MINI PROJECT

KL-5098 METODE PENELITIAN

ANALISA DATA ADCP OMBAI NORTH DAN LOMBOK WEST

Dosen : Irsan S. Brodjonegoro, Ph. D

Oleh
Taufik Suprayogo
25521006

PROGRAM STUDI TEKNIK KELAUTAN

FAKULTAS TEKNIK SIPIL DAN LINGKUNGAN
INSTITUT TEKNOLOGI BANDUNG
2022
 DAFTAR ISI

DAFTAR ISI ........................................................................................................................ ii

DAFTAR GAMBAR .......................................................................................................... iv
DAFTAR TABEL ................................................................................................................ v
BAB I PENDAHULUAN .................................................................................................... 1
1.1 Latar Belakang ........................................................................................................ 1

1.2 Tujuan ..................................................................................................................... 1

1.3 Sistematika Penulisan ............................................................................................. 2

BAB II DASAR TEORI ...................................................................................................... 3

2.1 Arus Laut ................................................................................................................ 3

2.2 Acoustic Doppler Current Profiler (ADCP) ........................................................... 3

2.3 Parameter Statistik ....................................................................................................... 5

2.4 Transformasi Fourier ................................................................................................... 6

BAB III METODOLOGI.................................................................................................... 8

3.1 Daerah Kajian ......................................................................................................... 8

3.2 Pengumpulan Data .................................................................................................. 8

3.3 Pengolahan Data ..................................................................................................... 8

3.4 Diagram Alir Pengerjaan ........................................................................................ 9

BAB IV HASIL DAN PEMBAHASAN ........................................................................... 10

4.1 Pembacaan Data .................................................................................................... 10

4.1.1 Pembacaan Data di Lokasi Ombai North ...................................................... 10

4.1.2 Pembacaan Data di Lokasi Lombok West ..................................................... 11

4.2 Pencairan Data Hilang dan Penghilangan Harga Rata-Rata ................................. 13

4.2.1 Pencairan Data Hilang dan Penghilangan Harga Rata-Rata di Ombai North 13

4.2.2 Pencairan Data Hilang dan Penghilangan Harga Rata-Rata di Lombok West
15

4.3 Pencarian dan Penghitungan Parameter Statistik.................................................. 16

ii
 4.3.1 Pencarian dan Penghitungan Parameter Statistik di Ombai North ................ 16

4.3.2 Pencarian dan Penghitungan Parameter Statistik di Lombok West .............. 17

4.4 Plot Distribusi Data ............................................................................................... 17

4.4.1 Plot Distribusi Data di Ombai North ............................................................. 17

4.4.2 Plot Distribusi Data di Lombok West............................................................ 19

4.5 Visualisasi Data .................................................................................................... 22

4.6 Nilai Korelasi dan Nilai Kovarian ........................................................................ 24

4.7 Pencarian Noise (Gangguan) pada Data Set dengan menggunakan Fasilitas
Filtering juga Pencarian dan Plot Frekuensi Penting ...................................................... 26

4.7.1 Filtering data arus Ombai North ................................................................... 26

4.7.2 Filtering data arus Lombok West .................................................................. 27

BAB V KESIMPULAN ..................................................................................................... 28

DAFTAR PUSTAKA ........................................................................................................ 29
DAFTAR LAMPIRAN ....................................................................................................... 1

iii
 DAFTAR GAMBAR

Gambar 2.1 Pola pergerakan Arus Lintas Indonesia ............................................................. 4

Gambar 3.1 Daerah kajian ..................................................................................................... 8

Gambar 3.2 Diagram Alir Pengerjaan ................................................................................... 9
Gambar 4.1 Isi data mentah dari ADCP di Ombai North.................................................... 10
Gambar 4.2 Data kecepatan arus di Ombai North (a) Kecepatan U (b) Kecepatan V ........ 11
Gambar 4.3 Isi data mentah dari ADCP di Lombok West .................................................. 12
Gambar 4.4 Data kecepatan arus di Lombok West (a) Kecepatan U (b) Kecepatan V....... 13
Gambar 4.5 Plot Velocity-U Sebelum dan Setelah Detrend Ombai North ......................... 14
Gambar 4.6 Plot Velocity-V Sebelum dan Setelah Detrend Ombai North ......................... 14
Gambar 4.7 Plot Velocity-U Sebelum dan Setelah Detrend Lombok West ........................ 15
Gambar 4.8 Plot Velocity-V Sebelum dan Setelah Detrend Lombok West ........................ 16
Gambar 4.9 Histogram Distribusi Data Velocity-U di Ombai North .................................. 17
Gambar 4.10 Histogram Distribusi Data Velocity-V di Ombai North ................................ 18
Gambar 4.11 Kecepatan arus rata-rata per kedalaman di Ombai North .............................. 19
Gambar 4.12 Histogram Distribusi Data Velocity-U di Lombok West .............................. 20
Gambar 4.13 Histogram Distribusi Data Velocity-V di Lombok West .............................. 20
Gambar 4.14 Kecepatan arus rata-rata per kedalaman di Lombok West ............................ 21
Gambar 4.15 Visualisasi Data Velocity-U dari data Ombai North dan Lombok West....... 22
Gambar 4.16 Visualisasi Data Velocity-V dari data Ombai North dan Lombok West....... 23
Gambar 4.17 Plot matriks Velocity-U dari data Ombai North dan Lombok West ............. 23
Gambar 4.18 Plot matriks Velocity-V dari data Ombai North dan Lombok West ............. 24
Gambar 4.19 Koefisien Korelasi Velocity-U Ombai North dan Lombok West ................. 25
Gambar 4.20 Koefisien Korelasi Velocity-V Ombai North dan Lombok West ................. 25
Gambar 4.21 Frekuensi Penting Data Velocity-U Ombai North ........................................ 26
Gambar 4.22 Frekuensi Penting Data Velocity-V Ombai North ........................................ 26
Gambar 4.23 Frekuensi Penting Data Velocity-U Lombok West ....................................... 27
Gambar 4.24 Frekuensi Penting Data Velocity-V Lombok West ....................................... 27

iv
 DAFTAR TABEL

Tabel 4.1 Jumlah data kecepatan yang hilang di Ombai North ........................................... 13
Tabel 4.2 Jumlah data kecepatan yang hilang di Lombok West ......................................... 15
Tabel 4.3 Hasil perhitungan parameter statistik di Ombai North ........................................ 16
Tabel 4.4 Hasil perhitungan parameter statistik di Lombok West ...................................... 17
Tabel 4.5 Nilai korelasi antara data arus Ombai North dan Lombok West......................... 24
Tabel 4.6 Nilai kovarian antara data arus Ombai North dan Lombok West ....................... 25

