Fakultas Ilmu dan Teknologi Kebumian
|
|
- Sugiarto Sudirman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan program sarjana. Karena paper ini langsung diunggah setelah diterima, paper ini belum melalui proses peninjauan, penyalinan penyuntingan, penyusunan, atau pengolahan oleh Tim Publikasi Program Studi Meteorologi. Paper versi pendahuluan ini dapat diunduh, didistribusikan, dan dikutip setelah mendapatkan izin dari Tim Publikasi Program Studi Meteorologi, tetapi mohon diperhatikan bahwa akan ada tampilan yang berbeda dan kemungkinan beberapa isi yang berbeda antara versi ini dan versi publikasi akhir. 212 Program Studi Meteorologi Institut Teknologi Bandung
2 Verifikasi Prediksi Hujan dengan Observasi Berbasis Masyarakat Memanfaatkan Aplikasi Android NURINDA SAUMANANDA SUROSO Program Studi Meteorologi, Fakultas Ilmu dan Teknologi Kebumian, Institut Teknologi Bandung ABSTRAK Prediksi cuaca dirasakan sangat penting bagi manusia, namun studi prediksi cuaca tidak cukup jika berhenti pada penciptaan model numerik simulasi cuaca saja. Dibutuhkan verifikasi untuk menentukan apakah model tersebut merupakan representasi yang cukup dari fenomena cuaca. Verifikasi membutuhkan data cuaca aktual, namun stasiun observasi meteorologi di Indonesia jumlahnya masih sangat terbatas. Dengan demikian dibutuhkan suatu cara alternatif untuk memperoleh data cuaca aktual. Dalam penelitian ini, cara alternatif yang digunakan adalah dengan memanfaatkan teknologi smartphone yang saat ini sudah sangat umum digunakan pada masyarakat. Dengan menggunakan teknologi smartphone, masyarakat dapat memberikan informasi cuaca aktual di daerahnya masing-masing melalui smartphone. Metode sampling data yang digunakan adalah metode Time-Location Sampling dengan (i) cluster lokasi yang merupakan pengelompokan dari beberapa titik sampel sumber data observasi meteorologi dan (ii) cluster waktu yang merupakan pengelompokan dari beberapa titik sampel waktu. Informasi cuaca aktual tersebut nantinya digunakan untuk memverifikasi model prediksi cuaca WRF dan MM5 yang dijalankan oleh Laboratorium Analisis Meteorologi ITB. Hasil penelitian ini memperlihatkan bahwa data cuaca aktual dari responden harus dipilih terlebih dahulu agar dapat digunakan untuk verifikasi. Dapat terlihat juga bahwa hasil verifikasi skill skor TS dan POD pada penelitian ini mencapai angka yang nilainya mendekati hasil penelitian verifikasi lain yang menggunakan data sembilan stasiun meteorologi sebagai data pembanding. Kata kunci: prediksi cuaca numerik, hujan, verifikasi, observasi meteorologi, skill skor 1. Pendahuluan Dunia telah mengenal prakiraan cuaca sejak berabad-abad yang lalu. Selain untuk menjawab keingintahuan manusia tentang atmosfer, kajian prakiraan cuaca dilakukan untuk memenuhi kebutuhan manusia dalam menjalani kehidupan yang lebih mudah. Kebutuhan prakiraan cuaca bagi negara berkembang seperti Indonesia juga dirasakan sangat penting dan studi prakiraan cuaca membutuhkan sumber daya komputasi yang besar. Seiring dengan kemajuan teknologi komputer, kini telah tersedia berbagai jenis model prediksi cuaca numerik untuk studi prakiraan cuaca. Namun studi prakiraan cuaca tidaklah cukup jika berhenti pada penciptaan model prediksi cuaca numerik saja. Dibutuhkan verifikasi untuk menentukan apakah model tersebut merupakan representasi yang cukup dari fenomena cuaca yang dikaji. Verifikasi membutuhkan data aktual yang banyak, namun jumlah stasiun observasi meteorologi di Indonesia masih terbatas. Dibutuhkan suatu cara alternatif untuk memperoleh data cuaca aktual. Cara alternatif yang dapat digunakan adalah dengan mengumpulkan informasi cuaca dari masyarakat seperti yang dilakukan oleh Hong Kong Observatory. Walaupun sudah memiliki 19 stasiun meteorologi, Hong Kong memiliki program Co-WIN, yaitu program yang menyediakan informasi cuaca dengan cara mengumpulkan data Automatic Weather Station (AWS) dari masyarakat. Untuk Indonesia sendiri, harga AWS relatif mahal sehingga tidak memungkinkan penggunaan AWS dalam observasi meteorologi berbasis masyarakat. Walaupun demikian, Indonesia memiliki potensi dalam memanfaatkan teknologi smartphone. Menurut survey MarkPlus Insight tahun 211, dari 61.. pengguna internet di Indonesia, 58.. orang diantaranya mengakses internet melalui perangkat mobile. Potensi ini dapat dimanfaatkan sehingga masyarakat bisa menginformasikan cuaca aktual di daerahnya masingmasing melalui smartphone. Penelitian ini membahas tentang bagaimana memperoleh data observasi hujan dari masyarakat yang disampaikan melalui perangkat smartphone dan 1
3 apakah data observasi masyarakat tersebut dapat digunakan untuk verifikasi prediksi hujan. Untuk melakukan verifikasi prakiraan ya/tidak nonprobabilistik, diperlukan tabel contingency untuk menghitung skill skor. Tabel contingency menunjukkan banyaknya hasil ya / hujan dan tidak / tidak hujan pada prediksi dan kejadian yang sebenarnya. Empat jenis hasil kombinasi antara prediksi (ya atau tidak) dengan kejadian yang sebenarnya (ya atau tidak) adalah: hit prediksi menunjukkan ya (hujan) dan terjadi hujan pada keadaan yang sebenarnya miss prediksi menunjukkan tidak (hujan), namun terjadi hujan pada keadaan yang sebenarnya false alarm prediksi menunjukkan ya (hujan), namun tidak terjadi hujan pada keadaan yang sebenarnya correct negative prediksi menunjukkan tidak (hujan) dan tidak terjadi hujan pada keadaan yang sebenarnya. Gambar 1.1. Skema Tabel Contingency (Sumber: Wilks, 26). Skema menunjukkan hubungan antarkeadaan untuk verifikasi dikotomi nonprobabilistik. Skema tabel contingency ditunjukkan oleh Gambar 2.1. Pada gambar tersebut, a mewakili banyaknya kejadian hit, b mewakili banyaknya kejadian false alarms, c mewakili banyaknya kejadian miss, dan d mewakili banyaknya kejadian correct negatives. Penelitian mengenai skill skor WRF Laboratorium Analsis Meteorologi ITB sebelumnya sudah pernah dilakukan oleh Satrya (212). Dalam penelitiannya, hasil prediksi hujan model WRF dibandingkan dengan data curah hujan dari 9 stasiun meteorologi di Jawa Barat. Penelitiannya menunjukkan bahwa nilai TS mencapai skor.1, nilai POD mencapai skor.3, dan nilai FAR mencapai skor diatas.8. Penelitian tersebut menggunakan batas threshold sebesar 1mm untuk perbandingan dikotomi hujan per-tiga-jam. Untuk menentukan suatu keadaan adalah hujan atau tidak hujan, diperlukan suatu threshold atau klasifikasi hujan berdasarkan intensitasnya. Klasifikasi hujan telah dilakukan oleh berbagai pihak, diantaranya adalah Badan Meteorologi Klimatologi dan Geofisika (BMKG), American Meteorological Society (AMETSOC), dan Met Office. Dalam penelitian ini, hasil prediksi hujan akan dibandingkan dengan data observasi masyarakat yang disampaikan melalui perangkat smartphone. Smartphone memiliki kemampuan untuk menambah atau mengurangi aplikasi. Aplikasi dapat diunduh melalui sarana yang sudah disediakan oleh masingmasing operating system (OS). Pada Android, ada