Bab 3. Pengumpulan dan Pengolahan Data. Bab 3 Pengumpulan dan Pengolahan Data. 3.1 Pengumpulan Data

Bab 3 Pengumpulan dan Pengolahan Data

Bab 3 Pengumpulan dan Pengolahan Data 3.1

Pengumpulan Data

Pemodelan propagasi akustik bawah air di Samudera Hindia memerlukan data-data sebagai berikut: 1.

Kecepatan suara.

2.

Temperatur.

3.

Salinitas.

4.

Batimetri.

Data-data tersebut diambil di 12 lokasi Samudera Hindia. Nama dan letak astronomis masing-masing lokasi disajikan pada Tabel 3.1. Lokasi pengambilan data ditampilkan pada Gambar 3.1 dan 3.2. Gambar karakteristik perairan berupa temperatur, salinitas dan kecepatan suara untuk masing-masing lokasi diperoleh dengan menggunakan perangkat lunak Microsoft Excel. Tabel 3. 1 Lokasi Pengambilan Data No

Stasiun

1 2 3 4 5 6 7 8 9 10 11 12

GeoB10044-1 GeoB10045-2 GeoB10048-2 GeoB10049-2 GeoB10051-2 GeoB10052-2 GeoB10053-2 GeoB10054-2 GeoB10055-2 GeoB10057-2 GeoB10061-2 GeoB10062-2

Laporan Tugas Akhir Tze Wen 155 03 015

Garis Bujur (0BT) 109.014 109.021 108.147 110.497 110.498 110.63 112.872 112.668 113.051 113.106 115.024 115.992

Garis Lintang (0LS) 8.5 8.74317 8.253 8.7848 9.294 8.69 8.675 8.681 9.249 9.821 9.729 11.163

3-1

Bab 3 Pengumpulan dan Pengolahan Data

Gambar 3. 1 Lokasi Pengambilan Data

GeoB10044-1 GeoB10048-2 GeoB10045-2

GeoB10049-2

GeoB10051-2

GeoB10052-2

GeoB10053-2 GeoB10054-2

GeoB10055-2 GeoB10061-2 GeoB10057-2

GeoB10062-2

Gambar 3. 2 Lokasi Stasiun Pengambilan Data

Laporan Tugas Akhir Tze Wen 155 03 015

3-2

Bab 3 Pengumpulan dan Pengolahan Data 3.2

Pengolahan Data

Data hasil pengukuran akan digunakan sebagai input dalam pemodelan propagasi akustik bawah air di Samudera Hindia. Pengolahan data bertujuan untuk menentukan persamaan empiris kecepatan suara yang dapat mewakili kondisi perairan di lokasi pemodelan. Profil kecepatan suara dianggap hanya bergantung pada 3 faktor, yakni temperatur (T), salinitas (S) dan kedalaman (z). Persamaan empiris yang mewakili berupa persamaan yang memiliki error terkecil bila dibandingkan dengan data pengukuran. 3.3

Karakteristik Samudera Hindia

3.3.1

Karakteristik Temperatur di Samudera Hindia

Profil temperatur dapat dibagi ke dalam 3 macam lapisan yaitu lapisan well-mixed, termoklin dan isotermal. Lapisan well-mixed sangat dipengaruhi oleh pergerakan angin dan energi panas matahari yang diserap oleh permukaan laut. Lapisan well-mixed kerap teraduk-aduk sehingga memiliki perubahan temperatur yang kecil. Lapisan termoklin berupa lapisan yang nilai temperaturnya menurun drastis seiring dengan semakin dalamnya batimetri perairan. Kondisi ini terjadi karena lambatnya transfer energi panas dari permukaan laut. Lapisan isotermal berupa lapisan yang nilai temperaturnya relatif konstan, yakni berada pada kisaran 4-5 0C (anomali air yang paling berat). Karakteristik profil temperatur di laut secara umum ditampilkan pada Gambar 3.3. Grafik profil temperatur terhadap kedalaman di Samudera Hindia ditampilkan pada Gambar 3.4.

