ANALISIS KORELASI DATA WATER COLUMN HEIGHT DAN GELOMBANG LAUT DENGAN DATA IKLIM MIKRO MENGGUNAKAN METODE KOEFISIEN KORELASI PADA PUMMA SEBESI

ATIKA , LESTARI (2025) ANALISIS KORELASI DATA WATER COLUMN HEIGHT DAN GELOMBANG LAUT DENGAN DATA IKLIM MIKRO MENGGUNAKAN METODE KOEFISIEN KORELASI PADA PUMMA SEBESI. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK atika fiks - Atika Lestari.pdf Download (134Kb) | Preview
	File PDF Skripsi jurusan FULL atika - Atika Lestari.pdf Restricted to Hanya staf Download (4Mb) | Minta salinan
Preview	File PDF skripsi tanpa pembahasan atika - Atika Lestari.pdf Download (1513Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Analisis deret waktu ketinggian kolom air laut diperlukan untuk membedakan gelombang tsunami dengan dinamika alami pasang surut, swell, seiche, dan bangkitan kapal, serta anomali yang relevan bagi peringatan dini tsunami. Korelasi dengan iklim mikro setempat penting sebagai kontrol operasional untuk membantu menyaring false alarm akibat angin/hujan, menilai kualitas sensor, dan membangun fitur prediktif yang realistis. Studi ini menganalisis hubungan antara water column height dan ketinggian gelombang hasil pemantauan PUMMA berfrekuensi 1 Hz di Pulau Sebesi dengan variabel iklim mikro (kecepatan/arah angin, curah hujan, intensitas radiasi matahari, kelembapan relatif, dan tekanan udara). Metode mencakup korelasi nonparametrik (Spearman, Kendall–Tau) dan pemodelan Long Short-Term Memory (LSTM) untuk prediksi jangka pendek. Alur kerja meliputi akuisisi, prapemrosesan, EDA, uji normalitas, analisis korelasi, dan pemodelan. Hasil menunjukkan tidak terdapat hubungan yang signifikan antara variabel iklim mikro dan water column height/ketinggian gelombang pada skala 1 Hz. Temuan ini menyiratkan bahwa variabilitas muka air di Pulau Sebesi lebih didominasi pasang surut, remote forcing, dan faktor oseanografis non- meteorologis lokal. Kontribusi iklim setempat terutama memengaruhi wind- setup/gelombang pendek dan kurang informatif untuk deteksi anomali level. Model LSTM memprediksi tren tekanan air sensor submersible gauge dengan akurasi tinggi (MSE = 0,003; MAE = 0,013; RMSE = 0,016; R2 = 0,990) serta sensor ultrasonik (MSE = 0,009; MAE = 0,024; RMSE = 0,030; R2 = 0,973), menegaskan kestabilan sinyal dan kelayakan peramalan edge. Studi ini menyimpulkan bahwa korelasi rendah dengan iklim menegaskan perlunya integrasi komponen pasang-surut dan kondisi gelombang/arus regional dalam analitik PUMMA, sementara variabel iklim lebih tepat untuk kontrol kualitas/penjelas sekunder. Selain itu, model LSTM pada 1 Hz layak untuk prediksi jangka pendek dan gap-filling. Studi lanjutan diarahkan pada perluasan fitur oseanografi dan validasi lintas-musim untuk meningkatkan sensitivitas deteksi anomali. Kata Kunci: PUMMA, iklim mikro, koefisien korelasi, Spearman, Kendall-Tau, LSTM, gelombang laut. Time-series analysis of sea-level height is essential to distinguish the tsunami wave from routine dynamics such as tides, swell, seiche, vessel wake, and anomalies pertinent to early warning. Correlating sea-level records with local weather provides operational control i.e., filtering wind/rain-induced false alarms, supporting sensor quality checks, and informing realistic predictive features. This study examines relationships between PUMMA 1 Hz sea-level (water column height) and wave-height measurements at Sebesi Island and microclimate variables (wind speed/direction, rainfall, solar radiation, relative humidity, and air pressure). Methods include nonparametric correlations (Spearman, Kendall–Tau) and Long Short-Term Memory (LSTM) modelling for short-term prediction. The workflow comprises acquisition, preprocessing, EDA, normality testing, correlation analysis, and modelling. Results indicate no significant association between microclimate variables and sea-/wave-height at the 1 Hz scale. This suggests that sea-level variability at Sebesi is primarily governed by tides, remote forcing, and non-local oceanographic drivers, whereas local weather mainly affects wind-setup/short-period waves and is less informative for anomaly detection in level data. The LSTM achieved high predictive skill for the PUMMA pressure channel (MSE = 0.003; MAE = 0.013; RMSE = 0.016; R2 = 0.990) and the ultrasonic channel (MSE = 0.009; MAE = 0.024; RMSE = 0.030; R2 = 0.973), confirming signal stability and the feasibility of edge-based short-horizon forecasting. In conclusion, the weak weather correlations underscore the need to integrate tidal constituents and regional wave/current conditions into PUMMA analytics, while treating local weather as secondary explanatory/quality-control inputs. Moreover, the 1 Hz LSTM models are suitable for short-term prediction and gap-filling without compromising real-time operation. Future work will extend oceanographic feature sets and perform cross-season validation to enhance anomaly-detection sensitivity and overall early-warning reliability. Keywords: PUMMA, microclimate, correlation coefficient, Spearman, Kendall- Tau, LSTM, ocean waves.

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Elektro
Pengguna Deposit:	UPT . Desi Zulfi Melasari
Date Deposited:	28 Oct 2025 08:42
Terakhir diubah:	28 Oct 2025 08:42
URI:	http://digilib.unila.ac.id/id/eprint/92233

Actions (login required)

Lihat Karya Akhir