Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.

1, Maret 2020

EASYWAVE UNTUK PERAMALAN DATA GELOMBANG LAUT

BERBASIS PEMOGRAMAN PYTHON DENGAN METODE
SVERRUP, MUNK AND BRETSCHNEIDER (SMB)
(Studi Kasus : Perairan Sungairaden, Kalimantan Timur)
Ghifari Raihan Silam Siregar*, Sekar Adiningsih, dan Yoas Heryanto,
Universitas Diponegoro, Fakultas Perikanan dan Ilmu Kelautan, Departemen Oseanografi
*
Email : ghifari.raihan@student.undip.ac.id

ABSTRAK

Peramalan gelombang secara manual membutuhkan waktu yang cukup lama sehingga dibutuhkan otomatisasi
demi meningkatkan efisiensi waktu. Easywave adalah suatu algoritma yang ditulis dalam bahasa Python dan
dapat digunakan untuk pengolahan data khususnya dalam hal peramalan gelombang menggunakan metode
SMB. Data yang digunakan adalah komponen kecepatan angin untuk 4 musim dari Januari 2008 hingga
Desember 2018 yang diunduh melalui situs penyedia data peramalan dari European Centre for Medium-Range
Weather Forecasts (ECMWF). Lokasi penelitian disesuaikan dengan lokasi sumber data pembanding untuk
mengetahui tingkat akurasi dari algoritma yang telah dibangun ini melalui hasil perbandingan dengan data
pengamatan lapangan, yaitu pada perairan wilayah Sungairaden, Kecamatan Samboja, Kabupaten Kutai
Kartanegara, Provinsi Kalimantan Timur. Hasil peramalan yang didapat menunjukkan nilai tinggi gelombang
signifikan (Hs) dan periode gelombang signifikan (Ts) musim Barat, musim Peralihan I, musim Timur dan
musim Peralihan II yaitu 0,55 m; 0,54 m; 0,79 m; 0,76 m dan 3,85 s; 3,81 s; 4,61 s; 4,51 s. Tinggi gelombang
yang akan terbentuk di saat gelombang bergerak menuju perairan dangkal didapatkan nilai sebesar 0,576;
0,564; 0,887; dan 0,846 meter. Besar fluks energi gelombang yang terjadi pada setiap musim adalah 0,74;
0,70; 2,11; 1,92 kW/m.

Kata Kunci : Peramalan Data Gelombang Laut, Metode Sverdrup Munk Bretschneider (SMB), Pemograman
Oseanografi

ABSTRACT

Manual ocean wave data forecasting takes a long time so automation is needed to increase time efficiency.
Easywave is an algorithm written in Python programming language and can be used to analyse data including
ocean wave forecasting using SMB method. The data that used is the wind speed component for 4 seasons from
January 2008 until December 2018 which downloaded through the forecast data provider site from European
Centre for Medium-Range Weather Forecasts (ECMWF). The research location is adjusted with the location
of the comparative data to perceive the accuracy of the constructed algorithm through comparison result with
field observation data, which located in Sungairaden, Sub-District of Samboja, District of Kutai Kartanegara,
East Kalimantan Province . The forecasting result shows the significant wave height (Hs) and the significant
wave period (Ts) for West season, Fisrt Transition season, East season and Second Transition season are 0,55
m; 0,54 m; 0,79 m; 0,76 m and 3,85 s; 3,81 s; 4,61 s; 4,51 s. The wave height that will be formed when the
wave moves towards shallow water is obtained a value of 0,576; 0,564; 0,887; and 0,846 meter. The wave
energy flux that occurs in each season is 0,74; 0,70; 2,11; 1,92 kW/m.

Keyword : Ocean Wave Data Forecasting, Sverdrup Munk Bretschneider (SMB) Method, Oceanographic
Programming

1. PENDAHULUAN kemaritiman seperti transportasi laut,

eksplorasi lepas pantai, perikanan,
1.1 Latar Belakang
pembangunan pelabuhan, keselamatan
Gelombang adalah suatu fenomena laut yang pelayaran, dan pengembangan wilayah
sangat penting untuk diketahui. Informasi pesisir, dan mitigasi pantai1. Fenomena
mengenai gelombang laut digunakan dalam gelombang yang ada di laut sendiri utamanya
banyak kegiatan yang berhubungan dengan merupakan hasil transfer energi oleh embusan

