STUDI STABILITAS RECEIVER CODE BIAS UNTU
STUDI STABILITAS RECEIVER CODE BIAS UNTUK
PENENTUAN TOTAL ELECTRON CONTENT DENGAN GNSS
Muhammad Ihsan1), Dudy D. Wijaya2), Dina A. Sarsito2)
Mahasiswa S1 Teknik Geodesi dan Geomatika, Institut Teknologi Bandung
2)
Kelompok Keahlian Geodesi, Institut Teknologi Bandung
Teknik Geodesi dan Geomatika, Institut Teknologi Bandung
Jalan Ganesha No.10 Bandung, Indonesia
1
muhammad.ihsan01@gmail.com
1)
Abstrak
Bias pada ionosfer merupakan salah satu faktor yang dapat mempengaruhi kualitas data
pengamatan GPS. Bias ionosfer kerap dilambangkan dengan densitas dari elektron pada
lapisan ionosfer, dengan luas penampang satu meter persegi, biasa disebut dengan Total
Electron Content (TEC). Estimasi TEC tidak hanya dilakukan untuk koreksi pengamatan GPS,
juga untuk mempelajari fenomena dan kondisi ionosfer bumi. Terdapat beberapa faktor yang
harus diperhatikan dalam mengestimasi TEC, salah satunya adalah bias pada receiver,
Receiver Code Bias (RCB). Dalam melakukan perhitungan TEC, RCB sering dianggap konstan
dalam satu bulan, akan tetapi RCB selalu berubah setiap harinya. Pada tugas akhir ini akan
dibuktikan bahwa RCB bersifat tidak konstan, dan perbedaan tersebut dapat berpengaruh
terhadap nilai TEC. Pada tugas akhir ini digunakan metode least square dalam mengestimasi
RCB. Setelah dilakukan perhitungan RCB untuk titik BAKO bulan Januari 2012, didapat bahwa
nilai RCB bervariasi selama sebulan, meskipun hasil rata-rata RCB harian dalam sebulan tidak
berbeda jauh dengan RCB yang telah diestimasi oleh The International GNSS Services (IGS).
Untuk mendapatkan pengaruh dari RCB harian terhadap nilai TEC, maka dilakukan perhitungan
TEC dengan menggunakan RCB yang berbeda, RCB harian hasil estimasi dan RCB bulanan
dari IGS, perbedaan TEC mencapai 5.9 TECU
Kata kunci : GPS, Total Electron Content (TEC), Receiver Code Bias (RCB)
Abstract
Ionospheric bias is one of the factors that affect the quality of GPS observation data. It is often
defined as electron density in ionosphere layer, with a cross-sectional of one square meter,
commonly referred to as Total Electron Content (TEC). TEC estimation is used not only for
correcting the observation data, but also to study the phenomena and condition on ionsphere.
One of the factors that must be -considered to estimat is Receiver Code Bias (RCB). In
calculating TEC, RCB is often considered to be constant within one month. However, RCB
changes every -day. This thesis will prove that RCB is not constant, and the difference can
affect -the TEC value. There are several methods to estimate the RCB. In this thesis, the least
square method is used for the estimation. After calculating RCB and TEC of the BAKO station
in January 2012 (IGS GPS Station), the result of the estimated RCB varies everyday in a
month, although the result of daily mean of RCB in a month is nearly similar with the RCB
estimated by The International GNSS Services (IGS). To calculate the impact of daily variation
of RCB , the TEC is estimated using different RCB value (daily, weekly, and monthly). The
difference of TEC value reaches 5.9 TECU.
Keywords
: GPS, Total Electron Content (TEC), Receiver Code Bias (RCB)
1
1.1 Latar Belakang
Akhir-akhir ini pengaplikasian GPS terus
mengalami kemajuan, salah satunya
mengamati variasi karakteristik ionosfer
dalam skala global maupun regional. Bias
ionosfer merupakan bahasan yang cukup
vital
dalam
studi
variasi
ionosfer.
(Klobuchar, 1991) Bias ionosfer merupakan
suatu gangguan sinyal GPS yang terjadi di
lapisan ionosfer. Bias ionosfer akan
mempengaruhi kecepatan, arah, dan
kekuatan. Besarnya bias ionosfer akan
tergantung pada jumlah electron sepanjang
lintasan sinyal GPS, jumlah electron biasa
disebut TEC (Total Electron Content)
dengan satuan Total Electron Content Unit
(TECU) (Abidin, 2006). Besaranya nilai
TEC dapat diperoleh dalam beberapa cara,
dalam tugas akhir ini akan menggunakan
GPS dalam mendapatkan nilai TEC. Dalam
penentuan TEC, ada beberapa hal yang
mempengaruhi besar dan akurasi, salah
satu faktor yang cukup signifikan adalah
bias pada receiver dan satelit, biasa disebut
Diferential Code Bias (DCB). DCB pada
receiver (RCB) merupakan bias atau error
yang bersumber dari bias instrumental
penerima (Muslim, 2009). Jika nilai DCB
tidak disertakan dalam penentuan posisi
teliti maka akan mengakibatkan kesalahan
beberaapa meter, dan nilai estimasi TEC
menjadi negatif (Shardon dkk, 1994 dikutip
oleh Muslim 2009). Mengingat akan
besarnya pengaruh dari RCB maka
dilakukan
kalibrasi
dengan
cara
menghitung nilai RCB terlebih dahulu.
Penentuan DCB pada receiver (RCB)
merupakan bahasan utama dari tugas akhir
ini. Dalam penentuan RCB ada beberapa
hal yang patut diperhatikan, salah satunya
adalah epok dari nilai RCB. Berdasarkan
data yang didapat dari International GNSS
Services (IGS), nilai RCB stabil dalam satu
bulan. Karena pada umumnya nilai DCB
pada satelit maupun receiver dianggap
konstan setiap hari atau bulan, dan
faktanya adalah nilai DCB selalu berubah
setiap jam atau hari (Schaer, 1999 dikutip
oleh Jin, 2012).
Tugas akhir ini membahas tentang studi
dan penentuan RCB untuk stasiun IGS
Bakosurtanal. Hal-hal yang akan dibahas
adalah membandingkan nilai TEC untuk
nilai RCB yang ditentukan perhari dan
perminggu
(menggunakan
program
M_DCB2) dengan nilai RCB statis perbulan
yang didapat dari IGS. Selain itu, dilakukan
pula studi pengaruh dari aktivitas matahari
terhadap nilai RCB dan TEC. Dengan
menentukan nilai TEC untuk stasiun BAKO
Bulan Januari 2012 dan Bulan Februari
2008,
maka
akan
menggambarkan
pengaruh dari aktivitas matahari serta
menguji keseragaman TEC dengan metode
pengamatan GPS menggunakan dua
receiver. Dengan dilakukan studi pengaruh
RCB ini maka diharapkan akan menambah
wawasan tentang pentingnya estimasi nilai
RCB, khususnya untuk penentuan nilai
TEC.
1.2 Tujuan
Tujuan utama dari Tugas akhir ini adalah
mempelajari efek dari RCB terhadap nilai
TEC, jika RCB dihitung secara harian
mingguan, dan bulanan. Serta menguji
keseragaman
nilai
TEC
dengan
pengamatan GPS menggunakan dua
receiver.
