Halaman | 46
BAB IV
ANALISIS
4.1 Analisis Input Data
Setelah dilakukan pengolahan data, ada beberapa hal yang dianggap berpengaruh terhadap hasil pengolahan data, yaitu penggunaan data observasi GPS dengan interval epok 30 detik, kemudian penggunaan metoda secara diferensial mengharuskan penulis untuk mengetahui koordinat fix dari titik kontrol dan titik pengamatan (Bakosurtanal – CGPS-ITB).
Keadaan meteorologis dapat mempengaruhi hasil ukuran yang direprensentasi dari ukuran ZWD yang didapatkan dari data pengamatan meteorologi secara langsung. Hal ini disebabkan suhu dan kelembaban memberikan pengaruh pada perhitungan komponen ZWD. Berdasarkan hasil pengamatan, keadaan meteorologis cenderung memiliki pola yang dapat terlihat pada gambar 4.1 berikut ini,
Gambar 4.1 Suhu, tekanan, dan nilai ZWD saat pengamatan
Pada gambar 4.1 dapat diketahui, nilai suhu dan kelembaban cenderung sama. Keadaan suhu dan kelembaban pada gambar 4. 1 sampel pengamatan menunjukkan saat suhu naik pada siang hari maka kelembaban akan meningkat dan sebaliknya. Perubahan signifikan terjadi bila ada proses yang terjadi di atmosfer seperti fenomena hujan
Halaman | 47
hujan yaitu suhu turun dan kelembaban naik (waktu ke 66 – waktu ke 72). Pada gambar 4.1 dapat diketahui pola perubahan ZWD saat pengamatan yang mengikuti pola suhu dan kelembaban baik dalam keadaan normal maupun saat hujan. Dari gambar 4.1 juga dapat diketahui pola keadaan meteorologis di daerah pengamatan secara umum. Perlunya diketahui pola perubahan keadaan suhu dan kelembaban terkait dengan pengaruhnya dalam penentuan nilai ZWD dimana nilai ini dipengaruhi oleh beberapa parameter seperti suhu dan kelembaban.4.2 Analisis Strategi Penentuan ZTD dari GPS
Pada dasarnya nilai ZTD terkait dengan beberapa paramater. Secara teori penggunaan fungsi mapping untuk menentukan nilai ZTD dalam Bernese terbatas, sehingga untuk nilai 5o keatas nilai ZTD menunjukkan nilai yang sama dengan penggunaan fungsi mapping yang berbeda, sedangkan untuk dibawah 5o direkomendasikan model Hopfield modifikasi [Hugentobler, 2001 dikutip dari Shrestha, 2003], sehingga diputuskan digunakan fungsi Hopfield sebagai mapping function
referensi. Hal ini didasarkan juga pada beberapa referensi yang menganjurkan penggunaan Model Hopfield yang sesuai digunakan di Indonesia [Wedyanto, 2007]. Hasil perhitungan ZTD memiliki tingkat kepresisian antara 1-3 milimeter. Dapat diketahui nilai ini menunjukkan bahwa nilai ZTD cukup dapat diterima.
4.2.1 Analisis dari Aspek Variasi Lama Waktu Pengamatan
Dalam penggunaan informasi orbit, final ephemeris digunakan sebagai referensi. Hal ini menjadi alasan karena kualitas final ephemeris yang baik dan beberapa referensi yang menganjurkan penggunaan jenis informasi orbit ini.
