53 sehingga diperoleh luaran raster tinggi rerata gelombang tahunan melalui
penapisan musim. 5.
Melakukan langkah smoothing data luaran annual mean wave height untuk menghasilkan data yang beresolusi seragam dengan data variabel lain 30
meter yang menjadi atribut tiap shoreline grid. Untuk kebutuhan ini digunakan teknik cropping, konversi data raster to poin dan interpolasi
spline. 6.
Mengidentifikasi nilai variabel tinggi rerata gelombang annual mean significant wave height
pada tiap shoreline grid menggunakan zonal statistic tool.
3.5.6 Tinggi Rerata Kisaran Pasang Surut
Sumber data yang digunakan adalah time series tidal prediction of height grid point
berukuran spasial 0,25° DD untuk tahun 2007 1 Januari 2007 – 1 Desember 2008. Interval data waktu pengamatan adalah 1 jam meliputi domain
seperti ditunjukkan pada Gambar 22.
Gambar 22 Domain poin grid untuk menurunkan data time series tidal
prediction of height grid point meter.
108°100E 107°50E
106°00E
5°30 0S
6° 3
5 S
7° 4
S
Jaa Barat 30
60 90
15 Km
Ü
120°00E 108°00E
10°0 N
2°0 N
6°0 S
14° S
INSET
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2011
FAIZAL KASIM C551060031
Keterangan:
Daerah kajian AOI INDRAMAYU
SUBANG Domain Poin Grid Pasut
54 Data tersebut merupakan data asimilasi hasil pengamatan satelit altimetri
TopexPoseidon dan beresolusi spasial 0,5° DD. Pengekstraksian data ini menggunakan perangkat lunak MIKE21 DHI Software, 2007 dan dihasilkan
data poin grid kisaran pasang surut maskimumminimum. Selengkapnya tahapan yang dikerjakan dalam metode pengekstrasian data variabel rerata tinggi pasang
surut dapat dilihat pada Gambar 23.
Gambar 23 Tahapan metode pengumpulan data tinggi rerata pasang surut Tahapan untuk memperoleh data variabel rerata kisaran pasang surut
tahunan dalam tiap shoreline grid dari data pasang surut yang diturunkan dari perangkat lunak MIKE21 dilakukan dengan tahapan, sebagai berikut:
1. Menentukan domain poin grid keragaan pasang surut.
2. Menurunkan data kisaran pasang surut maksimum-minimum berdasarkan
data pengamatan interval 1 jam untuk deret waktu 1 tahun bulan Januari – Desember 2007.
3. Pengolahan seluruh data pengamatan interval 1 jam selama setahun untuk
mendapatkan data tinggi rerata maksimum tahunan mean annual high water
dan tinggi rerata minimum tahunan mean annual low water. 4.
Mengkonversi data pada tahap-3 menjadi data raster sehingga diperoleh data raster mean annual high water dan raster mean annual low water.
Peta Sebaran Tinggi Rerata
Kisaran Pasang Surut meter
Grid Garis Pantai
Koordinat Pasut domain sekitar
P.Jawa Data Pasut
TimeSeries Pasut
Interpolasi spline
Peta Sebaran Tinggi Rerata
Kisaran Pasang surut AOI
Tinggi Rerata Kisaran Pasang Surut
Tiap Grid meter Tinggi Pasut
Maksimum meter
Tinggi Pasut Minimum meter
Peta Sebaran Tinggi Rerata Maksimum
Pasut Peta Sebaran Tinggi
Rerata Minimum Pasut
Spasial Math minus
Resample Raster
Zonal Statistic
55 5.
Melakukan penapisan pada kedua data raster pada tahap-4 untuk menghasilkan tinggi kisaran pasang surut tahunan annual mean tidal
range yang merupakan perbedaan antara tinggi rerata air maksimum
mean annual high water dengan tinggi rerata air minimum mean annual low water
tahun 2007 Gornitz et al. 1997, biasa dituliskan dalam persamaan sebagi berikut DHI Software, 2007;
....................................... 5 di mana MTR = Kisaran Pasang Surut,
= Nilai maksimum tinggi muka laut selama periode 16 hari dari data tiap jam,
= Nilai minimum tinggi muka laut selama periode 16 hari dari data tiap jam.
Di lingkungan aplikasi SIG, pembuatan keragaan raster berdasarkan persamaan di atas dikerjakan menggunakan metode statistic overlay
minus function pada kedua raster. 6.
Melakukan cropping data tinggi rerata kisaran pasang surut menurut cakupan wilayah kajian AOI menggunakan teknik resample raster untuk
data yang dihasilkan pada tahap-5. 7.
Mengintegasikan data annual mean tidal range hasil resample pada tahap- 5 resolusi 30 meter ke dalam atribut masing-masing shoreline grid
menggunakan zonal statistic tool.
3.6 Analisis Kerentanan Pantai
Sesuai tujuan khusus dalam penelitian maka analisis kerentanan pantai selanjutnya dibedakan atas analisis menggunakan pendekatan CVI-biasa dan
pendekatan CVI-MCA. Pada pendekatan CVI-biasa input analisis menggunakan empat sistim ranking USGS dan sistim ranking nilai minimum-maksimum data
tiap variabel. Pada pendekatan CVI-MCA input analisis sistim ranking menggunakan aturan jangkauan persentil pada data hasil standarisasi tiap variabel.
3.6.1 Pendekatan analisis CVI-biasa
Penilaian kerentanan dalam metode CVI memiliki konsep sederhana. Potensi kerentanan ranking tiap variabel dinilai berdasarkan kisaran nilainya
masing-masing menurut sistim ranking yang ditetapkan oleh USGS. Ranking