1.3 Ruang Lingkup
Ruang lingkup dalam penelitian ini adalah
mempelajari pengaruh dari nilai RCB
terhadap estimasi nilai TEC. Nilai RCB
dihitung secara harian dan dibandingkan
dengan RCB bulanan dari IGS, serta
2
membandingkan
receiver
nilai
TEC
antar
dua
1.4 Metodologi
Metodologi yang digunakan dalam tugas
akhir ini adalah:
1.Studi literatur : Tahapan studi literatur
meliputi kajian tentang: geodesi, propagasi
sinyal GPS,
delay sinyal GPS, metode
pengolahan data GPS, Total Electron
Content,dan bias GPS
2.
Pengumpulan
data
untuk
titik
Bakosurtanal bulan Januari 2012, dan
bakosurtanal bulan februari tahun 2008
3. Melakukan perhitungan
dengan program m_dcb2
nilai
RCB
4. Menentukan nilai TEC berdasarkan
yang telah dihitung dengan program untuk
TEC harian dan mingguan, dan TEC
dengan RCB statis dari IGS, menggunakan
program read_rnx
5. Menganalisis perbedaan nilai TEC untuk
RCB harian, mingguan, dan bulanan
6. Menganalisis perbedaan nilai TEC untuk
titik Bakosurtanal tahun 2012 dan 2008
Secara skematis, metodologi pembahasan
penelitian ini dapat digambarkan dalam
diagram sebagai berikut :
Gambar 1.1 Diagram alir metodologi
2. Metode dan Data
2.1 Pengumpulan Data
Data yang digunakan pada penelitian ini
adalah data GPS berformat Rinex, data
orbit format SP3, untuk mengestimasi RCB.
Sedangkan untuk mengestimasi TEC
digunakan data GPS format Rinex, data
navigasi, serta data Differential Code Bias.
Stasion yang digunakan adalah stasion
BAKO (6° 29’ 24.0” LS dan 106° 50’ 60.0”
BT) bulan Januari 2012, Februari 2012,
Maret 2012, April 2012, dan Februari 2008.
2.2 Deskripsi Receiver Code Bias
Hal utama dalam mengestimasi nilai TEC
adalah terlebih dahulu mengestimasi bias
yang terdapat pada perangkat receiver dan
satelit. Setiap frekuensi pada GPS memiliki
bias yang akan berdampak pada akurasi
untuk mengestimasi nilai TEC (Coco dkk.,
1999), bias ini dinamakan Differential Code
Bias (DCB). DCB dibagi menjadi dua
bagian, yaitu DCB pada receiver pengguna
atau biasa disebut Receiver Code Bias, dan
3
DCB pada satelit, Sattelite Code Bias
(SCB).
Satuan
dari
DCB
adalah
nanosecond (ns).
RCB dapat dikatakan sebagai kalibrasi
untuk nilai TEC, karena nilai TEC pada data
kode maupun kombinasi dengan data fase
masih mengandung nilai negatif, sehingga
dilakukan kalibrasi dengan RCB sehingga
nilai TEC bernilai positif (Buldan, 2009).
Berdasarkan Conte (2011), pengaruh nilai
DCB terhadap nilai TEC, berdampak ± 8
TECU pada aktivitas matahari tinggi dan ±3
TECU pada aktivitas matahari rendah
Nilai DCB bervariasi antara Satelit GNSS
dan receiver pengguna. Hampir seluruh
metode estimasi DCB menganggap bahwa
nilai DCB pada satelit maupun receiver
bernilai konstan selama 1 hari sampai 1
bulanSedangkan faktanya bahwa nilai
tersebut selalu berubah setiap jam hingga
setiap harinya (Schaer, 1999 dikutip oleh
Jin dkk.,2012).
k1
k2
Nilai
dan
adalah efek
L1 dan L2
curvature pada data
GPS. Dari persamaan(1) dan (2) dan dapat
L1 dan L2
dilihat bahwa sinyal
merambat pada lintasan yang berbeda
yaitu path p1 dan p2 . Secara teori,
untukmembuat kombinasi lnear data GPS,
kedua sinyal harus merambat pada lintasan
yang identik. Dengan teknik perturbasi, Gu
dan Brunner (1990) memodifikasikan
persamaan (2), sehingga secara matematis
sinyal L2 bisa dihitung sepanjang path
p1 .
❑
L2=S+a ( f 1 )∫ Ne ( r 1 ) dl+ k 1+ P 21 (3)
p1
P21
adalah koreksi perturbasi akibat
perbedaan lintasan sinyal L1 dan L2
.
Dengan mengurangi persamaan (1) dan (3)
, maka STEC dapat dhitung dengan
menggunakan persamaan sebagai berikut:
2.3 Formula Penentuan TEC
Seperti yang telah dijabarkan sebelumnya,
ionosfer merupakan medium yang dispersif
sehingga dua sinyal GPS yang memiliki
frekuensi yang berbeda akan memiliki
koreksi ionosfer yang berbeda pula. Sifat
dispersif ini dapat dimanfaatkan untuk
menentukan STEC menggunakan dua data
ukuran sinyal L1 dan L2 GPS (kombinasi
linear geometric-free) (Omarudin, 2013)
Jarak elektronik untuk data psoudorange L1
dan L2 GPS ditulis sebagai berikut:
❑
L1=S+a (f 1 )∫ Ne ( r 1 ) dl +k 1
p1
(1)
❑
L2=S+a (f 2 )∫ Ne ( r 1 ) dl+ k 2
p2
❑
[ L1−L2 ]−P21+ ∆ r + ∆ d
p1
a ( f 1 )−a ( f 2 )
STEC =∫ Ne ( r 1 ) dl=
(4)
Menurut Schaer (1999), Koreksi Receiver
Code Bias dan Differential Code Bias harus
diperhitungkan
untuk
mengeliminir
kesalahan. Perhitungan nilai RCB akan
dibahas pada subbab lain.
2.4 Aproksimasi persamaan TEC
Untuk mempermudam perhitungan STEC,
diambil beberapa asumsi dan aproksimasi
untuk memecahkan masalah antara lain
1. Sinyal L1 dan L2 merambat
pada lintasan lurus yang identik,
sehingga parameter P21 dapat
diabaikan
(2)
4
2. Efek
medan
magnet
bumi
diabaikan, sehingga efek ionosfer
orde tinggi (orde 2 dan 3) tidak
diperhitungkan, dengan asumsi ini
maka nilai dari persamaan a ( f )
untuk orde 1 menjadi:
a ( f )≈
Cx
2f
2
=
40.3
f2
2.5 Formula Penentuan RCB
Untuk mendapatkan nilai TEC, nilai RCB
terlebih dahulu diestimasi. Pada tahapan
estimasi RCB, ditentukan terlebih dahulu
komponen-komponen pada persamaan MF
(9), persamaan.
Mf =
(5)
Berdasarkan asumsi di atas, STEC pada
persamaan (4) dapat diaproksimasi oleh
f 21 [ L1−L2 ]−P21 +∆ r + ∆ d
STEC =
40.3
f1 2
1−
f2
( )
(6)
(9)
√[
(
1−
R 2 2
sin (∝ z)
R+ H
)
Nilai R sebesar 6371 km. Nilai H dan
∝ bernilai 506.7 km dan 0.9782, yang
dimana nilainya konsisten dengan nilai
yang digunakan oleh CODE (Pusat Analisis
IGS). Fungsi harmonik bola ionosfer
(Ionospheric spherical harmonic function)
digunakan untuk menghitung DCB.
