📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 11 dokumenKARAKTERISTIK SPATIO-TEMPORAL KOREKSI ATMOSPHERIC PRESSURELOADING (APL) (SUDI KASUS :SUMATERA-JAWA)
Dalam deret waktu data pengamatan satelit geodesi terdapat sinyal tektonik dan non-tektonik, salah satu sinyal non-tektonik adalah Atmospheric Pressure Loading (APL). APL adalah pembebanan pada permukaan bumi padat oleh variasi tekanan di atmosfer, dimana variasi tekanan ini dapat mendeformasi permukaan bumi lebih dari 1 cm pada arah radial (vertikal) dan horizontal. Oleh karena itu, efek APL ini harus dihilangkan terutama pada data pengamatan untuk keperluan studi geodinamika yang memerlukan ketelitian pergeseran posisi umumnya dalam level mm. Jika tidak dihilangkan efek tersebut akan merambat ke parameter pengamatan lainnya. Untuk menghilangkan efek tersebut, diperlukan pemodelan fisis APL dan studi untuk mempelajari karakteristik spatio-temporal koreksinya. Pendekatan secara geofisik memerlukan proses konvolusi dari distribusi pembebanan aktual di seluruh permukaan bumi padat. Data yang diperlukan dalam pendekatan ini adalah tekanan permukaan global, referensi tekanan, posisi stasiun pengamatan, land-sea mask, load love numbers, dan nilai Green’s function. Berdasarkan penelitian yang dilakukan pada titik – titik sampel di pulau Sumatera dan Jawa, efek APL dapat mendeformasi pada arah vertikal dalam rentang -2,8 – 4.1 mm dan horizontal dalam rentang -1.9 – 3.1 mm. Untuk mempelajari karakteristik spatio-temporal dari koreksi APL dilakukan analisis efek lintang geografis, analisis efek Inverted Barometer, analisis klimatologi bulanan dan per jam, dan analisis spektral. Dari analisis yang dilakukan menunjukkan bahwa koreksi APL di Sumatera dan Jawa memiliki variasi harian (diurnal dan semi-diurnal) dan musiman, serta besarnya koreksi APL tergantung lintang geografis dan jarak ke laut.
ANALISIS DATA TIME SERIES GPS KONTINU DI DAERAH SUMATERA
Pada setiap data time series GPS, terdapat sinyal-sinyal yang mempengaruhi hasil hitungan yang didapat. Komponen-komponen tersebut akan membentuk suatu pola dalam data time series GPS. Pada umumnya, dalam suatu data time series GPS terdapat komponen periodik yang biasanya tidak dapat dideteksi dengan langsung. Untuk mendeteksi komponen periodik tersebut, maka dilakukan analisis spektral. Tujuan dari analisis spektral ini adalah untuk mendeteksi komponen perodik apa yang berpengaruh dominan dalam suatu data time series. Dengan mengetahui jenis dari komponen periodiknya, maka kita bisa mengetahui karakteristik dari data time series tersebut dan kemudian dapat ditentukan berapa jenis parameter yang dibutuhkan untuk melakukan curve fitting. Dalam melakukan fitting, digunakan dua buah pendekatan, yaitu fitting secara linier saja dan fitting linier dengan memperhitungkan komponen periodik. Sebagai bahan pembandingan antara kedua metode ini, maka dihitung pula laju pergeseran titik pengamatan per tahunnya. Dari analisis yang dilakukan terhadap kedua metode ini, didapat bahwa perbedaan laju pergeseran per tahun ketika menggunakan metode fitting linier dan ketika menggunakan metode fitting linier dengan memperhitungkan komponen periodik yang paling besar yaitu bernilai 3.7 mm per tahun.
