1

FITB

OS4062
Analisis dan Peramalan Gelombang Laut
Appendix C

Faizal Ade R. Abdullah

Oseanografi
EDUNEX ITB
2

Rencana Perkuliahan
1. Appendix A

2. Appendix C

3. Description of Ocean Waves (Part 1)

4. Description of Ocean Waves (Part 2)

ቐ 𝑈𝑇𝑆
5. Statistics (Part 1)

6. Statistics (Part 2)

7. Statistics (Part 3)
EDUNEX ITB
3

1. Pendahuluan

• Pengukuran elevasi permukaan laut hampir selalu didapat melalui beberapa instrumen.
• Sinyal analog ini dapat diubah menjadi estimasi spektrum kepadatan variansi gelombang, dengan
menggunakan sistem analog, seperti sirkuit elektronik atau peralatan optik.
• Namun, dengan komputer, sinyal analog juga dapat diubah menjadi sinyal digital untuk analisis
numerik berikutnya (opsi ini telah diterima secara luas dan akan di-treat di sini).
• Gambar dua dimensi, misalnya: dari radar kontur permukaan, memerlukan transformasi Fourier
dua dimensi (mis: Singleton, 1969) dan gambar bergerak (mis: yang dihasilkan oleh radar kapal)
memerlukan transformasi Fourier tiga dimensi. Di sini, hanya mempertimbangkan pengukuran
yang paling sederhana: elevasi permukaan laut di satu lokasi sebagai fungsi waktu (rekaman satu
dimensi).

EDUNEX ITB
4
1. Pendahuluan

Estimasi spektrum gelombang dapat didasarkan pada dua pendekatan numerik:

1. Fungsi auto-kovariansi elevasi permukaan dihitung dan kemudian ditransformasi (TF) (lihat
Bagian 3.5.5). Metode ini biasa digunakan pada tahun 1950an dan 1960an.
2. Melakukan Fourier-transform secara langsung pada rekaman gelombang itu sendiri. Ini adalah
teknik yang lebih disukai saat ini. Hal ini biasanya dilakukan dengan Fast Fourier Transform
(FFT) numerik, yang diperkenalkan sekitar tahun 1970 (ini jauh lebih efisien, yaitu lebih cepat
daripada teknik 'lama' berdasarkan fungsi auto-kovarian).
• Pendekatan kedua ini akan dilakukan di sini tanpa bukti matematis dan mengabaikan semua
rincian matematis. Referensi yang sangat baik untuk analisis spektrum sinyal acak adalah
Blackman dan Tukey (1958), Jenkins dan Watts (1968), Bendat dan Piersol (1971), Goda (2000)
dan Tucker dan Pitt (2001).

EDUNEX ITB
5
2. Analisis Dasar

Spektrum telah didefinisikan pada 3.5.3, sbb:

1 1 2
𝐸 𝑓 = lim 𝐸 𝑎 (C.1)
∆𝑓→0 ∆𝑓 2
Dengan:
a : amplitudo dari komponen harmonik
∆𝑓: pita frekuensi yang dipilih secara berubah-ubah
Analisis spektral dari rekaman gelombang pada dasarnya adalah penjabaran definisi ini, yaitu:
• Mengestimasi amplitudo a
1 2
• Menentukan 𝐸 𝑎
2 𝑖
• Menentukan E(f)

EDUNEX ITB
6
2. Analisis Dasar
Estimasi amplitudo per-frekuensi memerlukan elevasi permukaan laut untuk ditulis sebagai deret
Fourier dengan amplitudo dan fase yang tidak diketahui:
N
 (t ) =  ai cos(2 fi t +  i ) (C.2)
i =1

i 1
dengan fi = maka f =
D D
Dengan
𝜂(𝑡) : rekaman elevasi permukaan.
Ini versi non-random dari model acak fase/amplitudo yang mendasari definisi spektrum (diberikan
rekaman gelombang, fase dan amplitudo tidak acak karena dapat dihitung dari rekaman).