Nilai VTEC,
E ( β , s ) dapat dijabarkan
sebagai berikut (Schaer,1999 dikutip oleh
Jin R, dkk., 2012):
Nilai Vertical Total Electron Content (VTEC)
, atau TEC pada arah zenith ditentukan
dengan memproyeksikan nilai STEC
menggunakan fungsi pemetaan ionosfer
(Schaer, 1999).
sinβ
anm cos ms+ bnm sin ms
n
P nm( ¿)¿
∑~
m=0
E ( β , s ) =∑ ¿
(7)
(10)
√[
(
1−
R 2 2
sin (∝ z)
R+ H
)
]
(8)
Dimana R adalah jari-jari bumi, H adalah
ketinggian lapisan ionosfer, dan z adalah
sudut zenith posisi satelit dari penerima.
(Omarudin, 2013)
)
nmax
VTEC=M f . STEC
Mf =
]
n=0
Dimana
β adalah lintang geosentrik
dari Ionospheric pierce point (IPP), IPP
adalah titik yang merupakan perpotongan
antara sinyal GPS dan lapisan ionosfer
yang
diasumsikan
sebagai
tempat
berkumpul
ionosfer,
lapisan
ini
dilambangkan dengan H . s= λ−λ 0
adalah bujur matahari dari IPP, λ0 dan
λ❑ adalah bujur IPP dan waktu matahari
nyata,
anm dan bnm =model koefisien global maupunre
Pnm
,
=
polynomial
Legendre
ternormalisasi. Nilai
menunjukan
⋀
Pnm adalah
fungsi normalisasi dan
5
polynomial Legendre tidak ternormalisasi,
dijabarkan dalam persamaan
√
2 n+1 ( n−m ) !
(11)
1+ δ 0 m ( n+m ) !
dengan
δ ❑ merupakan
Λ= 2
Dan
delta
Kronecker, Subtitusi persamaan (8) dan (6)
ke persamaan (7), maka persamaan
dijabarkan sebagai berikut
Gambar 3.1 Grafik Perbedaan RCB
anm cos ms+b nm sin ms
√[
[
RCB yang diperoleh memiliki nilai yang
]
r +∆ d Pada awal bulan
setiap
harinya.
f 21 bervariasi
[ L1 −L2 ]−P
R 2 2
21 + ∆
Pnm (sinβ)(¿¿)= 1−
sin (∝ z )
2 fluktuatif setiap harinya,
nilai
TEC
bersifat
R +H
40.3
f1
memasuki1−
hari ke-7, RCB mulai meningkat
2
sekitar 2.5 ns,fpada
hari ke-8 hinga hari ke-
(
]
)
n
∑¿
m=0
nmax
∑¿
n=0
(12)
Dimana
P4
adalah pengamatan yang
anm , bnm ,
telah dihaluskan, dan
∆ r , ∆ d adalah parameter yang
tidak diketahui dan akan diestimasi masingmasing. Urutan dari expasi harmonic bola
tergantung terhadap luasan area.
3. HASIL & PEMBAHASAN
Hasil pengolahan RCB Stasion BAKO
Januari 2012 yang dihitung secara harian
ditampilkan pada gambar 3.1
()
12, nilai RCB turun dan naik kembali pada
hari ke-13. Sekitar pertengahan bulan RCB
selalu naik turun dan pada hari ke-27, RCB
terus naik hingga hari ke -31.
Untuk membandingkan nilai RCB yang
didapat dari pengolahan dengan RCB dari
IGS, maka RCB harian diratakan-ratakan
sehingga didapat RCB bulanan. Nilai RCB
dari IGS sebesar 11.29 ns, dan nilai RCB
dari hasil pengolahan sebesari 10.63 ns.
Selisih antar kedua RCB adalah 0.66 ns.
Berdasarkan syarat dari IGS, bahwa
perbedaan hasil estimasi RCB dengan RCB
yang dihitung oleh IGS kurang dari 0.7 ns.
Dengan hasil seslisih 0.66 ns, maka hasil
estimasi dapat diterima karena memenuhi
syarat dari IGS. Akan tetapi nilai 0.66 ns,
dapat dikatakan cukup besar untuk titik
kerangka IGS. Hal ini dapat disebabkan
karena digunakan estimasi single-receiver,
yang berarti penghitungan RCB langsung
ditunjukan kepada satu receiver, tidak
diikatkan dengan receiver lain. Berdasarkan
Rui Jin dkk (2012), estimasi menggunakan
multi stasiun akan memberikan perbedaan
nilai rata-rata yang lebih kecil.
Setelah melakukan perhitungan RCB, maka
langkah selanjutnya adalah melakukan
6
perhitungan TEC, hasil estimasi
ditampilkan pada gambar 3.2
TEC
TEC pada suatu epok dalam 30 hari,
sehingga yang dihasilkan adalah 2880 data
yang tiap epoknya merupakan hasil ratarata
dalam
sebulan.
Grafik
3.3,
memperlihatkan
perbedaan
antara
pengaruh RCB harian, mingguan, dan
bulanan.
Gambar 3.2 Grafik Perbedaan TEC
Berdasarkan gambar 3.2, nilai TEC
berbeda-beda untuk setiap RCB. Terdapat
selisih yang cukup besar (hingga 5 TECU)
antara harian dan bulanan. Menurut ByungKyu Choi (2010), nilai 1 TECU dapat
dikonversi kepada jarak pengamatan antara
GPS dan receiver sebesar 0.16 m. Jika
terdapat perbedaan sebesar 5 TECU, yang
berarti memiliki kesalahan jarak sebesar
0.8 m. Nilai tersebut cukup besar jika
pengamatan
yang
dilakukan
adalah
pengamatan titik teliti.
Berdasarkan hasil yang diperoleh, nilai TEC
sangat dipengaruhi oleh nilai RCB.
Perbedaan atau selisih RCB harian
terhadap RCB bulanan, berbanding lurus
terhadap selisih TEC harian dan bulanan.
RCB yang dapat dikatakan sebagai
kalibrasi TEC mengakibatkan selisih RCB
berbanding lurus dengan selisih TEC.
Artinya, semakin besar selisih RCB harian
atau mingguan terhadap RCB bulanan,
maka semakin besar pula selisih TECnya
Selain menghitung nilai Mean_VTEC,
dilakukan juga perbandingan nilai TEC perepok. Pada tugas akhir ini digunakan data
RINEX yang memiliki epok pengamatan
setiap 30 detik, sehingga dalam 24 jam
terdapat 2880 data, dan dihimpun dalam
satu data rinex. Perbandingan nilai TEC
per-epok dilakukan dengan merata-ratakan
Gambar 3.3 Perbandingan TEC per-epok
BAKO Januari 2012
Untuk lebih jelasnya, ditampilkan dalam
gambar 3.4 yang telah diperbesar
Gambar 3.4 Perbesaran Grafik TEC perepok BAKO 2012
Mengacu pada hasil yang telah diperoleh,
perbedaan nilai RCB ternyata berdampak
cukup
signifikan,
khususnya
untuk
pengamatan yang membutuhkan ketelitian
tinggi. Nilai TEC dari nilai RCB bulanan
cenderung lebih besar, karena pada
dasarnya nilai RCB bulanan lebih besar.
Karena RCB merupakan kalibrasi TEC,
yang dimana nilai TEC awal (yang dapat
bernilai negatif), dijumlahkan dengan RCB
sehingga bernilai positif. Jika melihat sifat
kalibrasi tersebut, maka nilai RCB harian
lebih tinggi dibanding RCB bulanan akan
menghasilkan TEC yang lebih tinggi pula.
