You are on page 1of 272

ISSN: 2355-7206

Jurnal

Meteorologi
Klimatologi dan Geofisika
Volume 2, Nomor 2, Juni 2015

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Badan Meteorologi Klimatologi dan Geofisika

JMKG Vol. 2 No. 2 Hal. 1-262 Juni 2015 ISSN: 2355-7206

Jurnal
Meteorologi Klimatologi dan Geofisika
ISSN: 2355-7206 Volume 2, Nomor 2, Juni 2015

Diterbitkan oleh:
Unit Penelitian dan Pengabdian Masyarakat
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG)

Alamat:
Jl. Perhubungan I No. 5 Komplek Meteo DEPHUB, Bintaro, Pondok Betung,
Tangerang Selatan – 15221, Telp: 021-73691623 Fax: 021-73692676
E-mail: jurnalmkg@stmkg.ac.id

Penanggung Jawab
Dr. Suko Prayitno Adi

Ketua Redaksi
Hendro Nugroho, S.T., M.Si.

Wakil Ketua Redaksi
Dr. Agus Safril
Dr. Endarwin

Anggota Redaksi
Drs. Suyatim, M.Si.
Drs. Soetamto, M.Si.
Drs. Ibnu Purwana, M.Sc.
Drs. Agus Tri Susanto, M.Si.
Dr. Suaidi Ahadi
Dr. Indra Gustari
Dr. Deni Septiadi
Dr. Sugeng Pribadi
Dr. Iman Suardi
Alexandra Fishwaranta
Rezky Prasetyo Hartiwi

Sekretariat
Dr. Supriyanto Rohadi
Wisnu Karya Sanjaya, M.Si.
Munawar Ali, M.Si.
Hapsoro Agung Nugroho, S.T.,M.T.
Hariyanto, S.T, M.T.
Suharni, S.Pd.,M.T.
I Kadek Nova Arta Kusuma
Rindita Charolidya

Disain dan Layout
Agus Suhendro, S.Kom.
Nardi, M.Kom.
Hanifa Nur Rahmadini

Jurnal Meteorologi Klimatologi dan Geofisika (Jurnal MKG) merupakan jurnal ilmiah
sebagai sarana komunikasi untuk melaporkan hasil penelitian bidang ilmu meteorologi, klimatologi,

kualitas udara, geofisika, lingkungan, kebencanaan, dan instrumentasi yang terkait. Jurnal ilmiah ini
diterbitkan setiap empat bulan sekali dalam setahun.

Jurnal
Meteorologi Klimatologi dan Geofisika

Volume 2, Nomer 2, Juni 2015 ISSN: 2355-7206

DAFTAR ISI Hal.

1. POTENSI TURBULENSI PADA PERISTIWA KECELAKAAN PESAWAT AIR ASIA
QZ8501
Adinda Dara Vahada, Agung Hari Saputra, Muclishin Pramono Guntur Waseso,
Rahma Fauzia Yushar, Hariadi 1–9

2. ANALISIS PERGERAKAN KABUT ASAP DAN VISIBILITY SAAT KEBAKARAN HUTAN
DI PEKANBARU JANUARI – FEBRUARI 2014 DENGAN MENGGUNAKAN SATAID
DAN HYSPLIT 10 – 15
Mentari Ika Damayanti dan Aries Kristianto

11 PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN PRINCIPAL COMPONENT
REGRESSION DAN SST EOF INDONESIA DI STASIUN KLIMATOLOGI NEGARA –
BALI 16 – 31
I Wayan Andi Yuda

12 KAJIAN SUPERPOSISI COLD SURGE DAN GANGGUAN PUSARAN UDARA
(VORTEX) DI KALIMANTAN BARAT : Studi Kasus Tahun 2009
Firsta Zukhrufiana Setiawati 32 – 40

13 PARAMETERISASI SEL AWAN KONVEKTIF PENYEBAB ANGIN KENCANG DI PESISIR
BARAT BENGKULU BERDASARKAN WARNA GEMA CITRA RADAR (Studi Kasus :
Tanggal 22 Februari 2014)
Jaka Anugrah Ivanda Paski, Anjasman, dkk 41 – 50

ANALISA POLA HIDUP DAN SPASIAL AWAN CUMULONIMBUS MENGGUNAKAN
CITRA RADAR (Studi Kasus Wilayah Bima Bulan Januari 2015)
Novi Fitrianti, Apriliana Rizqi Fauziyah, dan Riska Fadila 51 – 61

PENGUJIAN DATA HUJAN PADA STASIUN HUJAN MELIPUTI STASIUN
PRUMPUNG, STASIUN DOLO, STASIUN JANGKANG, DAN STASIUN GONDANGAN
DI LERENG GUNUNGAPI MERAPI, DIY
Annisa Ayu Fawzia dan Rahadian Andre Wiradiputra 62 – 77

3. INSTALASI PEMBANGKIT LISTRIK ALTERNATIF RUMAH TANGGA DENGAN
MEMANFAATKAN ANGIN SEBAGAI UNSUR CUACA DAN IKLIM UNTUK
MENGEMBANGKAN KEMANDIRIAN ENERGI BAGI MASYARAKAT
Salis Deris Artikanur 78 – 85

4. INTEGRASI TEKNOLOGI PENGINDERAAN JAUH SATELIT TRMM (TROPICAL
RAINFALL MEASUREMENT MISSION) DENGAN SISTEM PERTANIAN “PRANATA
MANGSA” UNTUK OPTIMALISASI PRODUKTIVITAS PERTANIAN DI
KARANGSAMBUNG, KEBUMEN, JAWA TENGAH
Yoesep Budianto dan Rizal Faozi Malik 86 – 95

5. ESTIMASI NILAI CURVE NUMBER MENGGUNAKAN SOFTWARE SWAT PADA
DAERAH ALIRAN SUNGAI CITARUM HULU
Ikrom Mustofa 96 – 103

6. PEMODELAN TINGGI PASANG AIR LAUT DI KOTA SEMARANG DENGAN
MENGGUNAKAN MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM
(MODWT) 104 – 114
Rezzy Eko Caraka, Hasbi Yasin, dan Suparti

VERIFIKASI PREDIKSI CURAH HUJAN CITRA RADAR CUACA BATAM JENIS S-BAND
KLYSTRON METEOR 1500S DENGAN DATA OBSERVASI HELLMAN PADA WILAYAH
BATAM DAN TANJUNG PINANG
Agita Devi Prastiwi dan Nizam Mawardi 115 – 118

7. ANALISIS DINAMIKA ATMOSFER PADA KEJADIAN MESOSCALE CONVECTIVE
COMPLEX (MCC) DI LAUT JAWA (STUDI KASUS TANGGAL 10-11 DESEMBER 2014
DAN 27-28 DESEMBER 2014)
119 – 137
Bony Septian Pandjaitan dan Adhitya Prakoso

ANALISIS KEJADIAN ANGIN BAHOROK DI SUMATERA UTARA MENGGUNAKAN
DATA OBSERVASI (Studi Kasus Bulan Mei dan Juni 2013)
Reza Bayu Perdana 138 – 145

8. EFEK BENDUNG PEGUNUNGAN MERATUS TERHADAP SEBARAN CURAH HUJAN
DI PROVINSI KALIMANTAN SELATAN PERIODE TAHUN 2009-2012
Rizqi Nur Fitriani dan Agung Hari Saputra 146 – 155

9. IDENTIFIKASI TEBAL LAPISAN BATAS ATMOSFER MENGGUNAKAN DATA
VELOCITY DAN SPECTRAL WIDTH RADAR SERTA PARAMETER TURBULENSI DARI
WRF-ARW DI DAERAH JAKARTA DAN SEKITARNYA
Anggi Dewita 156 – 165

ANALISIS PROYEKSI PERUBAHAN IKLIM DENGAN RCP 4.5 DAN 8.5 DI WILAYAH
MAJENE TAHUN 2011 - 2050
Eva Prameuthia
166 – 175

HUBUNGAN CURAH HUJAN DENGAN FENOMENA GLOBAL (SOI, NINO 4, NINO
3.4 & NINO WEST)DI WILAYAH PAPUA DAN PAPUA BARAT

Linda Natalia So’langi dan Nuryadi,S.Si,M.Si 176 – 185

PENGARUH INTENSITAS RADIASI MATAHARI TERHADAP ENERGI LISTRIK DI
STASIUN PEMANTAU ATMOSFER GLOBAL BUKIT KOTATABANG
Dwi Lestari Sanur 186 – 192

PROFIL UNSUR CUACA STASIUN METEOROLOGI FRANS KAISIEPO BIAK (TAHUN
2010-2012)
Pamungkas Irjayanti, Putri Meinelva, dan Margaretha R. Simanjuntak 193 – 200

ANALISA KEADAA CUACA SAAT KECELAKAAN PESAWAT MERPATIMA-60 DI
TELUK KAIMANA (STUDI KASUS: TANGGAL 7 MEI 2011)
Ardin dan Nuryadi 201 – 206

PERBANDINGAN PREDIKSI SIFAT HUJAN BULANAN ANTARA ANALISIS
KOMPONEN UTAMA MODEL ARIMA DAN METODE PROBABILITAS DI STASIUN
METEOROLOGI PONGTIKU TANA TORAJA
Finkan Danitasari 207 – 215

ALAT PENGUKUR DURASI PENYINARAN MATAHARI DIGITAL BERBASIS
MIKROKONTROLER ATMEGA 16 A
216 – 227
Muhammad Ridwan dan Agus Tri Susanto

PRAKIRAAN ARAH SEBARAN KABUT ASAP (SMOG) DI PROVINSI RIAU MARET
TAHUN 2015 DILIHAT DARI ILMU KLIMATOLOGI (STUDI KASUS HOTSPOT DI
PROVINSI RIAU) 228 – 241
Hadiman dan Rezfiko Agdialta

PENGARUH FENOMENA MONSUN ASIA-AUSTRALIA TERHADAP TINGGI
GELOMBANG LAUT DI INDONESIA
Rizki Fadhillah Pratama Putra 242 – 250

ANALISIS DINAMIKA ATMOSFER KEJADIAN HUJAN EKSTRIM MEMANFAATKAN
CITRA RADAR, SATELIT, DAN MODEL WRF (STUDI KASUS, BENGKULU, 20 APRIL
2014) 251 – 262
Jaka Anugrah Ivanda Paski, Firman Setiabudi, dan Dyah Ajeng Sekar Pratiwi

Keywords : Air Asia. WRF-ARW has been used to identify the turbulence occurrence possibility at the mentioned coordinate. PENDAHULUAN Tanggal 28 Desember 2014. Penelitian ini menggunakan model numerik WRF-ARW untuk mengidentifikasi proses turbulensi di sekitar lokasi kejadian dengan ditunjang data kelembaban udara. humidity. Hariadi1 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Email: rahmayushar@gmail. pesawat tersebut yaitu pada jam 23. Cumulonimbus cloud. Kata Kunci : Pesawat Air Asia. Muclishin Pramono Guntur Waseso1. To analyze the cause of this accident. dan menggunakan data citra satelit untuk memaparkan kondisi fisis dari identifikasi awan Cumulonimbus dilengkapi dengan data dokumen penerbangan sepanjang rute penerbangan yang dilalui pesawat Air Asia QZ8501. life cycle reached more than 6 hours and its radius was 5° x 1° grids. Analisa. telah dikagetkan adanya kecelakaan pesawat Air Asia pada posisi kordinat 3. Awan Cumulonimbus. 2 Juni 2015 POTENSI TURBULENSI PADA PERISTIWA KECELAKAAN PESAWAT AIR ASIA QZ8501 Adinda Dara Vahada1. public was surprised by the Air Asia QZ8501 accident that occurred at 3. Hasil analisa menunjukkan adanya proses turbulensi pada ketinggian jelajah sekitar 7 s/d 8 km dan 10 s/d 12 km diatas permukaan laut yang ditunjukkan dengan indeks turbulensi dan indeks Richardson ditunjang dengan pola sel awan Cb yang besar dengan suhu puncak awan mencapai -800 C dengan masa hidup lebih dari 6 jam dan cakupan radius sel Cb 5° x 1° grid.2 No. and satellite imagery and also flight document along Air Asia QZ8501 flight route. analysis.6°S and 108°E which caused by Cumulonimbus cloud (Cb). Agung Hari Saputra1. at the end of 2014. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Hal ini sangat menarik bagi peneliti untuk mengkaji kondisi atmosfer pada sekitar lokasi kejadian tersebut .com ABSTRAK Berdasarkan pemberitaan Kemenhub di akhir tahun 2014 ini.24 UTC pada AirAsia type Airbus A320-200 dengan lokasi 3. The analysis showed that there was a turbulence process happened at 7-8 km and 10-12 km above mean sea level which is showed by turbulence index and Richardson index and supported by wide Cumulonimbus cloud pattern with top cloud temperature reached -80°C. supported by the use of.000feet penerbangan Surabaya – Singapura diatas permukaan air laut dengan isi laporan dilaporkan menghilang di 42 mile timur bahwa pada saat lokasi tersebut pesawat dari Pulau Belitung atau sekitar wilayah akan menghindari adanya awan selat Karimata pada jam 23.35 UTC. Cumulonimbus ( Cb ) dengan berbelok Laporan kontak terakhir dari pesawat kearah kiri dan meminta izin untuk 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .6 LS 108 BT ( Kemenhub. Turbulensi ABSTRACT According to Kemenhub. turbulence 1. 2014 ) nomor penerbangan QZ 8501 dengan rute dengan ketinggian flight level 32.60 LS dan 1080 BT yang diakibatkan oleh kemunculan awan Cumulonimbus ( Cb ). Rahma Fauzia Yushar1.

Tahap Mati (Dissipating Stage) namun setelah periode hujan deras Tidak ada massa udara naik.2. secara meteorologis terkait kondisi maka ada tiga tahapan . Turbulensi biasanya memiliki ciri konvektif yang terjadi akibat awan memiliki arah aliran udara yang memutar konvektif.000 ft (Rio Rusandi. masih tertahan oleh arus udara 2. and Webster. titik-titik air maupun kristal2 es. b. berakhirlah pertumbuhan awan Cumulunimbus (Cb). Tahap pembentukan awan CB (a) tahap pertumbuhan (b) tahap dewasa (c) tahap mati (en.org/wiki/thunderstorm) 2.000feet. udara jam. ini menyebabkan menurunkan hujan deras c. Menurut Curry. J. teratur dan seketika yang dihasilkan sejumlah eddy kecil yang menjalar di udara International Civillian Aviation (Zakir dkk. karakteristik antara arus udara naik dan turun. kecil yang terjadi pada gerakan udara rata- Salah satu contohnya yakni turbulensi rata. Ketinggian 2000 m . Menurut Lee (2013) turbulensi dapat P.. dan tekanan. variasi temperatur. massa kemudian hujan gerimis masih bisa terjadi udara yang turun meluas diseluruh sangat lama. Tahap Pertumbuhan (Cumulus wilayah jatuhnya pesawat AirAsia tersebut. peneliti akan menganalisa kecepatan aliran vertikal siklus awan Cb. Bila ditinjau dari arah dan Dalam kajian ini. konvektif. Kondensasi berhenti. di dalam awan ini terjadi (swirl) yang tidak beraturan (eddies) turbulensi yang besar terutama saat terjadi Turbulensi adalah gerakan udara yang tidak hujan dan badai guntur (Blackadar.Turbulensi fluktuasi aliran angin yang acak.16.wikipedia. A. 1999. 2 Juni 2015 menaikkan ketinggian menjadi 38.2 No. J. Hal ini disebabkan Organization (ICAO) mendefinisikan 2 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Tahap Dewasa (Mature Stage) Awan CB adalah jenis awan Titik2 air tidak tertahan lagi oleh cumulus dengan ketebalan vertikal yang udara naik ke puncak awan. zona front. Stage) Dalam awan terdiri dari arus naik ke atas yang kuat. 2000). Awan Cumulunimbus yang naik ke atas puncak awan. 2013). turbulensi merupakan aliran yang dianggap sebagai gangguan yang tidak beraturan yang memiliki skala yang menyimpang dari kondisi rata – ratanya.1. Hujan belum 2. Masa hidupnya kurang lebih 2 awan. Gambar 1. TINJAUAN PUSTAKA turun.60. Jurnal Meteorologi Klimatologi dan Geofisika Vol..tahapan atmosfer pada lokasi kejadian serta pertumbuhan awan Cb yaitu : bagaimana potensi turbulensi di sekitar a. 2010). Hujan besar dan campuran kristal es dibagian atas turun menimbulkan gaya gesek dan tetes air di bagian bawah.000 m atau yang turun melemah hingga setara 6500 .

Vertical Wind Shear. Meteorological Office berkekuatan hebat dinyatakan dengan College (1997) menyatakan kaitan Vertical Wind Shear sekitar 9 kt/1000 ft (15 turbulensi dan Vertical Wind Shear. Lokasi Penelitian Gambar 2. Berdasarkan adalah Turbulence Index 1 (TI1).2 No. penelitian Achmad Sasmito. Jurnal Meteorologi Klimatologi dan Geofisika Vol.3. nilai Turbulence Index 2 (TI2) dan Richardson Richardson lebih dari 150 mengindikasikan Number (Ri). 2006).7 x 10-3 s-1). x 10-3s-1). memperhitungkan deformasi horizontal dan 3. Indeks Turbulensi dengan TI1 tetapi ditambahkan dengan unsur konvergensi. 2 Juni 2015 turbulensi sebagai perubahan percepatan Turbulensi berkekuatan sedang dinyatakan gravitasi (g) pesawat secara cepat dalam dengan Vertical Wind Shear sekitar 6 kurun waktu tertentu (Hermawan dan kt/1000 ft (9. Turbulensi Abidin. Lokasi Penelitian 3 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Indeks Ri Beberapa indeks yang digunakan memperhitungkan nilai Vertical Wind untuk melihat potensi turbulensi antara lain Shear dan stabilitas udara. TI2 hampir sama 2. TI1 dan TI2 turbulensi yang cukup kuat. DATA DAN METODE 3.1.

Metode  = sudut antara sumbu peregangan dan isoterm Metode yang digunakan adalah suhu potensial CVG = konvergensi 1.id DST = peregangan 2. Data AT = intensitas frontogenesis T / n = gradien suhu Kegiatan ini dilaksanakan menggunakan sensibel terhadap data berupa : isoterm DEF = deformasi horizontal 1.5( T / n)(DEF( cos( 2 β)+CVG) selat karimata terlihat pada Gambar 2.2. TI 2  VWS.dat.go. indeks yang dn g z digunakan untuk melihat potensi (2. 2 Juni 2015 Lokasi penelitian yang dikaji di wilayah AT =0. TI1 dan TI2 memperhitungkan dimana deformasi horizontal dan shear T / n = gradien suhu sensible vertical . Hubungan tersebut dilakukan dengan menggunakan dapat dilihat dalam Persamaan 2. V / z = VWS = a) Turbulence Index ((u / z ) 2 + (v / z ) 2 )1 / 2 Ellrod dan Knapp mengembangkan indeks – indeks Penyederhanaan dari persamaan di yang dikenal sebagai Turbulence atas menghasilkan indeks TI1 dan Index 1 (TI1) dan Turbulence Index TI2 dalam satuan (s-2). data FNL yang di running dengan model Numerik WRF-ARW dengan output data . dT fT V = Dalam penelitian ini. TI2 hampir sama dengan terhadap isoterm TI1 tetapi ditambahkan f = parameter coriolis konvergensi.ctl dan .2) turbulensi adalah TI1.bmkg.2. Data Final Reanalisis ( FNL ) dengan resolusi 10 x 10 DSH = horizontal wind shear = ( v / x + u / y ) 3. 2.2 No.(DEF+CVG) (2. Indeks Ri T = suhu memperhitungkan nilai shear g = percepatan gravitasi bumi vertikal dan stabilitas udara. Indeks – indeks tersebut TI1  VWS  DEF berasal dari persamaan Petterssen (2.1) dimana 3. Data Flight Document dari (DST2 + DSH2)1/2 Aviation.3.3) tentang intensitas frontogenik. Menganalisa temporal dan vertikal = -( u / x + v / y ) dari data kelembaban udara.4) 4 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Data satelit MTSAT = ( u / x  v / y ) 3. (2. 2 (TI2) untuk melakukan prediksi turbulensi. Jurnal Meteorologi Klimatologi dan Geofisika Vol. TI2 dan Ri. Perhitungan indeks turbulensi Gradien suhu terkait dengan secara vertikal Vertical Wind Shear dan persamaan Perhitungan indeks turbulensi angin termal.

