari semua ketinggian air tinggi yang diamati selama
National Tidal Datum Epoch (NTDE). Untuk stasiun seri pendek,
perbandingan pengamatan harus simultan dengan kontrol stasiun pasang yang
dibuat dalam rangka untuk memperoleh datum setara Nasional Tidal Datum
Epoch (NTDE).
DTL
Diurnal Tide
Level
Rata-rata aritmetik dari rata-rata air yang tinggi lebih tinggi dan rata-rata air
rendah yang lebih rendah.
MTL
Mean Tide Level
Rata-rata aritmetik dari rata-rata air yang tinggi dan rata-rata air rendah.
MSL
Mean Sea Level
Muka air rerata aritmetik dari ketinggian jam diamati selama National Tidal
Datum Epoch (NTDE). Seri Shorter ditentukan dalam nama; misalnya
kenaikan muka laut bulanan dan permukaan laut rata-rata tahunan.
MLW
Mean Low Water
Muka air rata-rata dari semua ketinggian air rendah yang diamati selama
National Tidal Datum Epoch (NTDE). Untuk stasiun seri pendek,
perbandingan pengamatan simultan dengan kontrol stasiun pasang dibuat
dalam rangka untuk memperoleh datum setara Nasional Tidal Datum Epoch.
MLLW*
Mean Lower Low
Water
Muka air rata-rata ketinggian air rendah rendah setiap hari pasang diamati
selama National Tidal Datum Epoch. Untuk stasiun seri pendek, perbandingan
pengamatan simultan dengan kontrol stasiun pasang dibuat dalam rangka
untuk memperoleh datum setara Nasional Tidal Datum Epoch.
LAT
Lowest
Astronomical
Tide
Elevasi astronomi pasang terendah yang diprediksi dan diharapkan terjadi di
sebuah stasiun pasang tertentu selama National Tidal Datum Epoch.
GT
Great Diurnal
Range
Perbedaan ketinggian antara air yang tinggi tertinggi dan rata-rata air rendah
terendah.
MN
Mean Range of
Tide
Perbedaan ketinggian antara tinggi air rata-rata dan rata-rata air rendah.
DHQ
Mean Diurnal
High Water
Inequality
Perbedaan ketinggian dua air tertinggi setiap hari pasang surut untuk pasang
campuran atau semidiurnal.
DLQ
Perbedaan ketinggian dua air terendah setiap hari pasang surut untuk pasang
campuran atau semidiurnal.
Mean Diurnal
Low Water
Inequality
HWI
Greenwich High
Water Interval
Interval rata-rata (dalam jam) antara transit bulan atas meridian Greenwich
dan tinggi air tertinggi berikutnya.
LWI
Greenwich Low
Water Interval
Interval rata-rata (dalam jam) antara transit bulan atas meridian Greenwich
dan air terendah.
Station Datum
Sebuah basis elevasi tetap di sebuah stasiun pasang yang untuk semua
pengukuran tinggi air disebut. Datum adalah unik untuk setiap stasiun dan
didirikan pada ketinggian yang lebih rendah dari air yang diperkirakan. Hal
ini direferensikan ke tanda utama di stasiun dan tetap konstan terlepas dari
perubahan tingkat air gauge atau staf pasang. Datum tabulasi harus pada titik
nol dari staf pasang saat pertama kali diinstal.
National Tidal
Datum Epoch
Nilai spesifik selama periode 19 tahun oleh National Ocean Service sebagai
segmen waktu resmi di mana pengamatan pasang surut diambil dan dikurangi
untuk mendapatkan nilai rata-rata (misalnya, rata-rata air rendah terendah, dll)
untuk datum pasang surut. Hal ini diperlukan untuk standardisasi karena
sebagai Patoka periodik yang jelas dalam permukaan laut. Kehadiran NTDE
pada tahun 1983 sampai 2001 dan secara aktif dipertimbangkan untuk direvisi
setiap 20-25 tahun. Untuk datum pasang surut di daerah tertentu dengan
anomolous perubahan permukaan laut seperti di (Alaska, Teluk Meksiko)
dihitung pada Modified 5 Tahun Epoch.


