1359 2826 1 SM
1359 2826 1 SM
2, November 2014
1
Dwi Haryo Ismunarti, 2Alfi Satriadi, 3Azis Rifai
1,2,3
Fakultas Perikanan dan Ilmu Kelautan, Universitas Diponegoro Semarang
Alamat e-mail : dwiharyois@gmail.com
ABSTRAK
Muka air laut dalam istilah pasang surut disebut mean sea level (MSL) yaitu rata-rata
jumlah seluruh ketinggian pasang yang diamati. Pemodelan untuk membuat prakiraan
kenaikan muka air laut di Semarang telah banyak dilakukan dengan pendekatan yang
hanya mempertimbangkan pola trend yaitu jika terjadi kenaikan secara sekuler dalam
jangka panjang dari data. ARIMA (autoregressive/integrated/moving average) adalah
metode peramalan meliputi dua hal yaitu analisis pola deret data dan seleksi model yang
paling cocok dengan data. Terdapat 4 pola data deret berkala yaitu : pola horisontal bila
data berfluktuasi disekitar rata-rata, pola musiman bila deret data dipengaruhi faktor
musiman, pola dari deret berkala akan diulang-ulang dalam selang waktu yang tetap,
pola siklis jika deret data dipengaruhi oleh fluktuasi jangka panjang dan pola trend jika
terjadi kenaikan atau penurunan secara sekuler dalam jangka panjang. Model ARIMA
diturunkan berdasarkan SML sementara harian. Data diperoleh dari BMKG Semarang.
Hasil menunjukkan tipe pasang surut di perairan Semarang diklasifikasikan ke dalam
tipe pasang surut campuran condong ke harian ganda dengan nilai Formzahl 1,12.
Elevasi muka air laut rata – rata (MSL) 59,9261 cm, muka air tinggi tertinggi (HHWL)
117,38 cm dan muka air rendah terendah (LLWL) 24,71 cm. Model terbaik ARIMA
(0,1,1) yaitu Z୲ = (1 − 0,5585B)a୲. Hasil penghitungan deret waktu MSL sejati
tahunan menunjukkan laju kenaikan MSL sejati tahunan di Kota Semarang sebesar 1,42
cm per tahun.
15
Statistika, Vol. 2, No. 2, November 2014
muka air laut sebesar 0,8-1 cm/tahun. BMKG Semarang dari tahun 1995 sd
Analisis regresi bisa digunakan 2014. Data berupa pengamatan pasang
sebagai alat untuk meramal, namun surut yang diamati setiap jam dari jam 0
peramalanan variabel respon(variabel sd jam 23 setiap hari.
terikat y) dalam analisis regresi hanya
bisa dilakukan dalam rentang variabel Metode Analisis
prediktor (variabel bebas x) yang ada
dalam model. Dengan demikian analisis ARIMA merupakan metode
regresi seharusnya tidak bisa dipakai peramalan meliputi dua hal yaitu analisis
pola deret data dan seleksi model
untuk meramalkan kejadian untuk waktu
peramalan yang paling cocok. Terdapat 4
yang akan datang (Iriawan dan Astuti,
pola data deret berkala yaitu : pola
2006)
horisontal bila data berfluktuasi disekitar
Permukaan air laut ditentukan melalui rata-rata yang konstan. Deret seperti ini
pengamatan yang terus menerus terhadap dikatakan stasioner terhadap rata-rata.
kedudukan permukaan air laut setiap jam, Pola musiman bila deret data
hari, bulan dan tahun. Time lag adalah dipengaruhi faktor musiman, pola dari
waktu tenggang antara kesadaran suatu deret berkala akan diulang-ulang dalam
peristiwa dengan peristiwa itu sendiri. selang waktu yang tetap. Pola siklis jika
Jika waktu tenggang tersebut tidak sama deret data dipengaruhi oleh fluktuasi
dengan nol dan peristiwa akhir jangka panjang. Pola trend jika terjadi
bergantung pada faktor yang dapat kenaikan atau penurunan sekuler dalam
diketahui dan terjadi sebelumnya maka jangka panjang dari deret data.
diperlukan peramalan untuk menetapkan Autoregressive (AR) adalah semacam
kapan suatu peristiwa akan terjadi atau bentuk regresi yang menghubungkan
timbul. ARIMA (autoregressive/ variable tak bebas (yang diramalkan)
integrated/ moving average) merupakan terhadap nilai-nilai sebelumnya (past
metode statistika yang dikembangkan values) dari variable itu sendiri sebagai
dan diterapkan untuk peramalan oleh Box variable bebas pada selang waktu (time
dan Jenkins. Metode ARIMA merupakan lag) yang bermacam-macam. Suatu
metode peramalan kuantitatif deret model autoregressive akan menyatakan
berkala. Pendugaan masa depan suatu ramalan sebagai fungsi nilai-nilai
dilakukan berdasarkan nilai masa lalu sebelumnya dari deret berkala tertentu.