20
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
angin di permukaan laut yang kemudian
menjalar dan diteruskan hingga menuju
pantai. Embusan angin yang berada di
permukaan laut akan mengakibatkan
peningkatan tinggi gelombang, kecepatan
gelombang serta panjang gelombang seiring
dengan meningkatnya waktu embusan angin
berlangsung (Ondara dan Semeidi, 2017).
Bentuk gelombang di alam bersifat acak atau
tidak teratur serta sangat kompleks. Hal
tersebut yang menjadikan gelombang sangat
sulit untuk dilakukan pengambilan data secara
in situ. Selain itu, ketika kondisi cuaca di
lapangan tidak bersahabat (badai, gelombang
besar) proses pengambilan data gelombang
menjadi sangat sulit dan dapat membahayakan
nyawa pengamat (Triatmodjo, 1999).
Salah satu alternatif yang digunakan adalah
dengan melakukan peramalan gelombang
berdasarkan data angin. Metode Sverdrup
Munk Bretschneider (SMB) adalah salah satu
metode yang digunakan untuk meramalkan
gelombang yang terbentuk pada laut dalam
dari data angin yang ada (Setiawan et al, 2016;
Triatmodjo, 1999). Peramalan gelombang
menggunakan metode SMB setidaknya
memiliki tahapan yang cukup panjang,
diantaranya: a) Perhitungan panjang fetch; b)
Koreksi durasi; c) Koreksi elevasi; d) Koreksi
stabilitas; e) Konversi wind stress factor (UA);
dan f) Peramalan parameter gelombang.
Tahapan dari proses peramalan gelombang
yang cukup panjang tersebut bila dikerjakan
secara manual akan membutuhkan waktu
yang cukup lama.
Easywave adalah algoritma mengenai
peramalan gelombang yang dituliskan dalam
bahasa Python. Python sendiri merupakan
salah satu bahasa pemograman dalam model
skrip yang berfokus pada obyek (object-
oriented language) (Perkasa et al., 2014).
Python sendiri adalah bahasa yang populer
dan umum digunakan oleh kalangan
akademisi/saintis secara luas (Nelli, 2018).
Hal tersebut tidak terlepas dari beberapa hal
teknis yang ditawarkan Python sendiri,
khususnya dari sisi fleksibilitas dan
penyediaan berbagai macam variasi grafik
untuk kepentingan visualisasi data (Embarak,
2018; Igual dan Segui, 2017). Keunggulan-
keunggulan tersebut turut mendukung dalam
usaha agar dapat meng-otomasi tahapan
panjang dari metode SMB untuk keperluan
peramalan gelombang. Bantuan dari teknologi
informasi ini, yaitu pemrograman dengan
bahasa Python, akan sangat membantu dalam
hal mempercepat dan mengefisienkan
pekerjaan manual, khususnya dalam
melakukan peramalan gelombang (Saputra et
al, 2010).
Ibukota dari Republik Indonesia akan
berpindah menuju Kalimantan Timur. Lokasi
dari ibukota baru tersebut direncanakan akan
berada pada daerah Kecamatan Samboja,
Kabupaten Kutai Kartanegara, Kalimantan
Timur (Suhendra, 2019). Hal ini membuat
segala jenis persiapan diperlukan dalam
rangka pembangunan ibukota baru tersebut.
Sungairaden adalah salah satu wilayah yang
terletak pada Kecamatan Samboja, Kabupaten
Kutai Kartanegara, Kalimantan Timur.
Wilayah tersebut merupakan wilayah yang
bersinggungan dengan laut. Akan tetapi,
kajian mengenai gelombang pada lokasi
tersebut belum pernah dilakukan sebelumnya.
Penelitian kali ini akan mencoba meramalkan
kondisi gelombang pada wilayah tersebut
khususnya yang berada pada laut dangkal
dibantu algoritma peramalan gelombang
dengan metode SMB berbasis Python.
Gambar 1. Peta Lokasi Pengamatan
1.2 Perumusan Masalah
Berdasarkan uraian latar belakang di atas,
maka perumusan masalah yang didapat adalah
bagaimana karakteristik gelombang laut
dalam pada perairan wilayah Sungairaden,
Kecamatan Samboja, Kabupaten Kutai
Kartanegara, Provinsi Kalimantan Timur,
selama 4 musim menggunakan algoritma
Easywave untuk dapat melakukan peramalan
