Santoso, Amelia Margaretha (2021) Estimasi Ketinggian Gelombang Laut Di Pesisir Selatan Pulau Jawa Menggunakan Metode Fuzzy Ensemble Kalman Filter. Masters thesis, Institut Teknologi Sepuluh Nopember.
![[thumbnail of 06111950010007-Master_Thesis.pdf]](http://repository.its.ac.id/style/images/fileicons/text.png) |
Text
06111950010007-Master_Thesis.pdf Restricted to Repository staff only Download (21MB) | Request a copy |
|
Text
06111950010007-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (21MB) | Request a copy |
Abstract
Informasi mengenai ketinggian gelombang pasang surut mempunyai peranan penting mengingat Indonesia memiliki garis pantai terpanjang kedua di dunia. Selama ini, ketinggian gelombang pasang surut hanya diketahui di titik dimana terdapat stasiun pasang surut. Ketinggian gelombang pasang surut di wilayah tanpa stasiun pasang surut dapat diestimasi dengan metode asimilasi data seperti Kalman filter. Dalam penelitian ini metode Fuzzy Kalman Filter (FKF) diterapkan pada model matematika gelombang pasang surut untuk mendapatkan estimasi ketinggian gelombang di pesisir selatan pulau Jawa. Estimasi ketinggian akan didapatkan pada titik dengan data pengukuran dan titik tanpa data pengukuran yang terletak di daerah pesisir diantara stasiun pasang surut Pacitan dan Sendang Biru. Penentuan titik yang akan diestimasi dilakukan dengan menggunakan bantuan grid. Setelah grid dibuat, kedalaman pada semua titik akan didapatkan melalui interpolasi cubic spline. Selanjutnya didapatkan nilai awal dan kondisi batas yang akan digunakan dalam simulasi. Simulasi dilakukan dengan data pengukuran satu hari dan satu bulan. Hasil simulasi FKF dibandingkan dengan Ensemble Kalman Filter (EnKF) yang telah menunjukkan kinerja yang baik pada penelitian sebelumnya. Dari hasil simulasi, didapatkan bahwa nilai RMSE FKF yang berada pada rentang 0.0021009 - 0.0066795 lebih besar daripada
nilai RMSE EnKF yang berada pada rentang 4.3526x10^-5 - 4.3584x10^-5. Nilai RMSE yang besar menunjukkan bahwa FKF memberikan hasil estimasi yang buruk, sehingga selanjutnya dilakukan estimasi ketinggian gelombang dengan mengkombinasikan logika fuzzy dengan EnKF yang disebut Fuzzy Ensemble Kalman Filter (FEnKF). Berdasarkan hasil simulasi, nilai RMSE FEnKF berada pada rentang 3.0383x10^-�5 - 3.072x10^-�5 untuk simulasi dengan data satu hari dan 3.5282x10^-5 - 3.5299x10^-5 untuk data satu bulan. Nilai RMSE tersebut lebih kecil daripada nilai RMSE EnKF yang berkisar antara 4.3448x10^-5 - 4.3584x10^-5 untuk data satu hari dan 0.0042604 - 0.0042605 untuk data satu bulan. Selain itu untuk titik dengan data pengukuran hasil estimasi FEnKF dekat dengan data sebenarnya, namun untuk titik tanpa data pengukuran dengan waktu iterasi yang panjang FEnKF memberikan hasil estimasi yang kurang relevan.
======================================================================================================
Considering that Indonesia has the second longest coastline in the world, information about tide heights plays an important role. So far, tide height is only known at the point where there is a tidal station. Tide heights in areas without tidal stations can be estimated using data assimilation methods such as the Kalman filter. In this study, the Fuzzy Kalman Filter (FKF) method is applied to a mathematical model of tidal waves to get an estimate of the tide height on the southern coast of Java. The height estimate will be obtained at points with measurement data and points without measurement data which are located in the coastal area between the Pacitan and Sendang Biru tidal stations. The points are determined with the help of a grid. After the grid is created, the depth at all points will be obtained by cubic spline interpolation. Afterwards, the initial values and boundary conditions that will be used in the simulation are obtained. Simulations are carried out with one day and one month measurement data. The FKF simulation results are compared with Ensemble Kalman Filter (EnKF) which has shown good performance in previous study. From the simulation results, it is found that the RMSE values of FKF which is in the range 0.0021009 - 0.0066795 are greater than the RMSE
values of EnKF which is in the range 4.3526x10^-5 - 4.3584x10^-5.
RMSE values indicates that FKF gives poor estimation results. Therefore, the estimation of tide height is then done by combining fuzzy logic with EnKF which is called the Fuzzy Ensemble Kalman Filter (FEnKF). Based on the simulation results, the RMSE values of FEnKF are in the range of 3.0383x10^-5 - 3.072x10^-5 for a simulation with one day data and 3.5282x10^-5 - 3.5299x10^-5 for one month of data. These values are smaller than the EnKF RMSE values which ranges from 4.3448x10^-5 - 4.3584x10^-5 for one day data and 0.0042604 - 0.0042605 for one day data month. In addition, for points with measurement data, FEnKF gives estimations that are close to the actual data, but for points without measurement data with long iteration times, FEnKF gives estimation results that is less relevant.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Asimilasi Data, Gelombang Pasang Surut, Kalman Filter, Logika Fuzzy, Data Assimilation, Fuzzy Logic, Kalman Filter, Tidal Wave |
| Subjects: | Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > QA Mathematics > QA371 Differential equations--Numerical solutions Q Science > QA Mathematics > QA402.3 Kalman filtering. Q Science > QA Mathematics > QA9.64 Fuzzy logic Q Science > QA Mathematics > QA911 Fluid dynamics. Hydrodynamics |
| Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44101-(S2) Master Thesis |
| Depositing User: | Amelia Margaretha Santoso |
| Date Deposited: | 28 Aug 2021 14:55 |
| Last Modified: | 28 Aug 2021 14:55 |
| URI: | http://repository.its.ac.id/id/eprint/90709 |
Actions (login required)
 |
View Item |