Hal ini 5 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . ketinggian V / z = VWS = g  ((u / z ) 2 + (v / z ) 2 )1 / 2 Ri    z2 V 3. ANALISA DAN PEMBAHASAN 4. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 b) Richardson Number Dimana Indeks Ri adalah rasio Ri = Richardson Number perbandingan antara stabilitas g = percepatan gravitasi bumi dengan kuadrat VWS (Vertical  = suhu potensial Wind Shear). km yakni diatas 100.30 UTC (c) jam 24. Indeks RI (a) jam 23. Analisis Turbulensi Gambar 3. Hal ini menyebabkan  / z = perubahan suhu Ri dianggap ideal untuk potensial terhadap menggambarkan potensi turbulensi. temporal dan vertical.1. Mengambil kesimpulan dari analisa z spasial.2 No.00 UTC Berdasarkan gambar diatas mengindikasikan bahwa teredapat potensi didapatkan bahwa indeks ricahrdson guncangan yang cukup kuat pada lokasi menunjukkan nilai pada ketinggian 10 – 12 sekitar kejadian. (2.00 UTC (b) jam 23.5) 4.

x 10-7 s-1 .00 UTC (b) jam 23. Indeks TI1 (a) jam 23.2 No.30 UTC (c) jam 24. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 Gambar 4.00 UTC Berdasarkan gambar diatas mengindikasikan bahwa teredapat potensi didapatkan bahwa indeks turbulensi 1 turbulensi ringan pada lokasi sekitar menunjukkan nilai pada ketinggian 7 – 10 kejadian.00 UTC (b) jam 23. km yakni 2 – 4 x 10-7 s-1 . Indeks TI2 (a) jam 23. Analisa Citra Satelit 6 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .30 UTC (c) jam 24.00 UTC Berdasarkan gambar diatas didapatkan teredapat potensi turbulensi sedang hingga bahwa indeks turbulensi 1 menunjukkan kuat pada sisi sebelah kiri lokasi kejadian nilai pada ketinggian 7 – 8 km yakni 5 – 10 peristiwa tersebut.2. Hal ini mengindikasikan bahwa 4. Hal ini Gambar 5.

Citra satelit IR2 (a) jam 23.00 tgl 28 (c) jam 01.00 tgl.00 tgl 28 Berdasarkan gambar diatas yang memilki cakupan area yang besar . Profil Suhu puncak awan Berdasarkan profil time series suhu dan meluruh pada jam 10.00 UTC pada tanggal 27 desember 2014 02.2 No.00 UTC dan bertahan samapai jam 02. 27 (b) jam 00. Gambar 7. Analisa Kelembaban Udara Dari gambar dibawah didapatkan kelembaban relatif cukup tinggi. Hal bahwa Pada tanggal 27 Desember – 29 tersebut menunjang pertumbuhan awan Desember 2014. 4. dapat dilihat bahwa Cumulonimbus (Cb) dimana pada tanggal 7 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .00 UTC tanggal 28 desember 2014. 2 Juni 2015 Gambar 6.3. Jurnal Meteorologi Klimatologi dan Geofisika Vol.00 UTC dan fase puncak awan didapatkan bahawa awan baru munculnya awan kumulunimbus pada kumulunimbus mulai terbentuk pada jam jam 17. didapatkan bahwa pada lokasi kejadian Hal ini mengindikasi munculnya pola awan terdapat kumpulan awan cumulunimbus MCS ( Mesoscala Convective System ).

-6 24000 Timur laut – Selatan 5 . 2 Juni 2015 meluruh namun disertai dengan pembentukan awan Cb baru.Tenggara 15 .-53 45000 Timur laut .39 . Analisa Flight Document Berdasarkan Gambar 9.5 .20 kt .52 .00 dengan tingi puncak awan 48.35 kt .29 . atau diperkirakan akan terpengaruh. Significant Weather dan Wind Temp ( Aviation.000 feet dan UTC hingga jam 00.go. 4.-15 30000 Timur laut .14 .Tenggara 20 .-69 Gambar 9.25 kt 8 . serta menujukkan bahwa badai (termasuk awan cumlonimbus yang tidak disertai dengan badai) terdapt dalam lapisan Gambar 8. Jurnal Meteorologi Klimatologi dan Geofisika Vol.Tenggara 15 .bmkg.30 kt .Timur laut 5 .Barat laut 10 . aktivitas Cb tinggi dasar tidak dapat diperkirakan.2 No.-30 34000 Timur .4. Tabel 1.-40 39000 Timur laut . Sigwx daerah bertanda merah menunjukkan area Cumulonimbus dimana sel tunggal dan / atau badai dengan cakupan spasial maksimum kurang dari 50 persen dari daerah yang terkena.id ) 8 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .30 kt . Profil Vertikal Kelembaban udara awan lain dan tidak dapat dikenali dengan di Lokasi Kejadian mudah dan jenis awan Cumlonimbus 27 Desember 2014 mulai pukul 23.15 kt .10 18000 Barat Daya .25 kt 18 10000 Barat Daya .Tenggara 10 .00 UTC.68 .Barat laut 5 .20 kt . Wind Temp per level Wind Temp Angin Level Temperature Kecepatan (FEET) Arah (0C) (Knot) 5000 Barat Daya .

R. E. and Webster. 1. 2 Juni 2015 5.. Klimatologi Paper Awan. Instututionen for Geovetenskaper. A. dkk. Uppsala Universited. KESIMPULAN Dampaknya Pada Pesawat. – . A.. Kecelakaan Air Asia QZ8501 Analisis Meteorogis. DAFTAR PUSTAKA Blackadar. J. Berdasarkan Analisis diatas dapat ditarik Zakir. Jakarta : BMKG. Rusandi. Curry. A Climatological Study of Clear Air Turbulence over the North Atlantic. 2013.. Diambil dari http://www. Peringatan Dini Dan Diagnosis Munculnya Turbulensi Cuaca Cerah Dan 9 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .. dkk. J. Sasmito. A. Jakarta : BMKG. Pemanfaatan Model WRF-ARW untuk Deteksi Clear Air Turbulence Menggunakan Turbulence Index dan Richardson Number.. 2014. Perspektif kesimpulan bahwa : Operasional Cuaca Tropis. P. USA : Springer-Verlag. Philadelphia. 2010. Thermodynamics of Atmosphere and Oceans. dan Abidin. L.slideshare. Hermawan. Edvin A. London : Academic Press. Turbulence and Difussion in the Atmosphere. Z. Bandung: LAPAN Lee. 1999. Estimasi Parameter Turbulensi Untuk Jasa Penerbangan Berbasis Hasil Analisis Beberapa Data Radiosonde di Kawasan Barat Indonesia. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2000. 2. Adanya potensi turbulensi di sekitar lokasi kejadian jatuhnay pesawat air asia QZ8501 pada level ketinggian 7 – 12 km diatas permukaan laut. Dewi. K.2 No. Tangerang Selatan: STMKG. Jakarta: Puslitbang BMKG. Achmad.net/ RioRusandi92/klimatologi-paper-awan Ristiana. 2014. 2011. 2004. Adanya pertumbuhan awan CB yang besar dengan luas cakupan mencapai 5 x 1° grid dengan masa hidup lebih dari 6 jam.

HYSPLIT. trajectory 10 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . and Archived Meteorological Data Extract by using GDAS data. 2 Juni 2015 ANALISIS PERGERAKAN KABUT ASAP DAN VISIBILITY SAAT KEBAKARAN HUTAN DI PEKANBARU JANUARI – FEBRUARI 2014 DENGAN MENGGUNAKAN SATAID DAN HYSPLIT Mentari Ika Damayanti1 Aries Kristianto2 1 Taruna Jurusan Meteorologi STMKG Jakarta 2 Staf Pengajar STMKG Jakarta ABSTRAK Kebakaran hutan dan lahan terjadi setiap tahun di wilayah Pekanbaru dengan luas cakupan dan jumlah titik api (hotspot) yang bervariasi telah menyebabkan terjadinya bencana asap yang tersebar secara luas dan berkurangnya jarak pandang hingga di bawah 1000 meter. HYSPLIT. Jurnal Meteorologi Klimatologi dan Geofisika Vol. dipengaruhi oleh pergerakan angin secara regional yang berasal dari daratan Asia dan angin lokal. and its dispersion pattern spatially by using wind speed and wind direction data. Keywords : smog. Analisis pada bulan Januari dan Februari 2014 menunjukkan trayektori dengan SATAID lebih akurat daripada metode HYSPLIT. dimana arah pergerakan kabut asap di wilayah Pekanbaru di dominasi dari arah timur laut menuju barat daya. sebaran titik api MODIS. SATAID. dan trayektori.2 No. MTSAT satellite imagery. serta Archived Meteorological Data Extract tipe GDAS. citra satelit MTSAT. SATAID. visibility. affected by regional wind movement from Asia mainland and local wind. MODIS hotspot dispersion. ABSTRACT Land and forest fires occured every year at Pekanbaru with various area coverage and number of hotspots that has been caused smoke hazard which is widely spreaded and visibility decreased below 1000 meters. where the dominating smog movement direction at Pekanbaru was came from northeast toward southwest. visibilty. caused flight operation at Sultan Syarif Kasim II Pekanbaru was disturbed. Kejadian kabut asap dan pengaruhnya terhadap visibility dikaji dengan aplikasi SATAID dan HYSPLIT digunakan untuk menganalisis trayektori sebaran kabut asap. menyebabkan terganggunya operasional penerbangan di Bandara Sultan Syarif Kasim II Pekanbaru. Kata kunci : kabut asap. dan pola sebaran secara spasial dengan menggunakan data arah dan kecepatan angin. This smog and its effect toward visibilty was inspected using SATAID and HYSPLIT to analyze smog dispersion trajectory. Analysis that conducted on January and February 2014 showed that SATAID trajectory has more accurate result that HYSPLIT.

2014). kesehatan. Salah satu akibat yang ditimbulkan https://ready. 2 Juni 2015 1. Akibat tingginya konsentrasi debu di Interactive Diagnosis) dari Japan udara telah melampaui ambang batas. DATA DAN METODE menjadi bencana yang terus terulang setiap tahunnya. Raw data dan sosial (Hermawan. Pekanbaru sejak awal bulan Januari hingga Februari mengakibatkan 5 penerbangan b. Metode cuaca merupakan faktor yang sangat penting untuk diperhatikan. 2000). 25 Februari 2014. Analisis Grafik (BMKG.2.pl dari bulan Januari - terganggunya operasional transportasi darat Februari 2014.noaa. ekologi Subbidang Citra Satelit BMKG. berdasarkan koordinat titik bahkan pembatalan terbang. Salah satu a. asap yang semakin memburuk. Analisis Spasial dialihkan. pada Selasa. 925mb. Archived hutan saja.1.2 No. Kebakaran hutan dan lahan visibility Stasiun Meteorologi Pekanbaru. dan udara (Sutopo. 11 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dimana jarak pandang dibawah 1000 meter c. maka Meteorological Agency (JMA) pada smog akan sangat mengganggu jarak ketinggian 1000mb (120m) dan 925mb pandang. Data satu provinsi yang paling sering mengalami kebakaran hutan setiap tahun dengan luas Data yang digunakan yaitu data cakupan dan jumlah titik api (hotspot) yang pengamatan arah dan kecepatan angin serta bervariasi. Dalam dunia penerbangan. PENDAHULUAN Kebakaran hutan dan lahan di Indonesia 2.gov/ready2- oleh bencana kebakaran hutan adalah bin/extract/extracta.arl. 2006). 7 kedatangan ditunda dan 7 Menganalisis arah pergerakan kabut asap keberangkatan juga ditunda. ekonomi. Trayektori kejadian cuaca yang sangat berperan untuk Pembuatan trayektori menggunakan keperluan take off dan landing pesawat aplikasi perangkat lunak (software) adalah kabut asap atau yang sering disebut SATAID (Satellite Animation and smog. Jurnal Meteorologi Klimatologi dan Geofisika Vol. kondisi 2. namun penyebarannya sangat Meteorological Data Extract tipe GDAS luas hingga menutupi beberapa wilayah diunduh dari website lain. Penyebaran citra satelit MTSAT (Multifunction konsentrasi asap tidak hanya terjadi pada Transport Satellite) dari Japan daerah-daerah di sekitar lokasi kebakaran Meteorological Agency (JMA). Secara sektoral Satelit MODIS (Moderate Resolution dampak kebakaran ini mencakup sektor Imaging Spectroradiometer) dari perhubungan. Kejadian kabut asap yang Melihat nilai jarak pandang mendatar di mengganggu jarak pandang mendatar Bandara Sultan Syarif Kasim II Pekanbaru (visibility) pada operasional penerbangan saat kejadian kabut asap dengan data synop perlu dikaji lebih lanjut dengan melihat tiap jam untuk mengetahui perubahan dan pergerakan kabut asap di Bandara Sultan melihat arah angin regional dan lokal dari Syarif Kasim II Pekanbaru dengan data sinop Stasiun Meteorologi Pekanbaru menggunakan dua model yaitu SATAID dengan menggunakan spider atau radar dan HYSPLIT. Terganggunya lalu lintas 1 meter dan 10 meter) berdasarkan penerbangan ini disebabkan kondisi kabut banyaknya titik api yang ada. menyebabkan terjadinya bencana asap yang data sebaran hotspot (titik api) Riau dari tersebar secara luas. Provinsi Riau merupakan salah 2. api esuai dengan peta sebaran hotspot Bencana asap yang sedang melanda BMKG. Hal ini Trajectory) dari NOAA pada ketinggian 1 memungkinkan adanya penundaan (delay) dan 10 meter. saat kejadian per lapisan (1000mb. Landasan akan tertutup kabut asap (900m) serta software HYSPLIT (HYbrid sehingga mengganggu penerbang untuk Single-Particle Lagrangian Integrated melihat secara horizontal.

... dan Februari (DJF)..... 2 Juni 2015 chart dengan bantuan perangkat lunak Membandingkan arah pergerakan kabut Microsoft Excel...... Jurnal Meteorologi Klimatologi dan Geofisika Vol...... Analisis Angin Gradien (Manual) Samudera Hindia dan Asia tenggara tanggal (a) 28 Januari dan (b) 28 Februari 2014 (BOM... HASIL DAN PEMBAHASAN 3. asap dengan nilai jarak pandang mendatar di Bandara Sultan Syarif Kasim II Pekanbaru dengan menggunakan metode grafik statistik sederhana d.... pada jam 07........... Angin Regional (a) (b) Gambar 1. Analisis Statistik Tabel 1... Tabel Kontingensi (Wilks.1995) MODEL OBSERVASI ARAH MENUJU (VISIBILITY) BARAT DAYA YES NO TOTAL YES Hits False Alarms Model Yes NO Missed Correct Non Event Model No TOTAL Observed Yes Observed No TOTAL Kemudian. nilai Proportion Correct (PC) untuk keakurasian model dihitung menggunakan rumus : 𝑷𝑪=( 𝑯𝒊𝒕𝒔+𝑪𝒐𝒓𝒓𝒆𝒄𝒕𝒏𝒐𝒆𝒗𝒆𝒏𝒕 ) / 𝑻𝒐𝒕𝒂𝒍 ........... (2.. 12 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2014) Berdasarkan analisis medan angin Desember.1) 3..1.2 No.00 WIB tanggal 28 Januari dan Gerakan angin secara regional dapat Februari 2014 angin secara umum dikatakan mendukung dan mempengaruhi berhembus dari timur laut Sumatera sesuai perkembangan kabut asap akibat kebakaran dengan pola angin monsun pada saat bulan hutan di Provinsi Riau pada bulan tersebut. Januari...

2 Juni 2015 3. Februari 2014 diolah menggunakan aplikasi SATAID dan HYSPLIT : Gambar 3.2 No. selatan dan 13 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Angin permukaan Stamet Pekanbaru bulan Januari – Februari 2014 Dari Gambar 2 dapat terlihat bahwa 3. juga menghasilkan arah pergerakan yang Pada lapisan 925mb arah angin juga masih sama seperti arah pada lapisan 1000mb. Hasil dari lapisan 1000mb cenderung bergerak HYSPLIT pada ketinggian 1 dan 10 meter menuju barat daya. didominasi menuju barat daya. selatan dan tenggara. Contoh hasil pengolahan trayektori asap kebakaran hutan Riau tanggal 29 Januari 2014 dengan menggunakan SATAID dan HYSPLIT Trayektori selama bulan Januari dan tenggara namun dengan arah yang cukup Februari menunjukkan arah angin pada berbeda dari lapisan dibawahnya. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2. Angin Permukaan (lokal) (a) (b) Gambar 2.3. pada bulan Januari didominasi dari arah Timur Laut Arah dan pergerakan kabut asap dan Timur sedangkan pada bulan Februari kebakaran hutan pada bulan Januari dan didominasi dari arah Utara dan Timur. Arah Angin Trayektori SATAID angin permukaan dari data observasi dan HYSPLIT Stasiun Meteorologi Pekanbaru.

Kondisi pergerakan angin ini sebagian kecil kabut asap kebakaran hutan mendukung pergerakan kabut asap menuju menuju arah barat daya.2 No. metode SATAID memiliki Civil Aviation Organitation. (2006) :Dampak Kebakaran menunjukkan potensi kejadian Kebun dan Lahan terhadap Lingkungan Hidup. Keakurasian SATAID dan HYSPLIT. Tabel 2. Pada dan lokal yang bergerak dari arah utara ketinggian 925mb atau 900m hanya sampai timur. DAFTAR PUSTAKA Pada lapisan 925mb sudah memasuki puncak lapisan yang pola anginnya tidak Annex 3. (2007) : Meteorological Service lagi sama dengan lapisan 1000mb.00 WIB 1000MB 925MB 1 dan 10 METER N = 40 (120 meter) (900 meter) Correct Negative 5 13 6 Hits 13 3 9 JUMLAH 18 16 15 Akurasi (%) 45 40 37. KESIMPULAN SATAID menuju Pekanbaru dan 65% arah pergerakan kabut asap pada ketinggian 1 Arah pergerakan kabut asap dengan dan 10 meter HYSPLIT menuju Pekanbaru. dibandingkan HYSPLIT dengan titik apinya didapatkan bahwa sebanyak akurasi hanya 37. for International Air Navigation.375 untuk lapisan 1000mb dengan menggunakan 3. 25% arah pergerakan kabut asap pada 925mb 4. 2 Juni 2015 (PC) sebesar 0. Akurasi Data Pergerakan Kabut Asap (HYSPLIT dan SATAID) dengan Visibility (Observasi) jam 07.40 untuk lapisan 925mb serta 0. menggunakan SATAID memiliki akurasi Hal tersebut menunjukkan bahwa lebih tinggi dibanding HYSPLIT dilihat selama 40 hari terdapat titik api di Riau.45 untuk trayektori dengan SATAID pada lapisan 1000mb dan 0. Kondisi ini bandara Sultan Syarif Kasim II Pekanbaru. keakurasian sebesar 40-45% dalam Hermawan. International digunakan. Nilai tersebut menandakan HYSPLIT untuk nilai Visibility bahwa trayektori yang didapat dengan kedua perangkat lunak tersebut berada Keakurasian pergerakan kabut asap dibawah 50% untuk mengetahui pergerakan pada bulan Januari dan Februari 2014 kabut asap yang akan mempengaruhi menunjukkan nilai Proportion Correct visibilty (Tabel 2). 77.5%. Jurnal Meteorologi Klimatologi dan Geofisika Vol.5 Berdasarkan pengolahan SATAID. berkurangnya visibility di bandara akibat diperoleh arah pergerakan kabut asap akibat dari pergerakan kabut asap kebakaran kebakaran hutan ditinjau dari dimana letak hutan.5 % arah pergerakan kabut asap pada 1000mb SATAID menuju Pekanbaru. dari pengaruh trayektori terhadap visibility SATAID mampu menunjukkan bahwa dengan arah dominan dari timur laut sebagian besar kabut asap akibat kebakaran menuju barat daya.4. Hal ini juga sesuai hutan di sebelah timur Provinsi Riau dengan pergerakan angin secara regional bergerak menuju arah barat daya. W. disebabkan karena pada lapisan yang lebih tinggi angin akan bergerak semakin berlawanan dengan angin di permukaan. Dinas 14 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Dengan 2 aplikasi trayektori yang Sixteenth Edition.