Tabel 2.1 Datum Pasang surut
(Table 2.1 Credit to http://www.noaa.gov/)
2.2.1. MSL (Mean Sea Level)
Adalah datum yang mewakili ketinggian rata-rata permukaan laut (seperti
titik tengah antara pasang tinggi rata-rata dan surut rata-rata) yang juga digunakan
sebagai standar dalam memperhitungkan elevasi muka tanah. MSL juga memainkan
peranan penting dalam navigasi laut sebagai datum grafik dan juga dalam ilmu
penerbangan, di mana tekanan permukaan laut standar digunakan sebagai datum
pengukuran ketinggian di tingkat penerbangan. (NOAA, 2011. Diakses 1 Mei 2014
Pukul 22.00 WIB)
Untuk mendeteksi variasi jangka panjang permukaan laut memerlukan
pengukuran yang hati-hati tetapi dapat memberikan informasi tentang perubahan
iklim. Permukaan laut sangat terpengaruh dan sangat bervariasi dari waktu ke
waktu geologi. Saat ini, permukaan laut adalh terus naik dan menurut para ilmuan,
factor yang paling berpengaruh disini adalah pemanasan global. (NOAA, 2011.
Diakses 1 Mei 2014 Pukul 22.00 WIB).

2.2.2. LLWL (Lowest Low Water Level)
Muka air rendah terendah (lowest low water level, LLWL), adalah air
terendah pada saat pasang surut purnama atau bulan mati selama Sembilan belas
tahun pengukuran. (NOAA, 2011. Diakses 1 Mei 2014 Pukul 22.00 WIB)

2.2.3. HHWL ( Highest High Water Level)
Perpaduan antara Extratidal air tertinggi (XHW) dan Extratidal Low Water
(XLW) adalah muka air yang diamati secara ekstrem yang diukur di atas pasang
datum HAT (XHW) atau di bawah datum LAT pasang surut (XLW). Ekstrem ini
terjadi pada tinggi muka air saat cuaca sedang dipengaruhi oleh 'gelombang badai'
(level air diamati dikurangin kombinasi pasang astronomi dan anomali permukaan
laut).
Pasang astronomi direferensikan ke D-30, ketinggian air rata-rata selama 30
hari terakhir tidak akan melebihi HAT atau LAT tanpa adanya anomaly yang tejadi
di permukaan laut tersebut. (NOAA, 2011. Diakses 1 Mei 2014 Pukul 22.00 WIB).

2.3. Peramalan Pasang Surut
Peramalan pasang surut merupakan suatu teknik perhitungan untuk meramal
pasang surut di suatu daerah pada waktu tertentu. Adanya gaya tarik bumi dan benda langit
(bulan dan matahari), gaya gravitasi bumi, perputaran bumi pada sumbunya dan perputaran
bumi mengelilingi matahari menimbulkan pergeseran air laut, salah satu akibatnya adalah
terjadinya pasang surut laut. Fenomena alam tersebut merupakan gerakan periodik, maka
pasang surut yang ditimbulkan dapat dihitung dan diprediksikan (Modul, 2013).
Berikut merupakan metode-metode yang digunakan dalam peramalan pasang surut,
yaitu:
1. Metode yang digunakan untuk analisis time series yaitu metode garis linier secara
bebas (Free Hand Method)
2. Metode setengah rata-rata (Semi Average Method)
3. Metode rata-rata bergerak (Moving Average Method)
4. Metode kuadrat terkecil (Least Square Method). Metode Least Square (kuadrat
terkecil). Metode ini paling sering digunakan dalam meramalkan y, dikarenakan
perhitungannya yang lebih teliti.