gelombang dengan metode SMB berbasis
bahasa pemrograman Python.
21
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
1.3 Tujuan
Tujuan dari penelitian ini yang hendak
dicapai adalah sebagai berikut :
1. Mengetahui tinggi signifikan (Hs) dan
periode signifikan (Ts) gelombang di
setiap musim.
2. Menganalisis tinggi gelombang yang
akan terbentuk di saat gelombang
bergerak menuju perairan dangkal.
3. Menganalisis besar fluks energi
gelombang yang dapat terjadi pada
setiap musim serta kaitannya dengan
kegiatan eksploitasi energi tersebut
pada perairan dangkal.
2. METODE
2.1 Waktu dan Tempat
Penelitian ini dilaksanakan pada waktu dan
tempat sebagai berikut:
Waktu : 1 Oktober – 14 November 2020
Tempat : Fakultas Perikanan dan Ilmu
Kelautan, Universitas Diponegoro,
Semarang, Jawa Tengah
2.2 Cara Pengumpulan Data
Data yang menjadi acuan dalam penelitian ini
adalah data angin yang terdiri dari elevasi
pengukuran angin, koordinat pengukuran
angin, kecepatan angin dalam arah sumbu x,
kecepatan angin dalam arah sumbu y dan
waktu pengamatan angin selama 11 tahun.
Data ini didapatkan melalui situs ECMWF
pada bagian ERA Interi dengan resolusi
spasial sebesar 80 kmyang terdiri atas 60 level
secara vertikal dari permukaan hingga 0,1
hPa. Koordinat dari lokasi pengukuran adalah
pada 1°03'14.4"LS & 117°32'02.4"BT.
Kedalaman dari lokasi pengukuran tersebut
adalah sebesar 44 m. Data angin ini digunakan
untuk dapat meramalkan karakteristik
gelombang dari wilayah penelitian yang
dikaji.
2.3 Metode Analisis Data
2.3.1 Akuisisi Data Angin
Akuisisi data dilakukan melalui situs
ECMWF. Jenis komponen angin yang hendak
dipakai untuk pengolahan sendiri adalah 10
metre U wind Component dan 10 metre V wind
Component yang dimana komponen-
komponen angin tersebut merepresentasikan
kedudukan angin pada ketinggian 10 meter.
Waktu pengamatan angin sendiri yang
digunakan adalah pada setiap jeda interval 6
jam. Data yang diambil adalah mulai dari
Januari 2008 – Desember 2018. Data angin
yang digunakan untuk kajian musim barat
adalah data angin pada bulan Desember –
Februari. Untuk musim timur sendiri, data
angin yang digunakan adalah dimulai pada
bulan Juni – Agustus. Adapun untuk musim
peralihan I menggunakan data angin pada
bulan Maret – Mei. Sementara itu, musim
peralihan II sendiri menggunakan data angin
yang dimulai dari bulan September –
November. Data yang sudah diakuisisi
kemudian dikelompokkan berdasarkan bulan
dari masing-masing musim dan disimpan
dalam format excel untuk kemudian diolah
oleh Easywave.
2.3.2 Peramalan Gelombang Laut Dalam
dengan Easywave
Data hasil akuisisi kemudian dilakukan
pengolahan menggunakan Easywave.
Easywave dapat diakses pada laman
https://apps.algomarinesolution.com/easywav
e. Diagram alir dari peramalan gelombang
menggunakan Easywave ini dapat dilihat pada
Gambar 3. Excel hasil akuisisi yang sudah
disimpan kemudian dimasukkan sebagai data
input. Selain itu, elevasi dari angin pun
dimasukkan sebagai faktor koreksi untuk
peramalan gelombang oleh Easywave. Hasil
yang didapat melalui pengolahan tersebut
adalah nilai tinggi signifikan (Hs) peralaman
gelombang laut dangkal, periode signifikan
(Ts) peramalan gelombang laut dangkal,
mawar angin (wind rose), dan juga fetch
gelombang dari angin tersebut. Data-data ini
yang kemudian dilakukan suatu analisis untuk
dapat mencari tahu bagaimana tinggi
gelombang yang mungkin terjadi ketika
gelombang tersebut bergerak ke laut dangkal
serta bagaimana energinya.
2.3.3 Perhitungan Tinggi Gelombang Laut
Dangkal
Berdasarkan Triatmodjo (1999), rumus yang
digunakan adalah sebagai berikut:
22
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020

