EASYWAVE UNTUK PERAMALAN DATA GELOMBANG ...

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

20

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 : [email protected]

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

1.1 Latar Belakang

Gelombang adalah suatu fenomena laut yang sangat penting untuk diketahui. Informasi mengenai gelombang laut digunakan dalam banyak kegiatan yang berhubungan dengan

kemaritiman seperti transportasi laut, eksplorasi lepas pantai, perikanan, pembangunan pelabuhan, keselamatan pelayaran, dan pengembangan wilayah pesisir, dan mitigasi pantai1. Fenomena gelombang yang ada di laut sendiri utamanya merupakan hasil transfer energi oleh embusan


21

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.


22

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/easywave. 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:


23

H = Ks H0

Dengan H0 adalah tinggi gelombang laut dangkal. Tinggi gelombang perairan dangkal yang hendak dihitung adalah tinggi gelombang pada kedalaman 1 meter.

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 menjadi energi listrik (Lisboa et al., 2019). 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 ≈

0,9Tmax dalam satuan sekon (Gonçalves et al., 2014).

3. Hasil dan Pembahasan 3.1 Peramalan Gelombang Laut Dalam Per

Musim

Gambar 4. Mawar angin musim barat Sumber: Easywave

Gambar 3. Diagram alir peramalan gelombang menggunakan Easywave


24

Gambar 5. Mawar angin musim timur Sumber: Easywave

Gambar 6. Mawar angin musim peralihan I Sumber: Easywave

Gambar 7. Mawar angin musim peralihan II Sumber: Easywave

Gambar 8. Fetch Musim Barat & Peralihan I Sumber: Easywave

Gambar 9. Fetch Musim Timur & Peralihan II 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 (s) T(s) Hmax

(m) Hs (m) Hmin (m) d

(m) L0 d/L0 Eff.

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


25

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


26

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)

Hasil Easywave

Tmax(s)

Pengukuran Lapangan

Mean Relative

Error (MRE) (%)

Hmax (m)

Hasil Easywave

Hmax (m)

Pengukuran Lapangan

Mean Relative Error (MRE)

(%)

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

Hasil tersebut menunjukkan bahwa persentase MRE data periode gelombang yang diperoleh termasuk ke dalam rentang persentase MRE data periode gelombang penelitian sebelumnya. Berdasarkan hal tersebut, maka perolehan nilai periode gelombang hasil Easywave termasuk akurat.

Berdasarkan hasil verifikasi data yang terdapat pada Tabel 2, diketahui bahwa baik untuk parameter tinggi gelombang maksimum maupun periode gelombang, tingkat akurasi yang didapat tergolong pada tingkat akurasi yang tinggi. Verifikasi data diperlukan untuk memastikan bahwa data hasil peramalan yang dilakukan dapat merepresentasikan kondisi yang biasa terjadi di lapangan. Dengan

tingginya tingkat akurasi data, maka hasil peramalan data tinggi gelombang maksimum serta periode gelombang yang ada dapat dijadikan bahan pertimbangan dalam suatu proses perencanaan pembangunan tepi pantai atau perencanaan pelayaran.

3.3 Tinggi Gelombang Laut Dangkal Per Musim

Tabel 3. Perbandingan tinggi gelombang laut dangkal setiap musim

Musim Barat

Musim Peralihan

I

Musim Timur

Musim Peralihan II

H (m) 0,576 0,564 0,887 0,846


27

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 Barat

Musim Peralihan

I

Musim Timur

Musim Peralihan

II

Pw (kW/m)

0,74 0,70 2,11 1,92

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


28

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.


29

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.

EASYWAVE UNTUK PERAMALAN DATA GELOMBANG ...

Documents

Transcript of EASYWAVE UNTUK PERAMALAN DATA GELOMBANG ...