Analisis yang akurat untuk peramalan tingkat pasang surut adalah tugas yang sangat
penting untuk dilakukan di wilayah laut dan pesisir . Mereka dapat menjadi sangat penting
dalam situasi bencana seperti kejadian Tsunami dalam rangka untuk memberikan atau
memperingatkan secara cepat terhadap orang orang yang terlibat dan untuk
menyelamatkan nyawa. Metode peramalan pasang surut konvensional didasarkan pada
analisis harmonik dengan menggunakan metode kuadrat terkecil untuk menentukan
parameter harmonik. (NOAA, 2011. Diakses 1 Mei 2014 Pukul 22.00 WIB)
Namun, sejumlah besar parameter dan data yang diukur dalam jangka panjang
sangat diperlukan untuk/agar tingkat pasang surut dengan analisis harmonik yang
dilakukan tepat sasaran. Selanjutnya, metode harmonik tradisional bergantung pada model
berdasarkan analisis komponen astronomi dan dapat menjadi tidak memadai ketika
kontribusi komponen non astronomi,seperti cuaca gelombang dan lain-lain ikut serta di
dalamnya. Pendekatan alternatif lainnya yang telah dikembangkan dalam literatur untuk
menghadapi situasi ini dan memberikan prediksi dengan akurasi yang diinginkan terus
sedang dikembangkan sehubungan juga dengan panjang catatan sejaran pasang surut yang
tersedia . Metode ini meliputi teknik penyaringan high pass atau Band standar,karakter
yang relatif deterministik dan sinyal amplitudo besar pasang surut memerlukan perhatian
dan teknik khusus, seperti jaringan syaraf tiruan dan wavelet transform metode analisis
yang lebih efektif. Peramalan pasang surut dimaksudkan untuk memberikan masyarakat
mulai dari ilmu praktis,sampai dengan tanggal cakupan analisis pasang surut dan
metodologi peramalan yang telah terbukti berhasil dalam berbagai keadaan dan yang
menjanjikan untuk sukses di masa depan. (NOAA, 2011. Diakses 1 Mei 2014 Pukul 22.00
WIB).
Metode klasik ditinjau secara sistematis dan konsisten dengan cara menguraikan
konsep utama dari komponen antara persamaan dan perbedaan dan juga kelebihan dan
kekurangan serta pengaruh adanya anomali permukaan laut.


2.3.1. Metode Peramalan Pasang Surut
Berikut merupakan metode-metode yang digunakan dalam peramalan pasang surut,
yaitu:
1. Metode yang digunakan untuk analisis time series yaitu metode garis linier
secara bebas (Free Hand Method)
2. Metode setengah rata-rata (Semi Average Method)
3. Metode rata-rata bergerak (Moving Average Method)
4. Metode kuadrat terkecil (Least Square Method). Metode Least Square (kuadrat
terkecil). Metode ini paling sering digunakan dalam meramalkan y,
dikarenakan perhitungannya yang lebih teliti.
2.3.1.1. Analysis Time Series Methods
Analisis time series berarti titik data yang diambil merupakan akumulasi
data dari suatu waktu ke waktu yang mungkin memiliki struktur internal (seperti
autokorelasi, tren atau variasi musiman).Analisis Time series semulanya
merupakan Algoritma yang digunakan untuk membuat fase dan estimasi
amplitudo yang didasarkan pada algoritma dan FORTRAN (1972) Foreman
(1977), dan Foreman (1978).
Namun, tidak seperti biasanya yang menggunakan aljabar kompleks sinus
cosinus yang digunakan secara terpisah. Dengan melakukan hal tersebut maka
akan memiliki keuntungan saat menyatukan bentuk skalar misalnya,tekanan
dan vektor misalnya, arus horisontal dalam bentuk Time series yang
direpresentasikan sebagai bilangan kompleks u + iv.
Sebagai perhatian bahwa bentuk kompleks untuk arus didasarkan pada
model fisik dari sebuah vektor arus berputar, dan hanya berlaku untuk
gelombang linear atau hampir linear pada fenomena pasang surut. Dalam
beberapa kasus mungkin lebih baik untuk melakukan koreksi dengan filtering
misalnya dan dengan acrosschannel arus sebagai dua bentuk umum yang
terpisah dalam time series skalar.