EDUNEX ITB
7
2. Analisis Dasar
• Ingat trigonometri :
x(t ) = a cos(t +  )
 x(t ) = a  cos(t ) cos  − sin(t ) sin  
 x(t ) = A cos(t ) + B sin(t ) dengan A = a cos  dan B = −a sin 
B
Jadi, a 2 = A2 + B 2 dan tan  = −
A

• Dengan menggunakan identitas trigonometri di atas:

N
Pers. C2:  (t ) =  ai cos(2 f i t +  i )
i =1
N
Menjadi:  (t ) =   Ai cos(2 f i t ) + Bi sin(2 f i t )  (C.3)
i =1

Bi
Dengan amplitudo 𝑎𝑖 dan fase 𝛼𝑖 : ai = A + B dan tan  i = −
i
2
i
2

Ai EDUNEX ITB
8
2. Analisis Dasar

• Amplitudo 𝐴𝑖 dan 𝐵𝑖 dapat ditentukan dari rekaman dengan integral Fourier (lihat note C1):

2 i
Ai =   (t ) cos(2 f i t )dt untuk f i = (C.6)
DD D
2 i
Bi =   (t ) sin(2 f i t )dt untuk f i = (C.7)
DD D
• Operasi pada rekaman gelombang untuk mendapatkan amplitudo disebut transformasi Fourier
(𝐴𝑖 dan 𝐵𝑖 disebut koefisien Fourier).
• Dengan menerapkan operasi ini ke semua frekuensi, semua nilai 𝐴𝑖 dan 𝐵𝑖 dapat dihitung, dan
selanjutnya semua nilai amplitudo 𝑎𝑖 dan fasa 𝛼𝑖 .
1 2
• Langkah selanjutnya adalah mengestimasi nilai 𝐸 𝑎 , kemudian nilai E(f).
2 𝑖

EDUNEX ITB
9
Note c1: Transformasi Fourier (1)

2 i
Ai =   (t ) cos(2 fi t )dt untuk f i = (C.6)
DD D
2 i
Bi =   (t ) sin(2 fi t )dt untuk f i = (C.7)
DD D
• Dua integral Fourier dari Pers (C.6) dan (C.7) yang menentukan nilai amplitudo 𝐴𝑖 dan 𝐵𝑖 dari
rekaman gelombang 𝜂(𝑡) dapat diartikan sebagai filter, yang menyaring, dari rekaman
gelombang, satu komponen dengan frekuensi 𝑓𝑖 = 𝑖/𝐷 (ini berarti bahwa durasi D adalah
kelipatan dari periode gelombang 𝑇𝑖 karena 𝐷 = 𝑖/𝑓𝑖 = 𝑖𝑇𝑖 ).
• User yang melakukan transformasi Fourier memilih i=1,2,3,... secara berurutan, untuk
menyaring semua komponen 𝑓𝑖 .
• Dengan cara ini, diperoleh semua amplitudo (𝐴𝑖 dan 𝐵𝑖 ) dan semua amplitudo 𝑎𝑖 dan fase 𝛼𝑖 .

EDUNEX ITB
10 Note c1: Transformasi Fourier (1)
• Integral dari pers (C.6):
2
FT( fi ) =   (t ) cos(2 f i t )dt (1)
DD
• Dengan representasi deret Fourier dari pers (C.3)
(2)

• Substitusikan pers (2) ke pers (1):

• Karena cos(2𝜋𝑓𝑝 𝑡) cos(2𝜋𝑓𝑖 𝑡) dan sin(2𝜋𝑓𝑝 𝑡) cos(2𝜋𝑓𝑖 𝑡) bernilai nol untuk semua p dan i, kecuali untuk
cos(2𝜋𝑓𝑝 𝑡) cos(2𝜋𝑓𝑖 𝑡) saat p=i, maka intergral dapat direduksi menjadi:

EDUNEX ITB
11 Note c1: Transformasi Fourier (1)
1
D cos (2 fit )dt = D 2 ( cos(4 fit ) + 1) dt Penurunannya ada di
2
Karena:
halaman berikutnya
D
1 1 1 
= sin(4 f i t ) + t 
(4 f i ) 2 2 
1 1 1 1
= sin(4 f i D) + D = D
(4 f i ) 2 2 2
0