1. Jakarta. Sutupo.. (2000) : Minimalisasi Konsentrasi Penyebaran Asap Akibat Kebakaran Hutan dan Lahan dengan Metode Modofikasi Cuaca.gov. Sarwono.S. Andi Publisher. Wilks D. J.au 15 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Vol. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No.bom. (2006) : Analisis data Penelitian Menggunakan SPSS 13. www. Jurnal Sains dan Teknologi Modofikasi Cuaca. 1. (1995) : Statistical Methods in the Atmospheric Sciences: An Introduction. 2 Juni 2015 Perkebunan Provinsi Kalimantan Barat. No.

2013 using the CPT method of Principal Component Regression (PCR). which begins with forming principal components of the data grids sea surface temperature (ERSSTv3b) in the range of Indonesian territory as predictors using Empirical Orthogonal Function analysis (EOF). One of the software which provided rainfall prediction techniques based on statistical model is Climate Predictability Tool (CPT). SST. dan verifikasi ABSTRACT Rainfall is one of the important meteorological elements in tropical regions such as the maritime continent Indonesia. RMSE.Hasil analisis EOF terhadap data grid SST di wilayah Indonesia menghasilkan 4 komponen utama yang sudah mampu mewakili lebih dari 84% varians data awal. PCR. EOF.Modeling period from 1991 to 2010 through a process of cross validation between predictors and monthly rainfall observation data at the Climatology Station of Negara. Bali in 2011. EOF analysis output of the SST grid data in Indonesia resulted 4principal components that have been able to represent more than 84% variance initial data. Monthly rainfall prediction using the PCR model generates forecast valuewhich capable of following the pattern of monthly rainfall observations with positive phase conformance with the value of r = 0. Jakarta E-mail: andiyudaiwayan@gmail. Jurnal Meteorologi Klimatologi dan Geofisika Vol. CPT.BALI I Wayan Andi Yuda Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG). The significant impact of rainfall in various sectors of life leads to a prediction of rainfall is needed to make forward planning for strategic sectors. Kata kunci:curah hujan.67% forecast value indicates a greater value than the value of field observations. 2013 menggunakan CPT dengan metode Principal Component Regression (PCR) yang diawali dengan pembentukan komponen utama dari data grids suhu permukaan laut (ERSSTv3b) di kisaran wilayah Indonesia sebagai prediktor menggunakan analisa Empirical Orthogonal Function (EOF). Bali.2 No.67% Nilai prediksi yang dihasilkan menunjukan nilai lebih besar dari nilai observasi dilapangan. A total of 66. Prediksi curah hujan bulanan menggunakan model PCR menghasilkan nilai prediksi yang mampu mengikuti pola curah hujan bulanan observasi dengan kesesuaian fase positif dengan nilai r = 0. RMSE.Besarnya pengaruh curah hujan di berbagai sektor kehidupan menyebabkan prediksi curah hujan sangat dibutuhkan untuk membuat perencanaan kedepan untuk sektor-sektor strategis. 16 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .71 dan nilai RMSE = 93 mm. Salah satu perangkat lunak yang menyediakan teknik prediksi curah hujan berbasis model statistik adalah Climate Predictability Tool (CPT). 2012. Bali. This study will examine the predictions of monthly rainfall in Climatology Station of Negara. Selanjutnya hasil prediksi tersebut di verifikasi menggunakan perhitungan nilai Korelasi. and the calculation of error in predictions. Penelitian ini akan mengulas proses prediksi curah hujan bulanan di Stasiun Klimatologi Negara.com ABSTRAK Hujan merupakan salah satu unsur meteorologi penting di wilayah tropis seperti maritime continent Indonesia.71 and RMSE = 93 mm. dan perhitungan nilai selisih prediksi dengan observasi. 2012. 2 Juni 2015 PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN PRINCIPAL COMPONENT REGRESSION DAN SST EOF INDONESIA DI STASIUN KLIMATOLOGI NEGARA . Periode pembentukan model dari tahun 1991 hingga 2010 melalui proses validasi silang antara prediktor dengan data curah hujan bulanan observasi di Stasiun Klimatologi Negara. Furthermore. the verification is performed for prediction results using correlation method. Sebanyak 66. Bali tahun 2011.

Penelitian ini bertujuan untuk perikanan. SST. laut.ldeo.63ᵒBT) periode 1991 – digunakan sebagai indikator untuk 2013 yang digunakan sebagai prediktan menunjukkan kondisi curah hujan di suatu dan data global berupa Suhu permukaan wilayah (kabupaten). udara). Hasil verifikasi untuk mengetahui keakuratan penelitian Hendon (2003) menyatakan yang dihasilkan untuk setiap bulan. Jurnal Meteorologi Klimatologi dan Geofisika Vol. (2007) menyatakan bulanan Stasiun Klimatologi Negara. artinya curah hujan laut (ERSST version 3b.Hal ini dilakukan untuk biasanya saling berhubungan satu sama lain mengetahui pengaruh SST wilayah (multikolinearitas). CPT. mengetahui hasil prediksi curah hujan dan lain-lain (Prawirowardoyo. and verification 1. SST wilayah Indonesia sehingga dimensi Salah satu proses fisis yang data grid menjadi lebih sederhana untuk berhubungan dengan kondisi curah hujan di dimasukan dalam persamaan model. bulanan dengan metode Principal Besarnya pengaruh curah hujan di berbagai Component Regression (PCR) di Stasiun sektor kehidupan menyebabkan prediksi Klimatologi Negara. sektor-sektor strategis.2 No. Bali bahwa SST wilayah Indonesia dapat (8. DATA DAN METODE seluruh Indonesia sedangkan variabilitas SST di Laut India berpengaruh 10-15%. 2ᵒ x 2ᵒ) yang dapat diprediksi berdasarkan perubahan bersumber dari NOAA dan diunduh dari SST pada zona-zona dengan korelasi yang IRI Data Library tertinggi pada setiap bulannya. bahwa variabilitas suhu permukaan laut atau sea surface temperature (SST) Nino 3. Hal ini dimensi data ini disebut dengan Principal dilakukan mengingat data dan informasi Component Analysis (PCA) atau lebih curah hujan banyak diperlukan dalam dikenal dalam klimatologi sebagai analisa berbagai macam kegiatan manusia antara Empirical Orthogonal Function (EOF). EOF untuk menentukan pola-pola dominan 2011). Bali mengunakan curah hujan sangat dibutuhkan untuk prediktor SST di wilayah Indonesia melalui membuat perencanaan kedepan untuk running Climate Predictability Tool (CPT).32ᵒLS dan 114. (http://iridl. data grids SST di kisaran masih sulit diprediksi. perkebunan. transportasi (darat. Teknik pereduksian pengamatan cuaca setiap harinya. lain seperti pertanian. proses fisis yang terlibat juga beberapa komponen utama melalui analisa sangat kompleks (Estiningtyas dan Wigena. suatu wilayah adalah proses perubahan Selanjutnya hasil prediksi tersebut di kondisi suhu permukaan laut. EOF. dengan demikian 17 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Namun keberadaan Pada tahap pra-pemrosesan (pre- curah hujan secara spasial dan temporal processing) PCR.edu/) periode Menurut Landman et al. 1996). (2007). Data yang digunakan dalam Kemudian hasil penelitian lebih lanjut oleh penelitian ini meliputi data curah hujan Estiningtyas et al.columbia.masing data grid SST tersebut Indonesia. PENDAHULUAN informasi yang terkandung dalam masing – masing kumpulan data tersebut dapat Hujan merupakan salah satu unsur terwakili oleh pola spasial (spatial pattern) meteorologi penting di wilayah tropis dengan dimensi lebih kecil yang terbentuk seperti maritime continent Indonesia dan dari titik – titik grid yang saling diamati oleh para observer di stasiun berhubungan kuat. PCR. di 1990-2013 dengan format tsv file (.4 mempengaruhi 50% variasi curah hujan 2. Selain sifatnya yang wilayah Indonesia dibentuk menjadi dinamis.tsv) dalam bidang klimatologi sering digunakan digunakan sebagai prediktor. Domain data dengan dimensi tinggi (high data SST yang dipilih adalah 10ᵒLU - dimensionality data) seperti distribusi 15ᵒLS dan 90ᵒBT – 145ᵒBT yang kurang spasial dan temporal SST. 2 Juni 2015 Keywords: rainfall. Namun dari lebih dapat mewakili perairan masing .

Hasil luaran disebut sebagai score komponen utama atau loading dispasialkan dalam bentuk EOF EOF amplitude time series. 2. data matriks [X] terdimensi (n x K).1990). atau (6) (waktu x lokasi). menjalankan validasi variabel asal diperoleh dari persamaan : model. Komponen utama ke-m (Morisson.variabel asal dan persentase varians data yang mampu yang berkorelasi menjadi sekumpulan dijelaskan oleh komponen utama ke-m variabel baru yang tidak berkorelasi. (λm / tr(Σ)) x 100% Untuk aplikasi EOF dilapangan. λ2. Loading memberikan dinyatakan sebagai : indikasi variable awal mana yang sangat penting atau mempengaruhi pembentukan um = e1m x1 + e2mx2 + … + ekmxk = e'm variable baru. λk adalah Eigen value yang 1991 – 2010. Semakin tinggi nilai Loading x (1) maka variable lama yang bersangkutan semakin memiliki pengaruh terhadap nilai-nilai bentukan dari variabel baru ini pembentukan variable baru. Jurnal Meteorologi Klimatologi dan Geofisika Vol.1990 diacu dalam Adiningsih et asli dengan variabel baru (um) disebut al.. data dari K lokasi pada dimensi spasial tersampling sebanyak n Persentase varians dianggap cukup waktu. Eigen Vektor Windows untuk mengkonstruksi model e sebagai pembobot dari transformasi linier prakiraan iklim. dan menghasilkan prediksi dari data terkini. 2002). Bali. Dasar dari EOF adalah analisis mewakili total keragaman jika 75% atau matrik varians kovarian Σ atau matriks lebih mampu dijelaskan oleh 4 atau 5 korelasi ρ yang membentuk matrik bujur komponen utama pertama sangkar. 2 Juni 2015 Indonesia terhadap curah hujan di Stasiun Klimatologi Negara. adalah: Variabel-variabel baru dikatakan sebagai komponen utama (Johnson. m=1. Metode yang dipilih didalam CPT (Σ – λm [I]) ek = 0 untuk konstruksi model dalam tulisan ini adalah Principal Components Regression (4) (PCR). …. Artinya data prediktor yang diperoleh dari persamaan: digunakan satu bulan lebih awal dari data 18 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2004) dari sejumlah K variabel dapat dengan loading.2 No. Komponen utama (u) yang telah didapatkan Untuk varians komponen utama ke-m adalah variabel baru yang sama sekali adalah: berbeda dengan nilai variabel asal (x).Korelasi antara variabel (Morisson. PCA) varians komponen utama adalah : atau menurut Lorenz (1956) disebut juga analisis Empirical Orthogonal Function λ1 + λ2 +… + λk = tr(Σ) (EOF) yaitu Suatu prosedur untuk (5) mereduksi dimensi data dengan cara mentransformasi variabel . (Σ – λm [I]) = 0 Pengolahan data dilakukan dengan menggunakan Climate Prediktability (3) Tools (CPT).Total (Principal Components Analysis. CPT adalah aplikasi yang dioperasikan dalam sistem operasi dengan λ1 > λ2 > …> λk > 0.Konstruksi model dilakukan dengan Var (um) = λm . …. Teknik PCR yang dimaksud memanfaatkan Analisis Komponen Utama Dengan [I] adalah matriks identitas. Mode atau EOF loading pattern. k metode validasi silang antara beberapa komponen utama yang telah terbentuk (2) dengan kondisi lag time 1 bulan terhadap data curah hujan bulanan dengan periode λ1.

menghitung prediksi dengan hasil observasi dilapangan koefisien korelasi. Y adalah curah hujan (7) bulanan observasi. dengan keterangan y adalah prediktan atau Nilai r dapat digunakan untuk mengevaluasi variabel tak bebas (curah hujan bulanan).Semakin kecil nilai RMSE verifikasi dengan menghitung selisih nilai maka tingkat kesesuaian antara nilai prediksi dan observasi. 2012. Prediksi dihaslkan dengan (10) memasukan data bulanan prediktor awal (x) untuk tahun 2011. Jurnal Meteorologi Klimatologi dan Geofisika Vol. utama ke-m. luaran suatu model prediksi terkait dengan um adalah score komponen utama ke-m kesesuaian fase antara luaran model dari variabel bebas tertentu (SST). dan 2013 kedalam CPT yang selanjutnya akan menghitung Dengan Y adalah nilai prakiraan curah secara otomatis score komponen dan hujan bulanan CPT dan adalah nilai curah memprosesnya kedalam model PCR diatas hujan observasi. Dari persamaan model yang sudah didapat maka selanjutnya prediksi dibuat tiap bulan untuk tahun 2011. Koefisien korelasi dihitung didapat dari nilai prediktor nyata (bukan dengan persamaan berikut : merupakan nilai prediksi) sehingga hanya menghasilkan satu error dalam operasionalnya.amum + b hasil prediksi. Beberapa komponen utama yang sudah terbentuk dikombinasikan dalam persamaan model PCR perbulan dan di validasi dengan data curah hujan bulanan (9) sehingga dapat dibentuk persamaan dengan error terkecil sebagai berikut : Dengan r adalah Koefisien korelasi antara X dan Y . 36 bulan).7). adalah koefisien regresi dari komponen 2006). dan 2013. 2012. dan b adalah konstanta (rata – Sementara itu nilai RMSE dihitung dengan rata curah hujan bulanan selama periode persamaan sebagai berikut : persiapan 20 tahun). am terhadap nilai observasinya (Swarinoto. Hasil Prediksi kemudian di panjang periode. 2 Juni 2015 prediktan. sedangkan n adalah (pers. dan menghitung nilai makin tinggi RMSE. Selisih nilai prediksi (e) dihitung dengan persamaan berikut : (8) 19 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . X adalah curah hujan bulanan y = a1u1 + a2u2 + a3u3 + …. Hal ini dilakukan dengan asumsi Dengan Y = Nilai Prediksi dan = nilai hasil prediksi dari curah hujan bulanan akan observasi.2 No. dan n adalah banyaknya bulan yang digunakan (3tahun.

Gambar 3. HASIL DAN PEMBAHASAN bulanan 1991-2010. Grafik rata – rata curah hujan bulanan Stasiun Klimatologi Negara. dengan puncak hujan tertinggi Klimatologi Negara Bali pada bulan Januari (294 mm) dan curah puncak hujan terendah pada bulan Agustus (34 mm).15ᵒLS dan 90ᵒBT – 145ᵒBT Gambar 2. Domain data prediktor yang digunakan dalam CPT dengan batasan 10ᵒLU . maka pola curah hujan di stasiun klimatologi Negara adalah Pola Curah Hujan Bulanan Stasiun monsunal. 2 Juni 2015 Gambar 1. Bali periode 1991 – 2010 20 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Berdasarkan data curah hujan rata-rata 3. Ilustrasi tahapan – tahapan konstruksi model dan menjalankan prediksi dengan metode PCR menggunakan CPT. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No.

18 3 3.74 87.58 87.74 8.89 5.72 71. % U % varians U % varians Eigen varians Eigen varians 1 13.36 2 5. dan kumulatif varians untuk 4 komponen utama pertama bulan Januari – Juni Januari Februari Nilai Kum.08 4 2.01 3 3.61 82. 2 Juni 2015 Komponen Utama/EOF Mode SST yang terdiri dari 364 titik grid dapat Indonesia dibentuk menjadi 4 komponen utama untuk Hasil pra .85 45.97 1 19.22 7.54 86.73 4 1.97 40.32 5. % U % varians U % varians Eigen varians Eigen varians 1 17.13 85. % Nilai Kum.56 26.90 82.62 4 2.15 40.36 5.43 5.79 2 8. % U % varians U % varians Eigen varians Eigen varians 1 31. Jurnal Meteorologi Klimatologi dan Geofisika Vol.22 29.86 4 1.88 17.87 52.71 70.68 91.00 26. % Nilai Kum.41 10.46 4 1.97 1 17.28 89.47 84.36 Mei Juni Nilai Kum.67 80.39 74.74 3 2.24 54.64 1 31.50 Maret April Nilai Kum.pemrosesan data SST di masing – masing bulan yang sudah mampu wilayah Indonesia menggunakan analisa menjelaskan lebih dari 84% total varians EOF menunjukan bahwa dari data awal dari data awal.29 7. % Nilai Kum.00 70.47 7.36 54.33 Tabel 2.94 78.33 22.63 2 11.82 71.97 53.42 87.57 4.50 52.78 78.73 5.15 75.97 4. Nilai eigen.55 87.44 3 2. Tabel 1.72 84.64 78.83 12.81 4 2.26 5.73 82.30 16.64 67.31 2 4. persentase varians.20 81. % Nilai Kum.14 21 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No.34 3 2.79 47.08 3 2.81 53.34 74.14 67.26 1 17. persentase varians.92 47.29 6.90 3 2. dan kumulatif varians untuk 4 komponen utama pertama bulan Juli – Desember Juli Agustus Nilai Kum. % U % varians U % varians Eigen varians Eigen varians 1 18.92 4 1.60 2 7.66 67.52 7.26 45.71 2 5.91 11.27 3 3.80 2 5.46 4 1.61 3.87 2 12. Nilai eigen.

85 1998-02 9.52 3.51 0.92 -1.37 1994-03 -5.11 -2.15 -1.43 -2.30 -1.55 -1.51 39.16 -1.57 57.37 2005-03 6.90 -0.16 1.68 2 7.81 2010-02 5.77 2 5.01 2010-03 7.13 -2.91 1995-01 -3.31 0.57 7.40 -0.70 0.39 -0.46 65.51 2005-02 7.41 0.84 0.46 1.00 3.59 -0.50 2.92 -0.04 1.48 -1.36 72.98 -1.28 11.65 28.55 1993-01 -7.39 1997-01 -1.50 1.09 1.42 2007-02 2.01 5.49 0.63 67.41 2008-01 3.88 0.57 1 11.38 -0.72 0.62 68.40 82.99 -1.17 -3.44 1.13 -0.36 3.42 1.11 2010-01 -1.13 3 3.20 2002-02 -0.72 -1.23 1.23 1993-02 -6.63 -0.13 2001-03 -0.30 5.14 1999-01 6.73 -2.09 -3. 2 Juni 2015 September Oktober Nilai Kum.34 0.47 2001-01 4.23 2.54 -1.37 0.53 8.77 -0.76 -0.78 1.35 1999-02 3.71 0.06 1997-03 -4.84 1991-03 -2.51 -1.73 57.49 1994-02 -0.01 -4.22 -1.51 2 5.23 22 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .58 5.00 -0.94 1.75 0.02 1.34 4.22 10.87 -0.00 2007-03 -1.81 2.55 0.65 0.26 2005-01 -1. % U % varians U % varians Eigen varians Eigen varians 1 31.01 -1.87 -0.34 1991-02 -2.24 -0.13 85.62 86. % Nilai Kum.69 2006-03 -0.13 1998-03 9.56 -1.00 1993-03 -3.32 2004-01 0.80 2002-03 3.56 1992-01 -5.12 -1. % Nilai Kum.71 4 2.15 2006-02 1.23 2.16 Score komponen utama dari 4 mode SST EOF Indonesia yang didapat dari running CPT untuk masing-masing bulan adalah sebagai berikut : Tabel 3.18 4.07 2.40 0.44 6.53 15.27 1992-03 2.03 2.05 5.79 1992-02 1.65 78.88 2.85 4 2.48 -3.62 2003-01 1.84 0.22 0.38 14.33 -0.38 9.96 -1.85 -0.59 2.33 2001-02 -1.76 -1.39 -0.48 1. Score Komponen Utama ke 1 s/d 4 untuk bulan Januari – Maret Score Score Score Jan Feb Mar u1 u2 u3 u4 u1 u2 u3 u4 u1 u2 u3 u4 1991-01 -4.82 2004-03 -0.94 1996-01 1.34 -5.77 65.34 -3.26 1.68 0.44 0.15 -2.81 0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.01 -6.77 -0.02 4.20 2006-01 3.64 1.72 0.94 -4.79 4 2.53 5.54 5. % U % varians U % varians Eigen varians Eigen varians 1 20.80 2007-01 1.21 2.31 -0.30 1998-01 -1.72 -5.07 -0.42 1 32.95 1996-03 -2.47 1997-02 -6.55 2.01 1.73 2009-03 1.50 2.27 Nopember Desember Nilai Kum.29 3 2.88 2008-03 -4.99 3.30 1.00 -0.80 0.70 88.37 87.42 -2.40 0.71 0.23 2.35 -2.96 5.13 0.09 -1.04 1.76 0.93 -1.43 1.64 -1.02 1.40 -2.83 -5.14 -1.15 1999-03 2.12 1995-03 -3.55 -0.83 2.03 -0.26 78.57 1.59 2002-01 1.69 -2.56 -0.06 2004-02 -0.52 -2.66 1.20 -0.57 5.18 1994-01 -3.42 91.68 -1.91 1.21 -0.90 -0.06 0.40 2.07 0.23 1.59 -0.19 2.92 -1.55 2009-01 4.95 80.09 0.94 2008-02 -3.55 2009-02 -2.16 2.94 -0.03 4 2.22 -0.62 -3.41 -1.21 2000-01 3.03 -2.72 3 3.49 -7.05 -2.09 1.33 -1.93 2 8.41 0.04 -1.49 0.78 -0.54 1996-02 -4.61 2000-03 -5.37 2.33 -0.31 -1.23 -4.12 2.2 No.54 2000-02 -3.16 -2.33 3 3.30 -3.42 90.63 -1.81 0.58 2.16 -0.55 1995-02 -3.42 -2.88 -0.94 39.48 0.54 1.70 2003-02 5.03 2003-03 1.02 -0.42 67.

