1, Maret 2020
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
20
Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
angin di permukaan laut yang kemudian peramalan gelombang. Bantuan dari teknologi
menjalar dan diteruskan hingga menuju informasi ini, yaitu pemrograman dengan
pantai. Embusan angin yang berada di bahasa Python, akan sangat membantu dalam
permukaan laut akan mengakibatkan hal mempercepat dan mengefisienkan
peningkatan tinggi gelombang, kecepatan pekerjaan manual, khususnya dalam
gelombang serta panjang gelombang seiring melakukan peramalan gelombang (Saputra et
dengan meningkatnya waktu embusan angin al, 2010).
berlangsung (Ondara dan Semeidi, 2017).
Bentuk gelombang di alam bersifat acak atau Ibukota dari Republik Indonesia akan
tidak teratur serta sangat kompleks. Hal berpindah menuju Kalimantan Timur. Lokasi
tersebut yang menjadikan gelombang sangat dari ibukota baru tersebut direncanakan akan
sulit untuk dilakukan pengambilan data secara berada pada daerah Kecamatan Samboja,
in situ. Selain itu, ketika kondisi cuaca di Kabupaten Kutai Kartanegara, Kalimantan
lapangan tidak bersahabat (badai, gelombang Timur (Suhendra, 2019). Hal ini membuat
besar) proses pengambilan data gelombang segala jenis persiapan diperlukan dalam
menjadi sangat sulit dan dapat membahayakan rangka pembangunan ibukota baru tersebut.
nyawa pengamat (Triatmodjo, 1999). Sungairaden adalah salah satu wilayah yang
terletak pada Kecamatan Samboja, Kabupaten
Salah satu alternatif yang digunakan adalah Kutai Kartanegara, Kalimantan Timur.
dengan melakukan peramalan gelombang Wilayah tersebut merupakan wilayah yang
berdasarkan data angin. Metode Sverdrup bersinggungan dengan laut. Akan tetapi,
Munk Bretschneider (SMB) adalah salah satu kajian mengenai gelombang pada lokasi
metode yang digunakan untuk meramalkan tersebut belum pernah dilakukan sebelumnya.
gelombang yang terbentuk pada laut dalam Penelitian kali ini akan mencoba meramalkan
dari data angin yang ada (Setiawan et al, 2016; kondisi gelombang pada wilayah tersebut
Triatmodjo, 1999). Peramalan gelombang khususnya yang berada pada laut dangkal
menggunakan metode SMB setidaknya dibantu algoritma peramalan gelombang
memiliki tahapan yang cukup panjang, dengan metode SMB berbasis Python.
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.
21
Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
22
Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
23
Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
Gambar 6. Mawar angin musim peralihan I Pola angin perairan Sungairaden untuk setiap
Sumber: Easywave 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.
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
25
Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
hingga Desember 2018 adalah 1,154 m. Untuk Kemudian untuk nilai periode gelombang
memperoleh persentase nilai kesalahan rata- musim Barat, musim Peralihan I, musim
rata (MRE), maka nilai tinggi maksimum Timur dan musim Peralihan II secara berturut-
gelombang hasil pengukuran lapangan turut ialah 5,05 s; 5,05 s; 6,08 s; dan 6,08 s.
dikurangi dengan data tinggi maksimum hasil Sama halnya dengan nilai tinggi gelombang
Easywave kemudian dibagi dengan data hasil maksimum, untuk memperoleh persentase
pengukuran lapangan dan dikalikan dengan nilai kesalahan rata-rata (MRE) maka nilai
seratus persen.19 Persentase yang didapat periode gelombang hasil pengukuran
untuk nilai kesalahan rata-rata tinggi lapangan dikurangi dengan data periode hasil
maksimum gelombang adalah 34,014%. Hasil Easywave kemudian dibagi dengan data hasil
tersebut menunjukkan bahwa persentase MRE pengukuran lapangan dan dikalikan dengan
data tinggi gelombang maksimum yang seratus persen. Rata-rata nilai periode
diperoleh termasuk ke dalam rentang gelombang untuk keempat musim pada
persentase MRE data tinggi gelombang periode Januari 2008 hingga Desember 2018
maksimum penelitian sebelumnya.17 adalah 5,565 s. Persentase yang didapat untuk
Berdasarkan hal tersebut, maka perolehan nilai kesalahan rata-rata periode gelombang
nilai tinggi gelombang hasil Easywave adalah 20,5%.
termasuk akurat.