Pertimbangkan bahwa serangkaian waktu pengamatan sebagai fungsi
terhadap waktu y(t); t t1; t2, t; tM diatur dalam basis vektor, di mana
pengamatan pertama kali secara teratur pada interval Dt (default 1 hour ) dan
M adalah jumlah pengamatan bilangan ganjil (end-point dibuang jika
diperlukan). Sumbu waktu didefinisikan sedemikian rupa sehingga asal (atau
waktu pusat) adalah t(m+1)/2. Beberapa data pengamatan yang hilang dapat
ditangani dengan menggunakan '' hilang'' sebagai Data penanda dalam vektor
input (dengan MATLAB konvensi NaN, representasi aritmatika IEEE untuk Not-
a- Number). (NOAA, 2011. Diakses 1 Mei 2014 Pukul 22.00 WIB)
Pembatasan Interval ini tidak muncul dari kuadrat-pas itu sendiri melainkan
dari algoritma konstituen-seleksi otomatis ketika spektrum tepat diperkirakan
pada salah satu algoritma interval kepercayaan. Time series
dapat terdiri dari bilangan real atau kompleks. Time series akan diteruskan ke
program analisis t pasang bersama dengan berbagai konponen/parameter time
series lainnya (kebanyakan opsional) .
2.3.1.2. Semi average method
Metode ini juga disebut sebagai salah satu metode yang paling
sederhana dan relatif obyektif daripada free hand method. Disini data awalnya
dibagi kedalam dua bagian yang sama dan kemudian dindapatkan mean
aritmetik dari dua set nilai-nilai yang diplotkan terhadap pusat rentang waktu
relatif. Jika jumlah pengamatan dan pembagian menjadi dua bagian maka nilai
akan baik pula. Dua nilai yang diperoleh didapat dengan mengabungkan garis
lurus yang menunjukkan tren positif. Nilai-nilai trend Y yaitu, Y^2 dan dapat
dibaca dari grafik yang sesuai untuk setiap periode waktu tertentu. Aritmatika
rata-rata sangat dipengaruhi oleh nilai-nilai ekstrim, nilai nilai ekstrem akan
membuat nilai trend positif akan terdistorsi. Namun, jika nilai-nilai ekstrim
yang ada cukup kecil, metode ini cocok untuk digunakan. (NOAA, 2011.
Diakses 1 Mei 2014 Pukul 22.00 WIB)
2.3.1.3. Moving Average Method
Moving average (rata-rata atau rata-rata berjalan ) adalah perhitungan
dengan menganalisis titik data dengan menciptakan serangkaian rata-rata dari
himpunan yang berbeda dalam kumpulan data lengkap . Hal ini juga disebut
rata-rata bergerak atau rolling yang berarti merupakan jenis yang terbatas
sebagai penyaring respon impuls Variasi,sederhana.
Elemen pertama dari rata-rata bergerak diperoleh dengan mengambil rata-
rata dari subset awal nomor seri. Kemudian bagian tersebut dimodifikasi
dengan "pergeseran ke depan" yaitu tidak termasuk angka pertama dari suatu
seri namun termasuk nomor berikutnya yang mengikuti bagian asli dalam nilai
seri. Hal ini menciptakan subset angka yang baru, yang sudah dirata-rata. Proses
ini diulang di seluruh seri data. Alur yang menghubungkan semua (tetap) rata-
rata adalah rata-rata bergerak.
Sebuah rata-rata bergerak adalah seperangkat angka, yang masing-masing
merupakan rata-rata dari bagian yang sesuai set yang lebih besar dari poin
datum(elevasi). Sebuah rata-rata bergerak juga dapat menggunakan bobot yang
berbeda untuk setiap nilai datum dalam subset untuk menekankan nilai-nilai
tertentu dalam subset. Sebuah rata-rata bergerak umumnya digunakan dengan
data time series untuk kelancaran keluar fluktuasi jangka pendek dan dengan
menyoroti tren jangka panjang atau siklus.