Dengan menggunakan metode diferensial untuk mengeliminir kesalahan terutama kesalahan jam (receiver dan satelit). Pengaruh baseline berpengaruh dalam pengamatan, bila baseline terlalu pendek atau panjang dapat menghilangkan efek meteorologis yang diamati. Panjang baseline pengamatan (Bako – ITB) adalah 95.2984
Halaman | 48
km. Baseline ini memenuhi syarat untuk mengamati keadaan meteorologis seperti pengamatan ZTD. Berdasarkan referensi, bahwa kesalahan penentuan posisi secara diferensial terpengaruh dari panjang baseline yang juga mengindikasikan efek meteorologis. Efek meteorologis cenderung sama bila baseline kurang dari 26 km yang menunjukkan efek meteorologis mendekati nol dan hal sama terjadi pada jarak diatas 300 km, sehingga panjang baseline pengamatan dianjurkan antara 26 - 300 km [Snay et al., 2002].Pengolahan data menggunakan final ephemeris untuk mendapatkan nilai ZTD dengan interval lama waktu pengamatan setiap 20 menit dan membandingkannya dengan 30 menit, dan 60 menit, kemudian dilakukan analisis melihat adanya perubahan dan pengaruh interval waktu pengamatan. Hasil pengolahan data dengan variasi interval lama waktu pengamatan yang berbeda tentu saja memberikan nilai yang berbeda dan dapat dilihat pada gambar 4.2 berikut ini,
Gambar 4.2 Perbandingan nilai ZTD dengan variasi interval lama waktu pengamatan Nilai ZTD pada gambar 4.2 didapatkan dari pengamatan selama 14 hari. Pada hari ke-2 dan ke-3 terdapat perubahan nilai ZTD cukup signifikan. Untuk lebih jelasnya dapat dilihat pada gambar 4.3 ini,
Halaman | 49
Gambar 4.3 Pengaruh cycle slip terhadap nilai ZTDDari gambar 4.2 nilai ZTD maksimum adalah 2.1158 m dan minimum adalah 2.0336 m dengan selisih 0.0822 m (nilai ZTDmaks - ZTDmin). Perubahan tiap interval lama
waktu pengamatan umumnya 3 mm – 20 mm. ZTD dengan interval lama waktu pengamatan 60 menit menunjukkan pola semakin smooth daripada interval lama waktu pengamatan 20 menit. Hal ini membuktikan bahwa memperpanjang waktu pengamatan akan memberikan variasi dalam penentuan nilai ZTD.
Pada gambar 4.3 Kesalahan cycle slip mempengaruhi nilai posisi yang berarti terjadi perubahan nilai ZTD yang didapatkan dari Htro - Hnontro. Masalah ini muncul pada
hari pengamatan ke-2 dan ke-3. Masalah ini dapat diketahui dari meningkatnya nilai
unresolved ambiguitas hingga 3 kali lipat (pada hasil pengolahan data hari yang lain nilai
unresolved ambiguitas antara 0 sampai 3). Untuk lebih jelasnya dapat dilhat pada gambar 4.4 sebagai berikut,
Halaman | 50
Gambar 4.4 Nilai unresolved ambiguitas akibat cycle slipUntuk perubahan nilai ZTD yang signifikan memerlukan perubahan signifikan (dan hal itu dipengaruhi keadaan cuaca di sekitar titik pengamatan, penulis menganggap keadaan meteorologis terjadi secara umum), tetapi mengingat tidak adanya data kondisi meteorologis pada hari tersebut, analisis berdasarkan pengaruh meteorologis menjadi sulit untuk dikaitkan ke sampel pengamatan meteorologis. Tidak dapat dipastikan apakah nilai ZTD tersebut (hari 2 dan 3) juga dipengaruhi kondisi meteorologis. Secara statistik nilai ZTD yang dihasilkan menggunakan final ephemeris dengan interval lama waktu pengamatan yang berbeda cenderung sama. Hal ini dapat dilihat pada gambar 4.5 sebagai berikut :
Gambar 4.5 Statistik hasil ZTD final ephemeris dengan variasi interval waktu
Secara Statistik, nilai ZTD final ephemeris pada interval lama waktu pengamatan yang berbeda cenderung memiliki nilai yang hampir sama dan menunjukkan informasi