7
3.1 Uji Keseragaman TEC
Uji keseragaman TEC dilakukan dengan
metode survey lapangan, dimana kedua
receiver ditempatkan dalam suatu tempat
dengan jarak antar receiver sejauh 7.3
meter. Hasil yang didapat dari survey ini
adalah
Gambar 3.5 Grafik TEC Receiver SARAGA
Tabel 3 1 Tabel Perbandingan RCB dan
TEC Receiver SARAGA
Titik
RCB
(ns)
VTEC
(TECU)
Rata-rata
1685
11.1382
47.5969
1749
10.9839
47.6150
Dari hasil yang diperoleh, terdapat
perbedaan nilai RCB antar kedua receiver,
meskipun selisih RCB antar kedua receiver
sebesar 0.154 ns. Nilai ini berdampak
kepada nilai rata-rata VTEC yang berbeda
sekitar 0.018 TECU.
Berdasarkan
hasil
yang
didapat,
disimpulkan bahwa kondisi ionosfer bersifat
seragam karena perbedaan TEC hanya
sebesar 0.018 TECU, adanya perbedaan
dapat disebabkan oleh perbedaan nilai
RCB. Kecilnya selisih dari nilai RCB (0.154
ns) dapat dikarenakan oleh tipe dari
receiver dan jenis pengamatan yang sama.
4. KESIMPULAN
Berdasarkan pengolahan yang telah
dilakukan, terdapat beberapa aspek yang
dapat disimpulkan, diantara lain :
1. Perbedaan nilai RCB rata-rata harian
dengan RCB dari IGS pada titik BAKO
Januari tahun 2012 sebesar 0.66 ns, nilai
ratar-rata ini masuk dalam syarat RCB
dimana perbedaan rata-rata bulanan
memiliki selisih kurang dari 0.7 ns terhadap
nilai RCB IGS
2. Estimasi RCB Harian dapat berefek
terhadap
estimasi
TEC,
dengan
membandingkan TEC dari RCB Harian dan
Bulanan, selisih antar nilai TEC mencapai
5.9 TECU
3. Perbedaan antara nilai TEC dengan RCB
harian dan mingguan sebesar -4.3 TECu
hingga 3 TECU
4. Perbedaan antara nilai TEC dengan RCB
mingguan dan bulanan sebesar -1.9 TECU
hingga -0.1TECU
5. Perbedaan antara nilai TEC dengan RCB
harian dan bulanan sebesar -5.9 TECU
hingga 2.3 TECU
6. Pengaruh nilai RCB untuk kedua receiver
yang saling berdekatan sebesar 2.8 TECU
dengan selisih RCB sebesar 0.15 ns
REFERENSI
Abidin, Hasanudin Z. 2001. Geodesi Satelit. Jakarta: PT Anem Kosong Anem.
Abidin, Hasanudin Z. 2001. 2006. Penentuan Posisi dengan GPS dan Aplikasinya. Jakarta: PT
Pradnya Paramita.
Choi, B.K., Choi J.H., and Lee S.J. 2011. “Estimation and analysis of GPS reciever differential
code biases using KGN in Korean Peninsula.” Science Direct.
Choi, Byung-Kyu, Jong-Kyun Chung, and Jeong-Ho Cho. 2012. “Receiver DCB Estimation and
Analysis by Types of GPS Receiver.” Journal of Astronomy and Space Science.
8
Conte, Juan Federico, Fransico Azpilicicueta, and Claudio Brunini. 2011. “Accuracy Assesment
of the GPS-TEC Calibration Constant by Means of A Simulation Technique.” SpringerVerlag 2011 1-2.
Elliot, Kaplan D. 1996. Understanding GPS Principles and Applications. Boston: Artech House
Publiser.
Ganon, Megan. 2013. Solar Activity 2013: Peak Year Of Sun's 11-Year Cycle May Be Weakest
In 100 Years. 15 July. Diakses pada Octover 15, 2013. http://www.huffingtonpost.com/.
Group, Royal Obervatory of Belgium GNSS Research. 2013. Ionosphere : Tutorial. 26 June.
Diakses pada tanggal 15 October 2013. www.http://gnss.be/.
Hikmat. 2013. Hikmat.web.id. 1 February. Diakses pada tanggal 18 Desember 2013.
http://hikmat.web.id/.
Hong, Chang-Ki, Dorota A. Grejner-Brzezinska, and Hyoun Jay Kwon. 2008. “Efficient GPS
REceiver DCB estimation for ionospere modelling using satellite-receiver geometry
changes.” E-Letter.
Jager, C.de. 2008. “Solar Acitvity and Its Influence on Climate.” Netherlands Journal of
Geosciences.
Jin, Rui, Jin Shuanggen, and Guiping Feng. 2012. “M_DCB: Matlab code for estimating GNSS
satellite and receiver.” GPS Toolbox.
Marlia, Dessi, and Asnawi Husin. 2013. “Analsis Dampak Peningkatan Aktivitas Matahari
Terhaadap Perubahan Total Electron Content.” SNSAA 2012.
Muslim, Buldan. 2009. “Pemodelan TEC Ionosfer di Atas Sumatera dan Sekitarnya Mendekati
Real Time dari Data GPS NTUS.” Prosiding Seminar Nasional Revitalisasi Data dan
Informasi Keruangan (Geospasial) untuk Meningkatkan Efisiensi Pengelolaan Potensi
Sumber Daya Daerah.
Muslim, Buldan, Hasanudin Z Abidin, The Houw Liong, Wedyanto Kuntjoro, Cecep Subarya,
Heri Andreas, and M Gamal. 2006. “Pemodelan TEC Regional dari Data GPS Stasiun
Tetap di Indonesia dan Sekitarnya.” PROC. ITB Sains & Tek. Vol. 38 A.
Omarudin. 2013. “Studi Karakteristik Temporal Vtec Berdasarkan Data Igs Badan Informasi
Geospasial.” Institut Teknologi Bandung.
Perwitasari, Septi, and Buldan Muslim. n.d. “Perbandingan Metode Estimasi DCB Penerima
GPS Untuk Pemodelan Ionosfer.” Prosiding Seminar Nasional Revitalisasi Data dan
Informasi Keruangan (Geospasial) Untuk Meningkatkan Efisiensi Pengelolaan Potensi
Sumber Daya Daerah, Yogyakarta.
S. Kao, Y. Tu, and D.J.Weng Ji, S.Y. W. Chen. 2013. “Factors Affecting The Estimation of GPS
Receiver Instrumental Biases.” Survey Review.
Tascione. 1994. “Introduction to the Space Environment.” . Florida : Krieger Publishing
Company.
Schaer, S. 1999. Mapping and predicting the Earth’s ionosphere using the Global Positioning
Sytem, PhD thesis. Switzerland: Bern University.
Wikipedia. 2014. Ionosphere. 1 February. Diakses pada tanggal 20 Februari 2014.
http://en.wikipedia.org/.
Zakapedia. 2009. Zakapedia. 1 1. Diakses pada tanggal 18 Desember 2013. zakapedia.com.
9
LEMBAR PENGESAHAN PAPER
Diperiksa dan disetujui oleh:
Pembimbing I,
Pembimbing II,
Dr. techn. Dudy D. Wijaya, ST. M.Sc.
Dr. Ir. Dina A. Sarsito, M.T.