v
 BAB I
PENDAHULUAN

1.1 Latar Belakang

ARLINDO atau Arus Lintas Indonesia, atau lebih dikenal dengan istilah "Indonesian
Through Flow", adalah aliran massa air antar samudera yang melewari Perairan Indonesia.
Menurut Wyrtki (1987), sebagai negara yang diapit oleh dua lautan besar yakni Samudera
Pasifik di bagian utara dan timur laut serta Samudera Hindia di bagian selatan dan barat daya
Indonesia berlaku sebagai saluran bagi aliran massa air dari Samudera Pasifik ke Samudera
Hindia. Aliran massa air ini terjadi sebagai akibat adanya perbedaan tekanan antara kedua
lautan tersebut.
Ketidak teraturan topografi dasar perairan Indonesia, antara lain disebabkan oleh banyaknya
pulau, penyempitan atau pelebaran selat, juga banyak terdapatnya sill di mulut cekungan
laut, aliran massa air yang semula tampak sederhana menjadi tidak sederhana lagi. Selain itu
tingginya kisaran (range) pasang surut dan intensifnya lapisan thermoklin yang merupakan
sifat khas perairan Indonesia, kehadiran ARLINDO ini menambah kompleksnya proses fisis
yang terjadi di perairan Indonesia. Sehingga,untuk mengetahui fenomena Arus Lintas
Indonesia ini dapat diteliti dengan melakukan pengukuran lapangan untuk mengambil data
seperti data arus laut dan temperatur.
Sesuai kesepakatan bersama antara Indonesia, Amerika Serikat, Australia, Belanda, dan
Perancis maka diselenggarakan program INSTANT (Insternational Nusantara Stratification
And Transport) yang bertujuan salah satunya mengetahui profil kondisi arus laut di daerah
yang dilewati oleh ARLINDO. Pada mini project ini akan dilakukan analisis terhadap dua
data arus laut yang berasal dari ADCP yang didapatkan pada penelitian INSTANT
(International Nusantara STratification ANd Transport) yaitu pada area Ombai North dan
Lombok West.

1.2 Tujuan
Berdasarkan latar belakang yang ada, maka tujuan dari mini project ini adalah untuk
mengetahui pola arus laut, parameter statistik, dan hubungan antara dara arus pada daerah
Ombai North dan Lombok West.

1
1.3 Sistematika Penulisan
Penulisan mini project ini terbagi menjadi lima bab yaitu bab I, bab II, bab III, bab IV, dan
bab V. Bab I menjelaskan mengenai pendahuluan yang mencakup tentang latar belakang,
tujuan penelitian, dan serta sistematika penulisan. Bab II menjelaskan mengenai dasar teori
yang akan menguraikan mengenai teori mengenai arus laut dan arus lintas Indonesia, Bab
III Metodologi menerangkan mengenai daerah kajian yang akan diteliti, data yang akan
digunakan serta pengolahan data. Bab IV menjabarkan mengenai hasil dan pembahasan dari
mini project ini dan yang terakhir Bab V merupakan bagian kesimpulan yang menjelaskan
mengenai kesimpulan mini project ini.

2
 BAB II
DASAR TEORI

2.1 Arus Laut

Arus laut merupakan gerakan horizontal massa air laut yang disebabkan adanya gaya
penggerak yang bekerja pada air laut. Gaya penggerak itu seperti stres angin, gradien tekanan
yang ditimbulkan akibat gradien densitas horizontal, pengaruh angin, dan gradien tekanan
atmosfer, gelombang laut, dan pasang surut (Hadi dan Radjawane, 2009). Pasang surut
adalah gerakan naik turunnya muka air akibat adanya gaya tarik menarik antara benda-benda
langit. Sedangkan arus pasang surut adalah pergerakan massa air laut secara horizontal
akibat adanya gerakan pasang surut. Pada saat elevasi pasut maksimum atau minimum, maka
kecepatan arusnya akan bernilai nol, kondisi ini disebut juga slack water. Sedangkan
kecepatan maksimum arus pasut terjadi saat elevasinya sama dengan nol, kondisi ini disebut
juga flood strength (saat pasang) atau ebb strength (saat surut).
Arus pasang surut adalah pergerakan massa air laut secara horizontal yang dihubungkan
dengan naik turunnya permukaan air laut akibat gaya tarik benda-benda angkasa terutama
bulan dan matahari. Arus pasang surut disebabkan oleh adanya fenomena pasang surut air
laut berubah arahnya secara periodik. Besarnya arus pasang surut akan sangat bergantung
pada pasang surut. Gerakan arus pasang surut ada tiga tipe, yaitu gerak rotasi, bolak-balik,
dan hidrolik. Di laut lepas, gerak arus pasang surut adalah gerak rotasi yang berbentuk elips
di mana arah rotasi searah putaran jarum jam di BBU dan berlawanan arah jarum jam di
BBS. Arus pasang surut bergerak secara kontinu dengan arah yang terus berubah mengikuti
arah yang searah atau berlawanan dengan putaran jarum jam dalam satu periode pasang
surut.
Faktor pembangkit arus permukaan disebabkan oleh adanya angin yang bertiup di atasnya.
Tenaga angin memberikan pengaruh terhadap arus permukaan (atas) sekitar 2% dari
kecepatan angin itu sendiri. Kecepatan arus ini akan berkurang sesuai dengan makin
bertambahnya kedalaman perairan sampai pada akhirnya angin tidak berpengaruh pada
kedalaman 200 meter (Bernawis,2000)

2.2 Acoustic Doppler Current Profiler (ADCP)

Instrumen Acoustic Doppler Current Profiler (ADCP) merupakan instrument berbasis
akustik yang menggunakan gelombang suara berfrekuensi tinggi untuk mengukur berbagai

3
parameter seperti arus dengan memanfaatkan pantulan gelombang suara dan pergerakan
partikel-partikel sesuai prinsip Doppler. Proses pengambilan data menggunakan ADCP
dapat dilakukan dengan metode upwardlooking dan downward-looking, dan dapat dilakukan
secara tambat dan bergerak (Gambar 2). Gelombang suara yang dipancarkan oleh instrumen
ADCP mengenai objek penghambur (scatterer) seperti partikel-partikel yang berada di
kolom perairan yang memantulkan kembali gelombang suara dalam bentuk intensitas suara.
Jenis-jenis penghambur antara lain sedimen tersuspensi, zooplankton, dan partikel lainnya
yang berada di kolom perairan. Nilai intensitas pada ADCP diukur pada setiap lapisan atau
kedalaman air tertentu (bin). Berdasarkan hal tersebut, instrumen ADCP dapat mengukur
intensitas suara secara terukur pada masingmasing kedalaman yang telah ditentukan.

