Perbandingan Analisa Pasang Surut Metode UTIDE dan Metode Admiralty

Segara GIS September 16, 2025

 

Analisis pasang surut telah banyak dilakukan, pada umumnya analisa pasang surut dikenal cara konvensional dan metode Admiralty (Pasaribu dkk, 2022).  Serta telah  banyak di kembangkan oleh para peneliti dan akademisi. Metode klasik memiliki keterbatasan dalam fleksibelitas dan akurasi ketika diterapkan pada data dengan durasi panjang sehingga akan membutuhkan lebih banyak waktu.

Sebagai alternatif, UTIDE (Unified Tidal Analysis and Prediction) yang dikembangkan oleh Daniel L. Codiga (2011) dan telah hadi sebagai Pustaka berbasis python dengan pendekatan analisis harmonik secara numerik dan modern. Pustaka UTIDE dapat melakukan dekomposisi sinyal pasang surut dan memprediksi pasang surut dimasa depan, namun implemntasi UTIDE memerlukan kemampuan teknis dalam pemrogaman python dan tidak semua pihak menguasai.

Keterbatasan dalam kemampuan teknis pemrogaman tersebut ,diperlukan upaya membangun aplikasi untuk mempermudah dalam melakukan analisa pasang surut.  Implementasi Pustaka UTIDE dikembangkan dalam sebuah aplikasi berbasis web dengan menggunakan Framework Sreamlit dengan memanfaatkan kecerdasan buatan (Artificial Intelligence) untuk membantu dalam penyusunan dan mempercepat proses pembuatan aplikasi. 


METODE

A.    Analisa Pasang Surut

Data pasang surut diperoleh dari hasil prediksi yang berlokasi di Meulaboh dengan koordinat : 04 07 38.74 U 96 07 54.48 T, dimana data ini merupakan prediksi yang dilakukan oleh Pusat Hidro-Oseanografi TNI Angkatan Laut Jakarta yang dibukukan dengan judul “Tabel Pasang Surut Kepulauan Indonesia 2025” dan data yang diambil pada tanggal 01 – 29 Januari 2025 (Pasang Surut Observasi), dimana dalam analisa pasang surut menggunakan 29 piantan

B.    Analisis Pasang Surut

Analisa pasang surut dilakukan dengan memanfaatkan armoni UTIDE dan metode Admiralty, Pustaka UTIDE diakses dengan memanfaatkan software python. Dalam penyusunan script ini menggunakan Framework Stramlit untuk mengimplementasikan Pustaka UTIDE menjadi aplikasi berbasis web agar tampilan interaktif dan mudah digunakan. Selain itu, metode Admiralty juga dilakukan sebagai pembanding hasil dari analisa pasang surut dengan UTIDE.

Kedua metode ini menunjukkan kompenen harmonik, dengan konstanta utama seperti M2, S2, K1, O1, dsb , yang akan digunakan dalam menghitung nilai formzahl untuk mengetahui tipe pasang surut dan menghitung nilai elevasi penting. Persamaan nilai Formzahl berdasarkan Pugh, D. T. (1987) :

Dari nilai tersebut selanjutnya diklasifikasi sebagai berikut :

0 < F ≤ 0,25      : Pasang surut harian ganda (semidiurnal)

0,25 < F ≤ 1,50 : Pasang surut campuran condong ke harian ganda

1,5 < F ≤ 3,0     : Pasang surut campuran condong ke harian tunggal

F > 3,0               : Pasang surut harian armoni (diurnal).

Nilai elevasi penting yang digunakan yakni MSL (Mean Sea Level), LWS (High Water Spring)  dan HWS (Low Water Spring), persamaanya sebagai berikut :

 

C.   Perbandingan UTIDE dengan Metode Admiralty

Komponen harmonik yang diperoleh dari kedua metode dilakukan prediksi ulang sesuai tanggal pasang surut observasi dan dilakukan beberapa pengujian untuk melihat akurasi dan perbedaan dari hasil analisa pasang surut. Pengujian tersebuat terdiri dari RMSE, Regresi Linear dan ANOVA.