Ambang batas antara jangka pendek dan jangka panjang tergantung
pada aplikasi, dan parameter moving average akan ditetapkan atau disesuaikan.
Misalnya, sering digunakan dalam analisis teknis data keuangan, seperti harga
saham, return atau volume perdagangan dan juga peramalan pasasang surut. Hal
ini juga digunakan dalam ekonomi untuk memeriksa produk domestik bruto,
pekerjaan atau time series ekonomi makro lainnya. Secara matematis , rata-rata
bergerak adalah jenis konvolusi sehingga dapat dilihat sebagai contoh dari low-
pass filter yang digunakan dalam pemrosesan. Ketika digunakan dengan data
non time series, filter yang bergerak rata-rata adalah komponen frekuensi yang
lebih tinggi tanpa sambungan khusus untuk waktu, meskipun biasanya beberapa
jenis komponen tersirat dapat dilihat dengan menyederhanakan hal itu dan
dapat dianggap sebagai pemulusan data atau smoothing data. (NOAA, 2011.
Diakses 1 Mei 2014 Pukul 22.00 WIB)


2.3.1.4. Least square method
Metode kuadrat terkecil adalah pendekatan standar untuk solusi perkiraan
sistem overdetermined, yaitu suatu set persamaan dimana ada lebih dari satu
persamaan yang tidak diketahui atau tidak dapat diselesaikan. " Least Box "
berarti bahwa solusi keseluruhan dilakukan dengan meminimalkan nilai jumlah
kuadrat dari kesalahan yang dibuat dalam untuk setiap persamaan tunggal.
Hal yang paling cocok dilakukan dalam dalam kuadrat terkecil adalah
dengan meminimalkan jumlah kuadrat residu, residu yaitu perbedaan antara
nilai yang diamati dengan nilai yang dilengkapi atau disediakan oleh model.
Ketika masalah menemukan ketidakpastian substansial dalam variabel
independen ( 'x' variabel ) maka metode regresi sederhana dan metode kuadrat
terkecil akan menemuka masalah dalam kasus tersebut, metodologi yang
diperlukan untuk menyelesaikan kesalahan ini adalah dengan membuat model
variable yang dapat dianggap sebagai model kuadrat terkecil nya.
Masalah kuadrat terkecil terbagi kedalam dua kategori : kuadrat terkecil
linier atau biasa dan kuadrat terkecil non - linear, tergantung pada apakah residu
atau tidak residu. Masalah kuadrat linier akan terjadi dalam analisis regresi
statistik yang memiliki solusi bentuk tertutup. Sebuah solusi bentuk tertutup
(atau ekspresi bentuk tertutup ) adalah rumusan yang dapat dievaluasi dalam
jumlah terbatas sebagai operasi standar.
Masalah non - linear tidak memiliki solusi bentuk tertutup dan biasanya
diselesaikan dengan perbaikan secara berulang pada setiap iterasi sistem
dengan pendekatan linier dan dengan demikian perhitungan dapat diselesaikan.
Ketika pengamatan berasal dari perumusan secara eksponensial- maka estimasi
dan perkiraan kemungkinan maksimum adalah identik. Metode kuadrat juga
dapat diturunkan sebagai metode saat estimator. Pembahasan berikut ini
sebagian besar disajikan dalam fungsi linear tetapi penggunaan kuadrat- adalah
sah dan praktis untuk fungsi yang lebih umum.
Selain itu, dengan menerapkan pendekatan literatif kuadrat lokal untuk
(melalui informasi Fisher), memungkinkan metode kuadrat-terkecil dapat
digunakan sangat cocok dengan model atau bentuk linier umum. Untuk topik
yang mendekati fungsi dengan sejumlah fungsi obyektif berdasarkan jarak
kuadrat maka dapat diselesaikan dengan melihat kuadrat terkecil (aproksimasi
fungsi ).