Gambar 2.1 Metode pengambilan data pada ADCP secara (a) upward-looking pada ADCP
tambat dan (b) downward-looking pada ADCP bergerak
Pergerakan partikel yang terjadi di kolom perairan dapat mendekati atau menjauhi
instrumen. Hal ini disebut dengan teori Doppler. Prinsip Doppler dapat didefinisikan ketika
gelombang suara yang dipancarkan oleh transduser pada ADCP ke arah sebuah reflektor
stasioner (partikel tersuspensi), maka gelombang yang dipantulkan akan memiliki frekuensi
yang sama. Apabila reflektor tersebut bergerak ke arah transduser, frekuensi yang
dipantulkan akan lebih tinggi, begitupun sebaliknya. Perbedaan antara frekuensi yang
ditransmisikan dan diterima sebanding dengan kecepatan bergeraknya partikel tersuspensi
menjauhi dan mendekati transduser. Hal ini dinamakan efek Doppler, sedangkan perbedaan
antar frekuensi disebut alih Doppler (Doppler shift).
Instrumen ADCP memancarkan dan menerima gelombang suara, sehingga nilai alih Doppler
menjadi dua kali lipatnya (Brehmer, 2006). Prinsip Doppler yang digunakan pada ADCP

4
juga dipengaruhi sudut antara pemancaran dan penerimaan gelombang suara sehingga
dengan mempertimbangkan komponen sudut. Instrumen ADCP mengukur kecepatan
perpindahan massa air dengan mentransmisikan pulsa melalui air kemudian merekam
amplitudo pantul yang dikembalikan dari partikel tersuspensi yang bergerak. Pergerakan
partikel tersebut diasumsikan sama dengan kecepatan air yang bergerak. Amplitudo yang
dikembalikan disebut intensitas gema (Gartner, 2004).
Instrumen ADCP merekam kecepatan arus dan data EI dari suatu rangkaian segmen dari
setiap berkas (beam) akustik yang dipancarkan transduser pada satu kolom pengukuran yang
disebut ensembel. Nilai satu ensembel terdiri atas rekaman satu atau beberapa ping.
Besarnya nilai EI sangat bergantung pada beberapa faktor, antara lain penyerapan suara oleh
medium dan partikel yang berada di kolom perairan, susut penyebaran (spreading loss),
power yang digunakan pada ADCP, dan koefisien hamburbalik pada ADCP.

2.3 Parameter Statistik

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisa, dan mempresentasikan data. Statistika banyak diterapkan pada berbagai ilmu
baik ilmu alam maupun sosial. Dalam praktek teknik kelautan ilmu statistika sangat sering
digunakan dalam pengolahan data (Arif, 2012). Sehingga dalam keseharian profesi teknik
kelautan akan sering menggunakan parameter-parameter statistik di dalam perencanaan dan
perhitungan. Berikut adalah parameter statistik yang sering digunakan dalam profesi teknik
kelautan :
1) Rata-rata (Mean)
Rata-rata atau mean adalah hasil dari penjumlahan seluruh data yang dibagi dengan
jumlah data dalam satu populasi. Rata-rata selalu menjadi parameter yang penting
dalam perhitungan statistik (Arif, 2012), berikut adalah rumus perhitungan statistik.

1
𝑚𝑒𝑎𝑛 = 𝜇 = 𝑥
𝑛
2) Nilai Max dan Min
Nilai max adalah nilai terbesar dalam suatu populasi data, biasanya dijadikan acuan
sebagai nilai batas atas maksimal pada populasi. Nilai min adalah nilai terkecil dalam
suatu populasi data, biasanya dijadikan acuan sebagai nilai batas bawah maksimal
pada populasi.
3) Modus

5
 Modus adalah data yang paling sering muncul dalam suatu populasi, atau nilai yang
mempunyai frekuensi paling tinggi. Modus merupakan nilai yang mempunyai
probability paling tinggi dalam populasi.
4) Median
Median adalah nilai data yang berada ditengah-tengah populasi. Pada beberapa kasus
nilai median tidak akan terlalu jauh dari nilai rata-rata.
5) Varian
Varian adalah ukuran seberapa jauh sebuah kumpulan bilangan terbesar. Varian
yang rendah mengindikasikan bahwa titik data condong sangat dekat dengan
nilai rerata (nilai ekspektasi) dan antara satu sama lainnya, sementara varian yang
tinggi mengindikasikan bahwa titik data sangat tersebar disekitar rerata dan dari satu
sama lainnya. Berikut adalah rumus perhitungan varian :

1
𝑣𝑎𝑟 (𝑥) = (𝑥 − 𝜇 )
𝑛−1
6) Standar Deviasi
Standar deviasi merupakan ukuran sebaran statistik yang berupa akar dari varian.
Berikut adalah rumus perhitungan standar deviasi :
𝜎 = 𝑣𝑎𝑟(𝑥)
7) Koefisien Variabel (COV)
COV merupakan tingkat ketidakpastian suatu variable.
𝜎
𝐶𝑂𝑉 = 𝛿 =
𝜇
Selain perhitungan parameter statistic penyajian data statistik juga mempunyai
beragam jenis tergantung dengan pemanfaatannya. Seperti grafik, histogram, ploting data,
dll.

2.4 Transformasi Fourier

Transformasi Fourier adalah suatu model transformasi yang memindahkan domain spasial
atau domain waktu menjadi domain frekuensi.