Gambar 3. Diagram alir peramalan gelombang menggunakan Easywave

H = Ks H0 0,9Tmax dalam satuan sekon (Gonçalves et

al., 2014).
Dengan H0 adalah tinggi gelombang laut
dangkal. Tinggi gelombang perairan dangkal 3. Hasil dan Pembahasan
yang hendak dihitung adalah tinggi 3.1 Peramalan Gelombang Laut Dalam Per
gelombang pada kedalaman 1 meter. Musim

2.3.4 Perhitungan Fluks Eergi Gelombang

Energi gelombang merupakan jumlah dari

energi kinetik dan energi potensial gelombang
(Triatmodjo, 1999). Energi gelombang
berubah dari satu titik ke titik yang
lain sepanjang satu panjang gelombang
(Loupatty, 2013). Fluks energi gelombang
sendiri adalah energi gelombang tiap satu
satuan waktu yang bergerak dalam arah
penjalarannya (Kusmanto dan Hasanudin,
2019). Faktor dari fluks energi gelombang ini
sangatlah penting untuk diketahui nilainya
bila hendak memanfaatkan energi gelombang Gambar 4. Mawar angin musim barat
menjadi energi listrik (Lisboa et al., 2019). Sumber: Easywave
Fluks energi gelombang sendiri dihitung
dengan menggunakan persamaan tertentu
(Patel et al., 2020), yaitu:

Dimana fluks energi gelombang (Pw) adalah

dalam satuan W/m, massa jenis air laut (ρ)
adalah 1025 kg/m3, g adalah percepatan
gravitasi sebesar 9,81 m/s2, H adalah tinggi
gelombang dalam satuan meter, dan Te ≈

23
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020

Gambar 7. Mawar angin musim peralihan II

Sumber: Easywave

Gambar 8. Fetch Musim Barat & Peralihan I

Sumber: Easywave
Gambar 5. Mawar angin musim timur
Sumber: Easywave

Gambar 9. Fetch Musim Timur & Peralihan II

Sumber: Easywave

Gambar 6. Mawar angin musim peralihan I
Sumber: Easywave
Pola angin perairan Sungairaden untuk setiap
musim selama 11 tahun komposit dapat dilihat
pada mawar angin Gambar 4-7. Berdasarkan
mawar angin tersebut, diketahui bahwa pada
musim barat dan peralihan I, arah angin
dominan cenderung berasal dari Tenggara.
Sementara itu, pada musim timur dan
peralihan II, arah angin dominan cenderung
beasal dari Barat Daya. Informasi ini menjadi
acuan dalam pembuatan fetch untuk musim
barat & peralihan I, dapat dilihat pada
Gambar 8, serta musim timur & peralihan II,
dapat dilihat pada Gambar 9.

Tabel 1. Hasil peramalan gelombang

Tmax Hmax Hs d Eff.