NIP. 19751017 200604 1 001
NIP. 19641008 199403 1 002
PENENTUAN TOTAL ELECTRON CONTENT DENGAN GNSS
Muhammad Ihsan1), Dudy D. Wijaya2), Dina A. Sarsito2)
Mahasiswa S1 Teknik Geodesi dan Geomatika, Institut Teknologi Bandung
2)
Kelompok Keahlian Geodesi, Institut Teknologi Bandung
Teknik Geodesi dan Geomatika, Institut Teknologi Bandung
Jalan Ganesha No.10 Bandung, Indonesia
1
muhammad.ihsan01@gmail.com
1)
Abstrak
Bias pada ionosfer merupakan salah satu faktor yang dapat mempengaruhi kualitas data
pengamatan GPS. Bias ionosfer kerap dilambangkan dengan densitas dari elektron pada
lapisan ionosfer, dengan luas penampang satu meter persegi, biasa disebut dengan Total
Electron Content (TEC). Estimasi TEC tidak hanya dilakukan untuk koreksi pengamatan GPS,
juga untuk mempelajari fenomena dan kondisi ionosfer bumi. Terdapat beberapa faktor yang
harus diperhatikan dalam mengestimasi TEC, salah satunya adalah bias pada receiver,
Receiver Code Bias (RCB). Dalam melakukan perhitungan TEC, RCB sering dianggap konstan
dalam satu bulan, akan tetapi RCB selalu berubah setiap harinya. Pada tugas akhir ini akan
dibuktikan bahwa RCB bersifat tidak konstan, dan perbedaan tersebut dapat berpengaruh
terhadap nilai TEC. Pada tugas akhir ini digunakan metode least square dalam mengestimasi
RCB. Setelah dilakukan perhitungan RCB untuk titik BAKO bulan Januari 2012, didapat bahwa
nilai RCB bervariasi selama sebulan, meskipun hasil rata-rata RCB harian dalam sebulan tidak
berbeda jauh dengan RCB yang telah diestimasi oleh The International GNSS Services (IGS).
Untuk mendapatkan pengaruh dari RCB harian terhadap nilai TEC, maka dilakukan perhitungan
TEC dengan menggunakan RCB yang berbeda, RCB harian hasil estimasi dan RCB bulanan
dari IGS, perbedaan TEC mencapai 5.9 TECU
Kata kunci : GPS, Total Electron Content (TEC), Receiver Code Bias (RCB)
Abstract
Ionospheric bias is one of the factors that affect the quality of GPS observation data. It is often
defined as electron density in ionosphere layer, with a cross-sectional of one square meter,
commonly referred to as Total Electron Content (TEC). TEC estimation is used not only for
correcting the observation data, but also to study the phenomena and condition on ionsphere.
One of the factors that must be -considered to estimat is Receiver Code Bias (RCB). In
calculating TEC, RCB is often considered to be constant within one month. However, RCB
changes every -day. This thesis will prove that RCB is not constant, and the difference can
affect -the TEC value. There are several methods to estimate the RCB. In this thesis, the least
square method is used for the estimation. After calculating RCB and TEC of the BAKO station
in January 2012 (IGS GPS Station), the result of the estimated RCB varies everyday in a
month, although the result of daily mean of RCB in a month is nearly similar with the RCB
estimated by The International GNSS Services (IGS). To calculate the impact of daily variation
of RCB , the TEC is estimated using different RCB value (daily, weekly, and monthly). The
difference of TEC value reaches 5.9 TECU.
Keywords
: GPS, Total Electron Content (TEC), Receiver Code Bias (RCB)
1
1.1 Latar Belakang
Akhir-akhir ini pengaplikasian GPS terus
mengalami kemajuan, salah satunya
mengamati variasi karakteristik ionosfer
dalam skala global maupun regional. Bias
ionosfer merupakan bahasan yang cukup
vital
dalam
studi
variasi
ionosfer.
(Klobuchar, 1991) Bias ionosfer merupakan
suatu gangguan sinyal GPS yang terjadi di
lapisan ionosfer. Bias ionosfer akan
mempengaruhi kecepatan, arah, dan
kekuatan. Besarnya bias ionosfer akan
tergantung pada jumlah electron sepanjang
lintasan sinyal GPS, jumlah electron biasa
disebut TEC (Total Electron Content)
dengan satuan Total Electron Content Unit
(TECU) (Abidin, 2006). Besaranya nilai
TEC dapat diperoleh dalam beberapa cara,
dalam tugas akhir ini akan menggunakan
GPS dalam mendapatkan nilai TEC. Dalam
penentuan TEC, ada beberapa hal yang
mempengaruhi besar dan akurasi, salah
satu faktor yang cukup signifikan adalah
bias pada receiver dan satelit, biasa disebut
Diferential Code Bias (DCB). DCB pada
receiver (RCB) merupakan bias atau error
yang bersumber dari bias instrumental
penerima (Muslim, 2009). Jika nilai DCB
tidak disertakan dalam penentuan posisi
teliti maka akan mengakibatkan kesalahan
beberaapa meter, dan nilai estimasi TEC
menjadi negatif (Shardon dkk, 1994 dikutip
oleh Muslim 2009). Mengingat akan
besarnya pengaruh dari RCB maka
dilakukan
kalibrasi
dengan
cara
menghitung nilai RCB terlebih dahulu.
Penentuan DCB pada receiver (RCB)
merupakan bahasan utama dari tugas akhir
ini. Dalam penentuan RCB ada beberapa
hal yang patut diperhatikan, salah satunya
adalah epok dari nilai RCB. Berdasarkan
data yang didapat dari International GNSS
Services (IGS), nilai RCB stabil dalam satu
bulan. Karena pada umumnya nilai DCB
pada satelit maupun receiver dianggap
konstan setiap hari atau bulan, dan
faktanya adalah nilai DCB selalu berubah
setiap jam atau hari (Schaer, 1999 dikutip
oleh Jin, 2012).
Tugas akhir ini membahas tentang studi
dan penentuan RCB untuk stasiun IGS
Bakosurtanal. Hal-hal yang akan dibahas
adalah membandingkan nilai TEC untuk
nilai RCB yang ditentukan perhari dan
perminggu
(menggunakan
program
M_DCB2) dengan nilai RCB statis perbulan
yang didapat dari IGS. Selain itu, dilakukan
pula studi pengaruh dari aktivitas matahari
terhadap nilai RCB dan TEC. Dengan
menentukan nilai TEC untuk stasiun BAKO
Bulan Januari 2012 dan Bulan Februari
2008,
maka
akan
menggambarkan
pengaruh dari aktivitas matahari serta
menguji keseragaman TEC dengan metode
pengamatan GPS menggunakan dua
receiver. Dengan dilakukan studi pengaruh
RCB ini maka diharapkan akan menambah
wawasan tentang pentingnya estimasi nilai
RCB, khususnya untuk penentuan nilai
TEC.
1.2 Tujuan
Tujuan utama dari Tugas akhir ini adalah
mempelajari efek dari RCB terhadap nilai
TEC, jika RCB dihitung secara harian
mingguan, dan bulanan. Serta menguji
keseragaman
nilai
TEC
dengan
pengamatan GPS menggunakan dua
receiver.