Transformasi
F(t) Fourier
F(

6
Di dalam bidang Kelautan, transformasi fourier digunakan untuk mengetahui frekuensi pada
tiap komponen harmonik pasang surut dengan jumlah yang cukup banyak. Sehingga nilai
masing-masing frekuensi gelombang tersebut bisa diketahui dengan metode ini.
 Transformasi Fourier Diskrit
Transformasi fourier diskrit atau disebut dengan Discrete Fourier Transform (DFT) adalah
model transformasi fourier yang dikenakan pada fungsi diskrit, dan hasilnya juga diskrit.
DFT didefinisikan dengan :
N
F ( k )   f (n).e  j 2knT / N
n 1

 Fast Fourier Transform (FFT)

Penerapan teknik FFT terhadap suatu fenomena fisika di laut seperti arus, pasang-surut atau
gelombang latu, secara langsung mendasari anggapan bahwa fenomena fisika tersebut
merupakan sistem linier sejumlah gelombang sederhana. Keuntungan pendekatan ini adalah
memudahkan kita memisahkan signal dari noise atau mengisolasi signal tertentu. Signal
adalah komponen data yang kita inginkan untuk dianalisa dan umumya merupakan
komponen terbesar dari data. Noise dapat dikategorikan sebagai bagian kecil dari data yang
tidak kita inginkan baik karena mempunyai karakteristik yang acak ataupun yang tidak dapat
dijelaskan. Sebagai contoh, analisa pengamatan arus laut memungkinkan kita menguraikan
data pengamatan tersebut menjadi komponen arus akibat gelombang laut, pasang-surut, atau
perubahan musim dengan melihat kesamaan frekuensinya dengan komponen gelombang,
pasang-surut, dan angin. Hubungan antar parameter pun akan menjadi lebih jelas karena kita
dapat mengisolasi signal dari noise.

7
 BAB III
METODOLOGI

3.1 Daerah Kajian

Daerah yang akan dikaji pada mini project ini terdapat dua titik yaitu di Ombai North yang
terletak di 125° 0'8.64"E dan 8°24'11.82"S serta Lombok West yang terletak di
115°45'33.12"E dan 8°26'20.40"S

Gambar 3.1 Daerah kajian

3.2 Pengumpulan Data
Pada mini project ini data yang digunakan berasal dari data lapangan dari alat Acoustic
Dopler Current Propiler (ADCP) di dua titik yaitu Ombai North dan Lombok West yang
merupakan hasil penelitian dari program INSTANT (Insternational Nusantara Stratification
And Transport) yang diunduh di alamat ftp://kuliah.ocean.itb.ac.id/.

3.3 Pengolahan Data

Pada tahap pengolahan data ini akan diolah menggunakan software MATLAB . Pengolahan
ini ditunjukkan untuk mencari data yang hilang, menghilangkan nilai rata-rata, mencari
lokasi data (Mean dan Median), mevisualisasikan distribusi data, memvisualisasikan data
untuk mencari hubungan antar kedua data, mencari nilai covariance dan koefisien korelasi.

8
Serta, mencari noise pada tahap filtering dan mencari koefisien korelasi antar kedua data
tersebut.
3.4 Diagram Alir Pengerjaan
Diagram alir pengerjaan mini project sebagai berikut,

Gambar 3.2 Diagram Alir Pengerjaan

9
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Pembacaan Data

4.1.1 Pembacaan Data di Lokasi Ombai North
Pembacaan data dari file ‘OmbaiNorth_deploy1_140m_3518.mat’ adalah sebagai berikut

Gambar 4.1 Isi data mentah dari ADCP di Ombai North

Pada Gambar 4.1 menunjukkan bahwa ADCP diletakkan pada titik 125.0027 o BT dan
8.4016o LS dengan merekam data pada 11 kedalaman perairan dengan jumlah data per
layernya adalah 27090 dengan data yang tersimpan seperti temperatur, tekanan, kecepatan
U dan Kecepatan V (Lihat Gambar 4.2).

10
 (a)

(b)
Gambar 4.2 Data kecepatan arus di Ombai North (a) Kecepatan U (b) Kecepatan V
4.1.2 Pembacaan Data di Lokasi Lombok West
Pembacaan data dari file ‘LombokWest_deploy1_140m_3517.mat’ adalah sebagai berikut

11
 Gambar 4.3 Isi data mentah dari ADCP di Lombok West
Pada Gambar 4.3 menunjukkan bahwa ADCP diletakkan pada titik 115.7592 o BT dan
8.4390o LS dengan merekam data pada 11 kedalaman perairan dengan jumlah data per
layernya adalah 26430 dengan data yang tersimpan seperti temperatur, tekanan, kecepatan
U dan Kecepatan V (Lihat Gambar 4.4).

(a)

12
 (b)
Gambar 4.4 Data kecepatan arus di Lombok West (a) Kecepatan U (b) Kecepatan V

4.2 Pencairan Data Hilang dan Penghilangan Harga Rata-Rata

4.2.1 Pencairan Data Hilang dan Penghilangan Harga Rata-Rata di Ombai North
Pada setiap pengukuran terdapa beberapa kesalahan pencatatan sehingga didapatkan data
yang hasilnya Not a Number (NaN). Hal ini yang baiknya dalam analisis data data ini
dibuang. Pada Tabel 4.1 menunjukkan jumlah data yang hilang pada pengukuran kecepatan
arus di Ombai North yang hasilnya semakin dalam kedalaman layer maka data Not a Number
(NaN) semakin banyak. Pada Gambar 4.5 dan Gambar 4.6 menunjukkan hasil grafik
kecepatan U dan V setelah dilakukan penghilangan harga rata-rata atau detrend.
Tabel 4.1 Jumlah data kecepatan yang hilang di Ombai North
Layer Vel U Vel V
1 1084 1084
2 1084 1084
3 1084 1084
4 1084 1084
5 1084 1084
6 1084 1084
7 1122 1122
8 1164 1164
9 2047 2047
10 5752 5752
11 10607 10607

13
Gambar 4.5 Plot Velocity-U Sebelum dan Setelah Detrend Ombai North

Gambar 4.6 Plot Velocity-V Sebelum dan Setelah Detrend Ombai North

14
4.2.2 Pencairan Data Hilang dan Penghilangan Harga Rata-Rata di Lombok West
Pada Tabel 4.2 menunjukkan jumlah data yang hilang pada pengukuran kecepatan arus di
Lombok West yang hasilnya semakin dalam kedalaman layer maka data Not a Number
(NaN) semakin banyak. Pada Gambar 4.7 dan Gambar 4.8 menunjukkan hasil grafik
kecepatan U dan V setelah dilakukan penghilangan harga rata-rata atau detrend.
Tabel 4.2 Jumlah data kecepatan yang hilang di Lombok West
Layer Vel U Vel V
1 1341 1341
2 1382 1382
3 1341 1341
4 1341 1341
5 1341 1341
6 1342 1342
7 20403 20403
8 20446 20446
9 20781 20781
10 21750 21750
11 24049 24049

Gambar 4.7 Plot Velocity-U Sebelum dan Setelah Detrend Lombok West

15
 Gambar 4.8 Plot Velocity-V Sebelum dan Setelah Detrend Lombok West

4.3 Pencarian dan Penghitungan Parameter Statistik

4.3.1 Pencarian dan Penghitungan Parameter Statistik di Ombai North
Pada Tabel 4.3 menunjukkan hasil parameter statistik di Ombai North seperti rata-rata,
median, nilai maksimum, nilai minimum, standart deviasi, dan varian. Pada Tabel 4.3 dapat
dilihat bahwa data memiliki nilai standar deviasi yang kecil pada setiap parameter, yang
berarti data tersebut memiliki keseragaman sampel yang rendah.