T(s) Hmin (m) L0 d/L0
(s) (m) (m) (m) Fetch

Musim Barat 5,05 3,85 0,922 0,55 2,92 . 10-5 1 23,12 0,043 127 km

Musim Peralihan I 5,05 3,87 0,931 0,56 9,22 . 10-6 1 23,36 0,044 127 km

Musim Timur 6,08 4,61 1,430 0,79 2,70 . 10-4 1 33,15 0,030 184 km

Musim Peralihan II 6,08 4,51 1,337 0,76 6,33 . 10-5 1 32,87 0,030 184 km

24
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
Peramalan gelombang pada wilayah
Sungairaden memiliki variasi pada masing-
masing musim. Hasil peramalan gelombang
menggunakan Easywave dapat dilihat pada
Tabel 1. Angin memiliki peran penting dalam
membangkitkan gelombang (Lubis dan
Khoirunnisa, 2016). Semakin besar kecepatan
daripada angin, maka tinggi gelombang yang
dihasilkan pun akan semakin besar. Selain
daripada itu, semakin jauh lintasan angin
berhembus di atas permukaan air (fetch) maka
tinggi gelombang pun akan pula semakin
besar.
Tinggi gelombang paling besar terjadi pada
musim timur. Hal ini dikarenakan pada musim
tersebut, variasi kecepatan angin yang terjadi
lebih besar dibandingkan dengan musim
lainnya. Hal tersebut dapat terlihat pada
mawar angin yang dihasilkan pada Gambar 5
dimana terdapat angin yang berhembus
hingga dapat mencapai 11,5 – 14,4 knot.
Selain itu, panjang fetch dari angin musim
barat pun relatif panjang, yaitu sebesar 184
km. Hal ini turut berkontribusi pula pada
tingginya gelombang pada musim tersebut.
Faktor lainnya yang mempengaruhi adalah
angin dari musim timur sendiri adalah angin
yang dapat menurunkan suhu hingga 28°C.
Karakteristik angin musim barat
menyebabkan pada musim barat sering terjadi
hujan (Hammda et al., 2020), dimana akan
memicu gelombang yang lebih tinggi terlebih
bila terjadi badai. Selain daripada itu,
karakteristik dari angin musim barat sendiri
dapat memunculkan suatu fenomena yang
dinamakan siklon tropis. Siklon tropis ini
biasanya terjadi pada bulan Februari-Maret
(Suryantoro, 2008). Hal ini berkorelasi pula
dengan nilai tinggi maksimum peramalan
gelombang yang juga besar pada musim
peralihan I, yaitu sebesar 0,922 meter.
Nilai tinggi signifikan (Hs) peramalan dari
gelombang yang didapatkan tidak jauh
berbeda untuk masing-masing musim. Tinggi
gelombang signifikan yang didapatkan adalah
berada pada rentang 0,55-0,79 m untuk
perairan wilayah Sungairaden. Nilai Hs
tertinggi terjadi pada musim timur. Sementara
itu, nilai Hs terendah adalah pada musim
peralihan I. Periode signifikan (Ts) peramalan
gelombang sendiri memiliki nilai tidak jauh
berbeda untuk masing-masing musim, yaitu
memiliki rentang antara 3,85 – 4,61 sekon.
3.2 Verifikasi Data Hasil Peramalan
Gelombang
Pada penelitian ini, data yang digunakan
dalam pengolahan menggunakan Easywave
adalah data angin yang diperoleh melalui situs
ECMWF dengan rentang waktu Januari 2008
hingga Desember 2018. Lokasi penelitian
yang dipilih menyesuaikan dengan data yang
terdapat pada sumber pembanding, yaitu pada
perairan wilayah Sungairaden, Kecamatan
Samboja, Kabupaten Kutai Kartanegara,
Provinsi Kalimantan Timur. Verifikasi data
hasil peramalan Easywave dilakukan dengan
memperoleh perbandingan hasil antara rata-
rata perolehan data peramalan gelombang dari
Easywave dengan data hasil pengukuran
lapangan, berupa tinggi gelombang
maksimum (Hmax) serta periode gelombang
(T) yang diperoleh dari sumber pustaka yang
ada (Fazri, 2016). Metode verifikasi data yang
dilakukan dalam penelitian ini adalah dengan
menggunakan persamaan koreksi kesalahan
relatif atau yang dapat disebut pula nilai
kesalahan rata-rata (MRE).
Berdasarkan penelitian sebelumnya, nilai
MRE (mean relative error) data lapangan
terhadap hasil peramalan dari data angin
umumnya adalah 0,3%-34,32% untuk data
tinggi gelombang. Sedangkan, untuk data
periode gelombang adalah 13,24%-39,17%
(Rafandi, 2013; Sugianto, 2010).
Berdasarkan Tabel 1 diketahui bahwa nilai
tinggi maksimum gelombang untuk musim
Barat, musim peralihan I, musim Timur dan
musim Peralihan II adalah 0,922 m; 0,931 m;
1,430 m; dan 1,337 m. Untuk proses verifikasi
data dengan data pengukuran lapangan, maka
hasil tinggi maksimum pada setiap musim
dijumlahkan, kemudian dirata-ratakan. Rata-
rata nilai tinggi maksimum gelombang untuk
keempat musim pada periode Januari 2008
25
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020

hingga Desember 2018 adalah 1,154 m. Untuk
memperoleh persentase nilai kesalahan rata-
rata (MRE), maka nilai tinggi maksimum
gelombang hasil pengukuran lapangan
dikurangi dengan data tinggi maksimum hasil
Easywave kemudian dibagi dengan data hasil
pengukuran lapangan dan dikalikan dengan
seratus persen.19 Persentase yang didapat
untuk nilai kesalahan rata-rata tinggi
maksimum gelombang adalah 34,014%. Hasil
tersebut menunjukkan bahwa persentase MRE
data tinggi gelombang maksimum yang
diperoleh termasuk ke dalam rentang
persentase MRE data tinggi gelombang
maksimum penelitian sebelumnya.17
Berdasarkan hal tersebut, maka perolehan
nilai tinggi gelombang hasil Easywave
termasuk akurat.
Kemudian untuk nilai periode gelombang
musim Barat, musim Peralihan I, musim
Timur dan musim Peralihan II secara berturut-
turut ialah 5,05 s; 5,05 s; 6,08 s; dan 6,08 s.
Sama halnya dengan nilai tinggi gelombang
maksimum, untuk memperoleh persentase
nilai kesalahan rata-rata (MRE) maka nilai
periode gelombang hasil pengukuran
lapangan dikurangi dengan data periode hasil
Easywave kemudian dibagi dengan data hasil
pengukuran lapangan dan dikalikan dengan
seratus persen. Rata-rata nilai periode
gelombang untuk keempat musim pada
periode Januari 2008 hingga Desember 2018
adalah 5,565 s. Persentase yang didapat untuk
nilai kesalahan rata-rata periode gelombang
adalah 20,5%.