ratusan ribu aplikasi yang bermanfaat untuk kehidupan sehari-hari. Diantaranya adalah aplikasi penyedia informasi forecasting cuaca seperti Accuweather, Weather Underground, dan Weatherbug. Walaupun informasi forecasting sudah mudah diakses dari perangkat smartphone, pada aplikasi-aplikasi tersebut belum ada yang memfasilitasi pengguna dalam melaporkan cuaca aktual. Pengambilan sampling data cuaca aktual menggunakan aplikasi android menimbulkan dua hal yang harus diperhatikan, yaitu sumber lokasi yang berubah-ubah dan waktu input yang berbeda-beda. Lokasi dan waktu yang terekam database akan tergantung dimana pengguna aplikasi berada dan kapan pengguna aplikasi melaporkan cuaca aktual. Untuk itu, metode sampling data yang berkaitan dengan penelitian ini adalah metode Time-Location Sampling. Time-Location Sampling (TLS) disebut juga dengan Time-Venue Sampling, Time-Space Sampling, Temporal Spatial Sampling (Mirzazadeh, 29). TLS digunakan ketika target populasi sampel tidak berada di waktu dan tempat yang sama sehingga kelompok atau yang didefinisikan adalah kelompok waktu (location cluster) dan kelompok tempat (time cluster). 2. Data dan Metode 2.1. Data Data yang digunakan dalam penelitian ini adalah data hasil model prediksi cuaca, data observasi masyarakat, data MTSAT, dan data stasiun meteorologi. Data hasil model prediksi cuaca yang digunakan adalah prediksi hujan yang di-running harian oleh Laboratorium Analisis Meteorologi ITB pada tanggal 22 Maret Mei 213. Model tersebut adalah model skala meso MM5 dan WRF. Hasil prediksi merupakan data prediksi hujan harian per-3 jam dengan delapan cluster waktu sebagai berikut: 7:- 9:59, 1:-12:59, 13:-15:59, 16:-18:59, 19:- 21:59, 22:-:59, 1:-3:59, dan 4:-6:59. Data observasi yang digunakan adalah data cuaca aktual yang didapatkan dari masyarakat dengan memanfaatkan aplikasi WCPL mobile. Aplikasi tersebut dioperasikan dalam teknologi smartphone yang menggunakan operating system Android. Aplikasi dimanfaatkan oleh responden dengan cara 2
4 mengirimkan informasi cuaca aktual yang dimasukkan oleh responden selama waktu kajian yaitu tanggal 22 Maret Mei 213. Bentuk data per-1 kali masukan adalah data terjadi hujan atau tidak terjadi hujan dan sesuai dengan keadaan cuaca aktual di tempat responden. Data ketiga adalah data IR1 satelit MTSAT yang dioperasionalkan oleh Japan Meteorological Agency (JMA) dan didapatkan dari Data ini akan digunakan untuk melihat bagaimana perkembangan indeks konvektif pada wilayah kajian secara umum. Indeks konvetif (I Tbb) dihitung dengan persamaan 3-1 (Renggono, 21) dan jika nilai I Tbb kurang dari nol maka nilainya diasumsikan sama dengan nol (Renggono, 21) (3-1) Data stasiun meteorologi akan digunakan untuk melihat kecocokan antara data observasi masyarakat dan keadaan aktual yang direkam oleh stasiun meteorologi selama waktu kajian. Data yang akan digunakan meliputi data stasiun meteorologi BMKG di Dramaga, Halim, dan Bandung Metode Persiapan Aplikasi WCPL mobile Pengerjaan penelitian ini dimulai dengan menyebarkan aplikasi WCPL mobile kepada masyarakat di daerah kajian. Aplikasi dipromosikan dan didistribusikan melalui jaringan internet. Responden dapat mengunduh aplikasi ini dan kemudian meng-install-nya pada smartphone masingmasing. Saat pertama kali membuka aplikasi WCPL mobile, responden diminta untuk melakukan registrasi dengan mengisi data diri. Hal ini diperlukan agar informasi yang diterima database server dapat diketahui identitas pengirimnya. Data yang diisi adalah nama, usia, jenis kelamin, pekerjaan, dan e- mail. Setelah registrasi, responden menetapkan lokasi default sesuai dengan lokasi responden. Selanjutnya, responden dapat melaporkan keadaan cuaca di tempatnya berada, yaitu dengan cara memasukkan informasi hujan atau tidak hujan melalui aplikasi WCPL mobile. Aplikasi kemudian akan mengirimkan informasi cuaca tersebut beserta data lokasi responden ke database server melalui koneksi internet. Untuk selanjutnya, ilustrasi penggunaan aplikasi dan proses transfer data dapat dilihat pada Gambar Sampling Data Observasi Masyarakat Aplikasi WCPL mobile dimanfaatkan oleh responden dengan cara mengirimkan informasi cuaca aktual yang dimasukkan oleh responden selama waktu kajian yaitu tanggal 22 Maret Mei 213. Bentuk data per-1 kali masukan adalah data terjadi hujan atau tidak terjadi hujan dan sesuai dengan keadaan cuaca aktual di tempat responden. Gambar 2.1. Ilustrasi Alur Penggunaan Aplikasi dan Transfer Data. Metode sampling yang digunakan adalah metode TLS dan dilakukan dengan cara sebagai berikut: 1. Location Clustering. Mengelompokkan beberapa titik lokasi responden menjadi beberapa kelompok lokasi tertentu. Pada bagian ini, clustering lokasi dilakukan langsung ketika responden memilih lokasi default sehingga data lokasi langsung diterima oleh database. 2. Time Clustering. Mengelompokkan beberapa titik sampel waktu menjadi data waktu per-3 jam, dimulai dari pukul 7:-9.59, 1:-12:59, dan seterusnya. Setelah time clustering, dilakukan filtering untuk memisahkan data ambigu dari yang lain. Dalam tahap filtering, data yang memiliki nilai tunggal ( hujan atau tidak hujan ) dipisahkan dari data yang memiliki nilai lebih dari satu ( hujan dan tidak hujan ) Persiapan Data Hasil Prediksi Cuaca Selain mempersiapkan data observasi, hal yang perlu dilakukan adalah mempersiapkan data hasil prediksi cuaca. Pertama, data prakiraan hujan MM5 dan WRF yang dijalankan oleh Laboratorium Analisis Meteorologi ITB akan disimpan dalam database server. Kemudian data tersebut dipilih sesuai dengan data yang diperlukan untuk verifikasi, yaitu data prediksi hujan yang lokasi dan waktunya sama dengan data observasi masyarakat. Langkah selanjutnya adalah membagi data prediksi hujan menjadi dua jenis data: hujan dan tidak hujan. Penentuan hujan atau tidak hujan dilakukan berdasarkan 4 threshold yang berbeda yaitu.5mm, 1mm, 2mm, dan 3mm sehingga didapatkan 4 set data prediksi untuk masing-masing model prediksi MM5 dan WRF. Setelah persiapan selesai dilakukan, penelitian ini bisa dilanjutkan dengan melakukan verifikasi hasil prediksi Verifikasi Hasil Prediksi Hujan Verifikasi dilakukan dengan terlebih dahulu membuat tabel contingency antara data observasi mayarakat dan data hasil prediksi. Indeks skor yang akan digunakan adalah POD, PC, dan TS. POD, PC 3