Tabel 2. Hasil Verifikasi Data Peramalan dan Lapangan Tinggi Gelombang Maksimum (Hmax)
dan Periode Gelombang Maksimum (Tmax)
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 daerah perairan layak untuk dilakukan
signifikan (Hs) menggunakan Easywave, eksploitasi energi gelombang bila fluks energi
menunjukkan nilai untuk musim Barat, musim gelombang (Pw) > 2 kW/m (Patel et al., 2020).
peralihan I, musim Timur dan musim
Peralihan II berturut-turut adalah 0,576 m; Tabel 4. Perbandingan Fluks Energi
0,564 m; 0,887 m; dan 0,846 m. Hasil gelombang laut dangkal setiap musim
peramalan tinggi gelombang signifikan (Hs) Musim Musim
Musim Musim
tersebut, kemudian digunakan untuk Peralihan Peralihan
Barat Timur
menghitung nilai tinggi gelombang pada laut I II
27
Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
dangkal didapatkan nilai sebesar 0,576 m; Igual, L. dan S. Seguí, 2017. Introduction to
0,564 m; 0,887 m; dan 0,846 m. Besar fluks Data Science. Springer International
energi gelombang sendiri yang dapat terjadi Publishing, Cham.
pada setiap musim adalah 0,74; 0,70; 2,11; Kurniawan, R., M. N. Habibie, dan S.
1,92 kW/m. Dari empat musim, karakteristik Suratno., 2011. Variasi Bulanan
fluks energi gelombang yang memenuhi Gelombang Laut Di Indonesia. Jurnal
kriteria untuk dilakukan eksploitasi energi Meteorologi dan Geofisika 12 (3): 221–
gelombang adalah hanya pada musim timur. 232.
Kusmanto, E. dan M. Hasanudin., 2019.
5. UCAPAN TERIMAKASIH Kehadiran Gelombang Soliter Dan
Penulisan makalah yang berjudul “Easywave Transpor Sesaat Sedimen Tersuspensi
untuk Peramalan Data Gelombang Laut Di Perairan Pantai Bengkulu Tengah.
Berbasis Pemrograman Python dengan Oseanologi dan Limnologi di Indonesia
Metode Sverdrup, Munk dan Bretschneider 4 (3): 133–143.
(SMB)” dapat terlaksana dengan baik berkat Lisboa, R. C., P. R. F. Teixeira, dan C. J.
bantuan, arahan, dorongan, dan bimbingan Fortes., 2017. Numerical Evaluation of
dari berbagai pihak. Oleh karena itu penulis Wave Energy Potential in the South of
mengucapkan terima kasih yang sebesar- Brazil. Energy 121: 176–184.
besarnya kepada: Loupatty, G., 2013. Karakteristik Energi
Gelombang dan Arus Perairan di
1. Bapak Dr. Sc. Anindya Wirasatriya, S.T, Provinsi Maluku. Jurnal Barekeng 7
M.Si, M.Sc, yang telah memberikan (1): 19–22.
arahan dan bimbingan Lubis, M. Z. dan H. Khoirunnisa. 2016.
2. Komunitas Algomarine Solution Undip Dinamika Pantai Praikalogu Di
yang telah bersedia memberikan Provinsi Nusa Tenggara Barat,
kesempatan kami untuk dapat Indonesia. Jurnal Integrasi 8 (2): 125–
menggunakan Easywave dalam 133.
membantu melakukan penelitian ini. Mardiansyah, L. A., Aris, I., Wahyu, B. S.,
6. DAFTAR PUSTAKA 2014. Kajian Potensi Gelombang Laut
Sebagai Sumber Energi Alternatif
Embarak, D. O., 2018. Data Analysis and Pembangkit Listrik Tenaga Gelombang
Visualization Using Python. Apress,
Laut (PLTGL) dengan Sistem
Berkeley, CA. Oscilatting Water Column (OWC) Di
Fazri., 2016. Analisa Perbandingan Perairan Pantai Bengkulu. Jurnal
Perhitungan Menggunakan Metode Oseanografi 3 (3): 328-337.
Genesis Dalam Penanganan Abrasi Nelli, F. 2018. Python Data Analytics. Apress,
Pantai Tanjung Harapan Kab. Kutai Berkeley, CA.
Kartanegara. Jurnal Keilmuan dan Ondara, K. dan H. Semeidi., 2017.
Aplikasi Teknik Sipil 1 (1): 1–13. Karakteristik Gelombang Pecah dan
Gonçalves, M., P. Martinho, and C. Guedes Analisis Transpor Sedimen di Perairan
Soares., 2014. Assessment of Wave Teluk Kendari. Jurnal Ilmu dan
Energy in the Canary Islands. Teknologi Kelautan Tropis 9 (2): 585–
Renewable Energy 68: 774–784. 596.
Hammad F.K., Rochaddi B., Susmoro H., Parauba, R., M. I. Jasin, dan J. D. Mamoto.,
2020. Identifikasi Potensi Ocean 2016. Analisis karakteristik gelombang
Thermal Energy Conversion (Otec) di pecah di pantai niampak utara. Jurnal
Selat Makassar Utara. Indonesian Sipil Statik 4 (10): 595–603.
Journal of Oceanography. 2 (2).
28
Jurnal Meteorologi Klimatologi dan Geofisika Vol.7 No.1, Maret 2020
29