Halaman | 51
orbit yang digunakan menghasilkan nilai ZTD yang terdistribusi normal sehingga nilai ZTD dapat diterima dan dapat dijadikan referensi untuk pengamatan menggunakan ultra rapid ephemeris.Penggunaan ultra rapid ephemeris memiliki alasan untuk tujuan penentuan delay troposfer di masa akan datang secara near real-time dan mendapatkan nilai ZTD yang memiliki kualitas ZTD yang berasal dari final ephemeris. Hal ini juga berdasarkan kelebihan ultra rapid ephemeris yaitu ketersediaan data yang cukup cepat (4 kali sehari) dibandingkan final ephemeris yang harus menunggu minimal 13 hari. Ada alasan mengapa ultra rapid ephemeris digunakan daripada broadcast ephemeris, untuk lebih jelasnya dapat dilihat pada gambar 4.6 :
Gambar 4.6 Nilai ZTD menggunakan final ephemeris dan broadcast ephemeris
Pada gambar 4.6 menunjukkan nilai ZTD menggunakan broadcast ephemeris memiliki pola yang sangat jauh dengan nilai ZTD menggunakan final ephemeris (selisih sekitar 0.6 m), sehingga hal ini menjadi alasan mengapa broadcast ephemeris tidak digunakan untuk menentukan ZTD walaupun tersedia secara real time, sedangkan hasil pengolahan data menggunakan ultra rapid ephemeris dapat dilihat pada gambar 4.7 berikut ini,
Halaman | 52
Gambar 4.7 Nilai ZTD menggunakan ultra rapid ephemerisDari gambar 4.7 dapat dilihat bahwa nilai ZTD yang dihasilkan masih memiliki kesalahan penentuan ZTD yang cukup besar. Hal ini dapat dilihat terjadi pada hari ke 6 dan 10 yang menunjukkan masih adanya kesalahan yang cukup signifikan terutama pada interval lama waktu pengamatan 20 menit. Salah satu alternatif solusi yang dilakukan adalah meningkatkan interval waktu pengamatan. Nilai kesalahan pada hari ke 6 dan 10 ini terkoreksi meningkat sejalan dengan meningkatnya lama waktu pengamatan. Nilai kesalahan (ZTDmaks – ZTDmin) ultra rapid adalah 219.7 mm (2.2522 m – 2.0325 m) dari
pengamatan tiap 20 menit menjadi 82 mm (2.1131 – 2.0311 m) dari lama waktu pengamatan tiap 60 menit. Secara Statistik nilai ZTD menggunakan ultra rapid ephemeris dapat dilihat pada gambar 4.8 berikut ini,
Halaman | 53
Dari gambar 4.8 secara statistik dapat dilihat, adanya nilai yang berbeda yang menunjukkan kesalahan cukup signifikan pada waktu pengamatan 20 menit (2.25 m) dan berkurang pada waktu interval 60 menit. Peningkatan lama waktu pengamatan mampu mereduksi kesalahan yang muncul tanpa perlu penghilangan data awal. Kesalahan ini bisa disebabkan kekurangan data untuk menentukan nilai ZTD setelah proses cleaning data saat processing. Lama waktu pengamatan meningkatkan jumlah data pengamatan sehingga nilai ZTD akan saling berkorelasi secara matematis dan mampu mereduksi kesalahan akibat adanya ukuran lebih dalam pengamatan. Dari gambar 4.8 dapat ditarik analisis bahwa peningkatan lama waktu pengamatan mampu meningkatkan kualitas ZTD yang menggunakan ultra rapid ephemeris.4.2.2 Analisis dari Aspek Informasi Orbit Teliti yang Digunakan
Gambar 4.9 Perbandingan ZTD dengan interval lama waktu pengamatan 20 menit antara final ephemeris dan ultra rapid ephemeris
Dari gambar 4.9 masih dapat dilihat adanya kesesuaian pola antara informasi orbit yang digunakan. ZTD ultra rapid ephemeris dengan interval lama waktu pengamatan 20 menit umumnya berbeda 1-2 mm dengan ZTD menggunakan final ephemeris dan menunjukkan masih munculnya kesalahan cukup signifikan.