94 2.31 -1.11 2006-04 -0.40 -2.22 1992-06 2.70 1995-06 0.37 -3.33 2006-06 0.10 2.67 -0.61 2.08 4.56 -0.78 1.86 -1.01 1993-05 -4.98 0.27 0.04 0.25 -0.50 2.81 1.99 -1.54 2004-05 0.54 -1.86 -2.82 1.96 1.66 0.13 1992-07 -0.90 -1.60 2005-05 1.62 1993-07 -5.91 -2.96 2.38 1999-04 0.38 2005-04 1.11 2002-08 -0.64 0.72 0.47 1994-04 -7.79 1994-09 -11.01 2004-07 -2.76 1.13 1999-06 -2.06 1.34 0.57 -2.99 0.58 2002-05 4.79 -0.09 -0.92 0.87 0.45 -0.03 -3.52 0.41 -0.89 0.14 1995-04 -3.40 0.35 1997-09 -6.34 -1.46 4.47 -2.33 0.84 0.83 -0.85 -1.38 2001-06 1.06 -0.36 0.91 -0.34 0.22 -0.33 -0.48 0.62 -0.34 1993-09 -6.77 1.24 2.75 1.36 -1.64 1991-08 -4.54 2009-05 1.05 2007-06 1.53 1.52 -2.29 2003-06 -0.53 1996-05 -3.46 0.07 1.20 1999-05 -1.39 -3.68 -1.22 1.83 -2.62 0.40 0.96 -0.67 1999-09 -1.10 0.40 -0.54 -0.14 1998-05 6.18 2006-05 1.26 2.60 -1.20 -2.72 2000-04 -0.75 1.91 -1.36 2.32 1991-06 -5.55 -1.29 2010-08 8.94 2010-05 8.15 1996-04 -0.63 -4.23 2.43 1.95 -0.63 0.99 1.73 1.14 1.28 2008-09 2.20 2009-09 2.96 7.31 2010-07 9.15 2007-04 -2.19 -1.18 -1.28 2007-07 -1.33 2008-06 -6. Score Komponen Utama ke 1 s/d 4 untuk bulan April – Juni Score Score Score Apr Mei Jun u1 u2 u3 u4 u1 u2 u3 u4 u1 u2 u3 u4 1991-04 -6.64 1991-05 -4.84 1995-08 2.31 0.24 2.71 1.01 2.29 -3.05 -0.87 -2.53 1.69 -1.43 0.86 1.12 -0.20 -1.19 -1.61 0.49 -0.92 -1.67 1993-06 -2.55 -1.58 0.07 1.66 2.44 -0.54 0.42 -1.77 0.36 -1.42 4.19 0.97 0.81 -0.20 -4.63 -1.12 0.78 0.47 1.68 -0.28 5.71 2002-06 2.94 2.71 -3.19 -2.56 -2.96 0.35 0.59 1.81 0.23 0.77 2001-05 1.69 2004-04 2.23 -0.22 0.98 -0.92 -0.41 -1.15 1995-07 2.79 2.37 -1.49 0.26 -0.08 2007-09 -0.64 2006-09 -5.07 1.56 1.41 2009-06 3.38 -3.39 2002-07 0. 2 Juni 2015 Tabel 4.87 -2.83 2003-05 3.00 -1.15 -0.31 2010-06 6.68 -1.21 -1.43 0.75 -2.93 1999-07 -1.21 2007-05 -1.86 1996-08 6.29 2.47 0.89 2004-06 -2.63 1.98 1.35 1998-07 13.82 1.52 2.98 1.16 1.27 -0.29 -1.68 -1.52 -1.01 1992-09 0.50 -1.07 -0.43 -2.07 1.17 -1.20 0.36 2008-07 -3.59 -0.75 1998-06 7.19 0.83 -1.57 1.34 -2.57 -0.12 -0.20 1.25 1.09 -0.24 -1.37 2.60 1.48 2010-04 6.77 1997-05 -2.92 -2.05 1998-04 7.80 0.11 1996-09 4.49 0.24 1991-09 -5.54 -1.51 -0.42 -0.04 0.68 -1.68 1.41 0.35 -2.54 -2.62 1.35 1.25 0.80 2006-08 -2.21 1.97 2000-09 1.70 -2.60 2003-04 2.47 2009-04 2.23 0.53 2002-04 5.16 0.78 0.12 23 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .53 -2.93 0.70 -1.59 2001-08 0.19 1996-07 4.94 2.63 2005-06 3.86 1994-05 -8.35 -1.30 1.65 -0.40 0.60 1995-09 -0.06 Tabel 5.98 1.53 -1.65 -1.08 2004-09 -2.33 -0.27 -0.02 2008-08 -0.70 -1.39 -0.78 1997-08 -7.08 3.45 -3.86 -0.25 2010-09 10.84 -0.89 -3.52 -0.56 -1.36 -0.45 3.29 1.31 1992-04 0.51 2.09 0.82 -1.03 0.42 -2.71 -1.11 -2.66 2.09 1992-05 3.17 0.38 2003-09 1.87 -2.08 2006-07 -2.13 0.60 -2.84 2.68 0.44 -0.13 1995-05 -0.98 0.90 2.28 1.41 1.31 1. Jurnal Meteorologi Klimatologi dan Geofisika Vol.52 2000-08 1.91 2.32 0.84 2.10 -1.46 -2.87 1.39 2. Score Komponen Utama ke 1 s/d 4 untuk bulan Juli – September Score Score Score Jul Agst Sep u1 u2 u3 u4 u1 u2 u3 u4 u1 u2 u3 u4 1991-07 -4.31 1.21 1.71 -2.70 1.65 -1.48 -1.68 0.33 0.24 1.70 2007-08 -1.92 -1.92 -1.13 -2.26 0.45 2000-05 -1.57 2003-08 -0.20 -3.77 2.26 1.92 -0.01 -0.95 1997-04 -3.67 3.40 1.78 0.99 -0.29 2.09 2001-04 2.65 -2.24 1.22 0.83 0.69 -1.69 1.94 0.86 0.29 -1.60 -2.14 -0.96 -2.21 -0.22 -0.09 0.66 -1.76 1994-07 -10.57 -1.56 1.31 2003-07 -0.73 -1.89 1999-08 -2.00 -0.26 -2.08 2.42 1.91 -2.54 2002-09 -1.81 0.46 0.84 1997-06 -1.09 -0.93 -2.23 -0.18 -0.61 2005-07 4.93 0.84 5.71 2005-09 3.20 -0.42 0.05 -0.13 0.77 1.37 2009-07 6.88 -0.49 -0.28 -1.84 -1.74 0.44 -1.27 -3.67 0.16 1.94 1993-04 -6.56 1998-09 12.24 -1.10 2001-09 1.81 2.12 0.13 2005-08 3.2 No.19 2.02 -1.25 -3.11 0.64 -0.33 -0.22 1993-08 -5.44 1.11 -0.21 1994-08 -9.42 -0.50 2009-08 5.66 1992-08 -0.21 4.05 2004-08 -4.06 0.27 -1.44 3.01 2.95 1996-06 1.79 2000-07 -3.62 -2.27 1998-08 13.11 2.01 1994-06 -7.88 -0.17 2008-04 -2.71 -1.22 1997-07 -6.17 0.33 2008-05 -6.43 -0.23 -0.59 0.52 2001-07 2.19 3.60 2000-06 -4.26 0.52 -2.53 1.

22 1993-11 -2.81 2.96 1992-10 -2.06 2009-10 1.47 1999-12 2.61 2004-11 -0.40 0.65 1999-11 -0.05 0.68 2009-11 1.70 0.12 2.96 1994-10 -10.82 2.70 -1.57 0.71 2005-12 2.62 -1.90 0.42 -2.17 -2.99 1991-12 -5.42 1.21 0.90 2003-12 -2.90 -1.36 0.62 0.50 2000-12 1.56 2010-10 8.36 0.16 0.61 -6.03 -1.51 -1.05 1997-11 -5.94 -1.22 0.73 1995-11 2.85 2.25 -0.29 -0.15 1.07 -1.69 1995-12 -1.99 -2.48 0.24 -1.04 -0.80 0.32 0.89 -2.71 3.70 1.63 1996-10 5.70 -0.89 0.28 -0.01 0.51 -1.17 -1.67 1993-10 -7.01 2006-10 -7.57 2.12 1.72 0.14 -0.68 2008-10 2.02 2001-12 0.07 2.60 2007-10 1.25 2.67 Score dari masing – masing komponen komponen utama ke 1.94 0.85 -0.13 -0.12 -1.29 2002-12 5.39 0.37 2010-11 8.25 -3.19 1.56 0.01 1.59 -0.32 2002-11 0.82 1.78 2006-11 -3. Score Komponen Utama ke 1 s/d 4 untuk bulan Oktober – Desember Score Score Score Okt Nov Des u1 u2 u3 u4 u1 u2 u3 u4 u1 u2 u3 u4 1991-10 -5. Jurnal Meteorologi Klimatologi dan Geofisika Vol.07 1992-11 -6.82 -0.02 -0.13 4.56 1994-12 -2.03 3.2 No.89 3.48 -2.35 -0.85 -0.43 -1.11 -2.97 2003-10 2.11 1998-11 8.42 0.98 3.34 -1.26 1993-12 -3.38 2000-11 2. utama sebelumnya.54 -4.03 0.71 -1.57 -0.49 -0.83 1994-11 -5.15 2004-10 -3.67 1.26 1. Komponen data awal pembentuknya secara spasial utama ke 2 (u2) menunjukan varians dapat ditunjukan oleh plot loading/EOF maksimum yang belum terhitung mode berikut : Gambar 4.11 1998-12 3.13 1996-12 1.18 0.54 3.46 2.92 -1.57 -0.05 2001-10 2.34 -1.82 1995-10 0.66 -1.40 2.94 -2.62 -1.29 -1.83 -0.98 -1.89 -1.11 -0.48 -3.93 -4.21 2000-10 3.28 2003-11 1.03 0.95 2.90 1999-10 0.47 -1.19 2005-11 2.17 -0.60 1.15 2.93 -0.75 1.70 2007-12 0.60 -2.40 1.52 -2.80 1.20 -0. 2 Juni 2015 Tabel 6.74 -0.03 1.30 -0.98 3.28 -0.86 6.10 0.20 1.09 -0.14 2. EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Januari 24 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .45 -1.49 2004-12 0.57 -7.00 2002-10 -1.17 1992-12 -7.82 -2.45 1997-10 -6.88 -0.45 1.56 2.79 2008-12 3.77 -1.08 0.17 1996-11 3.89 -3.49 1.03 -0.14 -0.94 0.77 -1.10 -1.88 -0.47 2.18 0.76 2009-12 0.50 0.18 4.64 1998-10 11.75 -0.94 -2.94 1.25 -1.01 2008-11 1.70 0.28 -0.29 0.16 1997-12 3.18 -0.59 -1.42 -1.70 2005-10 3.94 -1.66 -0.86 2.81 5.82 -2.64 2.15 1991-11 -7.45 1.39 -0.66 -1.97 1990-12 -4.17 2. Hubungan linear antara Komponen utama ke 1 (u1) berhubungan komponen utama SST Indonesia dengan dengan varians maksimum data.26 -2.58 -3.41 2001-11 0.21 2.78 -0.11 1.30 1.81 0. Komponen utama ke utama yang ditunjukan tabel 3 hingga tabel 3 dan 4 menunjukan varians maksimum 6 adalah data baru yang dibentuk dari yang belum terhitung pada komponen kombinasi dari semua grid SST awal.81 -0.46 0.72 -1.74 1.33 0.19 2006-12 1.28 -2.71 -2.76 1.83 0.68 -1.03 2007-11 -0.76 1.89 -1.

EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Maret Gambar 7.2 No. EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan April 25 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Februari Gambar 6. 2 Juni 2015 Gambar 5. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 Gambar 8. EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Juni Gambar 10. EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Mei Gambar 9. EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Juli 26 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .

Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 Gambar 11. EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Oktober 27 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan September Gambar 13. EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Agustus Gambar 12.2 No.

dan 4 yang dtunjukan oleh EOF Mode untuk masing . EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Nopember Gambar 15. Validasi Silang Hasil validasi silang berupa kombinasi optimum komponen utama dalam model PCR yang menghasilkan hindcast dengan korelasi terbaik terhadap curah hujan 28 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 Juni 2015 Gambar 14.masing bulan memiliki hubungan kuat positif (warna merah) dengan data awal pada lokasi tertentu yang artinya data awal pada lokasi tersebut memiliki bobot yang lebih besar dari pada data awal lainnya dalam pembentukan komponen utama tersebut. 3. EOF Mode 1 s/d 4 SST di wilayah Indonesia untuk bulan Desember Dari gambar 4 hingga gambar 15 terlihat observasi di Staklim Negara untuk setiap bahwa komponen utama SST Indonesia ke bulan adalah sebagai berikut : 1. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2.2 No.

117394u2 + b Prediksi Curah Hujan Bulanan didapatkan hasil prediksi curah hujan Dengan memasukan score komponen bulanan tahun 2011.9523u2+ b Oktober y = 21.590579u1+ b Desember y = 5.00972u2 + b Juli y = 8. dan 2013 pada masing – : masing persamaan PCR pada tabel 7 maka Gambar 16.2.76316u1 .95992u1 + b Nopember y = 8.2 No.42479u2 +18.8114u1 + 29.836303u1 + b Mei y = 13. 2012.50108u3 + b Februari y = -0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.065711u1 + 5. dan 2013. Persamaan Model PCR untuk Staklim Negara setiap bulan Bulan Persamaan Regresi Januari y = 5.538495u1 + b September y = 13.92841u1 -2.04857u1. 2012. 29 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .426017u3 + b April y = 6.0874u3 + b Maret y = 3.10. 2012. 2 Juni 2015 Tabel 7. dan 2013 di utama SST EOF Indonesia lag 1 bulan Stasiun Klimatologi Negara sebagai berikut tahun 2011.963722u2 +8.4339u2 +24.25279u1 + 6. Grafik Prediksi Curah Hujan Bulanan menggunakan metode PCR dengan prediktor score komponen utama SST EOF Indonesia vs Curah Hujan Bulanan Observasi Stasiun Klimatologi Negara tahun 2011.924032u1 + 3.508518u1 + b Agustus y = 3.717956u2 + b Juni y = 10.

Kemudian untuknilai RMSE Negara Bali adalah monsunal dengan adalah 93 mm. Gambar 17.Nilai r hasil perhitungan korelasi bernilai 0. Berdasarkan data curah hujan bulanan menunjukan kesesuaian fase positif antara 20 tahun (1991-2010) diperoleh bahwa series nilai prediksi curah hujan dan nilai tipe hujan di Stasiun Klimatologi observasinya. 3. Persentase tersebut menunjukan prediksi curah hujan bulanan yang dihasilkan dengan metode PCR dan menggunakan SST EOF Indonesia umumnya menghasilkan nilai yang lebih 30 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dan 2013 di Stasiun Klimatologi Negara UCAPAN TERIMAKASIH Dari gambar 17 dapat dilihat bahwa Penulis mengucapkan terima kasih selisih antara nilai prediksi curah hujan kepada tim observasi dan analisa Stasiun bulanan menggunakan metode PCR dengan Klimatologi Klas II Negara.Bali menghasilkan nilai prediksi yang mampu mengikuti pola curah hujan bulanan observasi dengan kesesuaian fase positif dengan nilai r = 0. Bali.71 dan nilai RMSE = 93 mm. KESIMPULAN StasiunKlimatologi Negara. dengan observasi curah hujan bulanan disajikan dengan grafik berikut : 2. Nilai prediksi yang dihasilkan pada umumnya lebih besar dari nilai observasi dilapangan.71 1. Jurnal Meteorologi Klimatologi dan Geofisika Vol. positif (warna biru) dan sisanya bernilai negatif (warna merah). Dari hasil analisis EOF mengunakan CPT terhadap 364 titik grid SST di wilayah Indonesia maka dapat dibentuk 4 komponen utama yang sudah dapat mewakili lebih dari 84% varians seluruh data grid tersebut untuk tiap bulan. Prediksi curah hujan bulanan menggunakan metode PCR dengan prediktorscorekomponen utama SST EOF Indonesia lag time 1 bulan di Stasiun Klimatologi Negara . 2 Juni 2015 Dari gambar 16 dapat dilihat bahwa besar dari nilai observasi curah hujan pola curah hujan hasil prediksi bulanan di stasiun klimatologi Negara.67% bernilai dan bimbingan yang telah diberikan. menggunakan metode PCR dengan prediktor SST EOF Indonesia dapat mengikuti pola curah hujan observasi di 4. Bali atas data prediktor SST EOF Indonesia dengan curah yang telah disediakan dan kepada Bapak hujan observasi di stasiun klimatologi Nuryadi dan Bapak Soetamto atas motivasi Negara sebagian besar 66. Bali.2 No. Grafik Selisih Nilai Prediksi dengan Observasi Curah Hujan Bulanan tahun 2011. 2012. puncak hujan tertinggi pada bulan Januari (294 mm) dan curah puncak hujan terendah pada bulan Agustus (34 Hasil perhitungan selisih nilai prediksi mm).