1.3 Ruang Lingkup
Ruang lingkup dalam penelitian ini adalah
mempelajari pengaruh dari nilai RCB
terhadap estimasi nilai TEC. Nilai RCB
dihitung secara harian dan dibandingkan
dengan RCB bulanan dari IGS, serta
2
membandingkan
receiver
nilai
TEC
antar
dua
1.4 Metodologi
Metodologi yang digunakan dalam tugas
akhir ini adalah:
1.Studi literatur : Tahapan studi literatur
meliputi kajian tentang: geodesi, propagasi
sinyal GPS,
delay sinyal GPS, metode
pengolahan data GPS, Total Electron
Content,dan bias GPS
2.
Pengumpulan
data
untuk
titik
Bakosurtanal bulan Januari 2012, dan
bakosurtanal bulan februari tahun 2008
3. Melakukan perhitungan
dengan program m_dcb2
nilai
RCB
4. Menentukan nilai TEC berdasarkan
yang telah dihitung dengan program untuk
TEC harian dan mingguan, dan TEC
dengan RCB statis dari IGS, menggunakan
program read_rnx
5. Menganalisis perbedaan nilai TEC untuk
RCB harian, mingguan, dan bulanan
6. Menganalisis perbedaan nilai TEC untuk
titik Bakosurtanal tahun 2012 dan 2008
Secara skematis, metodologi pembahasan
penelitian ini dapat digambarkan dalam
diagram sebagai berikut :
Gambar 1.1 Diagram alir metodologi
2. Metode dan Data
2.1 Pengumpulan Data
Data yang digunakan pada penelitian ini
adalah data GPS berformat Rinex, data
orbit format SP3, untuk mengestimasi RCB.
Sedangkan untuk mengestimasi TEC
digunakan data GPS format Rinex, data
navigasi, serta data Differential Code Bias.
Stasion yang digunakan adalah stasion
BAKO (6° 29’ 24.0” LS dan 106° 50’ 60.0”
BT) bulan Januari 2012, Februari 2012,
Maret 2012, April 2012, dan Februari 2008.
2.2 Deskripsi Receiver Code Bias
Hal utama dalam mengestimasi nilai TEC
adalah terlebih dahulu mengestimasi bias
yang terdapat pada perangkat receiver dan
satelit. Setiap frekuensi pada GPS memiliki
bias yang akan berdampak pada akurasi
untuk mengestimasi nilai TEC (Coco dkk.,
1999), bias ini dinamakan Differential Code
Bias (DCB). DCB dibagi menjadi dua
bagian, yaitu DCB pada receiver pengguna
atau biasa disebut Receiver Code Bias, dan
3
DCB pada satelit, Sattelite Code Bias
(SCB).
Satuan
dari
DCB
adalah
nanosecond (ns).
RCB dapat dikatakan sebagai kalibrasi
untuk nilai TEC, karena nilai TEC pada data
kode maupun kombinasi dengan data fase
masih mengandung nilai negatif, sehingga
dilakukan kalibrasi dengan RCB sehingga
nilai TEC bernilai positif (Buldan, 2009).
Berdasarkan Conte (2011), pengaruh nilai
DCB terhadap nilai TEC, berdampak ± 8
TECU pada aktivitas matahari tinggi dan ±3
TECU pada aktivitas matahari rendah
Nilai DCB bervariasi antara Satelit GNSS
dan receiver pengguna. Hampir seluruh
metode estimasi DCB menganggap bahwa
nilai DCB pada satelit maupun receiver
bernilai konstan selama 1 hari sampai 1
bulanSedangkan faktanya bahwa nilai
tersebut selalu berubah setiap jam hingga
setiap harinya (Schaer, 1999 dikutip oleh
Jin dkk.,2012).
k1
k2
Nilai
dan
adalah efek
L1 dan L2
curvature pada data
GPS. Dari persamaan(1) dan (2) dan dapat
L1 dan L2
dilihat bahwa sinyal
merambat pada lintasan yang berbeda
yaitu path p1 dan p2 . Secara teori,
untukmembuat kombinasi lnear data GPS,
kedua sinyal harus merambat pada lintasan
yang identik. Dengan teknik perturbasi, Gu
dan Brunner (1990) memodifikasikan
persamaan (2), sehingga secara matematis
sinyal L2 bisa dihitung sepanjang path
p1 .
❑
L2=S+a ( f 1 )∫ Ne ( r 1 ) dl+ k 1+ P 21 (3)
p1
P21
adalah koreksi perturbasi akibat
perbedaan lintasan sinyal L1 dan L2
.
Dengan mengurangi persamaan (1) dan (3)
, maka STEC dapat dhitung dengan
menggunakan persamaan sebagai berikut:
2.3 Formula Penentuan TEC
Seperti yang telah dijabarkan sebelumnya,
ionosfer merupakan medium yang dispersif
sehingga dua sinyal GPS yang memiliki
frekuensi yang berbeda akan memiliki
koreksi ionosfer yang berbeda pula. Sifat
dispersif ini dapat dimanfaatkan untuk
menentukan STEC menggunakan dua data
ukuran sinyal L1 dan L2 GPS (kombinasi
linear geometric-free) (Omarudin, 2013)
Jarak elektronik untuk data psoudorange L1
dan L2 GPS ditulis sebagai berikut:
❑
L1=S+a (f 1 )∫ Ne ( r 1 ) dl +k 1
p1
(1)
❑
L2=S+a (f 2 )∫ Ne ( r 1 ) dl+ k 2
p2
❑
[ L1−L2 ]−P21+ ∆ r + ∆ d
p1
a ( f 1 )−a ( f 2 )
STEC =∫ Ne ( r 1 ) dl=
(4)
Menurut Schaer (1999), Koreksi Receiver
Code Bias dan Differential Code Bias harus
diperhitungkan
untuk
mengeliminir
kesalahan. Perhitungan nilai RCB akan
dibahas pada subbab lain.
2.4 Aproksimasi persamaan TEC
Untuk mempermudam perhitungan STEC,
diambil beberapa asumsi dan aproksimasi
untuk memecahkan masalah antara lain
1. Sinyal L1 dan L2 merambat
pada lintasan lurus yang identik,
sehingga parameter P21 dapat
diabaikan
(2)
4
2. Efek
medan
magnet
bumi
diabaikan, sehingga efek ionosfer
orde tinggi (orde 2 dan 3) tidak
diperhitungkan, dengan asumsi ini
maka nilai dari persamaan a ( f )
untuk orde 1 menjadi:
a ( f )≈
Cx
2f
2
=
40.3
f2
2.5 Formula Penentuan RCB
Untuk mendapatkan nilai TEC, nilai RCB
terlebih dahulu diestimasi. Pada tahapan
estimasi RCB, ditentukan terlebih dahulu
komponen-komponen pada persamaan MF
(9), persamaan.
Mf =
(5)
Berdasarkan asumsi di atas, STEC pada
persamaan (4) dapat diaproksimasi oleh
f 21 [ L1−L2 ]−P21 +∆ r + ∆ d
STEC =
40.3
f1 2
1−
f2
( )
(6)
(9)
√[
(
1−
R 2 2
sin (∝ z)
R+ H
)
Nilai R sebesar 6371 km. Nilai H dan
∝ bernilai 506.7 km dan 0.9782, yang
dimana nilainya konsisten dengan nilai
yang digunakan oleh CODE (Pusat Analisis
IGS). Fungsi harmonik bola ionosfer
(Ionospheric spherical harmonic function)
digunakan untuk menghitung DCB.