D.   Integrasi Kecerdasan Buatan (Artificial Intelligence)

Kecerdasan buatan (Artificial Intelligence) dalam pengembangan aplikasi berbasisi web digunakan secara selektif sehingga dapat meningkatkan efisiensi dan mempercepat pengembangan. ChatGPT (oleh OpenAI) digunakan sebagai asisten dalam menyusun kode python terutama dalam menyelesaikan error, fungsi tertentu dan komputasi numerik, sedangkan Blackbox dimanfaatkan dalam eksplor dan inspirasi dalam penyusunan streamlit. Namun demikian, seluruh struktur logika perhitungan dan algoritma utama dirancang langsung oleh peneliti,


HASIL DAN PEMBAHASAN

A.   Analisa Pasang Surut UTIDE

Tabel 1 Komponen harmonik - UTIDE

 

S0

M2

S2

N2

K1

O1

M4

MS4

K2

P1

A cm

50

14.33

6.80

3.87

8.99

6.23

1.07

0.51

2.15

2.90

g°

 

224.23

269.05

235.57

294.39

260.43

16.58

344.50

267.47

291.99

Tipe pasang surut menunjukkan tipe pasang surut campuran condong ke harian ganda, dimana dilihat dari nilai formzahl sesuai dengan persamaan (1) sebesar 0.7205. Selain tipe pasang surut, didapatkan nilai MSL sebsar 50 cm, LWS 3.15 cm dan HWS 96.85.

Prediksi pasang surut pada tanggal sesuai observasi dilakukan untuk melihat akurasi data prediksi dengan cara pengujian RMSE dan Koefisien Korelasi, Menurut Goel (2011) Pengujian RMSE dan Koefisien Korelasi digunakan sebagai kriteria tingkat kesalahan. Nilai RMSE dan Koefisien Korelasi menunjukkan nilai yang akurat, yakni 3.07 cm dan  0.978 (97.8%). Kedua pengujian tersebut menunjukkan bahwa kesalah antara data sebesar 3.07 cm dan antara data oberservasi dengan data prediksi memiliki hubungan yang tinggi sebesar 97.8%. Pada grafik perbandingan antara data observasi dan data prediksi dengan metode UTIDE juga menunjukkan hasil yang cukup bagus, diliat pada residual nya berfluktuatif namun tidak terlalu tinggi serta kesalah tertinggi sebesar 8.36 cm.


B.   Analisa Pasang Surut Metode Admiralty

Metode admiralty dilakukan sebagai pembanding dari analisa pasang surut UTIDE (Unified Tidal Analysis and Prediction) serta data prediksi pasang surut prediksi dari Pusat Hidro-Oseanografi TNI Angkatan Laut Jakarta digunakan sebagai data observasi. Metode admiralty menghasilkan 9 komponen harmonik yang dapat dilihat pada tabel berikut :

Tabel 2 Komponen harmonik - Metode Admiralty

 

S0

M2

S2

N2

K1

O1

M4

MS4

K2

P1

A cm

50

14.44

6.23

4.81

8.14

4.98

1.16

0.71

1.68

2.69

g°

 

204.72

273.31

339.69

247.54

287.02

345.32

324.28

273.31

247.54

Komponen harmonik yang diperoleh digunakan sebagai perhitungan selanjutnya yakni nilai formzahl, prediksi pasang surut dan elevasi penting. Nilai formzahl diperoleh sebesar 0.6344 dimana nilai masuk dalam tipe pasang surut campuran condong ke harian ganda dengan elevasi MSL, LWS dan HWS sebesar : 50 cm, 5.16 cm, dan 94.84 cm. Selnjutnya, merujuk hasil RMSE dan Koefisien Korelasi menunjukkan hasil yang cukup bagus, yakni 8.42 cm dan 0.829 (82.9 %)