Metode least square merupakan metode perhitungan pasang surut dimana
metode ini berusaha membuat garis yang mempunyai jumlah selisis (jarak vertikal)
antara data dengan regresi yang terkecil. Pada prinsipnya metode least square
meminimumkan persamaan elevasi pasut, sehingga diperoleh persamaan simultan.
Kemudian, persamaan simultan tersebut diselesaikan dengan metode numerik
sehingga diperoleh konstanta pasut.
Analisa dari metode least square faung adalah menentukan apa dan berapa
jumlah parameter yang ingin diketahui. Pada umumnya, jika data yang diperlukan
untuk mengetahui tipe dan datum pasang surut diperlukan 9 konstanta harmonis
yang biasa digunakan. Cukup aman untuk mengasumsikan bahwa konstanta yang
sama mendominasi sifat pasang surut pada lokasi yang baru sama seperti pada
lokasi yang sebelumnya untuk daerah geografis yang sama (Wibawa, dkk).
Secara umum persamaan numerik pasang surut:

Dimana:
(tn A) = elevasi pasang surut sebagai fungsi waktu k dan Bk
k = jumlah konstituen yang harus ditentukan = konstanta harmonik
k = Tk
t = periode komponen ke k
n = waktu pengamatan tiap jam
(Wibawa, dkk).

2.4. Fungsi peramalan pasang surut
Pengetahuan tentang waktu, ketinggian dan arus pasut sangat penting dalam aplikasi
praktis yang begitu luas seperti navigasi, dalam pekerjaan rekayasa kelautan (pelabuhan,
bangunan penahan gelombang, dok, jembatan laut, pemasangan pipa bawah laut, dan lain-
lain), dalam penentuan chart datum bagi hidrografi dan untuk batas laut suatu negara,
dalam keperluan militer, serta lainnya, seperti penangkapan ikan dan olahraga bahari
(Ongkosono dan Suyarso, 1989).
Peramalan pasang surut juga bermanfaat untuk informasi kelautan seperti banjir rob
untuk daerah di pesisir. Dengan mengetahui kapan pasang dan surut terjadi, masyarakat
bisa mempersiapkan diri dengan segala kemungkinan.
Dalam melakukan pembangunan bangunan pantai, pasang surut sangat
dipertimbangkan. Pada pembangunan pelabuhan/dermaga, dermaga tersebut harus
memiliki elevasi lebih tinggi dari HHWL (Highest High Water Level/Air Tinggi Tertinggi)
agar ketika pasang tertinggi terjadi, dermaga tersebut tidak terbenam. Pada bidang
pelayaran, jalur pelayaran untuk kapal haruslah lebih rendah dari LLWL (Lowest Low
Water Level/Air Rendah Terendah) agar ketika surut terendah, kapal masih bisa berlayar
(dasar kapal tidak mengenai dasar perairan).
2.5. Filtering
Filtering bertujuan untuk menyaring atau membuang data data yang terpengaruh
gelombang pada data yang kita peroleh sehingga nanti pada saat digunakan dalam metode
admiralty mempunyai hasil yang akurat. Hasil filtering data pasut yang kita lakukan pada
bulan maret 1994 dengan data sebelumnya tidak berbeda hal dapat kita lihat pada gambar
grafiknya yang sama.
Hal ini disebabkan karena data pasut yang kita peroleh sudah tidak terpengaruh
gelombang atau data tersebut pengaruh gelombangnya sangat kecil dan dapat diabaikan.
Oleh karena itu sewaktu kita melakukan pem-filteran terlihat hasilnya tidak berbeda antara
data hasil filter dan sebelum filter. Untuk melihat proses penfilteran maka kita
menggunakan lima data sebelumnya dan lima data sesudah 29 hari. Data tersebut nantinya
yang akan hilang saat kita melakukan filtering. Dengan proses filtering, maka dapat
mencari pendekatan data yang teliti, sehingga mudah untuk aplikasi.