PENGEMBANGAN MODEL PREDIKSI KADAR VITAMIN C BUAH MANGGA MULTI-VARIETAS BERDASARKAN SPEKTROSKOPI NEAR INFRARED MENGGUNAKAN PARTIAL LEAST SQUARES REGRESSION (PLSR) DENGAN METODE PEMBAGIAN DAERAH PANJANG GELOMBANG
Pengukuran kadar Vitamin C pada buah mangga (Mangifera indica L.) merupakan aspek penting untuk menentukan kualitas dan nilai gizi. Penelitian ini bertujuan mengembangkan model prediksi kadar Vitamin C pada mangga multi-varietas menggunakan spektroskopi near infrared dengan metode Partial Least Squares Regression (PLSR), memanfaatkan strategi pembagian daerah panjang gelombang untuk mengekstraksi fitur spektral yang paling informatif. Data spektrum dikumpulkan dari beberapa varietas mangga dan diproses menggunakan kombinasi prapemrosesan seperti, Standard Normal Variate (SNV), Multiplicative Scatter Correction (MSC), Savitzky-Golay (SG) derivative, detrending (DT), dan normalisasi vektor (VNORM). Spektrum kemudian dibagi menjadi beberapa sub-daerah untuk pemodelan terfokus, dan jumlah latent variables (LV) dioptimalkan untuk setiap kombinasi. Hasil evaluasi menunjukkan bahwa model Unifikasi dengan prapemrosesan SNV+SG-D1 memberikan performa terbaik, dengan ????2 kalibrasi = 0,937; ????2 validasi = 0,724; RMSE validasi = 7,914 mg/100g; dan RPD validasi = 1,902; mengindikasikan kemampuan prediksi yang baik pada data baru. Model ini memanfaatkan panjang gelombang spektral pada rentang (1136,7-1316,1 nm; 1430,1-1563,8 nm; dan 2176,9-2500,2 nm), sehingga mampu menangkap sinyal relevan Vitamin C dengan presisi lebih tinggi dibandingkan model pada mode Gen A dan Gen B. Hasil ini menunjukkan bahwa pembagian daerah panjang gelombang efektif dalam meningkatkan performa model PLSR untuk prediksi komponen bioaktif pada buah mangga multi-varietas.
PEMETAAN LUBANG BEKAS TAMBANG BATUBARA DENGAN METODE ANALISIS SPEKTRAL DAN OBJECT BASED IMAGE ANALYSIS (OBIA) SERTA GEOLOGICAL LINEAMENT MENGGUNAKAN CITRA SENTINEL-2 DI SAMARINDA BAGIAN SELATAN, PROVINSI KALIMANTAN TIMUR
Aktivitas penambangan batubara dengan metode tambang terbuka banyak dilakukan di Indonesia, khususnya wilayah Samarinda, Kalimantan Timur. Ketidakcukupan material overburden untuk backfilling mengakibatkan terbentuknya lubang bekas tambang (void) di akhir umur penambangan (LOM). Pengelolaan yang tidak tepat pada void berpotensi mengakibatkan dampak negatif. Kelengkapan data menjadi hal yang penting untuk penentuan kebijakan terhadap void. Namun, batasan spasial mengakibatkan sulitnya proses inventarisasi data. Sehingga, analisis menggunakan citra satelit dianggap menjadi solusi untuk dapat memetakan void. Citra satelit yang digunakan adalah Sentinel-2 Level 2A. Metode yang digunakan adalah Indeks Spektral dan Object Based Image Analysis (OBIA) untuk memperoleh klasifikasi tutupan lahan berdasarkan nilai confusion matrix terbaik. Metode OBIA memiliki akurasi yang paling baik dengan nilai koefisien Kappa sebesar 0,82. Hasil klasifikasi tutupan lahan menggunakan metode OBIA dinalisis lebih lanjut menggunakan shape index (circularity dan elongation) dan geological lineament untuk memperoleh pemetaan void yang lebih akurat. Pemetaan void dilakukan berdasarkan badan air yang memiliki luas minimum 1 Ha, circularity 0,1 – 0,8, elongation 0,2 – 1, dan deviasi geological lineament sebesar ±30°. Hasil pemetaan diperoleh 101 objek badan air teridentifikasi sebagai void dengan 77 objek void di dalam WIUP dan 24 objek void di luar WIUP, lalu wilayah dengan pit lakes density paling tinggi berada di Desa Sari Jaya dengan nilai 0.01152 Void/Ha.
IDENTIFIKASI VOID DENGAN METODE INDEKS SPEKTRAL DAN OBIA MEGGUNAKAN CITRA SENTINEL 2 DI KECAMATAN SATUI, KALIMANTAN SELATAN
Indonesia didominasi dengan metode penambangan terbuka, metode penambangan ini menghasilkan bukaan bekas tambang (void) yang berpotensi menimbulkan dampak negatif pada lingkungan jika tidak dikelola dengan baik. Bukaan bekas tambang harus diidentifikasi sebagai upaya penanggulangan serta perencanaan tambang itu kedepannya. Pada penelitian ini, data yang digunakan merupakan citra satelit Sentinel 2. Data tersebut digunakan untuk mengidentifikasi dan memetakan void serta memvalidasi keberadaan void berdasarkan keberadaan endapan batubara. Void dapat diidentifikasi melalui klasifikasi tutupan lahan dengan menggunakan 2 metode yaitu Index Spectral Analisis dan Object Based Image Analysis. Kedua metode dibandingkan dan didapatkan metode dengan akurasi terbaik yaitu Object Based Image Analysis. Klasifikasi void didasari oleh bentuk dan nilai spektrum, dimana void memiliki elongation dan circularity derajat kebundaran yang unik serta memiliki nilai spektrum NDWI > 0. Keberadaan void kemudian divalidasi kembali berdasarkan kelurusan geologi, kesesuaian bentuk void dan batas WIUP. Penelitian ini mengasilkan 49 void yang berada dalam WIUP dan 9 void berada diluar WIUP. Pemetaan void ini dapat dijadikan bahan acuan dan perencanaan penentuan kebijakan pertambangan kedepannya.