H.Analisis Pola Spasial Aldrian. Landman. A. hal 215 – 222 Alfabeta.Analisis Korelasi Curah Hujan Jawa Barat Bagian Curah Hujan dan Suhu Permukaan Utara dan Prediksinya. & Wichern. S. La Nina. W. Singapura. 9 No. D. Ndiaye. 2005. E.S. Curah Hujan : Studi Kasus Kabupaten Cilacap. Mason. 1956.H. dalam Pemodelan Penduga Lengas Meteorologi. Depok: Jurusan Geografi. Presentasi power point. Vol. N. Implikasinya untuk Prakiraan FMIPA-UI. 2011. Climate Predictability Tools 31 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .Institut Teknologi Tanah dengan Data Satelit Bandung. S. I. A.Applied Multivariate Statistical Analysis. dan Barston T.Jurnal Agromet Indonesia 21 (2) 2007 : 46 – 60 Estiningtyas.Jurnal Matematika Riduwan. Indonesian Rainfall Variability : Impacts of ENSO and Local Air-Sea Interaction. 1. American Meteorology Society. 2006. 2 Juni 2015 DAFTAR PUSTAKA (CPT).. Aplikasi Analisis Komponen Utama Prawirowardoyo..Pearson Education International. 2002. science Report 1. 1990.F.Empirical Climate Prediction: Some Features of EOF ANALYSIS when used on its own or for Regression or CCA . Institute for Climateand Society. 3rd ed. W.Teknik Statistical Downscaling dengan regresi komponen utama dan regresi kuadrat terkecil parsial untuk prediksi curah hujan pada kondisi El Nino. E...Technical report. E.S. dan Wigena. Bandung Estiningtyas. 2007. Ousmane and Simon J. 2007. Penerbit 2004. Effen. Johnson.Jurnal Meteorologi dan Geofisika. Ramadhani. Maret Analisis Statistika.International Research Adiningsih. 2003. J. R. Rumus dan Data Dalam dan Sains. 2004. Serta Magister.H. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 1996.W. dan Normal. dan Swarinoto. Tesis Laut Wilayah Indonesia. MIT. D. Y. Morisson. 2011. Hendon. 5th edition. Mahmud. Simon. Department of Meteorology. Bandung Multispektral.2 No. 12 (1) : 65-72. Presentasi power point. Empirical orthogonal functions and statistical weather prediction. McGrawHill Publishing Company. Lorenz. Multivariate Statistical Method.Instituto Nacional de Meteorologia (INMET). F.. W.

kemunculan cold surge di Indonesia berakibat pada munculnya hujan. there are still precipitation in Nangapinoh and Ketapang. if cold surge stumbles across with vortex in the north. digunakan seleksi kejadian El-Nino. the existence of cold surge in Indonesia affects the existence of precipitation. serta superposisinya dengan vortex. this study uses the selection method of El-Nino. superposisi ABSTRACT This study identifies the characteristic and movement of cold surge. cold surge tertahan di utara akibat adanyavortex di utara Pontianak. mengakibatkan tidak adanya curah hujan di Pontianak. Massa udara dingin bergabung Pada musim dingin di BBU dengan pecahan udaran dingin dari Siberia khususnya Asia Timur pada bulan yang mempunyai tekanan tinggi dan November-Maret. Pada kasus tanggal 17 November 2009. sering ditemukan gejala menyebar ke arah equator serta desakan aliran massa udara dingin yang 32 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . vortex. then affects the drought (no precipitation) of its area. maka bagian selatan kering. dan monsoon trough. superposition 1. cross equatorial flow.go. Secara umum. La-Nina.id ABSTRAK Studi ini mengkaji karakteristik dan penjalaran cold surge. vortex. Hasil analisa pergerakan cold surge dengan menganalisa angin v (meridional). Kata Kunci : Cold surge. For driving out the other phenomena. But. dan MJO. cross equatorial flow. Jika cold surge bertemu dengan vortex di utara. Dan mengalisakejadian cold surge yang berkelanjutan pada tanggal 11-21 November 2009. Untuk mengisolir kejadian cold surge.Cold surgedapat munculbersamaan dengan beberapa fenomenalain seperti subtropical ridge. Generally. Dipole Mode. Namun. analyzes 11-21 November 2009 by using v-wind and streamline. and MJO. so the south will be prone to be dry. cold surge stumbles across with vortex in the north of Pontianak. La-Nina. Dipole Mode. di wilayah Nangapinoh dan Ketapang masih terjadi hujan. Hal ini akibat adanya pengaruh lokal. 2 Juni 2015 KAJIAN SUPERPOSISI COLD SURGE DAN GANGGUAN PUSARAN UDARA (VORTEX) DI KALIMANTAN BARAT : Studi Kasus Tahun 2009 Firsta Zukhrufiana Setiawati Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Email : firsta.2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Then. This case caused by the role of local phenomena. and monsoon through. In otherwise. Cold surge can be in conformity with subtropical ridge. In the case of 17 November 2009. serta analisa streamline.setiawati@bmkg. Key word : Cold surge. PENDAHULUAN sering disebut cold surge atau seruakan dingin. also the superposition with vortex.

Seruak dingin bergerak ke timur dan ke arah tenggara dan dapat mencapai b. Daerah perambatannya dan pengaruhnya terhadap pengamatan difokuskan pada curah hujan di Kalimantan Barat jika wilayah Laut Cina Selatan hingga berinteraksi dengan vortex di wilayah Kalimantan Barat di Pontianak ( pesisir Kalimantan Barat atau pun Laut 0°LU-0°LS dan 109°-109°BT). Metode di atas Laut Cina Selatan bagian selatan sekitar 72 jam dari awal timbulnya di Asia Definisi yang digunakan tengah. 30°LU-115°BT) dan dingin dan mantap (stable). digunakan Selatan dari utara atau timur laut streamline dari data reanalysis dengan kecepatan di atas 15 knot. 2012). Udara dingin yang menjalar adalah selisih tekanan udara antara tersebut bersifat massa udara benua yang Gushi (China. a. ditengarai adanya cold surge yaitu pada Data yang digunakan adalah saat tekanan udara di Gushi (China) data tekanan udara Gushi. Selama 24 jam ada peningkatan angin v (meridional). Data sinoptik berupa vortex yang menghambat penjalaran cold surge. serta 0°-5°LS. dan Ketapang sampai ke laut sekitar sekitar 27 jam. curah hujan di Kalimantan Barat. yaitu : namun difokuskan untuk daerah Pontianak. Adapun kecepatan angin di Hongkong untuk menganalisa pergerakan mencapai 10 knot atau lebih. NCEP 4 kali pengukuran. 2 Juni 2015 berinteraksi dengan palung di dekat equator Laut Cina Selatan. dan Adanya surge atau seruakan ini Ketapang yang digunakan untuk ditandai dengan : menentukan indeks cold surge. Cina Selatan.2 No. Kong. Nangapinoh. 115° BT dengan Hong Kong angin yang diakses dari website sebesar ≥ 10 mb.Awal (0ºLS.3ºLS dan 108ºBT-111ºBT). pengamatan pada batasan utara : Hasilnya diharapkan dapat 0°-20°LU. Pontianak. 90°-120°BTdanselatan : menjelaskan pola cold surge. tak ada awan. Nangapinoh. dan Ketapang. Hong mencapai ≥ 1030 mb (Soerjadi. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 90°-120°BT. OGIMET untuk dikeluarkan nilai b. Angin di sekitar wilayah Laut Cina penjalaran cold surge. Bila menjalar Hongkong (sekitar 22°LU-115°BT) 33 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Perbedaan tekanan udara antara 30° Kemudian data arah dan kecepatan LU. massa udara yang mendukung c. mengetahui gangguan-gangguan a. Nangapinoh (0°LS-1°LS dan Lamanya penjalaran cold surge 111°BT-112°BT). DATA DAN METODE selama periode pengamatan tahun 2006- 2010. mengamati Lokasi penelitian dibatasi oleh interaksi cold surge dan vortex terhadap 10°LS-30°LS dan 95°BT-120°BT.Di atas awan altostratus cerah (Aldrian dan Susanto. Cold surge sebagai salah satu di atas Laut Cina Selatan yang hangat gangguan yang paling mempengaruhi udara dingin tersebut mengembun dan bentuk siklus tahunan curah hujan di membentuk awan jenis cumulus dan wilayah Indonesia bagian barat laut yang stratocumulus yang tidak tinggi dan jenis membentuk siklus semi monsunal altostratus. Tujuan studi ini adalah mengetahui karakteristik dan rambatan cold surge 2. 2003).

2 No.Menentukan daerah pengamatan  Angin meridional minimal 15 penjalaran cold surge ke selatan. serta di  Subtropical ridge atas Laut Cina Selatan datangnya  Palung udara atas seruak dingin ditengarai dengan  Monsoon trough bertambahnya kecepatan angin  Buffer system timur laut lebih dari 5 knot dalam  Cross equatorial flow waktu 24 jam. knot/ 5 ms-1 yaitu : a. Selatan : 0°-5°LS. yaitu tekanan Hong Kong-Nangapinoh. outdraft. posisi ke bulan. studi cold surge ini adalah sebagai berikut : Dalam fase lanjut monsoon. Nangapinoh. indraft. Hong Kong-Pontianak. maupun titik . Dipole Mode. berhubungan dengan adanya Inter Hong Kong. : 34 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .0-12.9 mb Hong Kong (index cold surge) b.0 mb dari 10 mb.Mengklasifikasikan indeks cold surge Kong jika : tersebut dengan ketentuan :  Beda tekanan udara di Gushi dan a. . Cold surge lemah : 10.9 mb sama dengan atau lebih besar c. lintasan garis equator . Asia Timur. mengendalikan formasi deep yang paling minimal mendapat convection dan hujan lebat di utara pengaruh dari kejadian-kejadian equator. Pada saat musim dingin di tersebut.Menentukan data tekanan udara jam ditutupi oleh awan konvektif yang 00. dan Ketapang. surge dikatakan sampai di Hong .Membuat grafik indeks cold surge ini. 2 Juni 2015 adalah sebesar ≥ 10 mb. Utara : 0°-20°LU. . Cold Kong-Ketapang. dan MJO tersebut di komponen-komponen linier. sehingga akan diseleksi dari hasil seleksi SOI.Menyeleksi waktu yang berbanding Komponen-komponen lurus antar kejadian (3 fenomena synoptic yang termasuk linier meliputi dengan cold surge). 90°-120°BT Metode analisis streamline b. dan kecepatan angin lebih dari 15 knot dalam 24 sampai Adapun rangkaian pengerjaan 48 jam (Soerjadi. Tropical Convergence Zone (ITCZ). 90°-120°BT adalah metode pokok dalam kasus . Pontianak. dengan metode analisis tahun pengamatan 2006-2010. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2012). atas dengan kejadian cold surge.0-14.Mengeplot indeks South Oscillation pusaran udara (vortex) berkembang (SOI). dan MJO sampai ke lautan dan dengan tujuan mencari waktu normal. dan Hong udara dan kecepatan angin. parameter sekaligus.Mencari index cold surge di Gushi- Pada metode ini diamati 2 Hong Kong. Cold surge kuat : ≥ 15. mempermudah penentuan Dipole Mode.Membandingkan waktu yang telah netral. Cold surge sedang: 13. . .00 UTC untuk wilayah Gushi. yang streamlineakan lebih mudah untuk disorot dari tahun ke tahun atau bulan mengetahui bentuk-bentuk.

Jumlah Hari Cold Surge Selama Periode 2006-2010 Periode 2006-2010Oktober-April 2006-2010 Pada bulan November 2009. angin hasil pengamatan dari ogimet. Jurnal Meteorologi Klimatologi dan Geofisika Vol.Pada saat yang bersamaan pula. dan MJO. kondisi massa (vortex) dan mengetahui relevansinya udaranya normal. yang mendeskripsikan jumlah Dari hasil pengolahan data hari cold surge dari bulan Oktober yaitu membuat grafik SOI. maka berdasarkan pengamatan 2006-2010. analisa diperoleh bulan November Gambar 1. Cold surge lemah sebanyak 8 pada bulan ini aktif secara kontinyu 35 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . bulan . Sehingga penulis data reanalysis NCEP 4 kali mengambil bulan November 2009 pengukuran untuk mengetahui sebagai sample untuk analisa kejadian pergerakan angin yang superposisi cold surge dan Borneo memungkinkan untuk aktivitas vortex. Asia Timur (Gushi-HKO) ke BBS . mengabaikan pengaruh El-Nino.Variasi Tahunan Cold Surge Gambar 2. sedang dan sebanyak 4 hari. dan MJO. serta analisa selanjutnya telah dapat menganalisa lebih lanjut. Kejadian cold surge kuat. sehingga dalam terhadap curah hujan. La-Nina. tetapi juga untuk dikeluarkan nilai v wind dari terjadi cold surge yang menjalar dari hasil pengamatan tersebut. hari. Dipole Mode. Distribusi karakteristik cold 3. yang telah disebutkan di atas. maka selanjutnya mencari data pengaruh dari El-Nino. Dipole Mode. cold surge kuat terjadi yaitu cold surge lemah.Menganalisa perbedaan kejadian November 2009 dapat dikategorikan terhadap eksistensi pusaran udara dalam kondisi normal. karena berdasarkan analisa penjalaran cold surge ke selatan. La- Nina. MJO index tahunan cold surge selama periode dalam satu chart. 2 Juni 2015 . DMI hingga April (2006-2010) dan variasi (Dipole Mode Index).2 No. yang nanti masuk ke wilayah melakukan analisa streamline dari Indonesia. cold surge sedang terjadi terdapat 3 macam intensitas cold surge sebanyak 3 hari. HASIL DAN ANALISIS surge dapat dilihat pada gambar berikut.Setelah mendapatkan waktu beberapa 2009 yang paling minimal adanya hari.

Dari streamline angin bergerak karena adanya cold surge salah satunya di dari northeast. dan di atas Laut tengarai tekanan udara di Gushi mencapai Cina Selatan lebih dominan angin 1030. keberadaan cross equatorial surge kuat dan dari streamline flow lebih dominan. nilai angin v-nya 18. Grafik Index Cold Surge November 2009 Pada tanggal 11-15 November 2009 angin meridional yang kuat tekanan udara di Gushi belum mencapai sehingga ada indikasi tertahan. 2 Juni 2015 pada tanggal 11-21 November dengan sedang. Setelah sampai di 3°LU dan 115°BT b.Dan nilai angin v-nya Adanya pusaran udara yang 24. 15 November bersifat Gambar 3. dijelaskan oleh gambar November bersifat kuat. Tanggal 17 November 2009 terlihat adanya pusaran udara Pada tanggal ini terjadi cold (vortex) tertutup. 12 bersifat sedang.0 mb. Jurnal Meteorologi Klimatologi dan Geofisika Vol.6 knot. 18 November November bersifat lemah. Dan angin lebih dominan ke selatan. 14 November berikut : bersifat lemah. karena arah angin bergerak dari arah timur.2 No. timuran dan ada pusaran sehingga cold surge tertahan di wilayah tersebut. 17-21 November November bersifat sedang.0 mb atau lebih. cold surge ke selatan. 17 masing-masing karakteristik. disebut eddy. Di streamlinejuga terlihatcross a. Hal ini menyebabkan cold surge tertahan yang dinamakan superposisi karena di wilayah tersebut.2 knot ke arah Sehingga cross equatorial flow utara. sehingga dapat di abaikan. surge kuat. 16 November bersifat kuat. 13 bersifat lemah. sehingga tidak dapat lebih berperan untuk menjalarkan menjalar ke selatan. yaitu : 11 November bersifat kuat. sehingga cold surge mengganggu penjalaran cold surge tertahan di wilayah tersebut. Jika dilihat lebih Pada tanggal ini terjadi cold jauh. 1030. cold surge kuat bertemu dengan Bagian selatan pusaran udara tersebut akan mengalami 36 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Tanggal 16 November 2009 equatorial flow.

penulis menggunakan metode Tabel 1. 2 Juni 2015 berkurangnya curah hujan atau komparasi dengan data curah hujan bahkan tidak ada sama sekali. Jurnal Meteorologi Klimatologi dan Geofisika Vol. dan untuk mengetahui hal tersebut. Tabel Perbandingan Curah Hujan Tanggal Pontianak (mm) Nangapinoh (mm) Ketapang (mm) 16-Nov 30.4 6.2 No.0 20-Nov 3. di Pontianak.8 47. TTU 37.6 23.2 17-Nov . Ketapang.0 44.8 40. dan Ketapang Gambar 4. Nangapinoh.8 18-Nov 20. 850 mb 37 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Streamline17 November 2009 Lap.7 6.4 Sumber : Data curah hujan Stasiun Meteorologi Pontianak.8 19-Nov 23.5 95.3 21-Nov 75. Nangapinoh.9 25.3 17.0 5.

mm. nilai angin v kecepatan tidak memenuhi syarat (meridional) tersebut tidak memenuhi untuk dapat menjalar ke selatan persyaratan menjalarnya cold surge yang mengatakan bahwa cold surge e. Vortisitas 17 November 2009 Di barat laut pulau Kalimantan terdapat Nilai vortisitas negatif di pusaran udara yang mempunyai vortisitas Nangapinoh dan Ketapang (siklonal di positif yang berarti gerak pusaran siklonal BBS) menunjukkan gerak siklonal artinya (di BBU). sedangkan Pontianak berada di ada pengangkatan gerak udara ke atas paling luar pusaran tersebut. sehingga (gerak vertikal) sehingga terjadi energinya lemah (vortisitas ~ nol). Tanggal 20 November 2009 dapat menjalar jika kecepatan angin v Pada tanggal ini terjadi cold surge sebesar ≥ 15.7 knot. Maka dari teori lemah dan nilani angin v-nya -17. kemudian terdapat cross equatorial 38 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 Juni 2015 Gambar 5. c. Tanggal 18 November 2009 Pada tanggal ini terjadi cold surge Pada tanggal ini terjadi cold surge lemah dan nilai angin v-nya -11. menjalar ke selatan.3 tersebut bisa diasumsikan bahwa cold knot yang artinya cold surge dapat surge tidak sampai ke wilayah selatan. Jurnal Meteorologi Klimatologi dan Geofisika Vol.5 sedang dan nilai angin v-nya sebesar .0 knot. berarti bahwa arah angin v menjalar ke selatan. Maka. Tanggal 19 November 2009 angin Northeasterly yang kuat. dan sesuai dengan data hujan hujan di Pontianak (tanda “-“ berarti “0” di dua wilayah tersebut.2 No. Hal ini merupakan pengaruh divergensi d. Namun. knot yang artinya cold surge dapat 12. karena ada kesalahan entry data). namun dengan ke selatan. pembentukan awan dan kemungkinan hal ini cukup sinkron terhadap data curah terjadi hujan.

dan  Cold surgemaksimum : Januari. A tersebut. tekanan antara Gushi dan Hong  Superposisi cold surge dan Kong yaitu sebesar 12. pusaran tersebut cenderung kering. Namun.3 mm. jika tidak ada hambatan dalam 4. 39 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .Cold surge tertahan di Modifikasi Cuaca. Mohd. selanjutnya melihat Di Nangapinoh dan Ketapang angin v –nya. bagian selatan Boreal Winter Monsoon. menghambat penjalaran cold f.Jurnal Sains & Teknologi Darussalam. Ketapang) terjadi hujan.Syarat dasar sudah terkondensasi di wilayah vortex. Jurnal Meteorologi Klimatologi dan Geofisika Vol. sekitar pusaran tersebut dan mempengaruhi sekitar wilayah Anip. KESIMPULAN penjalaran cold surge maka ketiga titik (Pontianak. 2 Juni 2015 flow yang mendukung sampainya penjalaran cold surge tanpa hambatan ke selatan (Indonesia). Mohd Hisham. Cold mm. dari angin Karakteristik Seruak Dingin Northeasterly menuju ke tekanan {Cold surge} Tahun 1995- rendah di perairan dekat Brunei 2003.4 mm). dan tahun 2008. Kemudian sesuai teori. Ketapang memiliki curah hujan  Gangguan berupa vortex di sebesar 17. Pontianak masih dalam Dissertation of The Interannual sekitar wilayah tersebut. terpenuhi. Edvin.0 matahari bergerak ke utara. namun dengan kecepatan yang lebih lambat. sekitar Kalimantan Barat.2 mb yang vortex mengakibatkan tidak ada jika diklasifikasikan sesuai hujan di Pontianak karena massa karakternya termasuk dalam cold udara di Pontianak telah terbawa surge dengan intensitas oleh gerak vortex dan lemah. Melihat tepat pada pertengahan musim tabel perbandingan curah hujan dingin di BBU. Nangapinoh.4 mm) dan Ketapang (curah hujan sebesar 6.2 No. Nangapinoh memiliki curah surge paling kuat terjadi pada hujan sebesar 44. Tanggal 21 November 2009 surge kuat pada tanggal 17 Selanjutnya lihat selisih November 2009. Missouri yaitu Nangapinoh (curah hujan sebesar 5. 2012. sehingga and Interdecadal Variability of dimungkinkan terjadi hujan cukup the Borneo Vortex during besar. Identifikasi dan konvergensi.9 knot yang lokal artinya cold surge dapat menjalar ke selatan.3 mm. Cold (Tabel 1) tersebut bahwa Pontianak surgeminimum : April. saat memiliki curah hujan sebesar 3. Besar komponen terjadi hujan karena-dominasi- angin v adalah 15. DAFTAR PUSTAKA Kecepatan angin v melemah karena adanya pengaruh Aldrian.