Gambar 3. 3 Karakteristik Profil Temperatur di Laut Secara Umum Laporan Tugas Akhir Tze Wen 155 03 015

3-3

Bab 3 Pengumpulan dan Pengolahan Data

Data Temperatur vs Kedalaman Temperatur (0C) 0

5

10

15

20

25

0

30

Stasiun 44-1 Stasiun 45-2

1000

Stasiun 48-2 Stasiun 49-2

Kedalaman (m)

2000

Stasiun 51-2 Stasiun 52-2

3000

Stasiun 53-2 Stasiun 54-2

4000 5000

Stasiun 55-2 Stasiun 57-2 Stasiun 61-2

6000

Stasiun 62-2

7000

Gambar 3. 4 Profil Temperatur Terhadap Kedalaman di Samudera Hindia 3.3.2

Karakteristik Salinitas di Samudera Hindia

Profil temperatur dapat dibagi ke dalam 3 macam lapisan yaitu lapisan well-mixed, haloklin dan isohaline. Lapisan well-mixed berupa lapisan yang memiliki perubahan salinitas yang sangat kecil. Lapisan haloklin berupa lapisan yang nilai salinitasnya naik secara drastis seiring dengan semakin dalamnya batimetri perairan. Lapisan isohaline berupa lapisan yang nilai salinitasnya relatif konstan, yakni berada pada kisaran 30-35 ppt. Karakteristik profil salinitas di laut secara umum ditampilkan pada Gambar 3.5. Grafik profil salinitas terhadap kedalaman di Samudera Hindia ditampilkan pada Gambar 3.6.

Laporan Tugas Akhir Tze Wen 155 03 015

3-4

Bab 3 Pengumpulan dan Pengolahan Data

Gambar 3. 5 Karakteristik Profil Salinitas di Laut Secara Umum

Data Salinitas Terhadap Kedalaman Data Salinitas (ppt) 31

32

0

32

33

33

34

34

35

35

36

Stasiun 44-1 Stasiun 45-2

1000

Stasiun 48-2

Kedalaman (m)

Stasiun 49-2 2000

Stasiun 51-2 Stasiun 52-2

3000

Stasiun 53-2 Stasiun 54-2

4000 5000

Stasiun 55-2 Stasiun 57-2 Stasiun 61-2

6000

Stasiun 62-2

7000

Gambar 3. 6 Profil Salinitas Terhadap Kedalaman di Samudera Hindia

Laporan Tugas Akhir Tze Wen 155 03 015

3-5

Bab 3 Pengumpulan dan Pengolahan Data 3.3.3

Karakteristik Kecepatan Suara di Samudera Hindia

Profil kecepatan suara juga dapat dibagi ke dalam 3 macam lapisan yaitu lapisan well-mixed, termoklin dan isotermal. Lapisan well-mixed sangat dipengaruhi oleh pergerakan angin dan perubahan temperatur (baik harian maupun lokal). Suara umumnya terperangkap pada lapisan ini. Kondisi tersebut dikenal dengan nama Sand Surface Duct. Kecepatan suara meningkat karena pengaruh tekanan. Lapisan termoklin berupa lapisan yang nilai kecepatan suaranya menurun drastis (berbanding lurus dengan penurunan nilai temperatur) seiring dengan semakin dalamnya batimetri perairan. Lapisan isotermal berupa lapisan yang nilai kecepatan suaranya meningkat karena pengaruh peningkatan tekanan. DSC terletak diantara lapisan termoklin dan isotermal. Pada perairan dangkal dan di sekitar lempeng benua, profil kecepatan suara cenderung tidak beraturan dan sulit untuk diprediksi. Profil kecepatan suara di perairan dangkal sangat dipengaruhi oleh perubahan temperatur permukaan laut, perubahan salinitas dan arus. Karakteristik profil kecepatan suara di laut secara umum ditampilkan pada Gambar 3.7. Grafik profil kecepatan suara terhadap kedalaman di Samudera Hindia ditampilkan pada Gambar 3.8.