PEMODELAN KEKERUHAN DAN TRANSPARANSI DI WADUK SAGULING DENGAN MENGGUNAKAN MACHINE LEARNING DAN DATA SATELIT
Waduk Saguling memiliki peran strategis dalam penyediaan air baku, PLTA, serta mendukung sektor perikanan dan pariwisata di Jawa Barat. Namun, meningkatnya aktivitas antropogenik di daerah tangkapan air menyebabkan penurunan kualitas air, yang ditandai oleh peningkatan kekeruhan dan penurunan transparansi. Pemantauan kualitas air secara konvensional memiliki keterbatasan spasial dan temporal, sehingga diperlukan pendekatan alternatif berbasis data penginderaan jauh. Penelitian ini bertujuan untuk memvalidasi dan menyusun peta sebaran kekeruhan dan transparansi air di Waduk Saguling menggunakan data Landsat dan data in-situ dengan integrasi metode ML. Data yang digunakan meliputi reflektansi band 1–7 Landsat 8 dan parameter in-situ kualitas air pada periode 2013–2024. Analisis diawali dengan uji korelasi Spearman antara data spektral dan parameter in-situ terhadap kekeruhan dan transparansi dengan hubungan lemah hingga sedang, dengan korelasi tertinggi pada band 3 terhadap kekeruhan (r? = 0,45) dan transparansi (r? = -0,47). Regresi linear sederhana memperoleh nilai R² sebesar 0,1551 dan 0,1255 kekeruhan dan transparansi, serta R² sebesar 0,1461 dan 0,1240 untuk kekeruhan dan transparansi pada regresi logistik sederhana. Model regresi linear berganda menghasilkan R² sebesar 0,1816 untuk kekeruhan dan 0,1552 untuk transparansi, sementara regresi logistik berganda menghasilkan McFadden R² sebesar 0,2715 untuk kekeruhan dan 0,1853 untuk transparansi. Metode RF digunakan untuk mengidentifikasi kontribusi variabel prediktor. Hasil RF menunjukkan bahwa band 3 band 7, dan DHL merupakan variabel utama yang mempengaruhi kondisi optik air. Variabel terpilih kemudian digunakan sebagai input dalam model ANN. Model ANN menghasilkan performa yang tinggi dengan kemampuan dalam menjelaskan variabilitas kekeruhan sebesar 82,97% dan 83,76% untuk transparansi pada data testing. Berdasarkan model ANN, dilakukan prediksi sebaran kekeruhan dan transparansi untuk tahun 2025. Hasil prediksi menunjukkan bahwa kekeruhan didominasi oleh kelas tinggi pada sebagian besar area waduk, sementara transparansi berada pada kelas IV pada seluruh area waduk. Kondisi ini menunjukkan bahwa sebagian besar wilayah perairan Waduk Saguling berada dalam kategori kualitas optik yang kurang baik dan memerlukan upaya penanganan strategis dan berkelanjutan.