C.   Perbandingan Hasil Analisa Kedua Metode

Perbandingan ini bertujuan untuk melihat tingkat akurasi dari aplikasi berdasarkan Pustaka UTIDE (Unified Tidal Analysis and Prediction), Adapun rekapitulasi nya sebagai berikut :

Tabel 3 Perbandingan Analisa Pasang Surut Aplikasi UTIDE dan Metode Admiralty

Kategori

Admiralty

UTIDE

Komponen Harmonik

 

A cm

g°

A cm

g°

S0

50

 

50

 

M2

14.44

204.72

14.33

224.23

S2

6.23

273.31

6.80

269.05

N2

4.81

339.69

3.87

235.57

K1

8.14

247.54

8.99

294.39

O1

4.98

287.02

6.23

260.43

M4

1.16

345.32

1.07

16.58

MS4

0.71

324.28

0.51

344.50

K2

1.68

273.31

2.15

267.47

P1

2.69

247.54

2.90

291.99

Nilai Formzahl

0.6344

0.7205

RMSE (cm)

8.42

3.07

Koefisien Korelasi

82.9%

97.8%

Anova

P Value < 0.05

P Value < 0.05

KESIMPULAN

Adapun kesimpulan dari penelitian ini sebagai berikut :

  • Pengembangan aplikasi pasang surut berbasis pustaka UTIDE dengan dukungan kecerdasan buatan berhasil menghasilkan alat analisis yang akurat, efisien, dan mudah digunakan.
  • Pustaka UTIDE yang digunakan menunjukkan akurasi yang baik dilihat dari nilai RMSE sebesar 3,07 cm dan koefisien korelasi sebesar 97,8%, yang lebih unggul dibandingkan metode Admiralty dengan RMSE 8,42 cm dan korelasi 82,9%.
  • Tipe pasang surut dari kedua metode menunjukkan tipe pasang surut yang sama, yaitu campuran condong ke harian ganda berdasarkan nilai Formzahl
  • Hasil uji ANOVA menyimpulkan tidak terdapat perbedaan signifikan secara statistik antara hasil prediksi dari UTIDE, Admiralty, dan data observasi, sehingga keduanya valid digunakan dalam studi pasut.
  • Aplikasi UTIDE yang dikembangkan memiliki keunggulan ntegrasi otomatis dari analisis, visualisasi, dan ekspor data dalam platform yang ramah pengguna, dibandingkan metode admiralty


REFERENSI

Codiga, D. L. (2011). Unified tidal analysis and prediction using the UTide Matlab package. Technical Report 2011-01.
Bowman, W. (n.d.). UTide (Python implementation). GitHub. https://github.com/wesleybowman/UTide

Goel, A. (2011). ANN‐Based Approach for Predicting Rating Curve of an Indian River. International Scholarly Research Notices, 2011(1), 291370.

Pasaribu, R. P., Sewiko, R., & Arifin, A. (2022). Penerapan Metode Admiralty Untuk Mengolah Data Pasang Surut Di Perairan Selat Nasik-Bangka Belitung. Jurnal Ilmiah PLATAX, 10(1), 146-160.

Pugh, D. T. (1987). Tides, surges and mean sea level.

Pusat Hidro-Oseanografi TNI Angkatan Laut, Tabel Pasang Surut Kepulauan Indonesia 2025, Jakarta, hlm 26.

Yusrana, R. D., Yukandri, Y., Nurdin, N., Pranatawijaya, V. H., & Sari, N. N. K. (2024). IMPLEMENTASI KECERDASAN BUATAN DALAM PENGEMBANGAN APLIKASI MOBILE BINARYTALKHUB. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 6075-6081.


💙 Dukung Kami


Segara GIS

Diposting oleh Segara GIS

Posting Komentar

0 Komentar