Gambar 3. 7 Karakteristik Profil Kecepatan Suara di Laut Secara Umum

Laporan Tugas Akhir Tze Wen 155 03 015

3-6

Bab 3 Pengumpulan dan Pengolahan Data

Data Kecepatan Suara Terhadap Kedalaman Kecepatan Suara (m/s) 1480

1500

1520

1540

1560

1580

0

Stasiun 44-1 Stasiun 45-2 Stasiun 48-2

1000

Kedalaman (m)

Stasiun 49-2 2000

Stasiun 51-2 Stasiun 52-2

3000

Stasiun 53-2 Stasiun 54-2

4000

Stasiun 55-2 Stasiun 57-2

5000

Stasiun 61-2 Stasiun 62-2

6000 7000

Gambar 3. 8 Profil Kecepatan Suara Terhadap Kedalaman di Samudera Hindia 3.4

Penentuan Persamaan Empiris Kecepatan Suara di Samudera Hindia

Persamaan empiris yang dapat digunakan untuk menentukan kecepatan suara dalam pemodelan propagasi akustik bawah air adalah persamaan dari Leroy, Medwin, dan MacKenzie. Ketiga persamaan empiris tersebut menggunakan asumsi bahwa kecepatan suara hanya bergantung pada temperatur (T), salinitas (S), dan kredalaman (z). � � ���� �� �� (3.1)

Laporan Tugas Akhir Tze Wen 155 03 015

3-7

Bab 3 Pengumpulan dan Pengolahan Data Ketiga persamaan empiris untuk menentukan kecepatan suara ditulis ulang pada persamaan berikut ini: 1.

Persamaan empiris kecepatan suara menurut Leroy c = 1492,9 + 3 (T - 10) – 6.10-3 (T - 10)2 - 4.10-2(T - 18)2 + 1,2 (S – 35) – 10-2 (T - 18) (S - 35) + z/61 (3.2)

2.

Persamaan empiris kecepatan suara menurut Medwin c = 1449,2 + 4,6T -5,5.10-2 T2 + 2,9.10-4 T3 + (1,34 – 10-2 T) (S - 35) + 1,6.10-2 z (3.3)

3.

Persamaan empiris kecepatan suara menurut MacKenzie c = 1448,96 + 4,591 T – 5,304.10-2 T2 + 2,374.10-4 T3 + 1,34 (S – 35) + 1,63.10-2 z + 1,675.10-7 z2 – 1,025.10-2 T (S – 35) – 7,139.10-13 T z3 (3.4)

Data hasil pengukuran dimasukkan ke persamaan (3.2), (3.3), dan (3.4). Persamaan empiris kecepatan suara yang dipilih adalah persamaan yang memiliki persentase error terkecil terhadap data kecepatan suara hasil pengukuran. Persentase error ditentukan menggunakan persamaan berikut: �

����� � �������� � ���� � ��������������������� � � � � ����� �������� � ���

(3.5) ��������������� �

� ���������������������

�������� �

� ���������������������

�

� �����������

�

� �����������

Grafik perbandingan profil kecepatan suara antara data pengukuran dengan hasil perhitungan dari ketiga persamaan empiris untuk setiap stasiun di Samudera Hindia ditampilkan pada Gambar 3.9 hingga Gambar 3.20.

Laporan Tugas Akhir Tze Wen 155 03 015

3-8

Bab 3 Pengumpulan dan Pengolahan Data •

Stasiun GeoB10044-1

Gambar 3. 9 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10044-1

•

Stasiun GeoB10045-2 Perbandingan Profil Kecepatan Suara 0

500

1000

Kedalaman, z (m)

1500

2000

2500

3000

Data Medwin Leroy Mackenzie

3500

4000 1480

1490

1500

1510 Kecepatan Suara, c (m/s)

1520

1530

1540

Gambar 3. 10 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10045-2

Laporan Tugas Akhir Tze Wen 155 03 015

3-9

Bab 3 Pengumpulan dan Pengolahan Data •

Stasiun GeoB10048-2 Perbandingan Profil Kecepatan Suara 0

500

Kedalaman, z (m)

1000

1500

2000

2500

Data Medwin Leroy Mackenzie

3000

3500 1480

1490

1500

1510 Kecepatan Suara, c (m/s)

1520

1530

1540

Gambar 3. 11 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10048-2 •

Stasiun GeoB10049-2 Perbandingan Profil Kecepatan Suara 0

200

Kedalaman, z (m)