PEMODELAN 2D DAN INTERPRETASI DATA GRAVITASI UNTUK MENGESTIMASI GEOMETRI BASEMENT DAN STRUKTUR BAWAH PERMUKAAN DI CEKUNGAN BANDUNG
Penelitian geofisika metode gravitasi telah dilakukan di wilayah Cekungan Bandung. Penelitian ini bertujuan untuk menggambarkan struktur bawah permukaan cekungan menggunakan teknik interpretasi yang terintegrasi pada data gravitasi dan menerapkan formulasi Abdeslem untuk memodelkan geometri basement cekungan. Analisis spektral digunakan untuk menggambarkan komponen regional dan residual dari anomali Bouguer. Bandpass filter diterapkan untuk memisahkan anomali residual dari anomali regional. Metode polinomial regression quadratic juga diterapkan untuk pemisahan anomali regional dan residual. Lima metode digunakan untuk memperkirakan kedalaman sumber dan lokasi kontak: horizontal gradient, first vertical derivative, second vertical derivative, analytic signal, dan Euler deconvolution. Selanjutnya dilakukan pemodelan kedepan 2D dan inversi Levenberg-Marquardt pada data gravitasi. Pemodelan kedepan menghitung anomali gravitasi yang disebabkan oleh sumber benda 2D dengan asumsi kontras densitas bervariasi secara polinomial terhadap kedalaman. Integral pada formulasi Abdeslem diselesaikan secara numerik menggunakan metode Gauss-Legendre Quadrature aturan lima-titik. Program inversi Levenberg-Marquardt dapat membalikan data gravitasi untuk menyimpulkan geometri dari badan sumber yang diberikan oleh deret Fourier. Diterapkan beberapa variasi jumlah deret Fourier dan didapatkan bahwa semakin banyak jumlah deret dapat memperkecil misfit terutama pada data sintetik yang memiliki noise. Setelah divalidasi program inversi diterapkan pada data gravitasi Cekungan Bandung. Hasil inversi menunjukan bahwa struktur geologi Cekungan Bandung menampung sekitar 1 km sampai 3 km sedimen dengan basement yang dangkal di arah tenggara dan menunjam ke arah barat laut. Dan hasil ini kompatibel dengan kedalaman sumber anomali menggunakan euler deconvolution dengan detail kedalaman dan lokasi kontak yang terlihat pada penampang horizontal gradient, first vertical derivative, second vertical derivative, dan analytic signal.
KUANTIFIKASI SPEKTRAL VISIBLE-SHORTWAVE INFRARED CITRA LANDSAT 9 UNTUK MENDETEKSI MINERAL FOSFAT DI DAERAH MAMUJU, SULAWESI BARAT, INDONESIA
Fosfat sebagian besar digunakan dalam pembuatan pupuk untuk nutrisi tanaman dan produksi suplemen pakan ternak. Hanya 10 - 15% dari produksi batuan fosfat dunia yang memiliki kegunaan lain, seperti obat-obatan, keramik, sumber alternatif penting untuk elemen tanah jarang (REE), dan baterai Litium-Besi-Fosfat (LFP). Di Indonesia, berbagai jenis batuan tersusun oleh komponen fosfat, namun batuan yang memiliki nilai ekonomis sangat terbatas. Umumnya, sumber daya fosfat ini ditemukan pada endapan fosfat sedimen atau biogenik, sedangkan sumber daya fosfat yang berasal dari batuan beku masih belum ditemukan. Oleh karena itu, pemetaan yang akurat secara regional dengan menggunakan metode spectral-wise diusulkan dalam penelitian ini. Lima referensi spektral yang berasal dari mineral fosfat dari USGS spectral library digunakan, yaitu: fluorapatit, klorapatit, hidroksilapatit, monasit, dan xenotim. Metode Spectral-wise ini bertujuan untuk mengidentifikasi anomali mineral fosfat berdasarkan perilaku absorpsi spektral yang menunjukkan pola absorpsi yang sama pada panjang gelombang 2 ?m yang berasal dari ortofosfat (PO4). Formulasi berdasarkan spektral ini kemudian diaplikasikan untuk mendeteksi keberadaan fosfat dengan menggunakan citra Landsat 9. Metode spectral-wise berhasil mendeteksi tiga zona prospek PO4 di Simboro, Mamuju dan Tapalang seluas 2.604 Ha dengan kandungan P2O5 mencapai 1,14 – 2,73 Wt.%. Metode ini telah diverifikasi memiliki akurasi sekitar 77% berdasarkan perbandingan dengan sampel batuan maupun tanah yang mengandung P2O5 pada studi lapangan. Karakteristik batuan alkalin tinggi di area penelitian menjadi indikasi anomali mineral fosfat. Zona potensi mineral fosfat lebih dominan pada karakter batuan di area utara yang dipengaruhi oleh aktifitas hidrotermal dan dikontrol oleh struktur geologi.