Tabel 4.3 Hasil perhitungan parameter statistik di Ombai North

Parameter
Kecepatan u Kecepatan v
Statistik

Mean -0.0201 -0.0013

Median 0.0310 0.0010
Maximum 1.0120 0.6080
Minimum -1.2630 -0.6190
Varian 0.1417 0.0202
Standard
0.3764 0.1423
Deviasi

16
4.3.2 Pencarian dan Penghitungan Parameter Statistik di Lombok West
Pada Tabel 4.4 menunjukkan hasil parameter statistik di Lombok West seperti rata-rata,
median, nilai maksimum, nilai minimum, standart deviasi, dan varian. Pada Tabel 4.4 dapat
dilihat bahwa data memiliki nilai standar deviasi yang kecil pada setiap parameter, yang
berarti data tersebut memiliki keseragaman sampel yang rendah.

Tabel 4.4 Hasil perhitungan parameter statistik di Lombok West

Parameter
Kecepatan u Kecepatan v
Statistik

Mean -0.0380 -0.2301

Median -0.0510 -0.2850
Maximum 0.7170 1.1150
Minimum -0.5620 -0.8580
Varian 0.0223 0.0800
Standard
0.1494 0.2829
Deviasi

4.4 Plot Distribusi Data

4.4.1 Plot Distribusi Data di Ombai North
Pada Gambar 4.9 menunjukkan bahwa kecepatan U atau kecepatan pada arah X paling
banyak berkisar diantara 0 – 0,5 m/s sedangkan pada kecepatan V yang diperlihatkan pada
Gambar 4.10 paling banyak berkisar diantara 0 – 0,2 m/s.

Gambar 4.9 Histogram Distribusi Data Velocity-U di Ombai North

17
Gambar 4.10 Histogram Distribusi Data Velocity-V di Ombai North

(a)

18
 (b)
Gambar 4.11 (a) Kecepatan arus rata-rata per kedalaman , (b) Kecepatan arus rata-rata per
kedalaman komponen U dan V di Ombai North

Pada Gambar 4.11 menunjukkan feather plot kecepatan arus rata-rata dapat terlihat pada
grafik tersebut bahwa data kecepatan arus terbesar berada di kedalaman 146,31 m.
Kecepatan arus dari permukaan ke dasar semakin bertambah hingga kedalaman 146,31 m,
kemudian turun kembali di kedalaman 178,31 m. Arus dominan bergerak arah-U
dibandingkan dengan arah-V.

4.4.2 Plot Distribusi Data di Lombok West

Pada Gambar 4.12 menunjukkan bahwa kecepatan U atau kecepatan pada arah X paling
banyak berkisar diantara 0 – -0.4m/s sedangkan pada kecepatan V yang diperlihatkan pada
Gambar 4.13 paling banyak berkisar diantara -0.5 – -0.8 m/s.

19
Gambar 4.12 Histogram Distribusi Data Velocity-U di Lombok West

Gambar 4.13 Histogram Distribusi Data Velocity-V di Lombok West

20
 (a)

(b)
Gambar 4.14 (a) Kecepatan arus rata-rata per kedalaman , (b) Kecepatan arus rata-rata per
kedalaman komponen U dan V di Lombok West

Pada Gambar 4.14 menunjukkan feather plot kecepatan arus rata-rata dapat terlihat pada
grafik tersebut bahwa data kecepatan arus terbesar berada di kedalaman 162,31 m.
Kecepatan arus dari permukaan ke dasar semakin bertambah hingga kedalaman 162,31m,

21
kemudian turun kembali di kedalaman 162,31 m. Arus dominan bergerak arah-V
dibandingkan dengan arah-U.

4.5 Visualisasi Data

Pada Gambar 4.15 menunjukkan scatter plot antara data kecepatan-U pada layer 1 atau
permukaan dari data Ombai North dan Lombok West yang menunjukkan pola yang acak
sehingga dapat disimpulkan bahwa kedua data tersebut tidak memiliki hubungan antara
keduanya karena hasil visualisasi datanya tidak menunjukkan kecenderungan nilai-nilai
tertentu. Pada Gambar 4.16 yang menunjukkan scatter plot antara data kecepatan-V pada
layer 1 atau permukaan dari data Ombai North dan Lombok West yang menunjukkan pola
yang acak sehingga dapat disimpulkan bahwa kedua data tersebut tidak memiliki hubungan
antara keduanya. Sehingga, dapat disimpulkan bahwa data kecepatan arus pada Ombai North
dan Lombok West tidak mempunyai hubungan yang kuat. Hal ini diperjelas dengan Gambar
4.17 dan Gambar 4.18 yang menunjukkan bahwa pola scatter antara kedua data tersebut
acak dan tidak terpengaruh pada nilai tertentu yang dapat disimpulkan bahwa kedua data
tersebut tidak memiliki hubungan yang kuat.

Gambar 4.15 Visualisasi Data Velocity-U dari data Ombai North dan Lombok West

22
Gambar 4.16 Visualisasi Data Velocity-V dari data Ombai North dan Lombok West

Gambar 4.17 Plot matriks Velocity-U dari data Ombai North dan Lombok West

23
 Gambar 4.18 Plot matriks Velocity-V dari data Ombai North dan Lombok West

4.6 Nilai Korelasi dan Nilai Kovarian

Pada Tabel 4.5 menunjukkan bahwa nilai korelasi antara data arus Ombai North dan Lombok
West berkisar dari 0.1555 hingga 0.0182, hal ini berarti korelasi antara kedua data ini rendah
sehingga dapat dikatakan tidak ada hubungan yang kuat antara kedua data ini.
Tabel 4.5 Nilai korelasi antara data arus Ombai North dan Lombok West

U- Lombok V- Lombok
West West
U- Ombai
0.1356 0.1555
North
V- Ombai
0.0182 0.0351
North