5 dan TS memiliki nilai sempurna 1 dan nilai terendah. POD adalah jumlah hits dibagi dengan jumlah kejadian hujan yang terjadi sehingga skill skor ini dapat menunjukkan kesuksesan performa model dalam memprediksi terjadinya hujan. POD dapat dihitung dengan menggunakan persamaan 3-2 (McBride dan Ebert, 1999). h (3-2) h + PC adalah jumlah hits dan correct negative dibagi dengan jumlah total data. Skill skor PC disebut juga sebagai skill skor Accuracy (ACC) dan dapat dihitung dengan menggunakan persamaan 3-3 (Wilks, 26). h+! (3-3) = " TS akan menggambarkan seberapa baik model memprediksikan kejadian hujan. TS dapat dihitung menggunakan persamaan 3-4 (Wilks, 26). h (3-4) # = h++$ " " 3. Hasil dan Pembahasan 3.1. Hasil Sampling Data Clustering Data Pada location clustering, clustering dilakukan langsung ketika responden memilih lokasi default sehingga data lokasi langsung diterima oleh database. Hasil sampling data menunjukkan bahwa data observasi masyarakat yang masuk ke server bersumber dari 8 lokasi: Bandung, Bogor, Jakarta Selatan, Bekasi, Jakarta Timur, Depok, Jakarta Pusat, dan Tangerang. Pembahasan akan fokus pada tiga lokasi dengan data terbanyak. Sehingga didapatkan tiga cluster lokasi yaitu Bandung dengan jumlah 366 data, diikuti dengan Bogor sebanyak 155 data, dan Jakarta Selatan sebanyak 12 data. Keseluruhan data dapat dilihat pada Gambar 3.1. Tangerang JakPus Depok JakTim Bekasi JakSel Bogor Bandung Jumlah Data Observasi Masyarakat Setelah Clustering Sebelum Clustering Gambar 3.1. Jumlah Keseluruhan Data dari Responden WCPL mobile. Selanjutnya adalah time clustering, yaitu mengelompokkan beberapa titik sampel waktu menjadi data waktu per-3 jam, dimulai dari pukul 7:-9.59, 1:-12:59, 13:-15:59, 16:-18:59, 19:-21:59, 22:-:59, 1:-3:59, dan 4:- 6:59. Dengan dilakukannya time clustering, nilai beberapa titik sampel waktu dapat diwakili oleh satu cluster waktu. Sebagai contohnya dapat dilihat dalam Tabel 3.1. mengenai data pada cluster lokasi Bogor tanggal 29 April 213. Terdapat lima sampel data yang dapat diwakili oleh cluster waktu 19:-21:59. Lima sampel data tersebut berasal dari dua responden dengan rincian sebagai berikut: empat data dari responden dengan ID 72 yaitu data pada pukul 19:14, 19:17, 2:46, 21:59, dan satu sampel data dari responden dengan ID 118 yaitu data pada pukul 21:59. Kelima data sampel tersebut memiliki nilai yang sama yaitu, terjadi hujan, sehingga dapat diwakili oleh satu nilai. Tabel 3.1. Data cluster waktu 19:-21:59, 29 April 213 ID Responden Tanggal dan Jam Lokasi Nilai :14:56 Bogor Hujan :17:29 Bogor Hujan :46:5 Bogor Hujan :59:14 Bogor Hujan :59:32 Bogor Hujan Setelah time clustering, dilakukan filtering data nilai tunggal yaitu memisahkan data yang memiliki nilai tunggal ( hujan atau tidak hujan ) dari data ambigu, yaitu data yang memiliki nilai lebih dari satu ( hujan dan tidak hujan ). Salah satu contohnya adalah pada tanggal 25 Maret 213 dalam cluster lokasi Bandung. Cluster waktu 1:-12:59 terdiri dari tiga titik sampel waktu yaitu pukul 11:6, 11:36, dan 12:2. Cluster waktu tersebut memiliki nilai lebih dari satu, yaitu tidak hujan pada pukul 11:6, tidak hujan pada pukul 11:36, dan hujan pada pukul 12:2. Untuk lebih jelasnya dapat dilihat pada Tabel 3.2. Pada verifikasi, data observasi yang dibutuhkan adalah nilai tunggal sehingga data yang memiliki nilai lebih dari satu tidak diikutsertakan dalam pengolahan data verifikasi. Tabel 3.2. Data cluster waktu 1:-12:59, 25 Maret 213 ID Responden Tanggal dan Jam Lokasi Nilai :6:27 Bandung :36:4 Bandung Tidak Hujan Tidak Hujan :2:3 Bandung Hujan Setelah dilakukan filtering data nilai tunggal, jumlah data yang dapat digunakan menjadi 272 sampel data dengan rincian yang dapat digambarkan 4
6 oleh bagan dalam Gambar 3.2. Dengan demikian, data yang dapat digunakan untuk verifikasi jumlahnya sebesar 43% dari jumlah data sebelumnya. Bogor pun belum tersedia. Walaupun demikian, data ketiga lokasi sudah tersedia lengkap pada minggu ke- 4, ke-5, dan ke Gambar 3.2. Perbandingan Data Nilai Tunggal dengan Data Setelah Clustering dan Sebelum Clustering Persebaran Data Observasi Per-Cluster Waktu Berdasarkan data yang sudah diolah sebelumnya, persebaran data secara temporal perlokasi dapat terlihat dalam grafik pada Gambar 3.3. Dalam penggunaan aplikasi WCPL mobile, responden langsung diminta memasukkan data ketika membuka aplikasi. Dengan demikian dapat dilihat bahwa dalam penelitian ini pada umumnya responden paling sering membuka aplikasi pada pukul 16: 18:59 dengan jumlah 47 data. 4:-6:59 7:-9:59 1: - 12:59 13:-15:59 16:-18:59 19:-21:59 22:-:59 1:-3:59 Jumlah Data Sebelum clustering Setelah clustering Data Nilai tunggal Bandung Bogor Jakarta Selatan Persebaran Data Temporal Jumlah Data Gambar 3.3. Persebaran Data Observasi Masyarakat secara Temporal Per-Cluster Waktu untuk Lokasi Bandung, Bogor, dan Jakarta Selatan. Persebaran Data Observasi Per-Minggu Gambar 3.4. menunjukkan bahwa tidak adanya data (hujan maupun tidak hujan) pada lokasi Bogor dan Jakarta Selatan untuk minggu ke-1 dan ke-2 waktu kajian. Pada minggu ke-3 pun data untuk lokasi Bandung Bogor Jakarta Selatan Jumlah Jumlah Event Hujan Terobservasi Minggu ke- Gambar 3.4. Persebaran Data Observasi Masyarakat secara Temporal Per-Minggu untuk Lokasi Bandung, Bogor, dan Jakarta Selatan Perbandingan Kualitatif Bandung Bogor Jakarta Selatan Jika diperhatikan dengan lebih seksama, nilai indeks konveksi rata-rata harian dan curah hujan (Gambar 3.5.) dan data observasi masyarakat (Gambar 3.4.) dapat digunakan untuk menganalisis keadaan meteorologis di lokasi kajian. Sebagai contohnya adalah minggu ke-2 di Bandung. Pada minggu ke-2, indeks konveksi maksimum per harinya cukup tinggi dengan curah hujan 134mm. Walaupun demikian, berdasarkan data observasi masyarakat, jumlah kejadian hujan relatif sedikit sehingga kemungkinan hujan yang terjadi berasal dari awan cumuliform. Selain itu, terlihat pula bahwa ada kesamaan tren dari minggu ke-4 hingga minggu ke-6. Di lokasi Bandung, aktivitas konveksi, jumlah curah hujan, dan data hujan terobservasi oleh masyarakat terlihat mulai menurun dari minggu ke-4 hingga menjelang akhir minggu ke-6. Periode monsoon break adalah periode curah hujan harian kurang dari 1.8mm selama tiga hari berturut-turut atau lebih (Octarina, 212). Sebagaimana yang ditunjukkan oleh Gambar 3.5., hujan harian di Bandung selama 7 hari kurang dari 1.8mm. Tanggal 29 April, 3 April, dan 5 Mei tidak terjadi hujan sama sekali. Sedangkan curah hujan harian tanggal 1-2 Mei masing-masing sebanyak 1mm, dan curah hujan harian tanggal 3-4 Mei masingmasing hanya sebanyak,6mm. Dengan demikian dapat dikatakan bahwa terjadi monsoon break pada minggu ke-6 kajian di Bandung. 5