1996. Atmospheres. A case study of Laboratory.Cetakan kedua. Peter Lawrence Livermore National Braesicke. 2010. dan Mike Jimenez. Ron MSgt.H. Synoptic Terapan. Ding. Tjasyono. Disturbances over the Equatorial South China Sea and Tjasyono. Bayong. Klimatologi. Sperber and James Holton. during Boreal Winter. Deteksi Potensi Gerak Vertikal Atmosfer Di Atas Yihui.California : Academis Cold surges: Results from the Press Inc. Monsoon over China Wilayah Bandung dan (Atmospheric Science Library Sekitarnya. 2012. 2006. 1992. the Borneo Vortex genesis and 40 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2011. An Introduction to S. . Bayong.Bandung : Pionir Jaya. Journal of (Trainee workbook).2 No. Vol.. R. Western maritime Continent ITB. Jakarta. J. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Soerjadi. Patrick A. Endarwin. 1991. Cuaca. Azizan Abu Samah. 2 Juni 2015 Bridges. Klimatologi Jen Chen. Climatology of Dynamic Meteorology Third East Asian Winter Monsoon and Edition.. Nebraska : Geophysical Research: Air Force Agency. 11 No. California : See Hai Ooi. Kenneth R. Boyle. 116. C. Chang. Jurnal Sains & :16). Zhang. Analysis and Prognosis circulation.Vol. its interactions with the global 2000. Tips Melacak seruak Naval Postgraduate School. dingin (cold surge) Monsun Dingin Asia. P.1. 1979-1995 NCEP/NCAR Reanalysis. Harr dan Hway.1991. Belanda : Kluwer Teknologi Modifikasi Academic Publisher. California : Department of Meteorology of W. Bandung. Yi.

Penelitian ini mengambil contoh kasus angin kencang di Pesisir Barat Bengkulu yang terjadi pada tanggal 22 Februari 2014. According to radar sensing analysis.paski@yahoo. Kata Kunci : awan konvektif. Jurnal Meteorologi Klimatologi dan Geofisika Vol. radar sensing. where data from BMKG’s radar sensing was collected. especially in cloud observation. Based on the analysis. puting beliung ABSTRACT Parameterization is a method in conditional weather analysis. Metode yang dilakukan adalah parameterisasi berdasarkan corak warna dan sifat fisis gema citra radar terhadap awan-awan konvektif yang terbentuk di sepanjang Pesisir Barat Bengkulu dimana data didapatkan dari citra radar cuaca BMKG Bengkulu. Salah satu bentuknya adalah parameterisasi sel awan konvektif menggunakan corak warna gema citra satelit. Dari hasil anilisis citra radar. tornado 41 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Dari hasil anilisis tersebut diperoleh bahwa sel awan konvektif penyebab angin kencang termasuk ke dalam kumpulan awan multisel berskala meso (MCS) yang memiliki aliran downdraft kuat yang disebut sebagai gust front. One of its forms is the parameterization of convective cloud cells using shape and color of radar imagery.com ABSTRAK Parameterisasi merupakan salah satu cara dalam proses anilisis kondisi cuaca terutama dalam pengamatan awan. Anjasman2.2 No. 2 Juni 2015 PARAMETERISASI SEL AWAN KONVEKTIF PENYEBAB ANGIN KENCANG DI PESISIR BARAT BENGKULU BERDASARKAN WARNA GEMA CITRA RADAR (Studi Kasus : Tanggal 22 Februari 2014) Jaka Anugrah Ivanda Paski1. The gust front was detected to have occurred between the city of Bengkulu and the Seluma regency. it is determined that the convective cloud cells which caused the high winds belonged to a meso scaled multi cell cloud group which has a strong downdraft flow called a gust front. high wind speeds were reported during the afternoon. Sel-sel awan tersebut juga diindikasikan penyebab terjadinya angin puting beliung di Kabupaten Kaur. Dari hasil pengamatan synoptik di Stasiun Meteorologi Fatmawati Bengkulu telah terjadi angin kencang pada sore hari. gust front. dkk 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika 2 Stasiun Meteorologi Fatmawati e-mail : jaka. wind rotation was present in the area. Based on synoptic observation at Bengkulu’s Fatmawati Meteorology Station. terdapat rotasi angin di daerah tersebut. gust front. This study takes the example of high wind speeds within the coast of Bengkulu on the 20th of February 2014. The method used is parameterization based on cloud color patterns and physical properties of radar imagery towards convective clouds which formed along the west coast of Bengkulu. citra radar. The cloud cells were also indicated to have been the cause of a tornado in the Kaur regency. Gust front terdeteksi terjadi diantara Kota Bengkulu dan Kabupaten Seluma. Keywords: Convective clouds.

dan Diseminasi Cuaca Ekstrim. Oleh Saat ini. (lihat gambar 1) [2]. dan semakin besar Senin 24 Februari 2014 [1]. parameterisasi sel awan konvektif menggunakan hasil penginderaan jarak jauh Pada tanggal 22 Februari 2014 menggunakan data citra radar untuk terjadi angina kencang yang melanda membuktikan kejadian angin puting beliung pesisir barat Bengkulu pada sore hari. Karena kurangnya bukti citra radar menggunakan corak warna yang tersebut maka penulis melakukan analisa dihasilkan oleh gema citra radar cuaca. penulis mencoba bahwa angin kencang tersebut adalah angin menggolongkan sel awan menggunakan puting beliung. PENDAHULUAN Pelaksanaan Peringatan Dini. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Warna kecerahan dari gema (echo) berhubungan langsung dengan Penulis dalam hal ini memiliki intensitas curah hujan di dalam awan. angin kencang tersebut intensitas hujan yang terjadi semakin besar adalah angin puting beliung. Parameterisasi terhadap sel angin puting beliung tidak didapati laporan awan sudah banyak dilakukan resmi pada jam berapa terjadinya peristiwa menggunakan beberapa cara seperti tersebut serta tidak ada bukti rekaman menggunakan model WRF ( Weather video. selain itu (presipitasi) oleh radar cuaca berdasarkan peristiwa ini ditandai dengan menurunnya seberapa besar pancaran energi radar yang suhu udara permukaan yang cukup tajam.2 No. Citra Radar 42 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Menurut nilai dBZ reflectivity menunjukkan laporan warga. tugas memberikan pelayanan informasi sehingga di dalam layar radar tidak hanya cuaca ekstrim sebagai mana telah tercantum menampilkan dimana hujan tersebut terjadi dalam Undang-Undang Nomor 31 tahun tetapi juga menampilkan intensitasnya [8]. Hal secara khusus dan angin kencang di pesisir ini ditandai dengan pergerakan sel awan barat Bengkulu secara umum.009 tahun 2010 tentang SOP Gambar 1. penulis mencoba untuk penggolongan terhadap suatu unsur cuaca memberikan analisa kejadian angina merupakan salah satu metode yang kencang atau yang diindikasikan sebagai dilakukan untuk mempermudah kegiatan putting beliung. parameterisasi atau karena itu. 2010 dan Peraturan KBMKG Nomor : KEP. Radar Doppler Gambar 2. observasi permukaan untuk membuktikan Dalam penelitian ini. Sayangnya untuk kejadian analisa cuaca. Pelaporan. foto dan data-data metorologi Reaserching Forcast) dan citra satelit. konvektif yang cukup besar menuju pesisir barat Bengkulu yang berasal dari Samudra Pengukuran intensitas curah hujan Hindia disertai oleh hujan lebat. Makin besar energi headline “Angin Putting Beliung Merusak pantul yang diterima radar maka makin Beberapa Rumah di Kabupaten Kaur” pada besar juga nilai dBZ. dipantulkan kembali oleh butiran-butiran Menurut laporan resmi tentang kejadian air di dalam awan dan digambarkan dengan angina kencang dari hasil pantauan Harian produk reflectivity yang memiliki besaran Rakyat Bengkulu dan diterbitkan dengan satuan dBZ (decibel). 2 Juni 2015 1.

Gambar 3. Multisel badai guntur. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Disini kita dapat membedakan tiga kemampuan dalam memperkirakan jenis dari awan badai tersebut yaitu sel intensitas curah hujan. Proses terbentuknya sel awan sederhana . 2 Juni 2015 Radar Doppler memiliki multisel. sederhana yang terbentuk akibat pengangkatan uap air dari permukaan Menurut Holton. Ketika perubahan angin Menurut K. Yang berwarna kuning tunggal terbentuk. Pada citra di atas tunggal. vertical membesar (>20 m/s) di bawah semua badai konvektif terdiri dari beberapa lapisan 4 km. Tiap-tiap sel ini sedang hingga kuat. Sel-sel ini cenderung ke bawah (downdraft) dapat tumbuh di daerah yang memiliki 43 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . daerah-daerah yang berwarna hijau dan biru Ketika perubahan angin vertikal kecil < 10 mengindikasikan terjadinya hujan dengan m/s di bawah lapisan 4 km maka sel awan intensitas sedang. sel-sel awan yang Sel-sel tersebut terdiri dari dua tipe yaitu sel menghasilkan badai guntur (thunderstorms) biasa dan supersel. Sel awan badai Guntur biasa (ordinary supersel dan multisel badai squall line [2] cell). awan badai oleh turbulensi angin. multisel dan awan badai supersel. multisel badai kluster. matang hingga punah dilalui dalam rentang waktu 25 hingga 45 menit. badai . Sel ini perubahan arah angin vertikal yang merupakan gabungan dari beberapa sel signifikan dengan kecepatan yang awan badai guntur. masa tumbuh. Menurut Ahrens. Dan cenderung konvektif memiliki bentuk yang bervariasi. Multisel awan memiliki perbedaan tahap disertai dengan pergerakan massa udara pertumbuhannya. Ketika perubahan angin mengindikasikan akan terjadinya hujan vertikal sedang (10-20 m/s) di bawah dengan intensitas lebat.2 No. Sel- berwarna merah mengindikasikan akan sel baru akan terbentuk disepanjang gust terjadinya hujan lebat disertai badai guntur front dimana uap air hangat terangkat ke dan gusty (lihat gambar 2) [3]. Sel ini merupakan sel awan [4]. maka multisel terbentuk. atas dan massa udara dingin turun sebagi aliran downdraft.A Browning 1976. Badai-badai konvektif terdiri dari: tersebut dapat dibagi ke dalam sel badai tunggal. Setiap sel dimulai dari [5]. terbentuk di daerah yang memiliki Mulai dari bentuk awan konvektif tunggal perubahan arah angin yang tidak hingga gabungan dari beberapa awan badai signifikan (lihat gambar 3). Daerah-daerah yang lapisan 4 km. maka akan terbentuk supersel sel-sel konvektif.

Jurnal Meteorologi Klimatologi dan Geofisika Vol. Mesoscale Convective System (MCS) besar disertai dengan hembusan angin merupakan gabungan dari multisel yang sangat kencang dan hujan lebat. Squall line dapat menyebabkan terbentuknya hail yang . menandakan adanya aliran udara downdraft yang sangat kuat. Knots. Suhu udara terbentuk dibelakang gust front dan dipermukaan akan turun drastis dan berputar perlahan disepanjang sumbu disertai oleh hembusan angin yang kuat horizontalnya. Ketika angin kencang berhembus ke depan 44 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Gust front biasanya disertai Gambar 4. Multisel awan Gambar 5. Citra radar multisel awan disertai gust front .6 dan dengan kecepatan bisa melebihi 55 7). Gust front juga disertai oleh awan mengalir turun dan mencapai rendah bergulung (roll cloud) yang permukaan tanah. Gust front disertai awan bergulung Gambar 7. badai guntur yang besarnya mencapai Di citra radar. menyebabkan terjadinya angin gust awan arcus (uap air hangat) yang front dan microbust yang kuat.5. Busur front dingin dengan panjang garis tersebut dinamakan bow echo (lihat tersebut bisa mencapai ratusan gambar 8). corak gema squall line 1000 kali dari sel tunggal (lihat gambar berbentuk seperti busur yang 9) [3]. Gust front disertai awan arcus Gambar 6. angin tersebut multisel awan badai yang membentuk mendorong sel-sel squall line sehingga garis awan badai guntur disepanjang membentuk seperti busur. 2 Juni 2015 . Squall line badai guntur merupakan sepanjang daratan. kilometer. (lihat gambar 4. Gust terbentuk disepanjang tepi depan gust front terjadi ketika udara dingin front.2 No.

MCS Menurut Ahrens. Puting beliung merupakan fenomena pembentukan awan-awan multisel ataupun meteorologi skala meso yang dapat dari sel awan tunggal/sederhana. CAPPI V. DATA DAN METODE a. Tornado dianalisa kecepatan dan arahnya nonsupersel dapat juga terbentuk menggunakan citra radar CAPPI (V) dan disepanjang gust front dimana disana terjadi HWIND [7]. 2 Juni 2015 Gambar 8. Arah angin yang berputar menjadi indikasi terjadinya puting beliung 2. Citra radar squall line Gambar 9. merupakan tornado lemah yang bukan Contoh tornado nonsupersel adalah terjadi akibat dari pembentukan dinding waterspout dan landspout (lihat gambar 10) awan badai. sirkulasi turunya uap air dingin (downdraft) Gambar 10. Landspout Gambar 11. Tornado ini bisa terjadi dari [3]. tornado nonsupersel dan naiknya uap air hangat (updraft). Jurnal Meteorologi Klimatologi dan Geofisika Vol. CAPPI dan Data yang digunakan pada tulisan HWIND 500 meter dari Radar Doppler ini adalah : Gematronik Stasiun Meteorologi 45 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Data utama yang terdiri dari data citra radar jenis PPI.2 No.

Sulawesi dan bahwa pertumbuhan awan-awan konvektif selatan Papua. pertumbuhan awan-awan konvektif di perairan Samudera Hindia barat Bengkulu Dari analisa gradien angin (GA) dan Lampung. Bengkulu dan Lampung berada pada kuadran 7 Western Pacisific.00-12. HASIL DAN PEMBAHASAN dan analisis gradien angin (GA) jam 00. data angin maksimum jam 10. Hal ini menunjukkan Jawa.50 sebagai berikut : UTC dan data perubahan tekanan udara 3 jam pada pukul 06. 2 Juni 2015 Fatmawati Bengkulu dengan radius 200 Adapun Metode yang akan Km.00 UTC. Data observasi permukaan Sumatera tanggal 22 Februari dari Stasiun Meteorologi Fatwati Bengkulu berupa Keadaan atmosfer pada tanggal 22 data suhu permukaan jam 00.22-11.2 No. Data pendukung yang terdiri dari citra tersebut berdasarkan teori yang ada dan satelit (CS) EH tanggal 22 Februari 2014 telaah pustaka. 09.00-10. 46 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .00. dapat dilihat bahwa terjadi citra satelit (CS) EH jam 08. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Keadaan Atmosfer di Bagian Barat (BOM). (bagian yang diarsir warna merah) dan seperti terlihat pada gambar di atas (bagian kemudian terjadi konvergensi di daerah yang diarsir merah).00 UTC yang diunduh dari situs website Biro Meteorologi Australia a. Data model meteorologi tanggal 22 Februari 2014 yang terdiri dari data MJO tracking 3. sel awan badai berdasarkan corak warna gema dari citra radar dan sifat fisis sel-sel b.00 Februari 2014 di barat Sumatera adalah UTC. signifikan di perairan Samudera Hindia pergerakan osilasi Madden-Julian (MJO) barat Padang.00 dan 11. Hal ini diperkuat dengan jam 00.22 UTC. MJO Gambar 13.00 UTC. Citra yang akan diinterpretasi digunakan dalam menganalisa kejadian adalah citra radar tanggal 22 Februari tersebut adalah dengan menggolongkan sel- 2014 jam 08.00 UTC perubahan/belokan arah angin yang sangat bahwa terjadi pertumbuhan awan konvektif yang besar di daerah tersebut. selatan Kalimantan. Karena perubahan arah di barat Sumatera tidak dipengaruhi oleh angin yang signifikan tersebut maka terjadi osilasi Madden Julian. jam 08. Streamline Pada tanggal 22 Februari.00 UTC yang diunduh dari website BMKG. 22 Feb Gambar 12.

Kemudian pesisir pada jam 07.2 No. Karena ukuran dan area permukaan yang cukup tajam.00 UTC daerah pesisir barat Padang. Bengkulu dan yang diukur oleh pengamat di Stasiun Lampung maka sel-sel konvektif tersebut Meteorologi Fatmawati Bengkulu.00 UTC menjadi 29.20C pada jam 05. System (MCS). sebagai indikasi akan terjadinya kejadian awan tersebut dikategorikan awan-awan tersebut. 2 Juni 2015 Gambar 14.00 UTC suhu udara naik 47 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . yaitu turunnya suhu udara multisel. Jika citra satelit di atas melanda pesisir barat Bengkulu ada dibandingkan dengan Gambar 9 dan dilihat beberapa tanda awal yang dapat digunakan dari bentuk fisik awan tersebut maka awan.28 UTC bahwa Barat Bengkulu terdapat kumpulan multisel konvektif memanjang di pesisir barat Bengkulu (lihat Dari citra satelit EH di atas dapat Gambar 21). Dari data cakupannya yang sangat besar meliputi suhu permukaan jam 00. Hal ini 28. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Hal ini juga diperkuat Gambar 15.00 UTC dengan selisih menunjukkan bahwa tekanan udara di penurunannya sebesar -1. Analisa Angin Kencang di Pesisir dengan citra radar jam 10.90C. Citra Satelit b. terjadi penurunan suhu udara yaitu 08.60C pada jam 06.30C dengan selisih dari 30.20C dan turun kembali pada jam bahwa. dilihat bahwa awan-awan konvektif multisel tumbuh di perairan barat Samudera Sebelum angin kencang tersebut Hindia.00-12. Grafik suhu permukaan Dari gambar 15 dapat dilihat menjadi 31.00 UTC menjadi penurunanya sebesar -1.60C. termasuk dalam Mesoscale Convective diperoleh hasil seperti grafik di bawah ini.

Perbedaan tekanan dari citra radar jam 09. Aliran awan konvektif yang telah terbentuk di udara ini menyebabkan sel-sel awan Samudera Hindia bergerak ke pesisir barat konvektif tersebut melengkung berbentuk Bengkulu disertai dengan hembusan angin seperti busur atau bow echo (lihat gambar kencang. Citra radar jam 09. pergerakan massa udara yang turun ke bow echo Gambar 16. Perubahan tekanan udara downdraft) sehingga menimbulkan udara 3 jam pada jam 06. Posisi gust front di garis merah 48 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .00 UTC tercatat hembusan angin yang kencang. Jurnal Meteorologi Klimatologi dan Geofisika Vol.3 milibar. Jika dilihat sebesar -2.18 UTC gust front Gambar 17.18 UTC maka udara inilah yang menyebabkan sel-sel terdapat aliran udara downdraft.2 No. Angin tersebut berasal dari 16). 2 Juni 2015 barat Bengkulu lebih rendah daripada permukaan dengan kecepatan tinggi (aliran tekanan udara di lautan.

Ketinggian angin mengalami perubahan yang gust front dari permukaan tanah sekitar 108 signifikan.2 No. Gambar 18. dapat dilihat bahwa arah Seluma dan Kota Bengkulu.12 UTC Gambar 19. terdeteksi adanya angin gust front yang Dari citra radar jam 09. 2 Juni 2015 Aliran udara downdraft yang mengalir ke depan searah dorongan tersebut dinamakan gust front. Jurnal Meteorologi Klimatologi dan Geofisika Vol.50 UTC diperoleh hasil pengukuran kecepatan angin maksimum sebesar 24 knot ≈ 12 m/s. Untuk mendeteksi c.22 UTC 49 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Hal ini diindikasikan m/s dan kecepatan maksimumnya 30.32 UTC. Diperkirakan mencapai perbatasan Kabupaten Bengkulu bergerak dengan Kecepatan rata-rata 16. adanya rotasi angin di wilayah tersebut Dari hasil pengukuran kecepatan angin yang dapat menyebabkan terjadinya angin permukaan Stasiun Meteorologi Fatmawati puting beliung . Analisa Angin Puting Beliung di terjadinya gust front maka digunakan citra Kabupaten Kaur radar. jam 10.22 posisinya berada diantara Kabupaten dan 09.5 m/s.18 UTC. Arah angin rata-rata bergerak m dengan kekuatan hembusannya dari arah barat dan kemudian berubah arah dikategorikan kuat (strong) dan rentang menuju selatan hingga barat daya ketika panjangnya sekitar 12 km. Dari citra radar jam 10. Citra radar jam 09. Citra radar jam 09.12.8 Selatan dan Kaur. 09.