Pada Tabel 4.6 menunjukkan bahwa hubungan antara data arus Ombai North dan Lombok
West, apabila kovarian menunjukkan angka positif maka mempunyai hubungan yang positif
contohnya ketika kecepatan U di Ombai North naik maka kecepatan U di Lombok West juga
naik. Pada Gambar 4.19 dan Gambar 4.20 menunjukkan bahwa koefisien korelasi antara
data Ombai North dan Lombok West hanya mencapai 0,3. Berdasarkan referensi yang ada,

24
mengatakan bahwa jika nilai koefisien korelasi 0 hingga 0,2 maka dapat dikatakan sangat
rendah korelasi antar kedua data tersebut.
Tabel 4.6 Nilai kovarian antara data arus Ombai North dan Lombok West

U- Lombok V- Lombok
West West
U- Ombai
0.0965 0.0212
North
V- Ombai
0.0102 0.0162
North

Gambar 4.19 Koefisien Korelasi Velocity-U Ombai North dan Lombok West

Gambar 4.20 Koefisien Korelasi Velocity-V Ombai North dan Lombok West

25
4.7 Pencarian Noise (Gangguan) pada Data Set dengan menggunakan Fasilitas
Filtering juga Pencarian dan Plot Frekuensi Penting
4.7.1 Filtering data arus Ombai North

Gambar 4.21 Frekuensi Penting Data Velocity-U Ombai North

Gambar 4.22 Frekuensi Penting Data Velocity-V Ombai North

Pada Gambar 4.21 menunjukkan bahwa frekuensi penting berada pada frekuensi yang
rendah, untuk kecepatan U frekuensi penting berada pada batas frekuensi 0.04, sehingga
filter low-pass sangat baik untuk data kecepatan U. Gambar 4.22 untuk kecepatan V
menunjukan juga frekuensi penting pada frekuensi rendah dengan batas atas frekuensinya
0.05.

26
4.7.2 Filtering data arus Lombok West
Pada Gambar 4.23 dan Gambar 4.24 menunjukkan bahwa frekuensi penting berada pada
frekuensi yang rendah, dengan batas atas frekuensi 0.06 untuk kecepatan U dan V, sehingga
filter low-pass sangat baik untuk data kecepatan U

Gambar 4.23 Frekuensi Penting Data Velocity-U Lombok West

Gambar 4.24 Frekuensi Penting Data Velocity-V Lombok West

27
 BAB V
KESIMPULAN

Berdasarkan hasil dan pembahasan yang telah dilakukan, maka dapat diambil kesimpulan
terkait mini project ini yaitu,
1. Pola arus laut di lokasi Ombai North dominan merupakan arus U yang artinya arus
dominan bergerak dari Barat-Timur atau sebaliknya. Lombok West dominan merupakan
arus V yang artinya arus dominan bergerak dari Utara-Selatan atau sebaliknya.
2. Data yang hilang dari kedua data set sebanyak 27.196 (Ombai North) dan 115.517
(Lombok West).
3. Dari parameter statistik didapatkan kesimpulan nilai parameter statistik Lombok West
lebih tinggi dari Ombai North.
4. Plot matrix dari kedua data set melihatkan sebaran data yang cukup lebar, artinya kedua
data set mempunyai perbedaan yang cukup signifikan.
5. Berdasarkan analisis secara visual dan perhitungan korelasi dan kovarian, hubungan
antara data arus Ombai North dan Lombok West tidak mempunyai hubungan yang kuat
namun mempunyai hubungan yang positif yaitu ketika kecepatan di salah satu tempat
naik maka tempat lainnya juga akan naik.
6. Hasil filtering untuk kecepatan arus u dan v yang lebih cocok adalah menggunakan low
pass.

28
 DAFTAR PUSTAKA

Surbakti, H., 2015. PENUNTUN PRAKTIKUM OSEANOGRAFI FISIKA.

Fieux, M., C. Andrie, A.G. Ilahude, N. Metzl, R. Molcard and J.C. Swallow. 1995.
Hydrological and Chlorofluoromenthanes Measurements At The Entrance Of The
Through Flow Into The Indian Ocean. Journal Geo-Physical Research.
Gordon A.L. 1986. Interocean Exchange Of Thermolic Water. Journal Geophysical
Research 91 : 5037-5046
Wyrtki K. 1987. Indonesia Through And The Associated Pressure Gradient, Journal Of
Geophysical Research 92 : 12941-12946.
Bernawis, Lamona I. 2000. Temperature and Pressure Responses On El-Nino 1997 And La-
Nina 1998 in Lombok Strait. Proc. The Jsps-Dghe International Symposium On
Fisheries Science In Tropical Area.
Urick, R.J., 1979. Sound Propagation in the Sea. The Catholic University of America,
Washington D.C.

29
LAMPIRAN
DAFTAR LAMPIRAN

L-1
Lampiran 1. Script Pengerjaan Mini Project
clear all
close all
clc

load ('LombokWest_deploy1_140m_3517.mat')
whos

%EXPLORE DATA
NAME = getfield(s,'mooringName');
NAME1 = getfield(s,'meterType');
LAT = getfield(s,'latitude');
LONG = getfield(s,'longitude');
TEMPERATURE = getfield(s,'temperature');
VEL_U = getfield(s,'u');
VEL_V = getfield(s,'v');
TIME = getfield(s,'time');
PRESSURE = getfield(s,'pressure');
WATERDEPTH = getfield(s,'waterDepth');
RANGE = getfield(s,'range');
datevec(TIME(1))

d_O=11; %pendekatan jumlah data kedalaman

yang tidak ada Nan
tleg=cell(d_O,1);
for d=1:d_O;
tleg{d}=['d = ' num2str(RANGE(d)) ' m'];
end

%figure(1)
plot(TIME,VEL_U)
colormap(jet);
grid
xlabel ('Time')
ylabel ('Velocity in U dir (m/s)')
datetick('x',2)
title ('Graphic of Current Velocity (U) in Lombok West')
legend(tleg,'Location','northeastoutside');
%saveas(gcf,'[Lombok West] Time vs Vel U.png')

%figure(2)
plot(TIME,VEL_V)
colormap(jet);
grid
xlabel ('Time')

L-2
ylabel ('Velocity in V dir (m/s)')
datetick('x',2)
title ('Graphic of Current Velocity (V) in Lombok West')
legend(tleg,'Location','northeastoutside');
%saveas(gcf,'[Lombok West] Time vs Vel V.png')

% MENCARI DATA YANG HILANG DAN MENGHILANGKAN DATA NaN

U1 = VEL_U(:,1);
nvu = find(~isnan(U1)); %Mencari Data yang bukan NaN
Uu1 = VEL_U(nvu); %Pengelompokan data yang
bukan NaN
svu = sum(isnan(VEL_U)); %Jumlah Data yang NaN