400

600

800

1000

Data Medwin Leroy Mackenzie

1200

1400 1480

1490

1500

1510 Kecepatan Suara, c (m/s)

1520

1530

1540

Gambar 3. 12 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10049-2

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 10

Bab 3 Pengumpulan dan Pengolahan Data •

Stasiun GeoB10051-2 Perbandingan Profil Kecepatan Suara 0

Kedalaman, z (m)

500

1000

1500

2000 Data Medwin Leroy Mackenzie 2500 1480

1490

1500

1510

1520 1530 1540 Kecepatan Suara, c (m/s)

1550

1560

1570

1580

Gambar 3. 13 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10051-2 •

Stasiun GeoB10052-2 Perbandingan Profil Kecepatan Suara 0

100

200

Kedalaman, z (m)

300

400

500

600

700

800 Data Medwin Leroy Mackenzie

900

1000 1480

1490

1500

1510 Kecepatan Suara, c (m/s)

1520

1530

1540

Gambar 3. 14 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10052-2

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 11

Bab 3 Pengumpulan dan Pengolahan Data •

Stasiun GeoB10053-2 Perbandingan Profil Kecepatan Suara 0

200

Kedalaman, z (m)

400

600

800

1000

Data Medwin Leroy Mackenzie

1200

1400 1485

1490

1495

1500

1505 1510 1515 Kecepatan Suara, c (m/s)

1520

1525

1530

1535

Gambar 3. 15 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10053-2 •

Stasiun GeoB10054-2 Perbandingan Profil Kecepatan Suara 0

200

Kedalaman, z (m)

400

600

800

1000

1200 1485

Data Medwin Leroy Mackenzie 1490

1495

1500

1505 1510 1515 Kecepatan Suara, c (m/s)

1520

1525

1530

1535

Gambar 3. 16 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10054-2 Laporan Tugas Akhir Tze Wen 155 03 015

3 - 12

Bab 3 Pengumpulan dan Pengolahan Data •

Stasiun GeoB10055-2 Perbandingan Profil Kecepatan Suara 0

500

Kedalaman, z (m)

1000

1500

2000

2500

3000 1480

Data Medwin Leroy Mackenzie 1490

1500

1510 Kecepatan Suara, c (m/s)

1520

1530

1540

Gambar 3. 17 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10055-2 •

Stasiun GeoB10057-2 Perbandingan Profil Kecepatan Suara 0

200

400

Kedalaman, z (m)

600

800

1000

1200

1400 Data Medwin Leroy Mackenzie

1600

1800 1480

1490

1500

1510 Kecepatan Suara, c (m/s)

1520

1530

1540

Gambar 3. 18 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10057-2

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 13

Bab 3 Pengumpulan dan Pengolahan Data •

Stasiun GeoB10061-2 Perbandingan Profil Kecepatan Suara 0

Kedalaman, z (m)

500

1000

1500

2000 Data Medwin Leroy Mackenzie 2500 1485

1490

1495

1500

1505 1510 1515 Kecepatan Suara, c (m/s)

1520

1525

1530

1535

Gambar 3. 19 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10061-2 •

Stasiun GeoB10062-2 Perbandingan Profil Kecepatan Suara 0

1000

Kedalaman, z (m)

2000

3000

4000

5000

6000 1480

Data Medwin Leroy Mackenzie 1490

1500

1510

1520 1530 Kecepatan Suara, c (m/s)

1540

1550

1560

Gambar 3. 20 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Persamaan Empiris untuk Stasiun GeoB10062-2

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 14

Bab 3 Pengumpulan dan Pengolahan Data Tabel 3. 2 Persentase Error Seluruh Stasiun No

Nama Stasiun

1 2 3 4 5 6 7 8 9 10 11 12

GeoB10044-1 GeoB10045-2 GeoB10048-2 GeoB10049-2 GeoB10051-2 GeoB10052-2 GeoB10053-2 GeoB10054-2 GeoB10055-2 GeoB10057-2 GeoB10061-2 GeoB10062-2

