Nama : Rajoki Purba

Nim : 23115017
TUGAS 6 HIDROGRAFI II

Make a resume themed: 'Types of Tidal Computation: Admiralty, Doodson and Least Square'

 Admiralty
merupakan metode yang praktis untuk melakukan analisa pasang surut dari pengamatan
15 dan hinga satu bulan( A. T. Doodson). Metode ini digunakan untuk menentukan Muka
Air Laut Rerata (MLR) harian, bulanan, tahunan atau lainya (Suyarso, 1989). Metode
admiralty adalah metode perhitungan pasang surut yang digunakan untuk menghitung
dua konstanta harmonic yaitu amplitudo dan keterlambatan phasa. Proses perhitungan
metode Admiralty dihitung dengan bantuan tabel, dimana untuk waktu pengamatan yang
tidak ditabelkan harus dilakukan pendekatan dan interpolasi dengan bantuan tabel.
 Doodson

Pengaruh variasi deklinasi dan jarak ke badan pembangkit pasang surut adalah untuk
mengubah koefisien untuk istilah dalam tidal harmonics . Variasi ini mungkin Fourier
terdekomposisi dan hasil modulasi dari frekuensi pasang surut dasar: periode panjang,
diurnal dan semidiurnal. Maka potensi yang diberikan dalam dapat ditulis sebagai
V (;) = V0 (;) + V1 (;) + V2 (;); (12) dimana Vs (;) = DGs X j Cj cos (jt + s + j) (Wikipedia).

Least Square
Metode kuadrat diterapkan untuk mendekati solusi dari sistem overdetermined, yaitu sistem
persamaan di mana terdapat banyak persamaan yang belum diketahui. Kuadrat terkecil (least
square) sering diterapkan dalam konteks statistik, khususnya analisis regresi.Tujuan dari Metode
Kuadrat-adalah untuk menemukan estimasi parameter yang baik yang sesuai dengan fungsi, f
(x), dari suatu kumpulan data, x 1 … x n. Metode Kuadrat-Terkecil (Least-Squares Method)
mensyaratkan bahwa fungsi yang diperkirakan menyimpang sesedikit mungkin dari f (x). Secara
umum, Metode Kuadrat-Terkecil memiliki dua kategori, linear dan non-linear. Kita juga dapat
mengelompokkan metode-metode ini lebih lanjut: kuadrat terkecil biasa (ordinary least squares-
OLS), kuadrat tertimbang (weighted least squares-WLS), dan kuadrat terkecil alternatif
(alternating least squares-ALS) dan kuadrat parsial (PLS). Metode kuadrat mengasumsikan
bahwa kurfa yang cocok dan terbaikadalah kurva yang memiliki jumlah kuadrat deviasi
minimum (least square error) dari himpunan data.
Anggaplah bahwa titik data ,, , …, , …, di mana adalah variabel
independen dan adalah variabel dependen. Kurva pemasangan memiliki deviasi
(error) dari masing-masing titik data, yaitu, ,, , …, ,
…, . .Menurut metode kuadrat, kkurfa tercocok tersebut dapat dirumuskan:

Sumber : https://senosuke.wordpress.com/2009/12/22/least-square-method/