2 Ai 2 Ai 1
Maka, FT( fi ) =  cos (2 f i t ) dt = . D = Ai
2

D D D 2
1
D
2

Sehingga: FT( fi ) = Ai
2
Karena itu, Ai =
DD  (t ) cos(2 f i t )dt
EDUNEX ITB
12
Note c1: Transformasi Fourier (1)
Penurunan dari:
1
cos (2 fi t ) = ( cos(4 f i t ) + 1)
2

2
ingat bahwa:
cos( A + B ) = cos A cos B − sin A sin B
 cos(2 A) = cos 2 A − sin 2 A
karena: cos 2 A + sin 2 A = 1
 cos(2 A) = cos 2 A − (1 − cos 2 A)
maka: sin 2 A = 1 − cos 2 A
 cos(2 A) = 2 cos 2 A − 1
cos(2 A) + 1
 cos 2 A =
2
untuk A = 2 f i t , maka:
cos(4 fi t ) + 1
cos (2 fi t ) =
2
EDUNEX ITB
2
13
Transformasi Fourier (2)

Struktur integral dalam transformasi Fourier dari Pers (C.6) dan (C.7) sangat mudah diingat: integral
adalah dua kali produk rata-rata dari elevasi permukaan 𝜂(𝑡) dan kosinus (atau sinus) untuk setiap
frekuensi 𝑓𝑖 . Untuk menunjukkan hal ini, definisikan produk time-average 𝑥(𝑡) dan 𝑦(𝑡) sebagai:

Dengan mengambil x (t) = η(t) dan 𝑦 𝑡 = cos(2𝜋𝑓𝑖 𝑡). Transformasi Fourier untuk menghitung 𝐴𝑖
ditulis:
𝐴𝑖 = 2 𝜂 𝑡 cos(2𝜋𝑓𝑖 𝑡)
Demikian pula dengan 𝐵𝑖 = 2 𝜂 𝑡 sin(2𝜋𝑓𝑖 𝑡)
Ingat :
2 i (C.6)
Ai =   (t ) cos(2 fi t )dt untuk f i =
DD D
2 i
Bi =   (t ) sin(2 fi t )dt untuk f i = (C.7)
DD D EDUNEX ITB
14
3. Practical problems

Rekaman gelombang yang sebenarnya berbeda dalam beberapa hal dari elevasi permukaan
dalam definisi spektrum yang mendasari analisis:

a. durasi rekaman gelombang = terbatas;

b. biasanya hanya terdapat satu rekaman;
c. rekaman gelombang = didiskritkan dalam waktu;
d. pengamatan elevasi permukaan terkontaminasi dengan alat dan kesalahan pemrosesan
noise.

EDUNEX ITB
15
3a. Durasi Terbatas dari Rekaman Gelombang
• Dalam transformasi Fourier dari sebuah rekaman gelombang, interval frekuensi ∆f
1
nilainya konstan yang ditentukan oleh durasi D yang diberikan dari rekaman: ∆𝑓 = .
𝐷
• Ambil limit ∆𝑓 → 0 (seperti dalam definisi spektrum, yang mengakibatkan D → ∞) tidak
mungkin dilakukan dengan durasi terbatas dari rekaman gelombang yang diberikan.
• Spektrum dapat diestimasi sbb :

(C.8)

Dengan

EDUNEX ITB
16
3a. Durasi Terbatas dari Rekaman Gelombang

Interval frekuensi yang terbatas ∆𝑓 = 1/𝐷 mengakibatkan detail dari spektrum

dalam interval spektral ini tidak dapat dilihat. Dengan kata lain, detail skala frekuensi
∆𝑓 = 1/𝐷 hilang (lihat Gambar C.1 Resolusi frekuensi terbatas, karena durasi
rekaman gelombang yang terbatas, menghilangkan detail dari spektrum).
EDUNEX ITB
17
3a. Durasi Terbatas dari Rekaman Gelombang