Tabel 2. Hasil Verifikasi Data Peramalan dan Lapangan Tinggi Gelombang Maksimum (Hmax)
dan Periode Gelombang Maksimum (Tmax)

Tmax(s) Tmax(s) Mean Hmax (m) Hmax (m) Mean Relative

Relative
Hasil Pengukuran Hasil Pengukuran Error (MRE)
Error (MRE)
Easywave Lapangan Easywave Lapangan (%)
(%)

5,565 7,0 20,5% 1,154 1,75 34,014%

Hasil tersebut menunjukkan bahwa persentase tingginya tingkat akurasi data, maka hasil
MRE data periode gelombang yang diperoleh peramalan data tinggi gelombang maksimum
termasuk ke dalam rentang persentase MRE serta periode gelombang yang ada dapat
data periode gelombang penelitian dijadikan bahan pertimbangan dalam suatu
sebelumnya. Berdasarkan hal tersebut, maka proses perencanaan pembangunan tepi pantai
perolehan nilai periode gelombang hasil atau perencanaan pelayaran.
Easywave termasuk akurat.
3.3 Tinggi Gelombang Laut Dangkal
Berdasarkan hasil verifikasi data yang Per Musim
terdapat pada Tabel 2, diketahui bahwa baik
Tabel 3. Perbandingan tinggi gelombang laut
untuk parameter tinggi gelombang maksimum
dangkal setiap musim
maupun periode gelombang, tingkat akurasi
yang didapat tergolong pada tingkat akurasi Musim
Musim Musim Musim
yang tinggi. Verifikasi data diperlukan untuk Peralihan
Barat Timur Peralihan II
I
memastikan bahwa data hasil peramalan yang
dilakukan dapat merepresentasikan kondisi H (m) 0,576 0,564 0,887 0,846
yang biasa terjadi di lapangan. Dengan