7 Bandung CH dan Daily Average Convection Index CH IC=25-Tbb Gambar 3.5. Curah Hujan Lokasi Bandung dari Stasiun Meteorologi BMKG Bandung dan Nilai Indeks Konveksi Rata-rata Harian IR1 MTSAT. Minggu pertama mencakup tanggal Maret, minggu kedua mencakup tanggal 29 Maret 4 April, minggu ketiga mencakup tanggal 5-11 April, minggu keempat mencakup tanggal April, minggu kelima mencakup tanggal April, dan minggu keenam mencakup tanggal 26 April 5 Mei Verifikasi Kuantitatif Dalam melakukan verifikasi, hasil model prediksi dibandingkan dengan data observasi masyarakat. Pada hasil model prediksi, penentuan hujan atau tidak hujan dilakukan berdasarkan 4 threshold yang berbeda yaitu.5mm, 1mm, 2mm, dan 3mm sehingga didapatkan 4 set data prediksi untuk masing-masing model prediksi MM5 dan WRF. Verifikasi dilakukan dengan terlebih dahulu membuat tabel contingency antara data observasi masyarakat dan data hasil prediksi. Skill score yang dihitung adalah POD, PC, dan TS. POD, PC, dan TS memiliki nilai sempurna 1 dan nilai terendah. Indeks Skor Probability of Detection WRF MM5.5mm 1mm 2mm 3mm Threshold (mm/3 jam) Gambar 3.6. Nilai Skor POD Rata-rata Lokasi Bandung, Bogor, dan Jakarta Selatan. Bagan menunjukkan nilai skor POD untuk model WRF dan MM5 yang dijalankan oleh Laboratorium Analisis Meteorologi. Gambar 3.6. menunjukkan hasil perhitungan POD. Nilai POD pada penelitian ini mencapai nilai.35 hingga.55. Hal ini membuktikan bahwa 35-55% kejadian hujan berhasil diprediksi oleh model dengan threshold hujan sebesar.5mm dan 1 mm. Nilai POD WRF sendiri berada dalam rentang.26 hingga.51, dan nilai ini mendekati nilai POD yang diteliti oleh Satrya (212) yaitu dengan nilai.3. Selain itu, nilai POD terbaik untuk penentuan event hujan bagi kedua model dicapai dengan threshold.5mm. Dengan demikian, untuk perhitungan indeks skor TS dan PC selanjutnya akan menggunakan threshold.5mm. Indeks Skor Perbandingan Nilai TS & PC TS MM5 TS WRF PC WRF PC WRF Bandung Bogor Jakarta Selatan Gambar 3.7. Perbandingan Nilai TS dan PC perlokasi. Nilai Threat Score dan Proportion Correct per-tiga-jam model WRF dan MM5 dengan threshold.5mm. Perlu diperhatikan bahwa nilai skill skor tidak bisa dibandingkan perminggu karena adanya perbedaan persebaran data observasi masyarakat. Skill skor minggu pertama dan kedua hanya merepresentasikan lokasi Bandung, sedangkan minggu ketiga hanya merepresentasikan lokasi Bandung dan Jakarta Selatan. Dengan demikian perhitungan nilai TS dan PC akan lebih representatif jika dilakukan untuk tiap lokasi. Indeks skor TS berada dalam rentang nilai.12 sampai.34 dan bisa diartikan bahwa 12-34% kejadian hujan yang terjadi telah 6
8 berhasil diprediksi oleh model. Sedangkan indeks skor PC berada dalam rentang.52 sampai.65 yang artinya 52-65% dari keseluruhan prediksi adalah benar. Dapat dilihat pada Gambar 3.7. bahwa nilai skor TS di Bandung merupakan nilai TS terbaik dibandingkan di wilayah lain. Sebagaimana yang ditampilkan oleh Gambar 3.8., hasil perhitungan indeks skor TS pada MM5 menghasilkan nilai.27. Sedangkan model prediksi WRF menghasilkan nilai TS sebesar.22. Pada nilai TS WRF, hal ini menunjukkan bahwa nilai tersebut mendekati nilai TS WRF Laboratorium Analisis Meteorologi ITB yang diteliti oleh Satrya (212) yaitu.1. Dengan demikian data observasi masyarakat ini dapat digunakan untuk verifikasi prediksi cuaca numerik. Indeks Skor Gambar 3.8. Perbandingan Nilai TS dan PC perlokasi. Nilai Threat Score dan Proportion Correct per-tiga-jam model WRF dan MM5 dengan threshold.5mm. 4. Kesimpulan Perbandingan Indeks Skor TS Skill Skor Berdasarkan penelitian yang telah dilakukan, perlu dilakukan filtering (data nilai tunggal) terhadap data yang sudah di-cluster sehingga data yang siap diolah untuk verifikasi jumlahnya lebih sedikit dari jumlah data sebelum clustering. Nilai indeks konveksi, curah hujan dan data observasi masyarakat dapat dibandingkan secara kualitatif untuk menganalisis keadaan meteorologis di lokasi kajian. Threshold terbaik dalam penentuan prediksi hujan WRF dan MM5 Laboratorium Analisis Meteorologi ITB adalah.5mm. Berdasarkan nilai skill skor TS dan PC, model WRF dan MM5 dapat memprediksi lebih baik pada lokasi Bandung dibandingkan dengan dua lokasi lainnya. Selain itu, nilai TS dan POD pada penelitian ini menunjukkan hasil yang mendekati nilai TS dan POD yang diteliti oleh Satrya (212). Dengan demikian, data observasi masyarakat ini dapat digunakan untuk verifikasi prediksi cuaca numerik. PC MM5 WRF REFERENSI Hong Kong Observatory. Speech by Mr CM Shun, Director of the Hong Kong Observatory 2 March 212. Hong Kong, 212. McBride, J. L., dan Ebert, E. E. (1999). Verification of Quantitative Precipitation Forecast from Operational Numerical Weather Prediction Models over Australia. American Meteorological Society, 15, Met Office. Fact sheet No.3 - Water in the atmosphere. Devon, 211. Mirzazadeh, Ali. (29). Time Location Sampling, dalam Factsheets of Knowledge Hub for HIV/AIDS Surveillance, Kerman University of Medical Sciences, Kerman, Iran. Issue2, September 29, National Oceanic and Atmospheric Administration. (23). Meteorological Station Information Lookup for Hong Kong. Diakses pada 1 Januari 213 dari NOAA: Octarina, D. T. (211). Pengaruh Monsun Aktif dan Break terhadap Karakteristik Vertikal Awan konvektif Berdasarkan Analisis Data Cloudsat. Tugas Akhir S1, Institut Teknologi Bandung, Program Studi Meteorologi, FITB. Pramono, Tri Agus. Analisa Cuaca dan Iklim, Bulletin Meteorologi, Edisi 51 Februari 212, hal Renggono, F., Hashiguchi, H., Fukao, S., Yamanaka, M. D., Ogino, S. Y., Okamoto, N., Murata, F., Sitorus, B. P., Kudsy, M., Kartasasmita, M., dan Ibrahim, G. (21). Precipitating Clouds Observed by 1.3-GHz Boundary Layer Radars in Equitorial Indonesia. Annales Geophysicae, 19, Satrya, Luthfi Imanal. (212). Asimilasi Data Radar dalam Penerapan Prediksi Cuaca Numerik di Indonesia. Tugas Akhir S1, Institut Teknologi Bandung, Program Studi Meteorologi, FITB. Subkhan, Farid. Indonesia Shoppers Insight 212. Makalah disampaikan dalam The Markplus Conference 213, The Ritz Carlton Jakarta Pacific Place, Jakarta 212. Wilks, Daniel S. (26). Statistical Methods in the Atmospheric Sciences. Cornell University: Elsevier Inc. 7
BAB III DATA DAN METODOLOGI
BAB III DATA DAN METODOLOGI 3.1 Data Dalam penelitian ini digunakan setidaknya 4 jenis data, yaitu data GFS (Global Forecast System) dari NCEP (National Center for Environment Prediction) sebagai initial
Lebih terperinciPREDIKSI AWAN CUMULONIMBUS MENGGUNAKAN INDEKS STABILITAS KELUARAN MODEL WRF ARW DI BIMA
PREDIKSI AWAN CUMULONIMBUS MENGGUNAKAN INDEKS STABILITAS KELUARAN MODEL WRF ARW DI BIMA Puteri Permata Sani 1, Heri Ismanto 2 1, Jakarta 2 Badan Meteorologi Klimatologi dan Geofisika, Jakarta Email : puteri.permata@bmkg.go.id
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciPREDIKSI ENSEMBLE MENGGUNAKAN CCAM (CONFORMAL-CUBIC ATMOSPHERIC MODEL) UNTUK PRAKIRAAN PELUANG KEJADIAN HUJAN DI PULAU JAWA
PREDIKSI ENSEMBLE MENGGUNAKAN CCAM (CONFORMAL-CUBIC ATMOSPHERIC MODEL) UNTUK PRAKIRAAN PELUANG KEJADIAN HUJAN DI PULAU JAWA TUGAS AKHIR Disusun Untuk Memenuhi Syarat Kurikuler Program Sarjana Strata-1
Lebih terperinciUJI ABB INDEKS STABILITAS TOTAL-TOTAL DALAM PENERAPAN BAHAN PREDIKTOR KEJADIAN CUMULONIMBUS DAN THUNDERSTORM DI PANGKALPINANG
DOI: doi.org/10.21009/03.snf2017.02.epa.01 UJI ABB INDEKS STABILITAS TOTAL-TOTAL DALAM PENERAPAN BAHAN PREDIKTOR KEJADIAN CUMULONIMBUS DAN THUNDERSTORM DI PANGKALPINANG Fadel Muhammad Madjid 1, a), Antika
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciPENGARUH ASIMILASI DATA RADAR C-BAND DALAM PREDIKSI CUACA NUMERIK (Studi Kasus di Lampung)
PENGARUH ASIMILASI DATA RADAR C-BAND DALAM PREDIKSI CUACA NUMERIK (Studi Kasus di Lampung) IMPACT OF C-BAND RADAR DATA ASSIMILATION IN NUMERICAL WEATHER FORECASTS (Case Study in Lampung) Jaka Anugrah Ivanda