PEMANFAATAN TEKNOLOGI PENGINDRAAN JAUH UNTUK EKSPLORASI MINERALISASI RADIOAKTIF DI WILAYAH PROSPEK MAMUJU, SULAWESI BARAT
Indonesia memiliki potensi mineral radioaktif di beberapa pulau, termasuk di wilayah Mamuju, Sulawesi Barat, yang teridentifikasi memiliki tingkat radiasi alami yang tinggi. Penelitian ini bertujuan untuk memetakan sebaran mineral pembawa unsur radioaktif di wilayah prospek Mamuju dengan memanfaatkan teknologi pengindraan jauh dan metode machine learning. Penelitian diawali dengan akuisisi data spektroskopi reflektansi dari sampel mineral pembawa radioaktif. Data spektral tersebut diolah menggunakan algoritma machine learning untuk klasifikasi kelompok mineral berdasarkan karakteristik spektralnya. Data citra satelit resolusi tinggi PlanetScope PSB.SD diolah menggunakan teknik klasifikasi terbimbing untuk pemetaan tutupan lahan. Identifikasi daerah prospek mineralisasi dilakukan dengan analisis band math, indeks vegetasi, directed principal component analysis, dan linear spectral unmixing untuk mengidentifikasi mineral-mineral penciri yang berasosiasi dengan mineralisasi radioaktif. Hasil penelitian menunjukkan bahwa daerah penelitian memiliki anomali laju radiasi antara 982,8 hingga 26.769 nSv/h, dengan anomali ekuivalen uranium sebesar 34,4 hingga 984,2 ppm dan thorium sebesar 222,6 hingga 6.066 ppm. Mineral-mineral pembawa radioaktif seperti thorianite dan davidite serta mineral pembawa unsur REE, teridentifikasi di kompleks vulkanik Adang, Ampalas, Tapalang, dan Malunda. Mineral penciri seperti besi oksida dan mineral lempung juga teridentifikasi dan mengindikasikan potensi mineralisasi radioaktif di daerah penelitian. Penelitian ini menunjukkan bahwa integrasi teknologi pengindraan jauh dan machine learning memiliki potensi besar untuk pemetaan dan eksplorasi mineral radioaktif secara efektif, efisien, dan berbiaya rendah.
PEMODELAN GEOSPATIAL MACHINE LEARNING UNTUK ESTIMASI BLUE CARBON PADA EKOSISTEM MANGROVE, RAWA PASANG SURUT DAN PADANG LAMUN
Blue carbon merujuk pada karbon yang diserap dan disimpan dalam lautan dan ekosistem pesisir di antaranya ekosistem mangrove, rawa pasang surut dan padang lamun. Blue carbon tersimpan di atas permukaan, di bawah permukaan maupun di dalam air. Blue carbon memiliki potensi untuk mitigasi dan mengurangi perubahan iklim. Selain itu, blue carbon juga memberi manfaat lainnya, seperti perlindungan pesisir dan konservasi wilayah laut. Terlepas dari potensi dan manfaatnya, ekosistem pesisir mengalami degradasi akibat pembangunan dan perubahan penggunaan lahan yang menyebabkan lepasnya cadangan karbon. Salah satu upaya yang dapat dilakukan untuk pengelolaan blue carbon yakni melalui identifikasi ekosistem pesisir yang meliputi mangrove, rawa pasang surut dan padang lamun serta mengukur cadangan karbon yang tersimpan di dalamnya. Salah satu teknologi untuk melakukan identifikasi ekosistem pesisir dengan menggunakan penginderaan jauh yang mampu melakukan analisis pada cakupan wilayah yang luas secara efisien. Teknologi penginderaan jauh kini semakin berkembang dengan integrasi machine learning, yang mampu mengolah data dengan cepat dan akurat untuk mengidentifikasi serta memetakan ekosistem blue carbon secara lebih rinci. Penelitian ini diaplikasikan pada sebagian wilayah Lampung yang mencakup pantai timur dan selatan. Tujuan penelitian ini adalah menentukan model klasifikasi kawasan mangrove, rawa pasang surut dan padang lamun menggunakan metode machine learning dan pemodelan geospasial estimasi blue carbon pada ekosistem pesisir secara terintegrasi dengan akurasi tinggi. Data yang digunakan adalah citra sentinel 2A dan pengukuran menggunakan field spektroradiometer. Penelitian ini menggunakan metode machine learning yang terbagi atas dua tahap yaitu tahap klasifikasi dan estimasi. Jumlah sampel yang digunakan dalam penelitian ini adalah 986 sampel. Metode untuk klasifikasi