Nilai VTEC,
E ( β , s ) dapat dijabarkan
sebagai berikut (Schaer,1999 dikutip oleh
Jin R, dkk., 2012):
Nilai Vertical Total Electron Content (VTEC)
, atau TEC pada arah zenith ditentukan
dengan memproyeksikan nilai STEC
menggunakan fungsi pemetaan ionosfer
(Schaer, 1999).
sinβ
anm cos ms+ bnm sin ms
n
P nm( ¿)¿
∑~
m=0
E ( β , s ) =∑ ¿
(7)
(10)
√[
(
1−
R 2 2
sin (∝ z)
R+ H
)
]
(8)
Dimana R adalah jari-jari bumi, H adalah
ketinggian lapisan ionosfer, dan z adalah
sudut zenith posisi satelit dari penerima.
(Omarudin, 2013)
)
nmax
VTEC=M f . STEC
Mf =
]
n=0
Dimana
β adalah lintang geosentrik
dari Ionospheric pierce point (IPP), IPP
adalah titik yang merupakan perpotongan
antara sinyal GPS dan lapisan ionosfer
yang
diasumsikan
sebagai
tempat
berkumpul
ionosfer,
lapisan
ini
dilambangkan dengan H . s= λ−λ 0
adalah bujur matahari dari IPP, λ0 dan
λ❑ adalah bujur IPP dan waktu matahari
nyata,
anm dan bnm =model koefisien global maupunre
Pnm
,
=
polynomial
Legendre
ternormalisasi. Nilai
menunjukan
⋀
Pnm adalah
fungsi normalisasi dan
5
polynomial Legendre tidak ternormalisasi,
dijabarkan dalam persamaan
√
2 n+1 ( n−m ) !
(11)
1+ δ 0 m ( n+m ) !
dengan
δ ❑ merupakan
Λ= 2
Dan
delta
Kronecker, Subtitusi persamaan (8) dan (6)
ke persamaan (7), maka persamaan
dijabarkan sebagai berikut
Gambar 3.1 Grafik Perbedaan RCB
anm cos ms+b nm sin ms
√[
[
RCB yang diperoleh memiliki nilai yang
]
r +∆ d Pada awal bulan
setiap
harinya.
f 21 bervariasi
[ L1 −L2 ]−P
R 2 2
21 + ∆
Pnm (sinβ)(¿¿)= 1−
sin (∝ z )
2 fluktuatif setiap harinya,
nilai
TEC
bersifat
R +H
40.3
f1
memasuki1−
hari ke-7, RCB mulai meningkat
2
sekitar 2.5 ns,fpada
hari ke-8 hinga hari ke-
(
]
)
n
∑¿
m=0
nmax
∑¿
n=0
(12)
Dimana
P4
adalah pengamatan yang
anm , bnm ,
telah dihaluskan, dan
∆ r , ∆ d adalah parameter yang
tidak diketahui dan akan diestimasi masingmasing. Urutan dari expasi harmonic bola
tergantung terhadap luasan area.
3. HASIL & PEMBAHASAN
Hasil pengolahan RCB Stasion BAKO
Januari 2012 yang dihitung secara harian
ditampilkan pada gambar 3.1
()
12, nilai RCB turun dan naik kembali pada
hari ke-13. Sekitar pertengahan bulan RCB
selalu naik turun dan pada hari ke-27, RCB
terus naik hingga hari ke -31.
Untuk membandingkan nilai RCB yang
didapat dari pengolahan dengan RCB dari
IGS, maka RCB harian diratakan-ratakan
sehingga didapat RCB bulanan. Nilai RCB
dari IGS sebesar 11.29 ns, dan nilai RCB
dari hasil pengolahan sebesari 10.63 ns.
Selisih antar kedua RCB adalah 0.66 ns.
Berdasarkan syarat dari IGS, bahwa
perbedaan hasil estimasi RCB dengan RCB
yang dihitung oleh IGS kurang dari 0.7 ns.
Dengan hasil seslisih 0.66 ns, maka hasil
estimasi dapat diterima karena memenuhi
syarat dari IGS. Akan tetapi nilai 0.66 ns,
dapat dikatakan cukup besar untuk titik
kerangka IGS. Hal ini dapat disebabkan
karena digunakan estimasi single-receiver,
yang berarti penghitungan RCB langsung
ditunjukan kepada satu receiver, tidak
diikatkan dengan receiver lain. Berdasarkan
Rui Jin dkk (2012), estimasi menggunakan
multi stasiun akan memberikan perbedaan
nilai rata-rata yang lebih kecil.
Setelah melakukan perhitungan RCB, maka
langkah selanjutnya adalah melakukan
6
perhitungan TEC, hasil estimasi
ditampilkan pada gambar 3.2
TEC
TEC pada suatu epok dalam 30 hari,
sehingga yang dihasilkan adalah 2880 data
yang tiap epoknya merupakan hasil ratarata
dalam
sebulan.
Grafik
3.3,
memperlihatkan
perbedaan
antara
pengaruh RCB harian, mingguan, dan
bulanan.
Gambar 3.2 Grafik Perbedaan TEC
Berdasarkan gambar 3.2, nilai TEC
berbeda-beda untuk setiap RCB. Terdapat
selisih yang cukup besar (hingga 5 TECU)
antara harian dan bulanan. Menurut ByungKyu Choi (2010), nilai 1 TECU dapat
dikonversi kepada jarak pengamatan antara
GPS dan receiver sebesar 0.16 m. Jika
terdapat perbedaan sebesar 5 TECU, yang
berarti memiliki kesalahan jarak sebesar
0.8 m. Nilai tersebut cukup besar jika
pengamatan
yang
dilakukan
adalah
pengamatan titik teliti.
Berdasarkan hasil yang diperoleh, nilai TEC
sangat dipengaruhi oleh nilai RCB.
Perbedaan atau selisih RCB harian
terhadap RCB bulanan, berbanding lurus
terhadap selisih TEC harian dan bulanan.
RCB yang dapat dikatakan sebagai
kalibrasi TEC mengakibatkan selisih RCB
berbanding lurus dengan selisih TEC.
Artinya, semakin besar selisih RCB harian
atau mingguan terhadap RCB bulanan,
maka semakin besar pula selisih TECnya
Selain menghitung nilai Mean_VTEC,
dilakukan juga perbandingan nilai TEC perepok. Pada tugas akhir ini digunakan data
RINEX yang memiliki epok pengamatan
setiap 30 detik, sehingga dalam 24 jam
terdapat 2880 data, dan dihimpun dalam
satu data rinex. Perbandingan nilai TEC
per-epok dilakukan dengan merata-ratakan
Gambar 3.3 Perbandingan TEC per-epok
BAKO Januari 2012
Untuk lebih jelasnya, ditampilkan dalam
gambar 3.4 yang telah diperbesar
Gambar 3.4 Perbesaran Grafik TEC perepok BAKO 2012
Mengacu pada hasil yang telah diperoleh,
perbedaan nilai RCB ternyata berdampak
cukup
signifikan,
khususnya
untuk
pengamatan yang membutuhkan ketelitian
tinggi. Nilai TEC dari nilai RCB bulanan
cenderung lebih besar, karena pada
dasarnya nilai RCB bulanan lebih besar.
Karena RCB merupakan kalibrasi TEC,
yang dimana nilai TEC awal (yang dapat
bernilai negatif), dijumlahkan dengan RCB
sehingga bernilai positif. Jika melihat sifat
kalibrasi tersebut, maka nilai RCB harian
lebih tinggi dibanding RCB bulanan akan
menghasilkan TEC yang lebih tinggi pula.