Kesalahan nilai ZTD terjadi pada hari ke 6 dan 10. Kesalahan ini bisa terjadi mengingat kualitas ultra rapid ephemeris yang masih dibawah final ephemeris. Pada
Halaman | 54
Hari ke 6 dan 10 data input (RINEX) memiliki kualitas yang baik (tidak bermasalah). Kesalahan ini dapat terkoreksi dengan meningkatkan interval lama waktu pengamatan menjadi 60 menit. Untuk lebih jelasnya dapat dilihat pada gambar 4.10,Gambar 4.9 Perbandingan ZTD dengan interval lama waktu pengamatan 60 menit antara final ephemeris dan ultra rapid ephemeris
Pada gambar 4.10 dapat diketahui peningkatan lama waktu pengamatan dapat meningkatkan kualitas hasil ZTD menggunakan ultra rapid ephemeris. Pola yang didapatkan menggunakan kedua jenis informasi orbit cenderung sama dengan peningkatan kualitas ZTD menggunakan ultra rapid ephemeris yang ditunjukkan dengan makin kecilnya kesalahan yang muncul.
Halaman | 55
4.3 Verifikasi Hasil ZWD GPS dan ZWD HopfieldGambar 4.11 Pola Harian ZWD di CGPS-ITB
Untuk melihat fitting model di titik CGPS-ITB digunakan polinomial agar mendapatkan pendekatan yang mewakili nilai ZWD saat pengamatan. Fitting model
dilakukan untuk mendapatkan nilai ZWD yang paling mendekati hasil ukuran. Fitting model paling sesuai adalah polinomial yang memiliki jumlah kuadrat residu paling kecil. Dari pengolahan data serta percobaan didapatkan,
1. Menggunakan Polinomial orde 3 nilai ∑vv = 0.08987 (hijau) 2. Menggunakan Polinomial orde 4 nilai ∑vv = 0.066819 (oranye) 3. Menggunakan Polinomial orde 8 nilai ∑vv = 0.078919 (merah)
Fitting model pada gambar 4.11 dapat diketahui model apakah yang paling mendekati nilai ZWD dari hasil pengolahan data sehingga model ini dapat merepresentasikan ZWD saat pengamatan. Alasan melihat ∑vv adalah mengetahui nilai jumlah residu terkecil yang menunjukkan bahwa model tersebut dapat mendekati nilai ZWD ukuran. Dapat dijelaskan bahwa bukan berarti menggunakan orde yang lebih kompleks (polinomial 8) dapat memberikan nilai pendekatan lebih baik (nilai ∑vv orde 4 < orde 8) dan model yang paling mendekati adalah polinomial orde 4 dengan ∑vv = 0.066819. Bila melihat pola fitting model 6 jam menunjukkan adanya kesesuaian dengan pola pada polinomial orde 4.
Halaman | 56
Untuk Melihat apakah ukuran GPS sudah dapat memperkirakan kondisi meteorologis di titik pengamatan dapat dilihat pada gambar 4.12 sebagai berikut,Gambar 4.12 Verifikasi Data ZWD GPS dan ZWD Hopfield
Dari gambar 4.12 dapat dilihat hasil ZWD GPS dengan ZWD Hopfield yang menggunakan data ukuran langsung memiliki kecenderungan pola yang relatif sama. Pola yang didapat dari 2 data pada gambar 4.12 cenderung memiliki kesamaan walaupun sebenarnya ada perbedaan muncul. Nilai ZWD yang didapatkan dengan GPS lebih smooth, sedangkan nilai ZWD hopfield berbeda (lebih tersebar dan fluktuatif). Perbedaan pola dapat disebabkan pada jumlah data pengamatan yang saling berkorelasi selama waktu pengamatan (ZWD GPS), sedangkan ZWD Hopfield hanya menunjukkan nilai ZWD saat waktu sampel pengamatan diambil serta ketelitian alat pengamatan suhu dan kelembaban yang digunakan masih konvensional dengan ketelitian terbatas. Bila menggunakan alat pengamatan meteorologis yang lebih teliti dapat diharapkan pola lebih smooth (pada gambar 4.12, nilai ZWD hopfield tersebar dan fluktuatif) dan ditunjang dengan pengamatan lebih lama sehingga jumlah data ukuran cukup banyak. Gambar 4.12 menunjukkan pengamatan dengan GPS sudah mampu menentukan nilai ZWD terutama untuk pengamatan yang merepresentasikan kondisi meteorologis.