Lebih terperinciUJI SKEMA PARAMETERISASI CUMULUS PADA MODEL WRF-ARW UNTUK PRAKIRAAN HUJAN HARIAN DI SULAWESI TENGGARA
UJI SKEMA PARAMETERISASI CUMULUS PADA MODEL WRF-ARW UNTUK PRAKIRAAN HUJAN HARIAN DI SULAWESI TENGGARA Rino Indra Natsir¹, Syamsul Huda² Sekolah Tinggi Meteorologi Klimatologi dan Geofisika email : inonk.jogugu@gmail.com
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia sebagai negara kepulauan terbesar di dunia dan dikenal sebagai negara maritim tropis, memiliki banyak sekali keunikan. Dalam hal cuaca misalnya, awan konvektif
Lebih terperinciSENSITIVITAS PARAMETERISASI KUMULUS MODEL WRF-ARW UNTUK PREDIKSI HUJAN DI WILAYAH SORONG
SENSITIVITAS PARAMETERISASI KUMULUS MODEL WRF-ARW UNTUK PREDIKSI HUJAN DI WILAYAH SORONG Wilmar Rajagukguk 1), Indra Gustari 2) 1, Jakarta 2 Badan Meteorologi Klimatologi dan Geofisika, Jakarta Email :
Lebih terperinciAnalisis Kondisi Atmosfer Pada Saat Kejadian Banjir Bandang Tanggal 2 Mei 2015 Di Wilayah Kediri Nusa Tenggara Barat
Analisis Kondisi Atmosfer Pada Saat Kejadian Banjir Bandang Tanggal 2 Mei 2015 Di Wilayah Kediri Nusa Tenggara Barat Oleh: Drs. Achmad Sasmito dan Rahayu Sapta Sri S, S.Kel Perekayasa dan Peneliti di Pusat
Lebih terperinci4 BAB IV HASIL DAN ANALISA
4 BAB IV HASIL DAN ANALISA 4.1 Evaluasi Persamaan Rain Rate 4.1.1 Hasil Estimasi curah hujan untuk satu titik (Bandung) perjam diakumulasi selama 24 jam untuk memperoleh curah hujan harian, selama rentang
Lebih terperinciPENGGUNAAN DATA SATELIT MTSAT-IR DAN TRMM UNTUK MENENTUKAN SUHU THRESHOLD
Proseding Seminar Nasional Fisika dan Aplikasinya Sabtu, 19 November 2016 Bale Sawala Kampus Universitas Padjadjaran, Jatinangor PENGGUNAAN DATA SATELIT MTSAT-IR DAN TRMM UNTUK MENENTUKAN SUHU THRESHOLD
Lebih terperinciPRAKIRAAN CURAH HUJAN MODEL WRF-ARW (STUDI KASUS BANJIR SEMARANG 4 FEBRUARI 2014)
PRAKIRAAN CURAH HUJAN MODEL WRF-ARW (STUDI KASUS BANJIR SEMARANG 4 FEBRUARI 2014) Gempita Icky Dzikrillah 1,2, Indra Gustari 2 1, Jakarta 2 Badan Meteorologi Klimatologi dan Geofisika, Jakarta Email :
Lebih terperinciKata kunci : hujan lebat, skema parameterisasi, WRF-ARW, Pekanbaru. Abstract
UJI SENSITIVITAS MODEL NUMERIK WRF-ARW PADA SIMULASI HUJAN LEBAT DI PEKANBARU (STUDI KASUS TANGGAL 7 MARET 2015) THE SENSITIVITY TEST OF WRF-ARW NUMERICAL MODEL ON HEAVY RAIN SIMULATION IN PEKANBARU (CASE
Lebih terperinciUJI KEMAMPUAN OBSERVASI DAN PRAKIRAAN MENGGUNAKAN MODEL COSMO (STUDI KASUS HUJAN LEBAT DI JAKARTA DAN LAMPUNG 20 FEBRUARI 2017)
DOI: doi.org/10.21009/03.snf2017.02.epa.05 UJI KEMAMPUAN OBSERVASI DAN PRAKIRAAN MENGGUNAKAN MODEL COSMO (STUDI KASUS HUJAN LEBAT DI JAKARTA DAN LAMPUNG 20 FEBRUARI 2017) Wido Hanggoro a), Linda Fitrotul
Lebih terperinciPEMANFAATAN DAN VALIDASI CONFORMAL-CUBIC ATMOSPHERIC MODEL (CCAM) UNTUK PRAKIRAAN CUACA DI JAKARTA
PEMANFAATAN DAN VALIDASI CONFORMAL-CUBIC ATMOSPHERIC MODEL (CCAM) UNTUK PRAKIRAAN CUACA DI JAKARTA Roni Kurniawan, Donaldi Sukma Permana Pusat Penelitian dan Pengembangan Badan Meteorologi, Klimatologi
Lebih terperinciPEMANFAATAN MODEL WRF-ARW DALAM PEMBUATAN PRAKIRAAN CUACA DI WILAYAH LABUHA (Studi Kasus Hujan Lebat Tanggal 20 Juli, 31 Juli, dan 5 Agustus 2013)
PEMANFAATAN MODEL WRF-ARW DALAM PEMBUATAN PRAKIRAAN CUACA DI WILAYAH LABUHA (Studi Kasus Hujan Lebat Tanggal 20 Juli, 31 Juli, dan 5 Agustus 2013) UTILIZATION OF WRF-ARW MODEL IN THE MANUFACTURE OF WEATHER
Lebih terperinciKAJIAN KONDISI ATMOSFER KEJADIAN HUJAN LEBAT TANGGAL 11 JUNI 2014 DI LUWUK MENGGUNAKAN OUTPUT MODEL WRF
KAJIAN KONDISI ATMOSFER KEJADIAN HUJAN LEBAT TANGGAL 11 JUNI 2014 DI LUWUK MENGGUNAKAN OUTPUT MODEL WRF Yuwarit Triuke (1), Dr. Paulus Agus Winarso (2) Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Lebih terperinciKATA PENGANTAR TANGERANG SELATAN, MARET 2016 KEPALA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG. Ir. BUDI ROESPANDI NIP
PROPINSI BANTEN DAN DKI JAKARTA KATA PENGANTAR Puji syukur kehadirat Tuhan YME atas berkat dan rahmat Nya kami dapat menyusun laporan dan laporan Prakiraan Musim Kemarau 2016 di wilayah Propinsi Banten
Lebih terperinci6 EVALUASI SKILL MODEL
6 EVALUASI SKILL MODEL Pendahuluan Evaluasi model selain dilakukan dengan mengetahui nilai korelasi dan nilai RMSEP juga dilakukan dengan Relative Operating Characteristics (ROC). ROC merupakan metode
Lebih terperinciLAPORAN KEJADIAN BANJIR DI PROPINSI BANTEN TANGGAL 24 NOPEMBER 2008
B M G BADAN METEOROLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG Telp: (021) 7353018 / Fax: 7355262 Website : http://www.staklimpondoketung.net Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan
Lebih terperinciPEMANFAATAN MODEL WRF-ARW UNTUK VERIFIKASI HUJAN HARIAN DI WILAYAH MAKASSAR
PEMANFAATAN MODEL WRF-ARW UNTUK VERIFIKASI HUJAN HARIAN DI WILAYAH MAKASSAR Meiske Caesaria Soemarno 1), Bagus Pramujo 2), Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG) 1), Tangerang Selatan
Lebih terperinciPENENTUAN NILAI AMBANG BATAS AWAN KONVEKTIF PADA PRODUK SWWI MENGGUNAKAN DATA RADAR CUACA DI WILAYAH JAKARTA DAN SEKITARNYA
PENENTUAN NILAI AMBANG BATAS AWAN KONVEKTIF PADA PRODUK SWWI MENGGUNAKAN DATA RADAR CUACA DI WILAYAH JAKARTA DAN SEKITARNYA Hasmororini Sulistami 1, Eko Wardoyo 2 1, Jakarta 2 Badan Meteorologi Klimatologi
Lebih terperinciPEMODELAN ATMOSFER DENGAN WRF PADA KEJADIAN BANJIR JAKARTA 17 JANUARI 2013
PEMODELAN ATMOSFER DENGAN WRF PADA KEJADIAN BANJIR JAKARTA 17 JANUARI 2013 Ardhi Adhary Arbain, Mahally Kudsy dan M. Djazim Syaifullah Abstract WRF simulation on January 16-17, 2013 has been conducted
Lebih terperinciMEKANISME HUJAN HARIAN DI SUMATERA
MEKANISME HUJAN HARIAN DI SUMATERA Erma Yulihastin Peneliti Pusat Pemanfaatan Sains Atmosfer dan Iklim, LAPAN e-mail: erma@bdg.lapan.go.id; erma.yulihastin@gmail.com RINGKASAN Makalah ini mengulas hasil
Lebih terperinciPropinsi Banten dan DKI Jakarta
BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan (12070) Telp. (021) 7353018 / Fax: 7355262 E-mail: staklim.pondok.betung@gmail.com,
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciPENGGUNAAN SKEMA KONVEKTIF MODEL CUACA WRF (BETTS MILLER JANJIC, KAIN FRITSCH DAN GRELL 3D ENSEMBLE) (Studi kasus: Surabaya dan Jakarta)
PENGGUNAAN SKEMA KONVEKTIF MODEL CUACA WRF (BETTS MILLER JANJIC, KAIN FRITSCH DAN GRELL 3D ENSEMBLE) (Studi kasus: Surabaya dan Jakarta) APLICATION OF WRF MODEL CONVECTIVE SCHEMES (BETTS MILLER JANJIC,
Lebih terperinciSENSITIVITAS MODEL WRF-EMS DALAM MEMPREDIKSI KEJADIAN HUJAN PADA MUSIM BASAH DAN KERING DI SUMATERA BARAT DERRI HARYONI FEBRI
SENSITIVITAS MODEL WRF-EMS DALAM MEMPREDIKSI KEJADIAN HUJAN PADA MUSIM BASAH DAN KERING DI SUMATERA BARAT DERRI HARYONI FEBRI DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciKeywords : Cumulonimbus, Thunderstorm, Stability indices, Threshold
PENENTUAN NILAI AMBANG INDEKS STABILITAS UDARA UNTUK KEJADIAN AWAN CUMULONIMBUS DAN THUNDERSTORM DI STASIUN METEOROLOGI HASANUDDIN MAROS Agusmin Hariansah 1,2, Endarwin 2 1 Stasiun Meteorologi Bandaneira