Beberapa aplikasi dalam filter, yaitu :
a. Filter length : banyaknya data yang mau dibuang
b. Input series sampling interval : interval data (menit)
c. Filter type : 3 (untuk pasut sama dengan low pass filter)
d. Shortest periods of interest : 120 (default)
e. Ready to filter : y
f. Output transfer function file : ketik nama file.trans, misalnya vv.trans
g. Input data file : misalnya v.txt
h. Number of lines of heading : 0
i. Number of series : 1
j. Output filtered file : ketik nama file.txt
k. Decimation number : misalnya data 1 jam kita butuh data 1 jam juga maka
diketik 1 tetapi kalau data 10 menit kita butuh data 1 jam maka diketik (1 jam
= 60)
60

10

= 6
Filtering bertujuan untuk menyaring / memfilter atau membuang data-data yang
terpengaruh gelombang pada data yang kita peroleh sehingga nanti pada saat digunakan
dalam metode admiralty mempunyai hasil yang akurat. Hasil filtering data pasut yang kita
lakukan pada bulan maret 1994 dengan data sebelumnya tidak berbeda hal dapat kita lihat
pada gambar grafiknya yang sama.
Hal ini disebabkan karena data pasut yang kita peroleh tersebut sudah tidak
terpengaruh gelombang atau data tersebut pengaruh gelombangnya sanagat kecil sehingga
dapat diabaikan. Oleh karena itu sewaktu kita lakukan penfilteran terlihat hasilnya tidak
berbeda antara data hasil filter dan sebelum filter. Untuk melihat proses penfilteran maka
kita menggunakan lima data sebelumnya dan lima data sesudah 29 hari. Data tersebutlah
nantinya yang akan hilang saat kita melakukan filtering. Dengan proses filtering, maka
untuk mencari pendekatan data yang teliti, dapat dicari, sehingga mudah untuk aplikasi.
Beberapa aplikasi dalam filter, yaitu :
1. Filter length : banyaknya data yg mau dibuang missal 10
2. Input series sampling interval : interval data (menit) missal 60
3. Filter type : 3 (untukk pasut = low pass filter)
4. Shortest periods of interest : 120 (default)
5. Ready to filter : y
6. Output transfer function file : ketik nama file.trans, missal vv.trans
7. Input data file : missal v.txt
8. Number of lines of heading : 0
9. Number of series : 1
10. Output filtered file : ketik nama file.txt
11. Decimation number : missal data 1 jam kita butuh data I jam juga maka
ketik 1 tapi kalo data 10 menit kita butuh data 1 jam maka ketik 6 = 60/10
12. Error value : missal ketik 99999 atau 5555 atau 7777 dll.

Penggunaan Filter Lanczos dalam Gelombang dan Profil Perubahan Pasang surut.
Profil perubahan tinggi gelombang tsunami diperhalus menggunakan filter Lanczos dengan
menyaring sinyal gangguan (noise) dengan periode ambang (threshold) 4 jam. Tsunami
mengalami peningkatan ketika mencapai wilayah pantai dan mencapai maksimum (run up)
di stasiun Sibolga pada gelombang ketiga, pukul 15.30 WIB dengan ketinggian satu meter
di atas rerata muka laut (Diposaptono, 2007).
Gelombang tsunami pertama tercatat pada pukul 10.10, dengan didahului
penurunan muka laut (initial withdrawal of water) pukul 9.30 sebesar 32 sentimeter hanya
dalam waktu 10 menit sebagai sebuah proxy (indikator), sebelum datangnya gelombang
tsunami pertama (Diposaptono, 2007).
Gelombang tsunami masih tertangkap sinyalnya di stasiun Panjang dengan
rekaman energi yang semakin berkurang (run up tsunami lebih rendah dari satu meter).