Persentase Error (%) Leroy Medwin Mackenzie 0.0394 0.0772 0.0213 0.0456 0.0886 0.0228 0.0326 0.0660 0.0199 0.0163 0.0170 0.0112 0.0237 0.0452 0.0170 0.0192 0.0115 0.0095 0.0170 0.0189 0.0115 0.0207 0.0120 0.0093 0.0256 0.0533 0.0181 0.0156 0.0241 0.0131 0.0202 0.0381 0.0155 0.1174 0.1918 0.0331

Keterangan Mackenzie Mackenzie Mackenzie Mackenzie Mackenzie Mackenzie Mackenzie Mackenzie Mackenzie Mackenzie Mackenzie Mackenzie

Berdasarkan Tabel 3.2, input pemodelan propagasi akustik bawah air pada tugas akhir ini menggunakan persamaan empiris dengan persentase error yang terkecil yakni persamaan kecepatan suara menurut Mackenzie. 3.5

Penentuan Kecepatan Suara sebagai Fungsi Kedalaman di Samudera Hindia

Persamaan empiris kecepatan suara menurut Mackenzie terdiri dari 3 variabel. Persamaan empiris ini perlu diubah menjadi variabel yang sama yakni hanya sebagai fungsi kedalaman. Data temperatur (T) dan salinitas (S) hasil pengukuran perlu didekati dengan persamaan polinomial orde n sebagai fungsi kedalaman T(z) dan S(z). Persamaan 3.4 diubah menjadi: c (z) = 1448,96 + 4,591 T(z)– 5,304.10-2 T(z)2 + 2,374.10-4 T(z)3 + 1,34 (S(z) – 35) + 1,63.10-2 z + 1,675.10-7 z2 – 1,025.10-2 T(z) (S(z) – 35) – 7,139.10-13 T(z) z3 (3.6) ��������������� � ����������������������������������������������������������� � ��� � ����������������������������������� � ��� � ���������������������������������� �

� ������������������������������

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 15

Bab 3 Pengumpulan dan Pengolahan Data Bentuk polinomial orde n dinyatakan sebagai: ���� � �� � � � �� � ��� � � � �� � � ���� (3.7) ���� � �� � � � �� � ��� � � � �� � � ���� (3.8) ������������ � �� � � � �� � ���� � ���f�������������������� �� � �� � � � �� � ���� � ���f�������������������� �

� ��������������

Koefisien persamaan T(z) dan S(z) didapat dengan cara mencocokan data T(z(i)) dan S(z(i)) dari persamaan (3.7) dan (3.8) dengan data hasil pengukuran. Fungsi polyfit yang tersedia pada perangkat lunak Matlab digunakan untuk pencocokan data tersebut. Dalam tugas akhir ini, orde polinomial curve fitting yang dibandingkan adalah orde ke-1 hingga orde ke-20. Grafik perbandingan antara data hasil pengukuran temperatur dengan data hasil polynomial curve fitting untuk stasiun GeoB10055-2 ditampilkan pada Gambar 3.21.

Gambar 3. 21 Grafik Perbandingan Data Pengukuran Temperatur dengan Hasil Polynomial Curve Fitting untuk Stasiun GeoB10055-2

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 16

Bab 3 Pengumpulan dan Pengolahan Data Persentase error hasil polynomial curve fitting data temperatur untuk Stasiun GeoB10055-2 disajikan pada Tabel 3.3. Grafik perbandingan persentase error data temperatur hasil polynomial curve fitting orde ke-1 hingga ke-20 untuk stasiun GeoB10055-2 ditampilkan pada Gambar 3.22. Tabel 3. 3 Persentase Error Hasil Polynomial Curve Fitting Data Temperatur untuk Stasiun GeoB10055-2 Polynomial Curve Fitting Data Temperatur Orde ke-1 Orde ke-2 Orde ke-3 Orde ke-4 Orde ke-5 Orde ke-6 Orde ke-7 Orde ke-8 Orde ke-9 Orde ke-10 Orde ke-11 Orde ke-12 Orde ke-13 Orde ke-14 Orde ke-15 Orde ke-16 Orde ke-17 Orde ke-18 Orde ke-19 Orde ke-20

Persentase Error (%) 203.7679 40.1144 29.7276 17.9933 13.7893 9.8377 5.3227 2.0685 1.6803 1.8341 1.8676 2.4564 2.5435 1.7819 1.1326 0.7691 0.7167 0.6151 0.5691 0.5637

Grafik perbandingan antara data hasil pengukuran salinitas dengan data hasil polynomial curve fitting untuk stasiun GeoB10055-2 ditampilkan pada Gambar 3.23. Persentase error hasil polynomial curve fitting data temperatur untuk Stasiun GeoB10055-2 disajikan pada Tabel 3.4. Grafik perbandingan persentase error data salinitas hasil polynomial curve fitting orde ke-1 hingga ke-20 untuk stasiun GeoB10055-2 ditampilkan pada Gambar 3.24.