Lebih terperinciANALISA CUACA TERKAIT KEJADIAN HUJAN EKSTREM SURABAYA DI SURABAYA TANGGAL 24 NOVEMBER 2017
B M K G BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN METEOROLOGI KLAS I JUANDA SURABAYA Alamat : Bandar Udara Juanda Surabaya, Telp. 031 8668989, Fax. 031 8675342, 8673119 E-mail : meteojud@gmail.com,
Lebih terperinciPROFIL WIND SHEAR VERTIKAL PADA KEJADIAN SQUALL LINE DI SAMUDERA HINDIA PESISIR BARAT SUMATERA
PROFIL WIND SHEAR VERTIKAL PADA KEJADIAN SQUALL LINE DI SAMUDERA HINDIA PESISIR BARAT SUMATERA VERTICAL WIND SHEAR PROFILE ON SQUALL LINE EVENT IN SUMATERA WEST COASTAL INDIAN OCEAN Herlan Widayana 1),
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciBuletin Analisis Hujan dan Indeks Kekeringan Bulan Juli 2012 dan Prakiraan Hujan Bulan September, Oktober dan November 2012 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Juli 2012 serta Prakiraan Hujan Bulan September, Oktober dan November 2012 disusun berdasarkan hasil pengamatan dari 60 stasiun dan pos hujan di wilayah
Lebih terperinciBADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI KLAS II PONDOK BETUNG
B M K G BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI KLAS II PONDOK BETUNG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan (12070) Telp. (021) 7353018 / Fax: 7355262 E-mail: staklim.pondok.betung@gmail.com,
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciAnomali Curah Hujan 2010 di Benua Maritim Indonesia Berdasarkan Satelit TRMM Terkait ITCZ
Anomali Curah Hujan 2010 di Benua Maritim Indonesia Berdasarkan Satelit TRMM Terkait ITCZ Erma Yulihastin* dan Ibnu Fathrio Abstrak Penelitian ini dilakukan untuk menganalisis terjadinya anomali curah
Lebih terperinciANALISA CUACA TERKAIT KEJADIAN ANGIN KENCANG DI PRAMBON SIDOARJO TANGGAL 02 APRIL 2018
B M K G BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN METEOROLOGI KLAS I JUANDA SURABAYA Alamat : Bandar Udara Juanda Surabaya, Telp. 031 8668989, Fax. 031 8675342, 8673119 E-mail : meteojud@gmail.com,
Lebih terperinciBuletin Analisis Hujan Bulan Februari 2013 dan Prakiraan Hujan Bulan April, Mei dan Juni 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Februari 2013 serta Prakiraan Hujan Bulan April, Mei dan Juni 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan di
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciBADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI KLAS II PONDOK BETUNG ANALISIS MUSIM KEMARAU 2013 DAN PRAKIRAAN MUSIM HUJAN 2013/2014
BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI KLAS II PONDOK BETUNG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan (12070) Telp. (021) 7353018 / Fax: 7355262 E-mail: staklim.pondok.betung@gmail.com,
Lebih terperinciBAB I PENDAHULUAN. Indonesia termasuk sebagai salah satu wilayah yang berada di daerah
BAB I PENDAHULUAN 1. 1 Latar Belakang Indonesia termasuk sebagai salah satu wilayah yang berada di daerah ekuatorial yang memiliki jumlah kejadian petir yang cukup tinggi dengan jumlah hari petir mencapai
Lebih terperinciPEMODELAN ATMOSFER DENGAN WRF PADA KEJADIAN BANJIR JAKARTA 17 JANUARI 2013
PEMODELAN ATMOSFER DENGAN WRF PADA KEJADIAN BANJIR JAKARTA 17 JANUARI 2013 Ardhi Adhary Arbain 1, Mahally Kudsy 2, M. Djazim Syaifullah 3 Intisari Simulasi WRF pada tanggal 16-17 Januari 2013 dilakukan
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciAnalisis Potensi Terjadinya Thunderstorm Menggunakan Metode SWEAT di Stasiun Meteorologi Sultan Iskandar Muda
Analisis Potensi Terjadinya Thunderstorm Menggunakan Metode SWEAT di Stasiun Meteorologi Sultan Iskandar Muda Potential Analysis of Thunderstorm Occurrence Using SWEAT Method at Meteorology Station Sultan
Lebih terperinciANALISIS PERBANDINGAN ESTIMASI CURAH HUJAN DENGAN DATA SATELIT DAN RADAR INTEGRASI DI BALIKPAPAN
ANALISIS PERBANDINGAN ESTIMASI CURAH HUJAN DENGAN DATA SATELIT DAN RADAR INTEGRASI DI BALIKPAPAN Raa ina Farah Nur Annisa 1,2 Ana Oktavia Setiowati 2 Iddam Hairuly Umam 2 1, Jakarta 2 Badan Meteorologi
Lebih terperinciKOREKSI DATA HUJAN DASARIAN TRMM DI STASIUN KLIMATOLOGI KAIRATU MENGGUNAKAN REGRESI LINEAR SEDERHANA
KOREKSI DATA HUJAN DASARIAN DI STASIUN KLIMATOLOGI KAIRATU MENGGUNAKAN REGRESI LINEAR SEDERHANA Steven Cahya Andika Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG), Tangerang Selatan Email
Lebih terperinciBuletin Analisis Hujan dan Indeks Kekeringan Bulan Desember 2012 dan Prakiraan Hujan Bulan Februari, Maret dan April 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Desember 2012 serta Prakiraan Hujan Bulan Februari, Maret dan April 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan
Lebih terperinci1 PENDAHULUAN. Latar Belakang
1 PENDAHULUAN Latar Belakang Pada saat ini pengguna informasi cuaca jangka pendek menuntut untuk memperoleh informasi cuaca secara cepat dan tepat. Badan Meteorologi, Klimatologi dan Geofisika (BKMG) telah
Lebih terperinciBuletin Analisis Hujan dan Indeks Kekeringan Bulan April 2012 dan Prakiraan Hujan Bulan Juni, Juli dan Agustus 2012 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan April 2012 serta Prakiraan Hujan Bulan Juni, Juli dan Agustus 2012 disusun berdasarkan hasil pengamatan dari 60 stasiun dan pos hujan di wilayah Jawa
Lebih terperinciBAB I PENDAHULUAN. terjadi pada suatu wilayah tertentu dalam kurun waktu tertentu misalnya bencana
BAB I PENDAHULUAN 1.1 Latar Belakang Badan Meteorologi Klimatologi dan Geofisika (BMKG) merupakan lembaga yang menangani masalah cuaca dan iklim di Indonesia. Lembaga ini mendirikan stasiun meteorologi
Lebih terperinciEVALUASI KEHANDALAN SIMULASI INFORMASI PRAKIRAAN IKLIM MUSIMAN MENGGUNAKAN METODE ROC (Kasus ZOM 126 Denpasar)
EVALUASI KEHANDALAN ULASI INFORMASI PRAKIRAAN IKLIM MUAN (Kasus ZOM 126 Denpasar) Peneliti Madya Bidang Klimatologi Badan Meteorologi Klimatologi dan Geofisika, JAKARTA e-mail: yunusbmkg@live.com. ABSTRACT
Lebih terperinciBAB I PENDAHULUAN. Perubahan iklim merupakan perubahan jangka panjang dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perubahan iklim merupakan perubahan jangka panjang dalam distribusi pola cuaca secara statistik dengan periode waktu mulai dasawarsa hingga jutaan tahun. Hal
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1. Kompilasi dan Kontrol Kualitas Data Radar Cuaca C-Band Doppler (CDR) Teknologi mutakhir pada radar cuaca sangat berguna dalam bidang Meteorologi untuk menduga intensitas curah
Lebih terperinciDAMPAK DIPOLE MODE TERHADAP ANGIN ZONAL
DAMPAK DIPOLE MODE TERHADAP ANGIN ZONAL Eva Gusmira, S.Si., M.Si Abstrak Dalam jurnal ini telah dilakukan analisis terhadap angin zonal di Sumatera Barat yang diakibatkan oleh fenomena Dipole Mode (DM)
Lebih terperinciBADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG
B M K G BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG Telp: (021) 7353018 / Fax: 7355262 Website : http://www.staklimpondoketung.net Jln. Raya Kodam Bintaro No.