Kedua rekaman sensor pasang surut menunjukkan stasiun pasang surut di wilayah pantai
dapat dijadikan proxy untuk menangkap sinyal gelombang tsunami (Diposaptono, 2007).
Sistem peringatan dini dengan memadukan kemampuan seismograf mendeteksi
gempa dan sensor pasang surut melacak tsunami sudah lama digunakan banyak orang.
Namun, posisi stasiun pasang surut di pantai tidak cukup efektif menangkap sinyal
gelombang tsunami sedini mungkin dibandingkan apabila sensor itu diletakkan pada lokasi
rawan gempa di laut dalam. Di samping itu, secara teknis rekaman sensor pasang surut
tidak representatif lagi karena medan tekanan atmosfer lebih dominan daripada perubahan
muka laut itu sendiri (Diposaptono, 2007).
Demikian juga apabila stasiun pasang surut tersebut berada pada pinggiran laut
setengah tertutup (semi-enclosed marginal seas), misalnya di stasiun Kupang yang
menghadap Selat Ombai. Perubahan muka laut tidak memberikan respons pada perubahan
tekanan atmosfer yang diharapkan karena posisi selat membatasi pertukaran massa
berfrekuensi tinggi, seperti halnya tsunami (Diposaptono, 2007).
Oleh karena itu, posisi stasiun pasang surut sebaiknya mendekati lokasi rawan
gempa di laut lepas. Posisi ini dilakukan agar terdapat rentang waktu yang cukup untuk
upaya peringatan dini. Yang terpenting, sensor pasang surut harus diletakkan pada sebuah
pulau kecil dengan kedalaman laut di sekitarnya tidak kurang dari 1.000 meter agar
rekaman perubahan muka laut tidak dipengaruhi perubahan tekanan atmosfer secara
signifikan (Diposaptono, 2007).
Dengan demikian, sinyal gelombang tsunami dapat dilacak dengan membuang
(filtering) sinyal gangguan berasal dari angin yang membentuk gelombang laut, pasang
surut, dan lain-lain dengan teknik analisis spektral: metode FFT (Fast Fourier Transform)
atau teknik pemisahan sinyal lainnya yang relatif mudah dilakukan (Diposaptono, 2007).
2.6. Grafik residu
Pot residual dapat digunakan untuk menilai kualitas hasil regresi. Kita dapat
memeriksa asumsi statistika yang mendasari tentang grafik residu seperti varian
konstan,variabel independen dan normalitas distribusi. Asumsi ini berlaku untuk model
regresi tertentu, residu harus didistribusikan secara acak dimulai dari nol.
Berbagai jenis plot residual dapat digunakan untuk memeriksa validitas asumsi ini
dan memberikan informasi tentang bagaimana untuk memperbaiki model grafik residu
tersebut.
Misalnya, plot pencari dari residual akan tertata jika regresi yang terbentuk adalah
baik. Grafik residual seharusnya tidak menunjukkan tren apapun,seharusnya. Sebuah tren
apapun akan menunjukkan bahwa residual tidaklah independen. Di sisi lain, pengeplotan
histogram residual harus menunjukkan distribusi yang berbentuk lonceng simetris,
menunjukkan bahwa asumsi normalitas kemungkinan untuk menjadi bernilai benar atau
nyata dengan hipotesa.



Sebuah plot residual adalah grafik yang menunjukkan residual pada sumbu vertikal
dan variabel independen pada sumbu horisontal. Jika titik-titik dalam plot residual secara
acak tersebar di sekitar sumbu horisontal, maka model regresi linear adalah sesuai untuk
data; jika tidak, model non-linearlah yang lebih sesuai atau lebih coco.
Plot residual menunjukkan tiga pola khas. Plot pertama menunjukkan pola acak,
menunjukkan cocok untuk model linier. Pola Plot lainnya adalah non-acak (berbentuk U
dan U terbalik), yang menunjukkan lebih cocok untuk model non-linear. (NOAA, 2011.
Diakses 1 Mei 2014 Pukul 22.00 WIB)