TUGAS 1

Analisis dan Prediksi Pasut

Mata Kuliah Hidrografi II
Teknik Geomatika

Anggota :

1. 118230002_Hidayatul Latifah
2. 118230020_Novia EkaPiola
3. 118230066_Nadya Anastasya
4. 118230068_Rachmawati
5. 118230078_Fahdiyah Yasman

1. Lakukan Analisis Harmoni Pasut hingga diperoleh Konstanta Pasut

Hasilnya
No. Keterangan Nilai
Stasiun Karang
1. Record length (days) 365.00
2. Var(x) 0.089847
3. Var(xp) 0.084779
 4. Var(xres) 0.0049795
5. Var original 94.4 %
6. Tidal amplitude and phase 95%
7. Longtitude 105.8721
8. Latitude -6.1257

Pengolahan data pasang surut dengan metode least square merupakan metode
perhitungan pasang surut dimana metode ini ini berusaha membuat garis yang mempunyai
selisih antara data dengan regeresi terkecil. Metode least square juga digunakan karena
pada dasar nya metode ini dapat mengolah berapapun banyaknya data pasang surut.
Fenomena pasang surut permukaan air laut merupakan suatu fenomena yang ada di sekitar
permukaan laut yang mana kejadian alam berupa proses naik dan turunnya permukaan air
laut secara periodic atau harmonic. Data pasut Stasiun Karang mendapatkan Var(x) =
0.089847, Var(xp) = 0.084779 , Var(xres) = 0.0049795, Var Original= 94.4%, dan Tidal
amplitude and phase = 95%, Berdasarkan acuan dimana percent var predicted atau var
original harus bernilai diatas 90 %. Jika data yang dikumpulkan tersebut semakin banyak
maka semakin baik pula estimasi atau peramalan yang diperoleh. Sebaliknya, jika data yang
dikumpulkan semakin sedikit maka hasil estimasi atau peramalan nya akan semakin jelek.
Sehingga dalam analisis konstanta pengamatan pasut berdasrakan perhitungan amplitude
dan phasa komponen pasut berserta simpangan bakunya.Yaitu semakin panjang data
pengamatan pasut yang digunakan sebagai data masukkan pengolahan pasut maka variasi
komponen pasut untuk amplitude dan phasa akan semakin kecil.

Nilai variasi yang makin mengecil untuk amplitude dan phasa seiring bertambah
panjangnya data pengamatan pasut menunjukkan bahwa akumulasi pertambahan pasut
menunjukkan bahwa akumulasi pertambahan waktu pengamtan pasut yang dapat
memeberikan pengaruh semakin kecilnya nilai variasi simpanan baku amplitude dan phasa
akan semakin mengecil. Sehingga berdasrkan hasil dari analisis maka, semakin panjang
data pengamatan pasut yang digunakan sebagai data masukkan pengolahan pasut maka
variasi komponen pasut untuk amplitude dan phasa akan semakin kecil. Semakin panjang
data pengamatan pasut yang digunakan sebagai data masukkan pengolahan pasut
makavariasi simpangan baku amplitude dan phasa akan semakin mengecil.
 Berdasarkan hal tersebut maka diperoleh analogi bahwa panjang pengamatan data
memberikan dampak signifikan terhadap kualitas pengolahan pasut. Semakin panjang
waktu waktu pengamatan pasut akan memberikan kestabilan terhadap variasi perubahan
nilai komponen pasut termasuk variasi simpangan bakunya. Hal ini memberikan indikasi
bahwa semakin panjang waktu pengamatan pasut akan memberikan kualitas pengolahan
data pasut secara langsung

2&3. Lakukan Prediksi Pasut selama 1 tahun kedepan dan tampilkan hasil
prediksinya dan berikan analisis terhadap kontanta pasut dan prediksi pasut yang
dihasilkan
Umumnya pengukuran dilakukan pada setiap selang waktu tertentu (Dt). Hasil
pengukuran tidak memberikan informasi yang kontinyu (utuh) dari suatu
fenomena, akan tetapi hanya memberikan sampel (diskrit) data. Proses sampling
menghasilkan sinyal diskrit f(tk) pada setiap tk= k.Dt (k=1 , 2.. ,N) dengan N adalah
jumlah data. Maka untuk mencari data prediksi pasut, dipakai rumus deret fourer dengan
rumus :

Praktikan menggunakan 3 orde, dengan masing masing orde adalah rde 10, 50 dan 100
 (Hasil Domain Waktu Selama 1 Tahun)

Jika dilihat dari grafik, grafik menunjukkan perbandingan frekuensi dengan waktu
prediksi dalam satuan per 30 menit dengan jumlah data sebanyak 280 data. Hasil didapat
adalah orde dengan angka besar akan lebih mendekati nilai prediksi pasut sebenarnya.
Semakin besar nilai orde waktu pengukuran, maka akan semakin mendekati nilai data pasut
sebenarnya. Terlihat bahwa grafik garis warna merah dan hijau sangat jauh dari garis grafik
data asli yang berwarna hitam.

(Eror Domain Waktu)

Begitupun sebaliknya, nilai eror domain waktu berbanding lurus dengan jumlah
orde per waktu yang dipakai untuk prediksi waktu. Terlihat bahwa akurasi data pada orde
100 sangat jauh dari bentuk grafik nilai sebenarnya. Ini menunjukkan bahwa eror pada
grafik hijau sangat kecil. Begitupun sebaliknya.

(Domain Frekuensi)
Jika ingin melihat fenomena pasut yang memiliki frekuensi tertinggi sebesar
1 cpd (perioda 1 hari), maka sampling frekuensi harus lebih besar dari 2 cpd
(perioda 0. 5 hari atau 12 jam) maka fungsi dari domain frekuensi ini adalah mencari
komponen periodik yang dominan dan membuang yang tidak dominan jadi, dilakukan
perubahan domain waktu menjadi domain frekuensi dengan rumus ;

Data akan di filter untuk membuang data data yang tidak domain dengan metode
bandstop. Hasilnya dapat terlihat pada grafik di atas, dimana grafik setelah filtering
menunjukkan data-data tidak dominan telah terbuang.