Lebih terperinciBMKG BMKG I. INFORMASI KEJADIAN
BMKG BMKG BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA BALAI BESAR METEOROLOGI KLIMATOLOGI DAN GEOFISIKA WILAYAH II CIPUTAT JL. H.Abdulgani No. 05, Kampung Bulak, Cempakaputih, Ciputat Timur, Po. Box: 39/15412
Lebih terperinciPEMANFAATAN SATAID UNTUK ANALISA BANJIR DAN ANGIN PUTING BELIUNG: STUDI KASUS JAKARTA DAN YOGYAKARTA
PEMANFAATAN SATAID UNTUK ANALISA BANJIR DAN ANGIN PUTING BELIUNG: STUDI KASUS JAKARTA DAN YOGYAKARTA THE USE OF SATAID TO ANALYZE FLOOD AND MINI TWISTER: CASE STUDY OF JAKARTA AND YOGYAKARTA Hastuadi Harsa,
Lebih terperinciSTUDI INDEKS STABILITAS UDARA TERHADAP PREDIKSI KEJADIAN... BADAI GUNTUR (THUNDERSTORM) DI WILAYAH STASIUN METEOROLOGI CENGKARENG BANTEN
STUDI INDEKS STABILITAS UDARA TERHADAP PREDIKSI KEJADIAN BADAI GUNTUR (THUNDERSTORM) DI WILAYAH STASIUN METEOROLOGI CENGKARENG BANTEN A STUDY OF STABILITY INDICES TO THE PREDICTION OF THUNDERSTORM EVENT
Lebih terperinciBAB I Pendahuluan I.1 Latar Belakang I.1.1 Historis Banjir Jakarta
BAB I Pendahuluan I.1 Latar Belakang I.1.1 Historis Banjir Jakarta Menurut Caljouw et al. (2004) secara morfologi Jakarta didirikan di atas dataran aluvial pantai dan sungai. Bentang alamnya didominasi
Lebih terperinciBuletin Analisis Hujan Bulan Januari 2013 dan Prakiraan Hujan Bulan Maret, April dan Mei 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Januari 2013 serta Prakiraan Hujan Bulan Maret, April dan Mei 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan di
Lebih terperinciBuletin Analisis Hujan Bulan April 2013 dan Prakiraan Hujan Bulan Juni, Juli dan Agustus 2013 KATA PENGANTAR
Buletin Analisis Hujan Bulan April 2013 dan Prakiraan Hujan Bulan Juni, Juli dan Agustus 2013 KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan April 2013 serta Prakiraan Hujan Bulan Juni, Juli dan
Lebih terperinciAKURASI PREDIKSI CURAH HUJAN HARIAN OPERASIONAL... DI JABODETABEK : PERBANDINGAN DENGAN MODEL WRF
AKURASI PREDIKSI CURAH HUJAN HARIAN OPERASIONAL DI JABODETABEK : PERBANDINGAN DENGAN MODEL WRF ON THE ACCURACY OF OPERATIONAL DAILY RAINFALL FORECASTS OVER JABODETABEK : A COMPARISON WITH RAW WRF-MODEL
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masyarakat dunia saat ini sedang dihadapkan dengan kemajuan teknologi sebagai salah satu penunjang dalam era informasi. Informasi yang menjadi komoditas utama
Lebih terperinciKEPALA STASIUN KLIMATOLOGI
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan September 2013 serta Prakiraan Hujan Bulan November, Desember 2013 dan Januari 2014 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun
Lebih terperinciBADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG
BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan ( 12070 ) Telp. (021) 7353018, Fax: (021) 7355262 E-mail: staklim.pondok.betung@gmail.com,
Lebih terperinciANALISIS PERTUMBUHAN, PERGERAKAN, DAN INTENSITAS SIKLON TROPIS MARCIA BERBASIS DATA SATELIT MTSAT
ANALISIS PERTUMBUHAN, PERGERAKAN, DAN INTENSITAS SIKLON TROPIS MARCIA BERBASIS DATA SATELIT MTSAT Krismianto Pusat Sains dan Teknologi Atmosfer Lembaga Penerbangan dan Antariksa Nasional Jl. Dr. Djundjunan
Lebih terperinciEVALUASI MUSIM HUJAN 2007/2008 DAN PRAKIRAAN MUSIM KEMARAU 2008 PROVINSI BANTEN DAN DKI JAKARTA
BADAN METEOROLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan ( 12070 ) Telp: (021) 7353018 / Fax: 7355262, Tromol Pos. 7019 / Jks KL, E-mail
Lebih terperinciKAJIAN METEOROLOGI TERKAIT HUJAN LEBAT MENGGUNAKAN SATELIT TRMM, SATELIT MT-SAT DAN DATA REANALISIS (Studi Kasus Banjir di Tanjungpandan)
KAJIAN METEOROLOGI TERKAIT HUJAN LEBAT MENGGUNAKAN SATELIT TRMM, SATELIT MT-SAT DAN DATA REANALISIS (Studi Kasus Banjir di Tanjungpandan) Qoriana Maulani 1, Jakarta 2 Badan Meteorologi Klimatologi dan
Lebih terperinciVERIFIKASI MODEL ATMOSFER WILAYAH TERBATAS DALAM SIMULASI CURAH HUJAN
Prosiding Seminar Nasional Penelitian, Pendidikan, dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 VERIFIKASI MODEL ATMOSFER WILAYAH TERBATAS DALAM SIMULASI CURAH HUJAN Didi
Lebih terperinciBADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG
B M K G BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG Telp: (021) 7353018 / Fax: 7355262 Website : http://www.staklimpondoketung.net Jln. Raya Kodam Bintaro No.
Lebih terperinciANALISIS HUJAN DENGAN BOUNDARY LAYER RADAR
Analisis Hujan dengan Boundary Layer Radar (Renggono) 23 ANALISIS HUJAN DENGAN BOUNDARY LAYER RADAR Findy Renggono 1 Intisari Boundary Layer Radar (BLR) merupakan sebuah L-band Doppler radar. BLR yang
Lebih terperinciModel Sederhana Penghitungan Presipitasi Berbasis Data Radiometer dan EAR
Model Sederhana Penghitungan Presipitasi Berbasis Data Radiometer dan EAR Suaydhi 1) dan M. Panji Nurkrisna 2) 1) Pusat Pemanfaatan Sains Atmosfer dan Iklim, LAPAN. 2) Jurusan Pendidikan Fisika, FPMIPA,
Lebih terperinciANALISIS MUSIM KEMARAU 2011 DAN PRAKIRAAN MUSIM HUJAN 2011/2012 PROVINSI DKI JAKARTA
ANALISIS MUSIM KEMARAU 2011 DAN PRAKIRAAN MUSIM HUJAN 2011/2012 PROVINSI DKI JAKARTA Sumber : BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG 1. TINJAUAN UMUM 1.1.
Lebih terperinciSeminar Nasional Penginderaan Jauh ke-4 Tahun Miranti Indri Hastuti *), Annisa Nazmi Azzahra
Pemanfaatan Data Satelit Himawari-8 untuk dengan Metode Autoestimator di Kalianget, Madura Utilization of Himawari-8 Satellite Data for Rainfall Estimation with Autoestimator Method in Kalianget, Madura
Lebih terperinciFrekuensi Sebaran Petir pada Kejadian Hujan Ekstrem di Stasiun Meteorologi Citeko... (Masruri dan Rahmadini)
Frekuensi Sebaran Petir pada Kejadian Hujan Ekstrem di Stasiun Meteorologi Citeko... (Masruri dan Rahmadini) FREKUENSI SEBARAN PETIR PADA KEJADIAN HUJAN EKSTREM DI STASIUN METEOROLOGI CITEKO Studi Kasus
Lebih terperinciKAJIAN DAMPAK GELOMBANG PLANETER EKUATORIAL TERHADAP POLA KONVEKTIFITAS DAN CURAH HUJAN DI KALIMANTAN TENGAH.