dari suatu variable dan/atau kesalahan Moving Average (MA) menunjukan
masa lalu. Tujuan peramalannya adalah nilai deret berkala pada waktu ke t yang
menemukan pola dalam deret data dipengaruhi oleh unsur galat pada saat ini
histories mengekstrapolasikan pola dan kemungkinan unsur galat terboboti
tersebut ke masa akan datang pada waktu sebelumnya. Secara model
(Makridakis et al,1999). Metode ARIMA adalah ARIMA(p,d,q) dimana AR=p
dipelajari sebagai alternatif metode untuk ordo dari proses autoregresif, I=d tingkat
membuat prakiraan kenaikan tinggi muka pembeda (degree of differencing) dan
laut. MA=q ordo proses moving average.
Beberapa model yaitu ARIMA(0,0,0)
METODE PENELITIAN yaitu Yt = µ + et merupakan model
acak sederhana, nilai pengamatan waktu
Sumber Data dan Variabel Penelitian ke t yaitu Yt terbentuk atas nilai tengah
dan galat acak yang bersifat bebas dari
Materi yang digunakan dalam waktu ke waktu. Tidak ada aspek AR=0,
penelitian berupa data sekunder dari tidak ada derajad perbedaan (I=0) dan
16
Statistika, Vol. 2, No. 2, November 2014
tidak ada aspek MA=0. Model surut suatu perairan ditentukan dengan
ARIMA(0,1,0) yaituYt = Yt -1 + et menggunakan bilangan Formzahl yang
merupakan model acak yang tak stasioner merupakan perbandingan amplitudo
terhadap nilai tengah atau nilai tengahnya komponen harian dengan komponen
berubah dari waktu ke waktu dan tidak tengah harian (Pariwono dalam
stasioner terhadap ragam data. Nilai Yt Ongkosongo dan Suyarso, 1989)
bergantung pada Yt-1. Tidak ada aspek Formzahl adalah:F= (K_1+ O_1)/(M_2+
AR=0, memerlukan pembeda ordo S_2 )
pertama(I=1) untuk menghilangkan Paras laut atau sering pula disebut
ketidakstasioneran pada nilai tengah, muka air laut atau mean sea level (MSL)
tidak ada aspek MA=0. ARIMA(1,0,0) adalah rata-rata ketinggian permukaan
merupakan model autoregresif ordo satu laut untuk semua tingkatan pasang. Muka
yang stasioner. Ada aspek AR=1. Nilai air laut (MSL) dihitung berdasarkan rata-
pengamatan Yt bergantung pada Yt -1. rata pasang tinggi dan pasang rendah
Koefisien autoregresif bernilai -1< ¢ < +1 selama periode tertentu.
persamaan model adalah Yt = ¢ Yt -1 + Dalam survey hidrografi dikenal
µ’ + et. ARIMA (1,0,1) merupakan istilah MSL sementara dan MSL sejati.
model campuran aspek AR dan MA MSL sementara dibedakan menjadi MSL
dikombinasikan untuk mendapatkan sementara harian dan MSL sementara
model campuran untuk AR=1 dan MA=1 bulanan. MSL sementara harian
diperoleh model ARIMA(1,0,1) yaitu Yt ditentukan melalui pengamatan terhadap
= ¢ Yt - 1 + µ’ + et - € 1 et -1 .Yt kedudukan muka air laut setiap jam
bergantung pada satu nilai sebelumnya selama satu hari dari jam 00.00 sampai
yaitu yt–1 dan satu nilai galat 23,00 sehingga diperoleh 24 data
sebelumnya et -1. Deret diasumsikan pengamatan. MSL sementara bulanan
stasioner pada nilai tengah dan ditentukan melalui rata-rata MSL harian
ragamnya. selama waktu 1 bulan. MSL sejati
Pasang surut adalah fluktuasi muka air merupakan MSL tahunan besarannya
laut sebagai fungsi waktu karena adanya ditentukan dari MSL bulanan untuk satu
gaya tarik benda-benda di langit, tahun Ongkosongo dan Suyarso ( 1989).
terutama matahari dan bulan terhadap Beberapa studi menunjukkan
massa air laut dibumi. Pasang surut air kedudukan muka air laut cenderung
laut merupakan gejala fisik yang selalu meningkat dari tahun ke tahun seiring
berulang dengan periode tertentu dan dengan meningkatnya suhu udara global.
pengaruhnya dapat dirasakan sampai jauh Peningkatan suhu udara mempercepat
masuk kearah hulu dari muara sungai melelehnya es di kutub sehingga akan
(Ongkosongo dan Suyarso, 1989). menambah volume air di laut.
Bentuk pasang surut di berbagai Intergovermental Panel on Climate
daerah tidak sama. Secara umum pasang Change (IPCC) memperkirakan kenaikan
surut di berbagai daerah dapat dibedakan suhu udara dari tahun 1990 -2100 sekitar
empat tipe, yaitu pasang surut harian 2oC – 4,5oC dan kenaikan muka air laut
tunggal (diurnal tide), harian ganda mencapai 23-96 cm ( IPCC, 2001).