• Durasi D harus dipilih cukup lama sehingga detail yang relevan dapat dilihat. Kapasitas untuk menyelesaikan
detail spektral seperti itu disebut resolusi frekuensi dan dihitung dengan bandwidth frekuensi:
1
∆𝑓 =
𝐷
(Resolusi sebenarnya didefinisikan sebagai interval frekuensi antara estimasi independent dari kepadatan
spektral, yang dalam teknik analisis spektral advanced mungkin sedikit berbeda dari 1/𝐷).
• Resolusi frekuensi dapat ditingkatkan hanya dengan mengambil durasi rekaman gelombang yang lebih lama.
• Namun, rekaman gelombang juga harus stasioner untuk memberikan spektrum yang berarti.
• Durasi yang sebenarnya selalu merupakan sebuah kesepakatan. Di satu sisi harus cukup singkat agar asumsi
situasi stasioner reasonable, di sisi lain harus cukup lama agar resolusi frekuensi memadai.
• Durasi harus cukup lama untuk memungkinkan seseorang memperoleh estimasi yang dapat diandalkan
(reliable) secara statistik.

EDUNEX ITB
18
3b. Satu rekaman gelombang

• Fakta: biasanya hanya satu rekaman gelombang yang tersedia untuk analisis spektral (setidaknya
untuk pengukuran di laut) artinya: kerapatan variansi harus diestimasi (setidaknya pada awalnya)
1 1
dari hanya satu amplitudo, contohnya dari 𝑎𝑖2 daripada 𝐸 𝑎𝑖 2 .
2 2

• Ini yang disebut ‘raw’ estimate (estimasi ‘mentah’) dari E(f):

1 1 2  1 1 2 1
E( f )  E  ai  →  a i  dengan resolusi f =
f  2  f 2  D

EDUNEX ITB
19
3b. Satu rekaman gelombang

1 1
• Estimasi mentah ini dapat diterima jika error (selisih 𝐸 𝑎𝑖 2 dan 𝑎𝑖 2 ) relatif kecil, tetapi
2 2
hal ini tidak masalah; yang menjadi masalah: dari barisan 100% (oleh karena itu, kita tidak
1
dapat mengatakan 𝐸(𝑓) ≈ 𝑎𝑖 2 / ∆𝑓) .
2

Catatan:
Amplitudo 𝑎𝑖 berdistribusi Rayleigh,
1
jadi distribusi dari 𝑎𝑖 2 berdistribusi eksponensial,
2
1 2 1 2
dengan mean = 𝐸 𝑎 dan width = 𝐸 𝑎 .
2 𝑖 2 𝑖
1 2 1
Dengan kata lain, kesalahan yang terkait dengan mengestimasi 𝐸 𝑎 sebagai 𝑎𝑖 2 adalah
2 𝑖 2
tingkatan yang sama dengan mean.
EDUNEX ITB
20
3b. Satu rekaman gelombang

Error yang besar ini terlihat jelas dari

tampilan ‘grassy’ dari raw spectrum.

EDUNEX ITB
21
3b. Satu rekaman gelombang

• Reliabilitas (keandalan) yang buruk ini tidak dapat diterima, oleh karena itu perlu di-improved
(untuk rekaman gelombang yang diberikan). Hal ini dapat dicapai hanya dengan mengorbankan
sesuatu yang lain.

• Ada beberapa teknik untuk melakukan ini, tapi semuanya dapat diselesaikan dengan resolusi
spektral. Salah satu cara yang paling sederhana adalah membagi waktu rekaman dengan sebuah
angka (p) dari segmen non-overlapping, masing-masing dengan durasi D*=D/p .

1
• Masing-masing segmen ini kemudian dianalisis-Fourierkan untuk mencari nilai dari 𝑎𝑖 2 dengan
2
resolusi 𝛿𝑓 yang ditentukan oleh durasi segmen:
1 1
f = = = pf
D * ( D / p)
EDUNEX ITB
22
3b. Satu rekaman gelombang
1 2
• 𝐸 𝑎 diestimasi sebagai rata-rata dari nilai ini (untuk setiap frekuensi secara terpisah; ini disebut rata-rata
2 𝑖
1 2 1 2
quasi-ensemble, dinotasikan dengan . ): 𝐸 𝑎 ≈ 𝑎
2 𝑖 2 𝑖