R. Koran Rakyat Bengkulu. Vol : 104. Citra radar jam 10.go. Monthly Weather Review.32 UTC Gambar 21. Part V : Synthesis and Implications for Hail Growth and Hail Suppression. Belmont : USA. [3]. disimpulkan bahwa sel-sel awan konvektif [7]. DAFTAR PUSTAKA [1]. Meteorology Today : An Introduction to Weather. Ahrens. (2013).bmkg. [4]. Dari analisa citra radar. An Introduction to Dynamic Meteorology Fourth Edition : USA. (2009). Diakses 6 April 2013. Analisa Citra Radar dan Satelit Angin Kejadian 4. Y& Xiaoding.www. 553 hal. Doppler Weather Radar Imaginery Products Application. 621 hal. terdapat rotasi angin di wilayah antara Kabupaten Bengkulu Selatan dan Kaur pada yang mengindikasikan terjadinya angin puting beliung di daerah tersebut. Angin kencang yang melanda pesisir barat Bengkulu dapat digolongkan sebagai angin Gust front. Bidang Pengelolaan Dari Pembahasan di atas dapat Citra Inderaja. (2013). [5].S. Citra radar jam 09. Nint Edition. 2 Juni 2015 [2]. Angin Putting Beliung Merusak Beberapa Rumah di Kabupaten Kaur. J. CMA Training Centre. Harian Rakyat Bengkulu (2014). (2004). Citeko : Bogor. C. Y. Holton.D.id/BMKG yang menyebabkan angin kencang di pesisir Pusat/Meteorologi/Citra Radar. Nugroho. Browning et. Gambar 20. barat Bengkulu adalah kumpulan awan bmkg. BMKG : Jakarta. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Climate and The Environment.2 No. badai multisel dengan skala meso atau Mesoscale Convective System. E. Diperlukan data- data pendukung udara atas dalam menganalisa kejadian ini lebih lanjut. Senin 24 Februari 2014 : Bengkulu. Wei. 50 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .28 UTC [6]. Structure of an Evolving Hailstrom.al. (1976). KESIMPULAN Angin Puting Beliung di Maros (12 Januari 2013).

radar. radar. Kata kunci : Cumulonimbus. menjadi pola utama pembentukan awan di ditandai dengan timbulnya awan pertama Indonesia. Keywords : Cumulonimbus. Riska Fadila1 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Email : fitriantinovibima@gmail. Radiasi membentuk. That software willl be used to know Spacial cycle (movement Cumulusnimbus cloud from one point to other). dan tahap ciri khasnya. Jurnal Meteorologi Klimatologi dan Geofisika Vol.1.1 untuk mengetahui pola pergerakan awan dari satu titik ke titik lainnya. terlihat tumbuh pesat terutama komponen Cumulonimbus merupakan awan vertikalnya karena seluruh gerakan atau yang tebal dan padat dengan perkembangan arus dalam pertumbuhan awan bergerak ke vertikal yang cukup besar.com ABSTRAK Penelitian ini dilakukan untuk mengetahui pola hidup dan spasial dari awan Cumulonimbus berdasarkan citra Radar untuk wilayah Kota Bima. dan gaya Indonesia merupakan negara yang angkat (panas) untuk berada di wilayah khatulistiwa. The result obtained to know life cycle and characteristic Cumulonimbus cloud of Kota Bima by temporal and spasial. Hal ini menyebabkan disipasi. Adapun pola spasial dari awan Cumulonimbus digunakan software Arcgis 10. pembentukan awan secara konvektif Pada fase tumbuh/ cumulus. massa udara yang tidak stabil.2 No. spasial 1. Processed data from Radar data Stasiun Meteorologi Salahuddin Bima Januari 2015.To know life cycle of Cumulonimbus cloud. NTB. information of DbZ based on radar image will be process in the form of data on software Microsoft Exel 2007 then modeling by software Arcgis 10. tahap dewasa . PENDAHULUAN cumulonimbus membutuhkan kelembaban. Cumulonimbus/ sel badai matahari sepanjang hari dan suhu massa udara biasanya melalui tiga tahap : permukaan laut yang cukup hangat menjadi tahap cumulus. atas sehingga semakin besar dan dapat 51 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . pola hidup. spasial ABSTRACT This research is done to know life cycle and spasial Cumulonimbus cloud based on Radar image for Kota Bima. Data yang diolah adalah data Radar Stasiun Meteorologi Salahuddin Bima Bulan Januari 2015. 2 Juni 2015 ANALISA POLA HIDUP DAN SPASIAL AWAN CUMULONIMBUS MENGGUNAKAN CITRA RADAR (Studi Kasus Wilayah Bima Bulan Januari 2015) Novi Fitrianti1 . life cycle. NTB. Untuk mengetahui pola hidup dari awan Cumulonimbus digunakan informasi nilai dbZ berdasarkan Citra Radar lalu informasi tersebut diolah dalam bentuk data pada software Microsoft Exel 2007 kemudian pada tahap selanjutnya dilakukan pemodelan menggunakan software Arcgis 10.1. Salah satu awan konvektif yang yang tumbuh menjadi besar berbentuk paling terkenal adalah jenis awan Cumulus.Secara umum. awan calon Cumulonimbus akan Cumulonimbus (Cb). Hasil yang didapat dari penelitian ini digunakan untuk melihat pola pertumbuhan dan karakteristik awan Cumulonimbus wilayah Kota Bima dilihat secara temporal serta pergerakan awan Cumulonimbus dari satu tempat ke tempat yang lain. Apriliana Rizqi Fauziyah1 .

2 No. Lynch dan John J. Fase ini dan turun (down draft) sehingga kristal. dan Fase dewasa tercapai jika puncak kenaikan tekanan udara di bawah awan. 30 menit. Garis vertikal antara dasar awan dan permukaan menunjukkan presipitasi ( hujan atau hujan es ) . Arus turun ketinggian 15 kilometer. Panah menunjukkan arus turun (downdrafts) dan arus naik (arus naik) dalam awan .Swarinoto(2013). Pada bagian tersebut kecepatan setelah tetesan awan beku. Dari data radar cuaca dipantulkan kembali oleh butiran-butiran tersebut dapat dilakukan antara lain analisis air di dalam awan dan digambarkan dengan tentang pertumbuhannya. padat ini mendapat tekanan dari tropopause Fase disipasi (pelenyapan). Arus downdrafts yang mengurangi suhu di turun paling besar terdapat pada bagian bawah awan. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Makin besar energi Wirjohamidjojo dan Yunus pantul yang diterima radar maka makin S. Pada tahap ini ditandai dengan adanya arus udara ke pula. Citra radar cuaca besar juga nilai dBZ. Pengukuran intensitas curah hujan Jangkauan terjauh/maksimum produk 52 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Awan mulai runtuh karena tidak ada bagian tengah awan pada ketinggian antara panas laten tambahan yang dilepaskan 6 –7 km. Bagian atas awan adalah di tropopause. dan disipasi . bawah awan dengan kecepatan turun Gambar 1. Umur tingkat tersebut dapat menimbulkan angin muda tersebut sangat pendek. penurunan mendadak pada suhu udara. mature . hanya sekitar mendadak dengan kecepatan besar. menunjukkan tahap cumulus . dan semakin besar menggambarkan potensi intensitas curah nilai dBZ reflectivity menunjukkan hujan yang dideteksi oleh radar cuaca. Arus naik paling kuat terdapat di ringan. 2 Juni 2015 menjulang tinggi di angkasa hingga mencapai 0.5 km/menit. awan sudah membentuk landasan dengan Arus turun dapat sangat kuat dan disebut bagian atas berbentuk datar karena awan “longsoran udara (down burst).8 – 1 km/menit. disertai dengan intensitas hujan yang makin kristal es bisa menembus bagian bawah dan menurun dari hujan sedang menuju hujan tengah. yang sangat stabil dan panas. sedangkan bayangan awan dan hujan didinginkan oleh di bagian lain terdapat arus turun. dan karena naik mencapai 1 – 1. Cassano 2006) Dalam hal khusus analisa awan (presipitasi) oleh radar cuaca berdasarkan dilakukan lebih rinci dengan menggunakan seberapa besar pancaran energi radar yang citra radar cuaca. intensitas hujan yang terjadi semakin besar. gerakannya. arus udara dalam awan naik (up draft) bawah yang lemah di seluruh sel. (Amanda H. dan produk Reflectivity yang memiliki besaran kandungan airnya menurut Soerjadi satuan dBZ (decibel).

074878 Gambar 2.62462 40 11.53072 30 2. Warna yang ditunjukan dalam Nilai DBZ ini diperkiraan radar merupakan kekuatan energi yang mempunyai tingkat curah hujan yang kembali ke radar dinyatakan dalam nilai ditunjukkan pada tabel berikut . Jurnal Meteorologi Klimatologi dan Geofisika Vol. Ini adalah desibel/ dbZ (NOAA 2004). dan juga berpengaruh terhadap stabilitas atmosfer. Penaksiran Gerak vertikal sangat penting untuk membentuk awan .Vertical velocity sendiri adalah komponen kecepatan (gerak) vertikal.bmkg).0483 50 48. 2 Juni 2015 Reflectivity dari radar BMKG adalah sekitar 240 km dari lokasi radar (http://www. 53 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Skala nilai dbZ radar cuaca BMKG Selain nilai reflektifitas.153765 5 0. Konversi nilai dbZ ke curah hujan Gambar 3.734364 20 0.go.bmkg.2 No. tingkat curah hujan per jam saja dan bukan Nilai DBZ dapat dikonversi ke jumlah yang hujan sebenarnya pada daerah curah hujan dalam milimeter per jam yang menerima hujan.id/BMKG_Pusat/Info rmasi_Cuaca/Pengindraan_Jauh/Citra_Rada r. dalam radar juga terdapat data vertikal velocity/kecepatan vertikal. dengan menggunakan rumus ini : dbZ mm/jam 70 864.6817 60 205.64842 10 0.

2 Juni 2015 Gambar 4. Selain itu penelitian mengumpulkan data yang dibutuhkan dalam dilakukan untuk mengetahui pola spasial penelitian.2. 2. dan tanggal 26 Januari 2015 untuk mewakili wilayah laut. Hasil analisa grafik dan analisa spasial digabungkan untuk dianalisa dan digunakan 54 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Hasi dari digitasi nilainya proses pada setiap tahap. Khusunya kami Cumulonimbus. Metode -Analisa grafik Data Reflektivitas (Z) dibaca nilai -Analisa spasial dbZ dan nilai V. Melalui proses Georeferencing dianalisa untuk mengetahui seberapa lama kemudian digitasi. Data yang digunakan adalah data yang terjadi melalui digitasi nilai reflektifitas (Z) dan kecepatan vertikal (V) reflektifitas.1.Dari grafik akan 10.Diharapkan nanti akan radar cuaca Bulan Januari 2015 di Stasiun didapatkan pola pergerakan awan Meteorologi Bima. DATA DAN METODE II. tahap matang dan Tahap awal penelitian ini adalah tahap disipasi.1 . Analisa ini biasa di ekspor kemudian dipetakan pada grafik disebut analisa time series. tiga dimensi menggunakan SPSS.2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. serta karakter awan Januari 2015 untuk mewakili wilayah darat Cumulonimbus. Data mengetahui pola hidup Cumulonimbus dari mulai tahap Cumulus. pola pertumbuhan mengambi data radar caca pada tanggal 3 Cumulonimbus. skala nilai vertical velocity radar cuaca BMKG Penelitian ini bertujuan untuk II. Dari nilai keduanya Nilai reflektifitas(Z) dibaca sebagai dbZ (persepuluhmenitan) dibuat grafik kemudian di olah menggunakan ArcGIS menggunakan excel.

HASIL DAN PEMBAHASAN kesimpulannya. vertical Velocity Tanggal 3 Januari 2015 Gambar 6. Pembuktian Terdapat Pembentukan Awan Cumulunimbus Untuk membuktikan bahwa pada tanggal 3 dan 26 Januari 2015 terbentuk awan cumulonimbus digunakan Data Vertikal Velocity Harian dan Data Citra Satelit Pada Jam Terindikasi terbentuknya Cumulunimbus. Citra Satelit Tanggal 3 Januari 2015 Jam 06. Gambar 5.00 UTC 55 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 Juni 2015 untuk saling memperkuat hasil 3. III.2 No.00 dan 07.1. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

2 Juni 2015 Gambar 7. Citra Satelit Tanggal 26 Januari Jam 18. Tanggal 26 Januari 2015 yaitu pada jam untuk Wilayah Daratan menunjukkan 18.00 UTC.00 dan 19. Vertical Velocity Tanggal 26 Januari 2015 Gambar 8. Adapun Nilai Vertical Cumulunimbus. untuk membuktikan hal Velocity pada wilayah tersebut tersebut digunakan Analisis Vertical menunjukkan nilai -0. 56 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .00 UTC Data Citra Satelit Tanggal 3 januari Sedangkan data Citra Satelit 2015 yaitu pada jam 05. energy ini telah bisa pada wilayah tersebut bernilai besar memungkinkan massa udara terangkat ditunjukan dengan nilai -0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.03 pada ketinggian velocity. Adapun Nilai Vertical velocity 700 mb.14 pada sehingga dapat membentuk awan ketinggian 850mb dimana pada ketinggian Cumulonimbus.2 No.00 dan 06. tersebut energinya memungkinkan terbentuknya Awan Cumulunimbus. Untuk Wilayah Lautan pembentukan awan yang signifikan (area bagian selatan pulau ) menunjukkan sehingga potensi terbentuknya Awan pembentukan awan yang cukup signifikan Cumulunimbus cukup tinggi dilihat dari dan dilihat dari gradasi dan tingkat gradasi tingkat kecerahan awan ketebalan awan maka wilayah tersebut menunjukkan bahwa pada wilayah Bima berpotensi terbentuknya awan memang berpotensi terbentuknya Awan Cumulunimbus.00 dan 19 UTC.

Proses ini ditandai dengan terjadi peningkatan nilai reflectifity sekitar menurunnya nilai Reflectifity maupun nilai 50Dbz yang diikuti dengan bertambahnya velocity. Pematangan berakhir. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. Bima Dilihat dari perbandingan Penentuan Tahap ini dilihat dari nilai Reflectifity dan velocity dapat dilihat Reflectifity yang berkisar sekitar 55Dbz bahwa Proses Tumbuh Awan dan terjadi kenaikan nilai velocity. Grafik Perbandingan Nilai Reflectifity dan Velocity Tanggal 3 Januari 2015 Wilayah Daratan. 57 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .10 s/d berbeda dengan pola didaratan baik dari 05. Berkisar 20 Menit Pada Proses ini.. artinya hanya diperlukan Waktu tahap Tumbuh. 2 Juni 2015 III.00 UTC. Data yang digunakan adalah Nilai Reflectifity (DBz) yang kemudian Adapun Pola Hidup dari Awan dibandingkan dengan menggunakan Nilai Cumulunimbus baik di daratan dan Vertical Velocity. Life Time dan Karakter Awan Dilautan memilki tiga tahapan Cumulunimbus Wilayah Daratan dan pembentukan yaitu tahap Tumbuh.30 sampai 5.2. nilai Vertical velocity.00 s/d oleh Vertikal velocity yang tidak terlalu 06. Matang dan Disipasi. jadi pada proses tumbuh UTC dimana pada waktu tersebut proses awan memerlukan Waktu sekitar 40 menit. Gambar 9. Adapun Pola Hidup wilayah Lautan Proses selanjutnya yaitu proses yang terjadi pada tanggal 26 Januari 2015 Mature/Matang terjadi pada jam 05. Matang Lautan dan Disipasi.30 Puncak Reflectifity terjadi pada jam 05. Apabila dilihat dari nilai reflectifity yang Proses yang terakhir adalah Proses berkisar antara 40 s/d 50 DBz didukung Disipasi yang terjadi pada jam 05. proses ini memerlukan waktu signifikan.00 UTC dimana lebih.20 UTC. Nilai Cumulunimbus Terjadi pada jam 4. Proses Tumbuh mengalami yang cukup lama sekitar 50 menit atau Puncaknya pada jam 05.30UTC.

2 No. kenaikan nilai waktu 30 menit.40 s/d 19. Proses yang terakhir adalah Adapun Cara penentuan yaitu dengan disipasi. penentuan proses ini dilihat dari nilai Dbz Penentuan karakter Awan yang cukup tinggi dan nilai velocity yang Cumulunimbus dibagi menjadi tiga tahap mengalami peningkatan. pada fase tumbuh kenaikan nilai peningkatan nilai velocity yang cukup velocity tidak langsung diikuti dengan signifikan.30 Untuk proses pertumbuhan awan UTC. Matang dan Disipasi.00 s/d 18. yang berarti proses ini membutuhkan cumulonimbus di daratan. proses ini waktu sekitar 10 menit. Proses ini ditandai proses tahapan pembentukan awan cumulonimbus 58 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . yaitu tahap Tumbuh. 2 Juni 2015 Gambar 10. Jurnal Meteorologi Klimatologi dan Geofisika Vol. memerlukan waktu sekitar 30 menit. Grafik Perbandingan Velocity dan Reflectifity tanggal 26 Januari 2015 dengan menurunnya nilai Reflectifity dan Proses Tumbuh pada wilayah Velocity. proses ini terjadi cukup Lama Penyebaran Awan yang dilihat dari tiga berkisar 160 menit. proses ini terjadi pada jam 19. Lautan terjadi pada jam 18.10 UTC. Luasan dan s/d 22. penentuan proses ini selain vertical velocity langsung diikuti dengan melihat nilai reflectifity juga melihat dari kenaikan nilai reflectivity namun beda pergerakan velocity dari waktu ke waktu halnya dengan proses pertumbuhan di dimana pada proses ini mengalami lautan . Dalam Pada proses Mature/Matang terjadi prosesnya terdapat perbedaan rentang pada jam 18.00 menganalisis Bentuk.40. peningkatan nilai reflectivity.

2 No. Pada proses Mature/Matang terlihat dengan kenaikan nilai velocity luasan bahwa ketika nilai velocity semakin tinggi wilayah cakupan inti sel ini semakin meluas maka awan-awan yang berbentuk namun nilai refektivity relative tetap. Life time dan Karakter Cumulunimbus Di Lautan GROW MATURE DISIPASSI Gambar 12. pada tahap ini luasan refektivity yang mencapai puncaknya. 2 Juni 2015 GROW MATURE DISIPASSI Gambar 11. terjadi kenaikan nilai menjadi satu cell awan dengan nilai DBz velocity dan diikuti dengan kenaikan nilai yang cukup tinggi. Pada Multicluster perlahan akan menyatu tahap mature/matang. tahap tumbuh yang terdiri dari beberapa inti Karakter pertumbuhan awan sel awan akan tetapi nilai dari Reflectifity Cumulonimbus diwilayah lautan pada tidak terlalu tinggi. sempit. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Pada awan bertambah. Life time dan Karakter Cumulunimbus Di Lautan Karakter pertumbuhan awan dibandingkan dengan cakupan wilayah cumulonimbus di daratan di awali dengan pada proses matang. Pecahnya inti sel Cumulonimbus atau dissipasi. dan luasan awan cukup proses tumbuh terbentuk satu inti sel awan. Sedangkan pada proses proses ini terjadi pertambahan cakupan disipasi nilai reflectivity awan turun dan wilayah inti sel awan yang cukup luas di diikuti dengan pecahnya inti sel awan lautan. cakupan ini menyebabkan cakupan wilayah dengan wilayah awan di lautan lebih meluas namun nilai refeleksiti turun menjadi lebih luas tidak memencar seperti yang terjadi di 59 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Pada tahap akhir fase hidup menjadi beberapa bagian.