(semidiurnal tide) dan dua jenis Soebandono (2009) melakukan studi
campuran. Pasang surut campuran pemodelan hilangnya massa gletser dan
condong ke harian ganda (mixed tide tutupan es akibat peningkatan temperatur.
prevelailing semidiurnal tide). Pasang Pengurangan massa gletser menyebabkan
surut campuran condong ke harian naiknya muka laut rata-rata sebesar 30 sd
tunggal (mixed tide prevelailing diurnal 40 cmper tahun.
tide) (Soeprapto, 2001). Bentuk pasang
17
Statistika, Vol. 2, No. 2, November 2014
140
TINGGI MUKA AIR LAUT (CM)
120
100
80
60
40
20
0
-20 Elevasi Pasang Surut
WAKTU PENGAMATAN
Gambar 1. Tinggi muka air laut (cm) di Perairan Semarang Bulan Nopember 2014
18
Statistika, Vol. 2, No. 2, November 2014
1,0
diperoleh dari rata-rata pengamatan 0,8
0,6
setiap jam selama 1 hari dari jam 00.00 0,4
Autocorrelation
sd jam 23.00. 0,2
0,0
-0,2
-0,4
120
-0,6
-0,8
100 -1,0
1 10 20 30 40 50 60 70 80 90 100
Lag
MSL harian (cm)
80
Gambar 3. Grafik ACF
60
0,4
0 0,2
Tahun 1995 sd 2014 0,0
-0,2
Gambar 2. MSL Sementara Harian Perairan -0,4
-0,6
Semarang tahun 1995-2014 -0,8
-1,0
1 10 20 30 40 50 60 70 80 90 100
Gambar 2. menunjukkan adanya Lag
19
Statistika, Vol. 2, No. 2, November 2014
ARIMA
Ø1 -0,4166
0,4166 0,0151
(1,1,0)
ARIMA
θ3 0,5585 0,0137
(0,1,1)
ARIMA H0
θ3 40,65 0,00 0,029
(0,1,1) ditolak
20
Statistika, Vol. 2, No. 2, November 2014
Dari kedua model tersebut dipilih model kenaikan MSL sejati tahunan di Kota
yang paling tepat yaitu dengan nilai MSE Semarang sebesar 1,42 cm per tahun.
(mean squre error) terkecil yaitu ARIMA
(0,1,1). Dari tabel 3 dan 4 model yang Tabel 5. MSL sejati tahunan
terbentuk untuk data MSL sementara Tahun MSL tahunan (cm)
harian adalah sebagai berikut:ܼ௧ =
(1 − 0,5585ܽ)ܤ௧ 2012 52,39958
2013 59,85635
Peramalan MSL sementara harian
2014 62,35352
Hasil ramalan MSL sementara harian
berdasarkan model ARIMA (0,1,1) di 2015 63,10586
perairan Kota Semarang sampai dengan
2016 63,85791
tahun 2020 dapat dilihat pada grafik
Gambar 7. Gambar menunjukkan adanya 2017 64,60893
peningkatan nilai MSL seiring dengan 2018 65,35996
bertambahnya waktu artinya ada tren
yang naik dari MSL sementara harian 2019 66,19375
dari tahun 2014 sampai tahun 2020. 2020 66,9992
Untuk selanjutnya hasil peramalan MSL
sementara harian dipergunakan untuk
menentukan MSL sejati atau MSL
70
tahunan. MSL sejati atau MSL tahunan
adalah MSL untuk satu tahun (Tabel 5) Variable
Actual
dan untuk menghitung laju kenaikan 65 Fits
MSL tahunan ( cm)
55
120 Accuracy Measures
MAPE 2.66684
MAD 1.58180
100 MSD 4.10994
50
1 2 3 4 5 6 7 8 9
80 tahun ke t
MSL (cm)
20
KESIMPULAN
0
tahun 1995 sd 2020 Model deret waktu terbaik dari mean
Gambar 7. Data dan Peramalan MSL sementara sel level (MSL) sementara harian Kota
harian Semarang ARIMA (0,1,1) adalah
ܼ௧ = (1 − 0,5585ܽ)ܤ௧. Dari prakiraan
berdasarkan model diperoleh ada
Gambar 8 menunjukkan MSL tahunan kecenderungan nilai MSL yang semakin
perairan Kota Semarang sampai dengan meningkat setiap tahun. Besarnya laju
tahun 2020. Gambar menunjukkan kenaikan MSL tahunan adalah 1,42 cm
adanya peningkatan nilai MSL setiap per tahun. Pada tahun 2020 MSL
tahunnya. Hasil penghitungan deret mencapai 66,99 cm.
waktu tahunan menunjukkan laju
21
Statistika, Vol. 2, No. 2, November 2014
22
Statistika, Vol. 2, No. 2, November 2014
23