26
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
Hasil peramalan data tinggi gelombang
signifikan (Hs) menggunakan Easywave,
menunjukkan nilai untuk musim Barat, musim
peralihan I, musim Timur dan musim
Peralihan II berturut-turut adalah 0,576 m;
0,564 m; 0,887 m; dan 0,846 m. Hasil
peramalan tinggi gelombang signifikan (Hs)
tersebut, kemudian digunakan untuk
menghitung nilai tinggi gelombang pada laut
dangkal yang diukur pada kedalaman 1 meter.
Hasil perhitungan tinggi gelombang laut
dangkal untuk musim Barat, musim Peralihan
I, musim Timur dan musim Peralihan II adalah
0,576 m; 0,564 m; 0,887 m; dan 0,846 m.
Perbandingan dari tinggi gelombang laut
dangkal pada setiap musim dapat dilihat pada
Tabel 7. Berdasarkan hasil tersebut dapat
diketahui bahwa nilai tinggi gelombang laut
dangkal musim Barat dan musim Peralihan I
memiliki nilai yang mendekati, yaitu dengan
selisih 0,012 m. Hal yang serupa juga
ditemukan pada nilai tinggi gelombang laut
dangkal musim Timur dan musim Peralihan
II, yaitu dengan selisih 0,041 m.
Hal tersebut terlepas dari pola dan pengaruh
angin musim barat yang sangat kuat dalam
proses pembangkitan gelombang. Pola
hembusan angin pada periode musim barat
juga berpengaruh hingga ke musim peralihan
I, sehingga hasil yang ditunjukkan memiliki
kedekatan nilai. Hal yang serupa juga terjadi
antara musim timur dan musim peralihan II,
dimana pola angin musim timur berpengaruh
pada pola angin musim peralihan II. Sehingga
nilai peramalan gelombang yang ditunjukkan
juga memiliki kedekatan nilai.
3.4 Fluks Energi Gelombang Laut
Dangkal Per Musim
Fluks energi gelombang yang dihasilkan pada
tiap musim, yaitu musim Barat, musim
Peralihan I, musim Timur dan musim
Peralihan II masing-masing didapatkan nilai
sebagai berikut 0,74; 0,70; 2,11; 1,92 kW/m.
Perbandingan fluks energi gelombang laut
dangkal setiap musim dapat dilihat pada
Tabel 4. Patel menjelaskan bahwa suatu
daerah perairan layak untuk dilakukan
eksploitasi energi gelombang bila fluks energi
gelombang (Pw) > 2 kW/m (Patel et al., 2020).
Tabel 4. Perbandingan Fluks Energi
gelombang laut dangkal setiap musim
Musim Musim
Musim Musim
Peralihan Peralihan
Barat Timur
I II
Pw
0,74 0,70 2,11 1,92
(kW/m)
Berdasarkan ketentuan tersebut, perairan
Sungairaden memiliki fluks gelombang yang
cukup untuk dilakukan eksploitasi hanya pada
musim timur. Hal ini dikarenakan hanya pada
musim timur yang dimana nilai dari fluks
gelombang melebihi 2 kW/m. Tiga musim
lainnya tidak cocok bila hendak dilakukan
eksploitasi energi gelombang. Atas dasar
informasi tersebut, daerah perairan laut
dangkal Sungairaden sendiri tidak layak bila
hendak dijadikan sebagai wilayah pembangkit
listrik melalui tenaga gelombang dari sisi
jumlah produksi energi yang akan dihasilkan
melalui tenaga gelombang tersebut.
4. KESIMPULAN
Kesimpulan yang diperoleh berdasarkan
penelitian yang dilakukan adalah gelombang
laut pada perairan wilayah Sungairaden,
Kecamatan Samboja, Kabupaten Kutai
Kartanegara, Provinsi Kalimantan Timur,
selama 4 musim, memiliki karakteristik yang
unik. Berdasarkan peramalan gelombang
menggunakan algoritma Easywave, tinggi
signifikan (Hs) yang didapatkan pada musim
Barat, musim Peralihan I, musim Timur, dan
musim Peralihan II adalah 0,55; 0,54; 0,79;
dan 0,76 meter. Periode signifikan (Ts)
gelombang laut sendiri yang didapat pada
musim Barat, musim Peralihan I, musim
Timur, dan musim Peralihan II adalah 3,85;
3,81; 4,61; dan 4,51 s. Dengan urutan yang
sama, tinggi gelombang yang akan terbentuk
di saat gelombang bergerak menuju perairan
27
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
dangkal didapatkan nilai sebesar 0,576 m;
0,564 m; 0,887 m; dan 0,846 m. Besar fluks
energi gelombang sendiri yang dapat terjadi
pada setiap musim adalah 0,74; 0,70; 2,11;
1,92 kW/m. Dari empat musim, karakteristik
fluks energi gelombang yang memenuhi
kriteria untuk dilakukan eksploitasi energi
gelombang adalah hanya pada musim timur.
5. UCAPAN TERIMAKASIH
Penulisan makalah yang berjudul “Easywave
untuk Peramalan Data Gelombang Laut
Berbasis Pemrograman Python dengan
Metode Sverdrup, Munk dan Bretschneider
(SMB)” dapat terlaksana dengan baik berkat
bantuan, arahan, dorongan, dan bimbingan
dari berbagai pihak. Oleh karena itu penulis
