digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Suciana
PUBLIC Alice Diniarti

COVER Suciana
PUBLIC Alice Diniarti

BAB 1 Suciana
PUBLIC Alice Diniarti

BAB 2 Suciana
PUBLIC Alice Diniarti

BAB 3 Suciana
PUBLIC Alice Diniarti

BAB 4 Suciana
PUBLIC Alice Diniarti

BAB 5A Suciana
PUBLIC 

BAB 5B Suciana
PUBLIC 

BAB 5C Suciana
PUBLIC 

BAB 5D Suciana
PUBLIC 

BAB 5E Suciana
PUBLIC 

BAB 5F Suciana
PUBLIC 

BAB 5G Suciana
PUBLIC 

BAB 5H Suciana
PUBLIC 

BAB 5I Suciana
PUBLIC 

BAB 5J Suciana
PUBLIC 

BAB 6 Suciana
PUBLIC Alice Diniarti

BAB 7 Suciana
PUBLIC Alice Diniarti

PUSTAKA Suciana
PUBLIC Alice Diniarti

Indonesia menduduki peringkat ke-tiga di dunia untuk kategori garis pantai terpanjang, dengan nilai 54.720 km. Masalah yang paling umum pada daerah pesisir di Indonesia yaitu erosi. Salah satu pelindung pantai alami adalah hutan mangrove. Namun, dalam proses penanaman dan penumbuhan bibit mangrove diperlukan adanya pelindung sementara untuk menjaga agar mangrove dapat tumbuh dengan baik sehingga dapat berfungsi secara optimal. Salah satu pelindung sementara dapat berupa struktur geobag yang efektif dan dapat dimodelkan secara fisik. Uji model fisik sistem pelindung pantai berupa model struktur geobag dan model mangrove dengan skenario penelitian berupa variasi berat dan kemiringan struktur geobag serta variasi gelombang dengan tipe gelombang acak. Hasil model fisik yaitu data Elevasi Muka Air (EMA). Semakin berkembangnya teknologi, data Elevasi Muka Air (EMA) dari pemodelan fisik dapat digunakan untuk analisis dan pemodelan sistem hidrodinamik, salah satunya untuk memprediksi nilai koefisien transmisi (Kt). Diantara berbagai pendekatan, data driven model sedang dikembangkan dan digunakan secara luas dan lebih populer daripada yang lain salah satunya yaitu Genetic Programming yang dapat diterapkan sebagai kalkulator koefisien transmisi (Kt) yang sederhana dan mudah digunakan. Penelitian ini bertujuan untuk Mencari korelasi antar data menggunakan crosscorrelation function. Mencari korelasi antar data menggunakan autocorrelation function dan Average Mutual Information (AMI). Mencari hubungan antar variabel (Kt dengan variabel lain yang diperoleh dari model fisik di laboratorium) menggunakan Genetic Programming. Hasil menunjukan bahwa korelasi antar data menggunakan autocorrelation function (ACF) dan Average Mutual Information (AMI) dimana nilai puncak pertemuan ACF dan AMI merupakan nilai Hs,Tp output crosscorrelation function sehingga proses pengolahan korelasi data dapat dikatakan akurat. Nilai AMI memberikan informasi bahwa data gelombang pada penelitian ini sangat non linear serta korelasi serialnya rendah (terbukti ketika nilai AMI turun secara tiba-tiba mendekati nilai 0 dengan meningkatnya time lag). Data hasil model yang non linear ini relevan dengan input model dimana gelombang yang di inputkan adalah gelombang acak. Nilai koefisien transmisi (Kt) untuk setiap skenario yang menunjukan bahwa, Semakin berat geobag yang digunakan pada struktur, maka ratarata koefisien transmisi gelombang yang dihasilkan akan semakin kecil. Struktur dengan kemiringan yang lebih landai akan menghasilkan rata-rata koefisien transmisi yang lebih kecil.