4.4 Analisis Temporal dari data GPS
Menggunakan Model ZHD Saastamoinen cukup membantu terutama untuk mendapatkan nilai ZWD yang cukup bervariasi secara temporal. Alasan mendapatkan
Halaman | 57
ZWD adalah untuk mengamati keadaan meteorologis secara temporal sehingga penentuan ZWD dapat membantu untuk memperkirakan keadaan troposfer saat pengamatan. Nilai PWV (banyak jumlah uap air di troposfer) didapatkan dengan menggunakan konstanta tanpa dimensi 0.15, maka didapatkan PWV yang menunjukkan keadaan secara temporal seperti gambar 4.13 berikut ini,Gambar 4.13 Variasi temporal CGPS-ITB
Dari nilai rata-rata PWV (40.478 mm/m3) didapatkan keadaan secara temporal yang menunjukkan bagaimana kondisi normal meteorologis di daerah pengamatan. Warna gradasi biru menunjukkan adanya penurunan jumlah PWV yang berarti keadaan pada hari dan jam saat itu dalam keadaan kering dari keadaan normal. Warna gradasi merah menunjukkan terjadi peningkatan jumlah PWV sehingga diperkirakan saat pengamatan pada hari dan jam tersebut terjadi peningkatan jumlah uap air (atau hujan). Sebagai contoh hari ke 28 jam 6-10 pagi menunjukkan keadaan jumlah uap air menurun (dalam keadaan kering), sedangkan tanggal 28 jam 23 dini hari hingga tanggal 29 jam 6 pagi menunjukkan peningkatan jumlah uap air (dalam keadaan basah). Nilai maksimum Hari Pengamatan (DOY) WIB
Rerata PWV 40.478 mm/m3
Halaman | 58
PWV saat pengamatan adalah 6.3 mm/m3 dari keadaan normal dan nilai minimum PWV saat pengamatan adalah -6.1 mm/m3 dari keadaan normal.Umumnya peningkatan jumlah uap air adalah saat tengah hari dimana suhu naik yang mengakibatkan penguapan meningkat sehingga jumlah uap air di atmosfer meningkat. Hal ini dapat diketahui pada gambar 4.13 menunjukkan setiap hari pengamatan dalam keadaan basah pada jam 10 – 12 siang. Adanya anomali yang berbeda (digambarkan dengan perubahan gradasi warna) menunjukkan adanya perubahan kondisi meteorologis di titik pengamatan secara temporal.
Nilai PWV akan meningkat sesuai dengan hasil pengamatan ZWD, karena PWV berkorelasi dengan nilai ZWD. Untuk lebih jelasnya dapat dilihat pada gambar 4.14 sebagai berikut :
Gambar 4.14 Pola 6 Jam pengamatan ZWD di CGPS-ITB
Pola 6 jam pada gambar 4.14 dapat diketahui bahwa nilai ZWD akan meningkat dari pagi hingga tengah hari dan menunjukkan pola turun saat sore hari serta meningkat kembali pada malam hari, sehingga dapat dikatakan atmosfer memiliki pola secara temporal. Pola pada gambar 4.14 memiliki pola cenderung sama dengan pola ZWD harian pada gambar 4.12 menggunakan polinomial orde 4.