• Dengan merata-ratakan quasi-ensemble, error berkurang dengan faktor 𝑝:

1 2 100%
𝐸(𝑓) ≈ 𝛿𝑓 𝑎 dengan resolusi 𝛿𝑓 =p∆𝑓 dan error ≈
2 𝑖 𝑝

• Jelas, peningkatan reliabilitas ini mengorbankan resolusi spektral, yang telah dikurangi faktor p. Oleh karena
itu kesepakatan selalu diperlukan, untuk menyeimbangkan resolusi spektral yang dapat diterima dengan
reliabilitas (keandalan) yang dapat diterima.
• Durasi 15-30 menit dan nilai p = 20-30 adalah ciri khas pengamatan di laut.
• Resolusi frekuensi yang sesuai δf ≈ 0,01-0,02 Hz dan error pada kerapatan(densitas) spektral sekitar 20%.
1 2
Catatan: Distribusi rata-rata ensambel 𝑎 adalah distribusi 𝝌2 (khi-kuadrat) dengan derajat kebebasan 2p.
2 𝑖

EDUNEX ITB
23
3b. Satu rekaman gelombang

• Reliabilitas (keandalan) juga dapat diukur dengan interval kepercayaan (confidence interval). Ini adalah
interval, di mana nilai yang diharapkan terletak dengan probabilitas tertentu, misalnya: interval kepercayaan
90% (lihat Gambar C.3 dan C.4).

EDUNEX ITB
24
3c. Rekaman gelombang diskrit

• Dalam praktiknya, rekaman gelombang

didiskritkan dengan sampling sinyal asli
dari sensor gelombang pada interval
waktu yang tetap ∆t.
• Interval ini biasanya 0.5 detik, untuk
pengamatan gelombang di laut.
• Konsekuensi langsung dari diskritisasi ini
adalah integral dalam transformasi Fourier
diganti dengan jumlahan diskrit.
• Perhatikan gelombang harmonik dengan
frekuensi 𝑓1 yang diambil sampelnya pada
interval konstan ∆t (solid line, gelombang
panjang pada Gambar C.5)

EDUNEX ITB
25
3c. Rekaman gelombang diskrit

• Hanya satu data yang tersedia dalam rekaman diskrit dari gelombang ini yaitu nilai pada waktu yang
sama (ditunjukkan dengan titik-titik).

• Namun, sangat mungkin untuk memiliki gelombang harmonik yang lain (dengan frekuensi 𝑓2 : garis
putus-putus, gelombang pendek pada Gambar C.5)

• Analisis Fourier dengan menggunakan elevasi sampel ini, tidak dapat membedakan dua komponen
gelombang.

EDUNEX ITB
26
3c. Rekaman gelombang diskrit

• Konsekuensinya dalam analisis spektral, kerapatan energi dari frekuensi tinggi 𝑓2 ditambahkan pada
kerapatan energi dari frekuensi rendah 𝑓1 . Seolah-olah kerapatan energi dari frekuensi tinggi ini dicerminkan
di sekitar frekuensi atau yang disebut frekuensi Nyquist (atau frekuensi 'cermin'; lihat Gambar C.6).

EDUNEX ITB
27
Note c2: frekuensi nyquist

Rekaman gelombang diskrit dapat dilihat sebagai

perkalian elevasi permukaan sebenarnya dengan deret
delta (deret fungsi delta pada interval ∆t).

EDUNEX ITB
28
Note c2: frekuensi nyquist

• Karena perkalian dalam domain waktu sesuai dengan

konvolusi dalam domain spektral, spektrum gelombang
harus melilit (convoluted) dengan deret delta spektrum.
• Singkatnya konvolusi adalah setiap nilai dari satu fungsi
didistribusikan dalam bentuk yang lain. Spektrum elevasi
permukaan merupakan sebuah fungsi genap (Persamaan
3.5.18)

• Deret delta spektrum adalah deret delta lain dengan

interval ∆f = 1/∆t, hasilnya adalah sebuah pengulangan
(genap) spektrum gelombang, dengan interval ∆f = 1/∆t
(lihat kolom sebelah kanan pada gambar).