mengucapkan terima kasih yang sebesar-
besarnya kepada:
1. Bapak Dr. Sc. Anindya Wirasatriya, S.T,
M.Si, M.Sc, yang telah memberikan
arahan dan bimbingan
2. Komunitas Algomarine Solution Undip
yang telah bersedia memberikan
kesempatan kami untuk dapat
menggunakan Easywave dalam
membantu melakukan penelitian ini.
6. DAFTAR PUSTAKA
Embarak, D. O., 2018. Data Analysis and
Visualization Using Python. Apress,
Berkeley, CA.
Fazri., 2016. Analisa Perbandingan
Perhitungan Menggunakan Metode
Genesis Dalam Penanganan Abrasi
Pantai Tanjung Harapan Kab. Kutai
Kartanegara. Jurnal Keilmuan dan
Aplikasi Teknik Sipil 1 (1): 1–13.
Gonçalves, M., P. Martinho, and C. Guedes
Soares., 2014. Assessment of Wave
Energy in the Canary Islands.
Renewable Energy 68: 774–784.
Hammad F.K., Rochaddi B., Susmoro H.,
2020. Identifikasi Potensi Ocean
Thermal Energy Conversion (Otec) di
Selat Makassar Utara. Indonesian
Journal of Oceanography. 2 (2).
Igual, L. dan S. Seguí, 2017. Introduction to
Data Science. Springer International
Publishing, Cham.
Kurniawan, R., M. N. Habibie, dan S.
Suratno., 2011. Variasi Bulanan
Gelombang Laut Di Indonesia. Jurnal
Meteorologi dan Geofisika 12 (3): 221–
232.
Kusmanto, E. dan M. Hasanudin., 2019.
Kehadiran Gelombang Soliter Dan
Transpor Sesaat Sedimen Tersuspensi
Di Perairan Pantai Bengkulu Tengah.
Oseanologi dan Limnologi di Indonesia
4 (3): 133–143.
Lisboa, R. C., P. R. F. Teixeira, dan C. J.
Fortes., 2017. Numerical Evaluation of
Wave Energy Potential in the South of
Brazil. Energy 121: 176–184.
Loupatty, G., 2013. Karakteristik Energi
Gelombang dan Arus Perairan di
Provinsi Maluku. Jurnal Barekeng 7
(1): 19–22.
Lubis, M. Z. dan H. Khoirunnisa. 2016.
Dinamika Pantai Praikalogu Di
Provinsi Nusa Tenggara Barat,
Indonesia. Jurnal Integrasi 8 (2): 125–
133.
Mardiansyah, L. A., Aris, I., Wahyu, B. S.,
2014. Kajian Potensi Gelombang Laut
Sebagai Sumber Energi Alternatif
Pembangkit Listrik Tenaga Gelombang
Laut (PLTGL) dengan Sistem
Oscilatting Water Column (OWC) Di
Perairan Pantai Bengkulu. Jurnal
Oseanografi 3 (3): 328-337.
Nelli, F. 2018. Python Data Analytics. Apress,
Berkeley, CA.
Ondara, K. dan H. Semeidi., 2017.
Karakteristik Gelombang Pecah dan
Analisis Transpor Sedimen di Perairan
Teluk Kendari. Jurnal Ilmu dan
Teknologi Kelautan Tropis 9 (2): 585–
596.
Parauba, R., M. I. Jasin, dan J. D. Mamoto.,
2016. Analisis karakteristik gelombang
pecah di pantai niampak utara. Jurnal
Sipil Statik 4 (10): 595–603.
28
 Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
Patel, R. P., G. Nagababu, S. V. V. Arun
Kumar, M. Seemanth, dan S. S.
Kachhwaha., 2020. Wave Resource
Assessment and Wave Energy
Exploitation along the Indian Coast.
Ocean Engineering 217: 1–35.
Perkasa, T. R., H. Widyantara, dan P.
Susanto., 2014. Rancang Bangun
Pendeteksi Gerak Menggunakan
Metode Image Substraction Pada
Single Board Computer (SBC). Journal
of Control and Network Systems 3 (2):
90–97.
Rafandi, T., Sugeng, W., Warsito, A., 2013.
Analisis Refraksi Dan Efek
Pendangkalan (Shoaling) Gelombang
Terhadap Penambahan Panjang
Pemecah Gelombang Pada Mulut
pelabuhan Tanjung Adikarta Glagah
Yogyakarta. Jurnal Oseanografi 2 (2):
189-197.
Saputra, D., D. Cahyadi, dan A. H.
Kridalaksana., 2010. Sistem Otomasi
Perpustakaan Dengan Menggunakan
Radio Frequency Identification (RFID).
Jurnal Informatika Mulawarman 5 (3):
1–11.
Setiawan, E., D. Adrianto, C. Surya Dharma,
dan E. S Kurniawan., 2016. Pengolahan
Gelombang Permukaan Laut
Menggunakan Metode Sverdrup Munk
Bretschneider (SMB) di Perairan Pulau
Pabelokan. Jurnal HIDROPILAR 2 (2):
133–146.
Sugianto, D. N., 2010. Model Distribusi Data
Kecepatan Angin dan Pemanfaatannya
dalam Peramalan Gelombang di
Perairan Laut Paciran, Jawa Timur.
Jurnal Ilmu Kelautan Undip 15 (3):
143-152.
Suhendra., 2019. Jokowi Pamerkan Lokasi
Ibu Kota Baru.
(https://www.cnbcindonesia.com/news
/20190826154847-4-94784/jokowi-
pamerkan-lokasi-ibu-kota-baru-ini-
gambarnya, diakses pada 10 November
2020).
Suryantoro A., 2008. Siklon Tropis di Selatan
dan Barat Daya Indonesia dari
Pemantauan Satelit TRMM dan
Kemungkinan Kaitannya dengan
Gelombang Tinggi dan Puting Beliung.
Majalah Sains dan Teknologi
Dirgantara 3 (1): 21–32.
Triatmodjo, B., 1999. Teknik Pantai. Ed. 8th.
Beta Offset, Yogyakarta. 397 hlm.
29