V1 = VEL_V(:,1);
nvv = find(~isnan(V1));
Vv1 = VEL_V(nvv);
svv = sum(isnan(VEL_V));

%MENCARI LOKASI DATA Mencari Lokasi Data (Mean dan

Median) dan
%MENGHITUNG NILAI MAKSIMUM, MINIMUM, STANDARD DEVIASI,
DAN VARIANCE

mU1=nanmean(Uu1); %nilai rata-rata dari data suhu yang

bukan NaN
mU2=nanmedian(Uu1); %nilai median dari data suhu yang
bukan NaN
mU3=nanmax(Uu1); %nilai max dari data suhu yang bukan
NaN
mU4=nanmin(Uu1); %nilai min dari data suhu yang bukan
NaN
mU6=nanstd(Uu1); %nilai standar deviasi dari data
suhu yang bukan NaN
mU7=nanvar(Uu1); %nilai variance dari data suhu yang
bukan NaN

mV1=nanmean(Vv1);
mV2=nanmedian(Vv1);
mV3=nanmax(Vv1);
mV4=nanmin(Vv1);
mV6=nanstd(Vv1);
mV7=nanvar(Vv1);

a1data1=[mU1,mV1;mU2,mV2;mU3,mV3;mU4,mV4;mU7,mV7;mU6,mV6
];

%PLOT DISTRIBUSI DATA

L-3
%figure(3)
hist(VEL_U); %plot histogram data kecepatan arus
arah x
colormap(jet);
title('Plot The Histogram of Velocity-U in X Direction')
xlabel('Velocity-U (m/s)')
ylabel('Amount of Data')
legend(tleg)
%saveas(gcf,'[Lombok West] Plot The Histogram of
Velocity in X Direction.png')

%figure(4)
hist(VEL_V); %plot histogram data kecepatan arus
arah y
colormap(jet);
title('Plot The Histogram of Velocity-V in Y Direction')
xlabel('Velocity-V (m/s)')
ylabel('Amount of Data')
legend(tleg)
%saveas(gcf,'[Lombok West] Plot The Histogram of
Velocity in Y Direction.png')

%FILTERING DATA
figure(5)
colU = detrend(Uu1);
trend3 = Uu1-colU;
subplot(2,1,1)
plot(colU)
title('Plot Velocity-U After Detrend')
xlabel('Time')
ylabel('Velocity-U')
hold on
plot(trend3,'-r')
hold off
subplot(2,1,2)
plot(Uu1)
title('Plot Velocity-U Before Detrend')
xlabel('Time')
ylabel('Velocity-U')
hold on
plot(trend3,'-r')
saveas(gcf,'[Lombok West] Plot Velocity-U After
Detrend.png')
hold off

L-4
figure(6)
colV = detrend(Vv1);
trend4 = Vv1-colV;
subplot(2,1,1)
plot(colV)
title('Plot Velocity-V After Detrend')
xlabel('Time')
ylabel('Velocity-V')
hold on
plot(trend4,'-r')
hold off
subplot(2,1,2)
plot(Vv1)
title('Plot Velocity-V Before Detrend')
xlabel('Time')
ylabel('Velocity-V')
hold on
plot(trend4,'-r')
saveas(gcf,'[Lombok West] Plot Velocity-V After
Detrend.png')
hold off

[b1,a1]=butter(10,0.06); %Low-Pass Filter

[b2,a2]=butter(10,[0.06 0.5]); %Band-Pass Filter
[b3,a3]=butter(10,0.5,'high'); %High-Pass Filter

%Plotting Frekuensi Penting

yU1=filter(b1,a1,colU);
yU2=filter(b2,a2,colU);
yU3=filter(b3,a3,colU);

yV1=filter(b1,a1,colV);
yV2=filter(b2,a2,colV);
yV3=filter(b3,a3,colV);

figure(7)
%Plotting
subplot(3,1,1), plot(yU1);
%axis([0 25000 -3 3]);
title ('Low-Pass Filter Velocity-u')
xlabel('Time (seconds)')
ylabel('Velocity-u (m/s)')

subplot(3,1,2), plot(yU2);
%axis([0 25000 -3 3]);
title ('Band-Pass Filter Velocity-u ')
L-5
xlabel('Time (seconds)')
ylabel('Velocity-u (m/s)')

subplot(3,1,3), plot(yU3);
%axis([0 25000 -3 3]);
title ('High-Pass Filter Velocity-u ')
xlabel('Time (seconds)')
ylabel('Velocity-u (m/s)')
saveas(gcf,'[Lombok West] Filter U.png')

figure(8)
%Plotting
subplot(3,1,1), plot(yV1);
%axis([0 25000 -3 3]);
title ('Low-Pass Filter Velocity-v')
xlabel('Time (seconds)')
ylabel('Velocity-v (m/s)')

subplot(3,1,2), plot(yV2);
%axis([0 25000 -3 3]);
title ('Band-Pass Filter Velocity-v')
xlabel('Time (seconds)')
ylabel('Velocity-v (m/s)')

subplot(3,1,3), plot(yV3);
%axis([0 25000 -3 3]);
title ('High-Pass Filter Velocity-v')
xlabel('Time (seconds)')
ylabel('Velocity-v (m/s)')
saveas(gcf,'[Lombok West] Filter V.png')

%VELOCITY
% calculating mean velocity per depth
[bar,col]=size(VEL_V);

for i=1:col;
MeanV(i)=nanmean(VEL_V(:,i));
MeanU(i)=nanmean(VEL_U(:,i));
end
mag=sqrt(VEL_U.^2+VEL_V.^2);
% magm=sqrt(MeanU.^2+MeanV.^2);

w=zeros(size(MeanV));
x=zeros(size(MeanV));
y=zeros(size(MeanV));

%plot
L-6
s=1;

figure(9)
quiver3(x(1:s:end),y(1:s:end),-
RANGE(1:s:end)',MeanU(1:s:end),MeanV(1:s:end),w(1:s:end)
,0);
hold on;
plot3(MeanU(1:s:end),MeanV(1:s:end),-
RANGE(1:s:end),'r','Linewidth',2);
ylabel('y','Fontsize',12,'FontWeight','bold');
xlabel('x','Fontsize',12,'FontWeight','bold');
zlabel('depth [m]','Fontsize',12,'FontWeight','bold');
title('Plot Current Velocity per
Depth','Fontsize',12,'FontWeight','bold');
view(40,12);
saveas(gcf,'[Lombok West] Vektor Kecepatan Arus Rata-
rata Perkedalaman.png')