EDUNEX ITB
29
Note c2: frekuensi nyquist

Efeknya ekor dari spektrum berulang overlap

(tumpang-tindih), memberi kesan bahwa frekuensi
1/(2∆t), 2/2∆t, 3/(2∆t), 4/(2∆t), 5/2∆t,.. dll
(kelipatan frekuensi Nyquist 1/(2∆t)) adalah
frekuensi cermin.

EDUNEX ITB
30
3c. Rekaman gelombang diskrit

• Energi frekuensi-tinggi muncul di frekuensi lain daripada yang seharusnya, dengan kata lain, di
bawah 'alias'. Fenomena ini disebut 'aliasing'.
• Fenomena aliasing akan selalu menyebabkan error yang relatif besar (sekitar 100%) di dekat
frekuensi Nyquist, namun dengan densitas energi yang menurun dengan cepat di ekor spektrum
gelombang laut, biasanya tidak secara serius mempengaruhi bagian utama spektrum jika Frekuensi
Nyquist dipilih jauh lebih tinggi daripada frekuensi karakteristik spektrum.
• Frekuensi Nyquist harus dipilih dengan bijak, misalnya lebih dari empat atau lima kali frekuensi rata-
rata (untuk pengukuran di laut, biasanya frekuensi Nyquist = 1 Hz, sesuai dengan ∆t = 0,5 s).
• Dengan analisis formal dapat ditunjukkan bahwa efek aliasing disebabkan oleh pengulangan
periodik pada domain frekuensi spektrum sebenarnya (lihat Catatan C2).

EDUNEX ITB
31 3c. Rekaman gelombang diskrit

• Aliasing dapat diilustrasikan dengan fenomena yang sudah terkenal dari film lama di mana roda
mobil memiliki jari-jari. Dalam film-film seperti itu, roda-rodanya sering tampak salah arah.
• Pada Gambar C.7, empat frame berturut-turut dalam film itu ditunjukkan dengan roda sedikit
berubah dari satu frame ke frame berikutnya (interval waktu antara frame adalah 1/24 s).
Seseorang akan berharap ruji A pada frame pertama untuk dikenali sebagai turning yang sama ruji
A dalam frame 2, 3 dan 4 (roda yang real forward-turning pada Gambar C.7).
• Namun, human brain mengidentifikasi B dalam frame 2 dengan ruji A dalam frame 1 (karena
mereka berdekatan satu sama lain). Hal yang sama terjadi antara frame lainnya. Efeknya adalah
roda diinterpretasikan berputar perlahan ke belakang dan bukan dengan cepat ke depan (yang
dirasakan roda backward-turning pada Gambar C.7).
EDUNEX ITB
32
3d. Instrumen dan pemrosesan ‘noise’
• Pengukuran elevasi permukaan laut selalu didasarkan pada beberapa karakteristik fisik air
(permukaan) yang ditransformasikan oleh beberapa instrumen menjadi beberapa angka.
• Angka-angka ini tidak benar-benar memberi ketinggian permukaan laut; Angka tsb selalu
terkontaminasi sampai batas tertentu oleh teknik pengukuran, instrumen dan pemrosesan sinyal
asli. Perluasan kontaminasi ini sering tidak diketahui secara pasti.
• Paling baik, perbandingan dengan instrumen atau pemrosesan superior yang tersedia. Karena
kontaminasi semacam itu, time series yang diamati berbeda dari ketinggian permukaan aktual,
bahkan kadang-kadang jauh.
• Variansi kepadatan spektrum yang diestimasi dari time series yang terkontaminasi, hanya sedikit
harapan, berbeda dari variansi kepadatan spektrum sebenarnya.
• Perbedaan ini disebut sebagai ‘observation noise' atau 'instrument noise'. Subjek ini penting untuk
mengukur gelombang laut, namun yang disebutkan di sini hanya untuk membuat pembaca sadar
akan masalahnya.

EDUNEX ITB
33

Daftar pustaka

Holthuijsen, Leo H. 2007. Waves In Oceanic And Coastal Waters. New

York: Cambridge University Press.

EDUNEX ITB