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 17

Bab 3 Pengumpulan dan Pengolahan Data

Persentase Error (%)

200

150

100

50

0 0

2

4

6

8

10

12

14

16

18

20

Orde Polinomial Gambar 3. 22 Grafik Perbandingan Persentase Error Data Temperatur Hasil Polynomial Curve Fitting untuk Stasiun GeoB10055-2

Gambar 3. 23 Grafik Perbandingan Data Pengukuran Salinitas dengan Hasil Polynomial Curve Fitting untuk Stasiun GeoB10055-2

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 18

Bab 3 Pengumpulan dan Pengolahan Data Tabel 3. 4 Persentase Error Hasil Polynomial Curve Fitting Data Salinitas untuk Stasiun GeoB10055-2 Polynomial Curve Fitting Data Salinitas Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde

Laporan Tugas Akhir Tze Wen 155 03 015

ke-1 ke-2 ke-3 ke-4 ke-5 ke-6 ke-7 ke-8 ke-9 ke-10 ke-11 ke-12 ke-13 ke-14 ke-15 ke-16 ke-17 ke-18 ke-19 ke-20

Persentase Error (%) 0.1891 0.1797 0.1718 0.1165 0.0503 0.0346 0.0344 0.0358 0.0323 0.0269 0.0269 0.0264 0.0269 0.0272 0.0255 0.0268 0.0259 0.0241 0.0245 0.024

3 - 19

Bab 3 Pengumpulan dan Pengolahan Data 0.2

Persentase Error (%)

0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 0

2

4

6

8

10

12

14

16

18

20

Orde Polinomial Gambar 3. 24 Grafik Perbandingan Persentase Error Data Salinitas Hasil Polynomial Curve Fitting untuk Stasiun GeoB10055-2

Gambar 3. 25 Grafik Perbandingan Data Pengukuran Kecepatan Suara dengan Hasil Polynomial Curve Fitting untuk Stasiun GeoB10055-2 Laporan Tugas Akhir Tze Wen 155 03 015

3 - 20

Bab 3 Pengumpulan dan Pengolahan Data Tabel 3. 5 Persentase Error Data Kecepatan Suara Data Kecepatan Suara Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde Orde

Laporan Tugas Akhir Tze Wen 155 03 015

ke-1 ke-2 ke-3 ke-4 ke-5 ke-6 ke-7 ke-8 ke-9 ke-10 ke-11 ke-12 ke-13 ke-14 ke-15 ke-16 ke-17 ke-18 ke-19 ke-20

Persentase Error (%) 0.7113 0.447 0.312 0.2237 0.1738 0.1187 0.0659 0.04 0.0391 0.0398 0.0412 0.0408 0.0374 0.0289 0.0254 0.025 0.0248 0.0248 0.0247 0.0247

3 - 21

Bab 3 Pengumpulan dan Pengolahan Data

Persentase Error Kecepatan Persentase Error (%)

0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0

2

4

6

8

10

12

14

16

18

20

Orde Polinomial Gambar 3. 26 Grafik Perbandingan Persentase Error Data Kecepatan Hasil Polynomial Curve Fitting untuk Stasiun GeoB10055-2 Berdasarkan Gambar 3.21 hingga Gambar 3.26 serta Tabel 3.3 hingga Tabel 3.5, maka dalam Tugas Akhir ini digunakan polinomial orde ke-18. Orde ini dipilih karena memberikan persentase error di bawah 0.7%. Peningkatan orde tidak memberikan peningkatan akurasi yang signifikan.

Laporan Tugas Akhir Tze Wen 155 03 015

3 - 22