% PLOT The Velocity Distribution

DEPTH = [18.3100 34.3100 50.3100 66.3100 82.3100

98.3100 114.3100 130.3100 146.3100 162.3100
178.3100];
figure(10)
subplot(1,2,1), plot(MeanU,DEPTH,'-b',MeanU,DEPTH,'or')
title ('Depth Average Velocity-U')
grid
axis ij
xlabel('Mean Velocity U, m/s (+ sign:EAST; -
sign:WEST)')
ylabel('Depth, m')

subplot(1,2,2), plot(MeanV,DEPTH,'-b',MeanV,DEPTH,'or')
title ('Depth Average Velocity-v')
grid
axis ij
xlabel('Mean Velocity V, m/s (+ sign:NORTH; -
sign:SOUTH)')
ylabel('Depth, m')
saveas(gcf,'[Lombok West] Depth Average U and V.png')

L-7
Kovarian dan Korelasi
clear all
close all

arus_Ombai = load ('OmbaiNorth_deploy1_140m_3518.mat');

arus_Lombok = load ('LombokWest_deploy1_140m_3517.mat');
VelU_Ombai = getfield(arus_Ombai.s,'u');
VelV_Ombai = getfield(arus_Ombai.s,'v');
VelU_Lombok = getfield(arus_Lombok.s,'u');
VelV_Lombok = getfield(arus_Lombok.s,'v');

velu1=VelU_Ombai(3100:4860,1);
velu2=VelU_Lombok(2250:4010,1);
velv1=VelV_Ombai(3100:4860,1);
velv2=VelV_Lombok(2250:4010,1);

corr1=corr(velu1,velu2);
corr2=corr(velu1,velv2);
corr3=corr(velv1,velu2);
corr4=corr(velv1,velv2);
corelation=[corr1,corr2;corr3,corr4];
cov1=cov([velu1,velu2]);
cov2=cov([velu1,velv2]);
cov3=cov([velv1,velu2]);
cov4=cov([velv1,velv2]);
covarian=[cov1,cov2;cov3,cov4];
velu3=[velu1,velu2];
velv3=[velv1,velv2];

% Memvisualisasikan Data dalam Bentuk Matriks

velu=velu3(:,1:2);
% velv=VEL_V(:,1:2);

% Memvisualisasikan Data
figure(1)
scatter(velu1,velu2,'filled')
title('Plot Velocity-U vs Velocity-U dari data Ombai
North dan Lombok West')
xlabel('Velocity-U Ombai North (m/s)')
ylabel('Velocity-U Lombok West (m/s)')
%saveas(gcf,'[scatter1] Plot Velocity-U vs Velocity-
U.png')

figure(2)
scatter(velv1,velv2,'filled')

L-8
title('Plot Velocity-V vs Velocity-V dari data Ombai
North dan Lombok West')
xlabel('Velocity-V Ombai North (m/s)')
ylabel('Velocity-V Lombok West (m/s)')
%saveas(gcf,'[scatter2] Plot Velocity-V vs Velocity-
V.png')

figure(3)
plotmatrix(velu) %plotmatrix 2 data kecepatan arus arah
x di 2 kedalaman
title('Plot Matrix untuk Velocity-U dari data Ombai
North dan Lombok West')
xlabel('Velocity (m/s)')
ylabel('Velocity (m/s)')
%saveas(gcf,'[matrix1] Plotmatrix for velocity-u in 2
kinds of depth.png')

figure(4)
plotmatrix(velv3) %plotmatrix 2 data kecepatan arus arah
y di 2 kedalaman
title('Plot Matrix untuk Velocity-V dari data Ombai
North dan Lombok West')
xlabel('Velocity (m/s)')
ylabel('Velocity (m/s)')
%saveas(gcf,'[matrix2] Plotmatrix for velocity-v in 2
kinds of depth.png')

TSS = load('OmbaiNorth_deploy1_140m_3518.mat');
TR = load('LombokWest_deploy1_140m_3517.mat');

%Current Velocity Parameter of Ombai North Slope

PVTSS=TSS.s.v;
PUTSS=TSS.s.u;
DTSS=TSS.s.range;
PVTSS1=find(~isnan(PVTSS));
PUTSS1=find(~isnan(PUTSS));

%Current Velocity Parameter of Lombok West

PVTR=TR.s.v;
PUTR=TR.s.u;
DTR=TR.s.range;
PVTR1=find(~isnan(PVTR));
PUTR1=find(~isnan(PUTR));

%COVARIAN
cov_vTSS=cov(PVTSS1);
L-9
cov_uTSS=cov(PUTSS1);
cov_vTR=cov(PVTR1);
cov_uTR=cov(PUTR1);

n=20;
for i=1:n
b=(PUTSS((((i-1)*514)+1):(((i-1)*514)+1028)));
c=(PUTR((((i-1)*514)+1):(((i-1)*514)+1028)));
rxy(i,1:2055)=xcorr(b,c,'coeff');
end
tau=linspace(-1028*1.25,1027*1.25,2055);
tee=linspace(642.5,n*642.5,n)';

for i=1:n
b=(PVTSS((((i-1)*514)+1):(((i-1)*514)+1028)));
c=(PVTR((((i-1)*514)+1):(((i-1)*514)+1028)));
rxyv(i,1:2055)=xcorr(b,c,'coeff');
end
tau1=linspace(-1028*1.25,1027*1.25,2055);
tee1=linspace(642.5,n*642.5,n)';

PVTSS=PVTSS(find(~isnan(PVTSS)));
PUTSS=PUTSS(find(~isnan(PUTSS)));
PVTR=PVTR(find(~isnan(PVTR)));
PUTR=PUTR(find(~isnan(PUTR)));

figure(1)
waterfall(tau,tee,rxy);
title('Double-Time Cross-Correlation between u-velocity
Ombai North and Lombok West')
xlabel('tau (microseconds)')
ylabel('t (microseconds)')
zlabel('Normalized Rxy (tau,t)')
%saveas(gcf,'Double-Time Cross-Correlation between u-
velocity Ombai North and Lombok West.png')

figure(2)
waterfall(tau1,tee1,rxyv);
title('Double-Time Cross-Correlation between v-velocity
Ombai North and Lombok West')
xlabel('tau (microseconds)')
ylabel('t (microseconds)')
zlabel('Normalized Rxy (tau,t)')
%saveas(gcf,'Double-Time Cross-Correlation between v-
velocity Ombai North and

L-10