7
3.1 Uji Keseragaman TEC
Uji keseragaman TEC dilakukan dengan
metode survey lapangan, dimana kedua
receiver ditempatkan dalam suatu tempat
dengan jarak antar receiver sejauh 7.3
meter. Hasil yang didapat dari survey ini
adalah
Gambar 3.5 Grafik TEC Receiver SARAGA
Tabel 3 1 Tabel Perbandingan RCB dan
TEC Receiver SARAGA
Titik
RCB
(ns)
VTEC
(TECU)
Rata-rata
1685
11.1382
47.5969
1749
10.9839
47.6150
Dari hasil yang diperoleh, terdapat
perbedaan nilai RCB antar kedua receiver,
meskipun selisih RCB antar kedua receiver
sebesar 0.154 ns. Nilai ini berdampak
kepada nilai rata-rata VTEC yang berbeda
sekitar 0.018 TECU.
Berdasarkan
hasil
yang
didapat,
disimpulkan bahwa kondisi ionosfer bersifat
seragam karena perbedaan TEC hanya
sebesar 0.018 TECU, adanya perbedaan
dapat disebabkan oleh perbedaan nilai
RCB. Kecilnya selisih dari nilai RCB (0.154
ns) dapat dikarenakan oleh tipe dari
receiver dan jenis pengamatan yang sama.
4. KESIMPULAN
Berdasarkan pengolahan yang telah
dilakukan, terdapat beberapa aspek yang
dapat disimpulkan, diantara lain :
1. Perbedaan nilai RCB rata-rata harian
dengan RCB dari IGS pada titik BAKO
Januari tahun 2012 sebesar 0.66 ns, nilai
ratar-rata ini masuk dalam syarat RCB
dimana perbedaan rata-rata bulanan
memiliki selisih kurang dari 0.7 ns terhadap
nilai RCB IGS
2. Estimasi RCB Harian dapat berefek
terhadap
estimasi
TEC,
dengan
membandingkan TEC dari RCB Harian dan
Bulanan, selisih antar nilai TEC mencapai
5.9 TECU
3. Perbedaan antara nilai TEC dengan RCB
harian dan mingguan sebesar -4.3 TECu
hingga 3 TECU
4. Perbedaan antara nilai TEC dengan RCB
mingguan dan bulanan sebesar -1.9 TECU
hingga -0.1TECU
5. Perbedaan antara nilai TEC dengan RCB
harian dan bulanan sebesar -5.9 TECU
hingga 2.3 TECU
6. Pengaruh nilai RCB untuk kedua receiver
yang saling berdekatan sebesar 2.8 TECU
dengan selisih RCB sebesar 0.15 ns
REFERENSI
Abidin, Hasanudin Z. 2001. Geodesi Satelit. Jakarta: PT Anem Kosong Anem.
Abidin, Hasanudin Z. 2001. 2006. Penentuan Posisi dengan GPS dan Aplikasinya. Jakarta: PT
Pradnya Paramita.
Choi, B.K., Choi J.H., and Lee S.J. 2011. “Estimation and analysis of GPS reciever differential
code biases using KGN in Korean Peninsula.” Science Direct.
Choi, Byung-Kyu, Jong-Kyun Chung, and Jeong-Ho Cho. 2012. “Receiver DCB Estimation and
Analysis by Types of GPS Receiver.” Journal of Astronomy and Space Science.
8
Conte, Juan Federico, Fransico Azpilicicueta, and Claudio Brunini. 2011. “Accuracy Assesment
of the GPS-TEC Calibration Constant by Means of A Simulation Technique.” SpringerVerlag 2011 1-2.
Elliot, Kaplan D. 1996. Understanding GPS Principles and Applications. Boston: Artech House
Publiser.
Ganon, Megan. 2013. Solar Activity 2013: Peak Year Of Sun's 11-Year Cycle May Be Weakest
In 100 Years. 15 July. Diakses pada Octover 15, 2013. http://www.huffingtonpost.com/.
Group, Royal Obervatory of Belgium GNSS Research. 2013. Ionosphere : Tutorial. 26 June.
Diakses pada tanggal 15 October 2013. www.http://gnss.be/.
Hikmat. 2013. Hikmat.web.id. 1 February. Diakses pada tanggal 18 Desember 2013.
http://hikmat.web.id/.
Hong, Chang-Ki, Dorota A. Grejner-Brzezinska, and Hyoun Jay Kwon. 2008. “Efficient GPS
REceiver DCB estimation for ionospere modelling using satellite-receiver geometry
changes.” E-Letter.
Jager, C.de. 2008. “Solar Acitvity and Its Influence on Climate.” Netherlands Journal of
Geosciences.
Jin, Rui, Jin Shuanggen, and Guiping Feng. 2012. “M_DCB: Matlab code for estimating GNSS
satellite and receiver.” GPS Toolbox.
Marlia, Dessi, and Asnawi Husin. 2013. “Analsis Dampak Peningkatan Aktivitas Matahari
Terhaadap Perubahan Total Electron Content.” SNSAA 2012.
Muslim, Buldan. 2009. “Pemodelan TEC Ionosfer di Atas Sumatera dan Sekitarnya Mendekati
Real Time dari Data GPS NTUS.” Prosiding Seminar Nasional Revitalisasi Data dan
Informasi Keruangan (Geospasial) untuk Meningkatkan Efisiensi Pengelolaan Potensi
Sumber Daya Daerah.
Muslim, Buldan, Hasanudin Z Abidin, The Houw Liong, Wedyanto Kuntjoro, Cecep Subarya,
Heri Andreas, and M Gamal. 2006. “Pemodelan TEC Regional dari Data GPS Stasiun
Tetap di Indonesia dan Sekitarnya.” PROC. ITB Sains & Tek. Vol. 38 A.
Omarudin. 2013. “Studi Karakteristik Temporal Vtec Berdasarkan Data Igs Badan Informasi
Geospasial.” Institut Teknologi Bandung.
Perwitasari, Septi, and Buldan Muslim. n.d. “Perbandingan Metode Estimasi DCB Penerima
GPS Untuk Pemodelan Ionosfer.” Prosiding Seminar Nasional Revitalisasi Data dan
Informasi Keruangan (Geospasial) Untuk Meningkatkan Efisiensi Pengelolaan Potensi
Sumber Daya Daerah, Yogyakarta.
S. Kao, Y. Tu, and D.J.Weng Ji, S.Y. W. Chen. 2013. “Factors Affecting The Estimation of GPS
Receiver Instrumental Biases.” Survey Review.
Tascione. 1994. “Introduction to the Space Environment.” . Florida : Krieger Publishing
Company.
Schaer, S. 1999. Mapping and predicting the Earth’s ionosphere using the Global Positioning
Sytem, PhD thesis. Switzerland: Bern University.
Wikipedia. 2014. Ionosphere. 1 February. Diakses pada tanggal 20 Februari 2014.
http://en.wikipedia.org/.
Zakapedia. 2009. Zakapedia. 1 1. Diakses pada tanggal 18 Desember 2013. zakapedia.com.
9
LEMBAR PENGESAHAN PAPER
Diperiksa dan disetujui oleh:
Pembimbing I,
Pembimbing II,
Dr. techn. Dudy D. Wijaya, ST. M.Sc.
Dr. Ir. Dina A. Sarsito, M.T.
NIP. 19751017 200604 1 001
NIP. 19641008 199403 1 002