KAJIAN DAMPAK GELOMBANG PLANETER EKUATORIAL TERHADAP POLA KONVEKTIFITAS DAN CURAH HUJAN DI KALIMANTAN TENGAH Reni Susilowati 1,2, Miming Saepudin, M.Si 2 1, Jakarta 2 Badan Meteorologi Klimatologi dan
Lebih terperinciBADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG
B M K G BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG Telp: (021) 7353018 / Fax: 7355262 Website : http://www.staklimpondoketung.net Jln. Raya Kodam Bintaro No.
Lebih terperinciPasal 4 Pengaksesan Data MKG dilakukan untuk memperoleh Data MKG.
-2-4. Peraturan Kepala Badan Meteorologi, Klimatologi, dan Geofisika Nomor KEP. 003 Tahun 2009 tentang Organisasi dan Tata Kerja Badan Meteorologi, Klimatologi, dan Geofisika; 5. Peraturan Kepala Badan
Lebih terperinciOBSERVASI PERTUMBUHAN AWAN DI DAS MAMASA SULAWESI BARAT DENGAN RADAR CUACA
49 OBSERVASI PERTUMBUHAN AWAN DI DAS MAMASA SULAWESI BARAT DENGAN RADAR CUACA Erwin Mulyana Abstract Study on the characteristic of cloud development at Mamasa catchment area is very important since the
Lebih terperinciANALISIS MUSIM KEMARAU 2015 DAN PRAKIRAAN MUSIM HUJAN 2015/2016
B M K G BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI KLAS II PONDOK BETUNG Jln. Raya Kodam Bintaro No. 82 Tangerang Selatan Telp. (021) 7353018 / Fax: 7355262 E-mail: staklim.pondok.betung@gmail.com,
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian ini dilakukan pada daerah kajian Provinsi Kalimantan Barat. Pengolahan dan analisis data dilakukan di Laboratorium Fisik Remote Sensing dan Sistem
Lebih terperinciASIMILASI MODEL WEATHER RESEARCH AND FORECASTING (WRF) DENGAN DATA OBSERVASI UNTUK PREDIKSI CURAH HUJAN DI WILAYAH JAWA NOVVRIA SAGITA
ASIMILASI MODEL WEATHER RESEARCH AND FORECASTING (WRF) DENGAN DATA OBSERVASI UNTUK PREDIKSI CURAH HUJAN DI WILAYAH JAWA NOVVRIA SAGITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2017 PERNYATAAN
Lebih terperinciBADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI KLAS II PONDOK BETUNG
B M K G BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI KLAS II PONDOK BETUNG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan (12070) Telp. (021) 7353018 / Fax: 7355262 E-mail: staklim.pondok.betung@gmail.com,
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
Lebih terperinciI PENDAHULUAN II TINJAUAN PUSTAKA
1 I PENDAHULUAN 1.1 Latar Belakang Curah hujan merupakan unsur meteorologi yang mempunyai variasi tinggi dalam skala ruang dan waktu sehingga paling sulit untuk diprediksi. Akan tetapi, informasi curah
Lebih terperinciBADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA
BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN METEOROLOGI RADIN INTEN II BANDAR LAMPUNG Jl. Alamsyah Ratu Prawira Negara Km.28 Branti 35362 Telp. (0721)7697093 Fax. (0721) 7697242 e-mail : bmglampung@yahoo.co.id
Lebih terperinciSIMULASI ANGIN LAUT TERHADAP PEMBENTUKAN AWAN KONVEKTIF DI PULAU BALI MENGGUNAKAN WRF-ARW (Studi Kasus 20 Februari 2015)
SIMULASI ANGIN LAUT TERHADAP PEMBENTUKAN AWAN KONVEKTIF DI PULAU BALI MENGGUNAKAN WRF-ARW (Studi Kasus 20 Februari 2015) Rahma Fauzia Y *, Hariadi Sekolah Tinggi Meteorologi Klimatologi dan Geofisika *
Lebih terperinciANALISIS HUJAN LEBAT DI DKI JAKARTA TANGGAL 27 SEPTEMBER 2017
Jurnal Sains & Teknologi Modifikasi Cuaca, Vol.18 No.2, 2017: 65-73 65 ANALISIS HUJAN LEBAT DI DKI JAKARTA TANGGAL 27 SEPTEMBER 2017 Kiki 1), Samba Wirahma 2) 1 Pusat Meteorologi Publik, Badan Meteorologi,
Lebih terperinciEXECUTIVE SUMMARY PROGRAM INSENTIF PENINGKATAN KEMAMPUAN PENELITI DAN PEREKAYASA (IPKPP) TAHUN ANGGARAN 2012
EXECUTIVE SUMMARY PROGRAM INSENTIF PENINGKATAN KEMAMPUAN PENELITI DAN PEREKAYASA (IPKPP) TAHUN ANGGARAN 2012 JUDUL PENELITI UTAMA ANGGOTA LOKUS KEGIATAN BIDANG FOKUS JENIS INSENTIF PRODUK TARGET INSTANSI
Lebih terperinciBAB 3 METODOLOGI. 3.1 Metodologi Penelitian Pengumpulan Bahan Penelitian. Dalam penelitian ini bahan atau materi dikumpulkan melalui :
BAB 3 METODOLOGI 3.1 Metodologi Penelitian 3.1.1 Pengumpulan Bahan Penelitian Dalam penelitian ini bahan atau materi dikumpulkan melalui : 1) Data primer, yaitu memperoleh sumber data penelitian langsung
Lebih terperinciKAJIAN INDEKS STABILITAS ATMOSFER TERHADAP KEJADIAN HUJAN LEBAT DI WILAYAH MAKASSAR (STUDI KASUS BULAN DESEMBER )
KAJIAN INDEKS STABILITAS ATMOSFER TERHADAP KEJADIAN HUJAN LEBAT DI WILAYAH MAKASSAR (STUDI KASUS BULAN DESEMBER 2013 2014) Faqih Nurrohman*, Bayong Tjasyono Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Lebih terperinciPengaruh Angin Dan Kelembapan Atmosfer Lapisan Atas Terhadap Lapisan Permukaan Di Manado
JURNAL MIPA UNSRAT ONLINE 3 (1) 58-63 dapat diakses melalui http://ejournal.unsrat.ac.id/index.php/jmuo Pengaruh Angin Dan Kelembapan Atmosfer Lapisan Atas Terhadap Lapisan Permukaan Di Manado Farid Mufti
Lebih terperinciVariabilitas Suhu dan Salinitas Perairan Selatan Jawa Timur Riska Candra Arisandi a, M. Ishak Jumarang a*, Apriansyah b
Variabilitas Suhu dan Salinitas Perairan Selatan Jawa Timur Riska Candra Arisandi a, M. Ishak Jumarang a*, Apriansyah b a Program Studi Fisika, Fakultas MIPA, Universitas Tanjungpura, b Program Studi Ilmu
Lebih terperinciANALISA PERGERAKAN SIKLON TROPIS STAN DAN SIKLON TROPIS YVETTE DAN DAMPAKNYA TERHADAP CURAH HUJAN DI SUMBAWA BESAR
ANALISA PERGERAKAN SIKLON TROPIS STAN DAN SIKLON TROPIS YVETTE DAN DAMPAKNYA TERHADAP CURAH HUJAN DI SUMBAWA BESAR Oleh : Umam Syifaul Qolby, S.tr Stasiun Meteorologi Klas III Sultan Muhammad Kaharuddin
Lebih terperinciSTUDI TENTANG KOMPARASI DATA TEKANAN UDARA PADA BAROMETER DIGITAL DAN AUTOMATIC WEATHER SISTEM (AWOS) DI STASIUN METEOROLOGI HASANUDDIN MAKASSAR
STUDI TENTANG KOMPARASI DATA TEKANAN UDARA PADA BAROMETER DIGITAL DAN AUTOMATIC WEATHER SISTEM (AWOS) DI STASIUN METEOROLOGI HASANUDDIN MAKASSAR Cahya Swastika Populasi 1, Pariabti Palloan 2, Nasrul Ihsan
Lebih terperinciPasang Surut Surabaya Selama Terjadi El-Nino
Pasang Surut Surabaya Selama Terjadi El-Nino G181 Iva Ayu Rinjani dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Sepuluh Nopember (ITS) Jl.
Lebih terperinci