yang digunakan adalah random forest classification sedangkan untuk penyusunan model estimasi menggunakan random forest regression (RFR). Adapun parameter yang digunakan dalam estimasi blue carbon adalah pantulan spektral citra, pantulan spektral pengukuran lapangan, kerapatan vegetasi, penutup lahan, kelembaban, dan indeks tanah terbuka dengan total 26 variabel. Hasil yang diperoleh dari penelitian ini adalah peta klasifikasi dari model terbaik yaitu model 3 dengan 26 variabel di mana ekosistem mangrove memiliki RMSE = 0,61 dan AUC = 0,85, ekosistem rawa pasang surut memiliki RMSE = 0,22 dan AUC =0,87 serta ekosistem padang lamun memiliki RMSE = 0,18 dan AUC = 0,85. Nilai akurasi hasil klasifikasi untuk ekosistem mangrove diperoleh nilai OA = 95%, nilai kappa = 0,92, UA = 96% dan PA = 100%, ekosistem rawa pasang surut OA = 95%, nilai kappa = 0,92, UA = 100% dan PA = 100%, serta ekosistem padang lamun memiliki OA = 95%, nilai kappa = 0,92, UA = 95% dan PA = 100%. Selanjutnya hasil model geospasial estimasi blue carbon mangrove menunjukkan bahwa model terbaik adalah Model 26 dengan 26 variabel, dengan nilai RMSE = 81,44, MAE = 39,05, R² = 0,81. Model estimasi blue carbon rawa pasang surut diperoleh model terbaik yaitu Model 30 dengan 18 variabel yang memiliki RMSE = 44,59, MAE = 36,23, R² = 0,85. Model estimasi blue carbon padang lamun diperoleh model yaitu Model 11 dengan 11 variabel memiliki RMSE = 42,1, MAE = 10,01, R² = 0,88. Hasil akhir model estimasi blue carbon terintegrasi di ekosistem pesisir diperoleh nilai RMSE = 46,2, MAE = 42,6 dan R2 = 0,80. Berdasarkan hasil pemodelan di atas menunjukkan bahwa kemampuan kinerja model RFR terbukti efisien dalam estimasi blue carbon. Hal ini memungkinkan penggunaan model ini dapat digunakan untuk pemantauan dan pengelolaan ekosistem blue carbon secara lebih akurat dan berkelanjutan pada ekosistem mangrove, rawa pasang surut dan padang lamun dengan karakteristik spesies yang sama. Secara keseluruhan, penelitian ini menunjukkan bahwa penggunaan algoritma machine learning dapat memberikan solusi yang kuat dan efektif untuk tantangan dalam estimasi blue carbon ekosistem pesisir.
STUDI METOCEAN DALAM RANGKA PEMELIHARAAN PIPA BAWAH LAUT
Pipa bawah laut didesain untuk dapat bertahan terhadap kondisi lingkungan sekitar selama masa operasionalnya. Lingkungan dapat memberikan beban terhadap kondisi pipa; beban lingkungan akibat aliran air di sekitar pipa disebut sebagai beban hidrodinamika. Beban terhadap pipa dapat menyebabkan kegagalan sistem. Studi metocean merupakan salah satu upaya pemeliharaan pipa bawah laut terhadap kondisi lingkungan. Penelitian ini ditujukan untuk melihat karaktersitik meteorologis dan oseanografis, keterkaitan keduanya, serta pengaruhnya terhadap kondisi arus. Pengamatan dilakukan pada anak Sungai Mahakam dengan menggunakan alat hidro-akustik tipe Doppler, Acoustic Doppler Current Profiler (ADCP) selama 8 hari. Analisis harmonik dilakukan untuk mendapatkan nilai konstanta pasang surut pada lokasi pengamatan. Didapatkan bahwa tipe pasang surut lokasi yaitu campuran ganda condong semidiurnal. Analisis spektral dilakukan untuk mendekomposisi arus. Berdasarkan analisis spektral, didapatkan gaya dominan yang bekerja pada arus adalah aliran sungai. Selain itu, ditemukan bahwa gaya pasang surut memberikan pengaruh yang signifikan pada lokasi pengamatan. Estimasi nilai ekstrim dilakukan pada kecepatan arus residu menggunakan distribusi generalized extreme value (GEV). Arus residu didapatkan dengan menghilangkan komponen deterministik dari data kecepatan arus yang berupa arus pasang surut dan aliran sungai. Didapatkan nilai kecepatan arus ekstrim dengan periode 30 hari sebesar 11,390 cm/s. Adapun nilai parameter distribusi kecepatan arus lokasi pada distribusi GEV yaitu: ? =0,051, ? =4,141, ? =6,612. Berdasarkan data arus, dilakukan studi atas pengaruhnya terhadap pipa.