501 -8.459 06 118.83 -8.54 -8.3.503 1920 118.55 -8.44 -8.422 0510 118. Hidup Awan Cumulonimbus Waktu bujur lintang 05 118. Jurnal Meteorologi Klimatologi dan Geofisika Vol.443 0550 118.57 -8.22 0740 118.439 0530 118.524 1850 118.61 -8.67 -8.62 -8.434 0540 118. pola spasial awan tersebut. Hubungan Pola Spasial dan Pola tetap di suatu tempat.20 07 118.21 0640 118.21 08 118. Koordinat pergerakan Awan Tabel 1.61 -8.53 -8.6 -8. Koordinat pergerakan Awan di Darat Di Laut Gambar 13.459 0610 118. Pergerakan Awan Di Lautan 60 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .57 -8.455 0620 118.83 Tabel 2.62 -8.58 -8. 2 Juni 2015 daratan.43 -8.2 No.69 -8.58 -8.59 -8.22 0710 118.523 1840 118.22 0720 118.49 -8.545 1900 118.52 1820 118.429 0520 118. Pergerakan Awan Di Daratan Gambar 14. Pada fase ini nilai velocity di dalam awan menurun .73 -8.61 -8.462 Waktu bujur lintang 0630 118.91 -8.21 0750 118.. Hal ini terjadi karena pada siklus hdupnya awan tidak III.632 1930 118.526 1830 118. penurunan nilai Pertumbuhan awan Cumulonimbus velocity diikutu dengan penuran nilai dalam siklus hidupnya akan diikuti dengan refelivity.19 0650 118.586 1910 118.55 -8.52 -8.76 -8.

MA. Disamping itu. An Introduction to di darat dan di laut sangat jelas Dynamic Meteorology. Ditinjau dari jarak pergerakannya awan di daratan bahwa pada proses matang awan bergerak sejauh 144 m. J. R. John Wiley & Sons Ltd. 4.bmkg diakses pada tanggal 20 Maret 2015 lautan .bmkg. Dan cakupan wilayah terbentuknya awan Cumulonimbus di lautan lebih luas dibandingkan dengan cakupan wilayah awan di daratan yang ditinjau dari proses lifetime tahap mature. DAFTAR PUSTAKA Lynch. karakter awan Cumulonimbus di lautan inti sel yang terbentuk satu inti sel sedangkan untuk wilayah daratan karakter awan Cumulonimbus yang terbentuk adalah multisel.J. 2004. Burlington.id/BMKG_Pusat/Infor tenggara Stasiun Meteorologi Bima masi_Cuaca/Pengindraan_Jauh/Citra_Radar sedangkan untuk sikulus Cumulonimbus di .. Applied Atmospheric Dynamics.. pergerakannya awan Cumulonimbus yang tumbuh di darat dominan bergerka kearah http://www. 2006.Cassano. A. Sedangkan jarak pergerakan awan Cumulonimbus di wilayah lautan mencapai sekitar 11 km. hal ini menunjukkan bahwa cakupan wilyah terjadinya hujan di lautan jauh lebih luas dibandingkan dengan yang terjadi di daratan. perbedaannya. 4th ed. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. J. sehingga dapat disimpulkan bahwa dalam wilayah tersebut terjadi puncak hujan oleh awan Cumulonimbus. KESIMPULAN Secara umum pola hidup awan Cumulonimbus di lautan membutuhkan waktu yang lebih lama dari di daratan. Pola spasial awan Cumulonimbus secara umum di daratan bergerak kea rah tenggara sedangkan yng terjadi di lautan cendrung bergerak kea rah timur laut. awan ini cendrung bergerak kearah timur laut.H. 2 Juni 2015 Pola spasial awan Cumulonimbus Holton. Ditinjau dari arah Elsevier. England 61 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .go.

Akan tetapi elevasi tidak memberikan pengaruh yang signifikan terhadap nilai korelasi ini sehingga kemungkinan terdapat variabel pengaruh lain yang lebih kuat seperti penggunaan lahan ataupun subyektifitas pencatat data hujan. Tingkat korelasi antar stasiun hujan juga harus diketahui yang dapat ditentukan dengan menghitung harga R dari keempat stasiun yang diuji. More stations were placed on a flat area rather than in mountainous areas which have high variation of elevations that impact on rainfall events due to the orographic effects.75 (rentang R = 0. stasiun hujan. Sementara hasil uji korelasi menunjukkan bahwa antar stasiun sampel belum memiliki korelasi data yang baik dengan nilai R < 0.68). Department of Meteorology. Kata kunci: hujan. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Dolo. uji konsistensi dan korelasi ABSTRACT Java Island is a region in Indonesia which has a high density of rainfall station network including in Special District of Yogyakarta. Rahadian Andre Wiradiputra1 1 Jurusan Geografi Lingkungan. Hal ini membutuhkan penelitian lebih lanjut sehingga ketepatan jaringan stasiun hujan dapat diidentifikasi. Dolo. Gunungapi Merapi merupakan gunungapi aktif yang memberikan efek orografis yang tinggi pada kejadian hujannya. DIY Annisa Ayu Fawzia1. Climatology. STASIUN DOLO. Fakultas Geografi. Hingga saat ini tercatat ada 85 stasiun hujan di BMKG DIY. Namun. penempatan stasiun hujan lebih banyak di daerah yang datar padahal daerah yang memerlukan lebih banyak stasiun hujan adalah daerah dengan variasi topografi tinggi seperti daerah pegunungan karena variasi curah hujannya juga lebih tinggi akibat pengaruh orografis. Pengujian data hujan yang di antaranya adalah uji konsistensi dan uji korelasi perlu dilakukan untuk mengetahui ketepatan penempatan stasiun hujan. and Geophysics of Yogyakarta has noted that there are 85 rainfall stations in this province which are not spread well. are needed to examine the appropriate distribution of rainfall station network.98 – 1. Hasil pengujian konsistensi menunjukkan bahwa data hujan selama 20 tahun (1993-2013) di keempat stasiun sampel memiliki konsistensi yang baik dengan nilai koreksi mendekati 1 (rentang nilai koreksi 0. Universitas Gadjah Mada Yogyakarta ABSTRAK Pulau Jawa merupakan suatu wilayah di Indonesia dengan kerapatan jariangan stasiun hujan tertinggi salahsatunya di Daerah Istimewa Yogyakarta. data hujan. DAN STASIUN GONDANGAN DI LERENG GUNUNGAPI MERAPI. Prumpung.2 No. Merapi is an active volcano which influences the rainfall events in Yogyakarta. such as consistency test and correlation test. STASIUN JANGKANG. dan Gondangan.045). Uji konsistensi perlu dilakukan untuk mengoreksi kepanggahan data dengan metode kurva massa ganda (double mass curve). Prumpung.3 – 0. Some of rainfall stations placed here are Jangkang. Beberapa stasiun yang terdapat di lereng gunungapi ini di antaranya adalah Stasiun Hujan Jangkang. and Gondangan. 2 Juni 2015 PENGUJIAN DATA HUJAN PADA STASIUN HUJAN MELIPUTI STASIUN PRUMPUNG. Consistency test is needed for correcting the data consistency using double mass 62 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Rainfall data tests.

Kebutuhan paling sering dijumpai di daerah tropis. Pengukuran presipitasi dilakukan (Soewarno. Presipitasi didefinisikan panjang misalnya adalah dalam sebagai bentuk endapan air cair dan padat perencanaan bangunan air. rainfall station. dan desain kegiatan serta hujan adalah bentuk presipitasi yang pemodelan sistem atmosfer. variabel dari iklim dan cuaca adalah Sementara untuk kebutuhan data jangka presipitasi. 63 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .4 mm dengan (Barret. 1. prediksi kebutuhan air. uji data lintang tinggi. (Haynes. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Keywords: rainfall.75 (range of R = 0. Kebutuhan untuk data jangka ini karena iklim dan cuaca yang di pendek (real time data) misalnya adalah antaranya melingkupi hujan dan suhu untuk peramalan cuaca. 1981) 1 mm menunjukkan tebal (tinggi) air Keakuratan informasi hidrologi hujan yang menutupi permukaan jika air menjadi penting dalam analisis. Alat spesifikasi yang berbeda atau alat pengukur hujan disebut sebagai penakar yang sama akan tetapi kalibrasinya hujan (rain gauge) yang terdiri dari alat berbeda. such as land use or the subjectivity of data recording officer. Beberapa uji yang dapat dilakukan di Bencana yang dapat diakibatkan oleh antaranya adalah uji konsistensi dan uji curah hujan yang tinggi dengan intensitas korelasi data hujan. penakar manual dan otomatis (digital). perencanaan yang jatuh ke permukaan bumi dimana hidrologis. Oleh karena itu. 2 Juni 2015 curved method. 1995) untuk mengetahui jumlah. PENDAHULUAN Penanganan terhadap potensi sumberdaya air dan potensi bencana tidak lepas dari Iklim dan cuaca adalah unsur ketersediaan data curah hujan sehingga geografis yang paling penting dalam kebutuhan akan data hujan semakin mempengaruhi kehidupan manusia Hal meluas. Meanwhile. Salah satu pengelolaan sungai.98 – 1. dan banjir. This possibility needs a further research so that the appropriate distribution of rainfall station network can be identified. consistency and correlation tests 1. Alat ukur yang diganti dengan durasi.2 No. The test results showed that 20 years data (1993-2013) of four sample rainfall stations had good consistencies by the correction value approached 1 (range of correction value = 0. rainfall data. Apabila tersebut tidak meresap ke dalam tanah informasi yang dihasilkan tidak cermat atau menguap ke atmosfer.3 – 0. atau millimeter (1 inci = 25. yang semakin meluas ini tidak diimbangi Jumlah curah hujan dicatat dalam inci dengan keberadaan data cuaca yang baik. Daerah tropis maka akan menghasilkan analisis yang hujannnya lebih besar daripada daerah tidak akurat. Correlation test is also necessary by counting the value of R (t) from all of samples. elevation did not give a significant impact on the value of correlation so then comes a possibility which other variables may give a bigger impact on correlation. segala aktivitas manusia. Hujan selain menjadi stasiun hujan diperlukan untuk potensi air meteorologis di bumi dan mengetahui seberapa besar keakuratan sebagai input utama dari siklus hidrologis dari setiap data yang dihasilkan. identified by the small value of R < 0. the correlation between sample rainfall stations were low.045).68). But then. intensitas. juga dapat menimbulkan bencana. dkk. 1947) baik di antaranya adalah sebagai berikut. perencanaan merupakan sumber kebutuhan air bagi dalam pertanian. dan daerah persebaran hujan. Penyebab data tidak yang tinggi dan menimbulkan luapan konsisten dan tidak terkorelasi dengan adalah banjir.

.. Menguji konsistensi data hujan pada variasi elevasi tinggi di empat stasiun hujan sampel yaitu stasiun hujan Diagram alir penelitian ini Prumpung.. 2004). dan penentuan karena adanya gunung dan membentuk distribusi hujan yang dilakukan dapat awan (Tjasyono.. dengan Tingkat korelasi antar stasiun hujan adanya gunung yang berhadapan dengan yang digunakan juga perlu diketahui sumber uap air akan meningkatkan curah sebelum digunakan dalam analisis hujan di wilayah tersebut. Hingga saat ini diketahui. Menguji korelasi data hujan pada variasi elevasi tinggi di empat stasiun hujan sampel yaitu stasiun hujan Prumpung.. 2.. Faktor topografi memiliki perananan yang besar terhadap persamaan 1 variasi hujan secara spasial. dan ditunjukkan oleh Gambar 1. Jangkang. Tingkat korelasi tersebut dapat data hujan yang tercatat di lereng diketahui dengan menghitung harga R Gunungapi Merapi menjadi referensi dari menggunakan persamaan 2 di mana x perhitungan maupun analisis berbagai adalah kumulatif curah hujan tahunan fenomena alam dari badai hingga stasiun penguji dan y adalah kuluatif bencana banjir lahar. bangunan atau pepohonan di Jika garis yang dihasilkan lurus. 2 Juni 2015 2.. 2.. Jurnal Meteorologi Klimatologi dan Geofisika Vol.. variasi intensitas dan frekuensi kejadian .... Sebagai adalah penyimpangan 1 dan α 2 adalah gunungapi aktif... Perubahan lingkungan di sekitar Metode yang digunakan adalah metode pemasangan alat missal adanya kurva massa ganda (double mass curve)....... dan sebaliknya. interpolasi. dan Jangkang. Oleh karena itu. Gondangan.. METODE PENELITIAN Uji konsistensi data hujan perlu dilakukan karena selama periode pencatatan jangka panjang memungkinkan terjadinya perubahan di lingkungan sekitar penakar hujan. kualitas data hujan di daerah ini menjadi sangat penting.. hujan yang juga besar. Dolo. variasi topografi dan penyimpangan kedua. Gondangan. 64 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Dolo. dan seterusnya elevasi dari puncak hingga lerengnya tergantung jumlah penyimpangan yang sangat beragam yang berpengaruh kepada terjadi... Peristiwa ini lanjutan sehingga derajat ketelitian disebabkan oleh uap air terangkat naik peralatan. Data Gunungapi Merapi merupakan salahsatu yang digunakan harus dikoreksi terlebih gunungapi aktif yang sisi selatannya dahulu dengan melakukan perhitungan terletak di Kabupaten Sleman Provinsi menggunakan persamaan 1 di mana α1 Daerah Istimewa Yogyakarta. uji curah hujan tahunan stasiun uji. maka sekitarnya datanya cukup baik. persamaan 2 1. Hal inilah yang mendasari diperlukannya penelitian ini dengan tujuan yaitu: ...2 No.

oleh keempat stasiun tersebut adalah Namun demikian. kualitas data hujan sama yaitu ombrometer manual sehingga sangat dipengaruhi oleh berbagai hal di diasumsikan jenis alat tidak antaranya adalah jenis dan kondisi alat mempengaruhi perbedaan kualitas data. Hubungan antara elevasi dan curah hujan serta kondisi lingkungan di sekitar stasiun perlu untuk diketahui sebelum dilakukan hujan. Setiap tidak ada stasiun hujan lagi di antaranya. Keempat stasiun hujan yang stasiun hujan baik alat yang sifatnya letaknya berdekatan tersebut diambil manual maupun otomatis yang kemudian sebagai sampel agar dapat menghasilkan data hujan. HASIL DAN PEMBAHASAN Terdapat empat stasiun hujan yang digunakan sebagai sampel dengan letak Curah hujan dapat diukur dengan alat yang berdekatan ditunjukkan oleh penakar hujan yang terdapat di setiap gambar 2. maka kualitas (1993-2003). subyektifitas pencatat hujan (apabila alat ukur hujan manual). Hal ini perlu dilakukan agar berpengaruh di antaranya adalah data yang digunakan dapat representatif topografi yaitu elevasi dan penggunaan menjelaskan bahwa topografi lahan. berpengaruh pada curah hujan yang terjadi. 2 Juni 2015 Gambar 1. hingga per bulan. curah hujan tahunan selama 20 tahun Berdasarkan hal tersebut. tingginya variasi hujan yang ada melihat klimatologis maupun hidrologis. per hari. Hubungan ini dapat dinyatakan 65 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Panjang data yang digunakan adalah jam. stasiun hujan memberikan data hujan per. yang digunakan. Data tersebut merepresentasikan apakah antar stasiun kemudian dapat digunakan untuk analisis sudah terkorelasi dengan baik dengan berbagai persoalan meteorologis. Diagram alir penelitian 3. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Kondisi lingkungan yang pengujian. Jenis alat yang digunakan dari data hujan menjadi sangat penting.2 No.

2 Juni 2015 secara linear. artinya semakin tinggi tren garis yang didapatkan meningkat elevasi. Gambar 3. besar juga curah hujannya. Nilai yang didapatkan sebesar asumsi bahwa elevasi memiliki pengaruh 0. Grafik hubungan elevasi dan curah hujan 66 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . hubungan antara elevasi dan curah hujan. Jurnal Meteorologi Klimatologi dan Geofisika Vol. curah hujan yang terjadi juga yaitu semakin tinggi elevasi semakin semakin tinggi (Prawirowardoyo.84 menunjukkan bahwa terdapat terhadapnya.2 No. Oleh karena Hubungan ini ditunjukkan oleh grafik itu data curah hujan selama 20 tahun dari antara elevasi stasiun dan rata-rata curah keempat stasiun dapat digunakan untuk hujan tahunan selama 20 tahun pada diuji konsistensi dan korelasinya dengan gambar 3. 1996).

Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 Gambar 2.2 No. Peta Sebaran Stasiun Hujan Sampel 67 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .

Data semacam ini tidak 0. dan Jangkang- stasiun lain sebagai stasiun penguji Dolo. Sehingga dapat disimpulkan bahwa sehingga diperlukan uji konsistensi.4886276 Gondangan . Pengukuran korelasi perkembangan data dari stasiun-stasiun dilakukan terhadap semua stasiun yaitu penguji (Pratiwi. stasiun. nilai 20 tahun. Lebih lanjut uji korelasi kelandaiannya pada suatu titik tertentu. Data yang konsisten akan membentuk garis lurus Pengujian korelasi antar stasiun perlu landai dengan nilai slope tertentu dilakukan guna melihat seberapa kuat sementara data yang tidak konsisten akan hubungan atau pengaruh antar dua stasiun membentuk garis yang berubah yang berdekatan. satu sebagai stasiun uji dan tiga Gondangan-Jangkang. 2007). Jurnal Meteorologi Klimatologi dan Geofisika Vol.4149094 Dolo . Prumpung-Dolo. Hasil Analisis Korelasi Antar Stasiun Hujan Beda Elevasi Korelasi Stasiun Hujan (m) R Prumpung .5449776 Prumpung .Jangkang 120 0. dari regresi kumulatif data stasiun selama Berdasarkan kurva yang dibuat. dkk.98 hingga 1. Nilai hasil uji korelasi antar koreksi yang didapatkan dari kurva stasiun hujan beserta klasifikasinya ditunjukkan oleh tabel 3. massa ganda hasil uji konsistensi data Tingkat korelasi antar stasiun dapat dengan masing-masing stasiun sebagai diidentifikasi dengan mengetahui nilai stasiun uji yang ditunjukkan oleh Tabel 1. ini dapat digunakan untuk menentukan Hasil dari uji ini akan menunjukkan apakah antara dua stasiun hujan yang apakah data curah hujan yang tercatat di diuji perlu tambahan stasiun hujan suatu stasiun uji konsisten terhadap (Khaerudin. 2 Juni 2015 Suatu seri data hujan pada satu masuk tergolong baik karena nilai R stasiun tertentu dimungkinkan sifatnya mendekati 1 dengan rentang nilai koreksi tidak konsisten. 2015). Uji Prumpung-Gondangan. hujan rata-rata stasiun penguji.2 No. konsistensi dilakukan terhadap keempat Prumpung-Jangkang.5817695 Gondangan .Jangkang 3 0. sehingga total dalam penelitian ini sehingga didapatkan keempat kurva dilakukan 6 uji korelasi data hujan. Hasil perhitungan dapat langsung digunakan untuk analisis nilai koreksi per stasiun beserta curah karena data di dalamnya kemungkinan hujan koreksinya ditunjukkan oleh Tabel berasal dari populasi data yang berbeda 2.Jangkang 15 0. Uji konsistensi data dari keempat stasiun konsistensi direpresentasikan melalui hujan yang digunakan cenderung baik kurva massa ganda yang merupakan dan setelah dilakukan koreksi maka data grafik hubungan antara kumulatif curah dapat digunakan untuk analisis hujan stasiun uji dan kumulatif curah selanjutnya. Gondangan-Dolo.Gondangan 12 0.045.Dolo 135 0.Dolo 123 0. Tabel 3.6818477 68 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .3002834 Prumpung .

3 .0.68.75 sehingga korelasi antar stasiun dapat dikatakan masih kurang dengan rentang nilai R = 0. 2 Juni 2015 Berdasarkan tabel 3 dapat diketahui bahwa rentang nilai korelasi yang didapatkan tidak ada yang melebihi nilai 0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 69 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Perbedaan elevasi dan besaran korelasi tidak saling berpengaruh terlihat dari hubungan nilai keduanya yang tidak linear (R=0. Elevasi berpengaruh terhadap perbedaan data antar stasiun namun perbedaan penggunaan lahan dan subyektifitas pencatat data juga dimungkinkan.3) sehingga dapat diketahui bahwa terdapat variabel pengaruh lain yang lebih signifikan selain elevasi.

012 Stasiun hujan Gondangan Nilai koreksi = 0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.98 70 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Kurva Massa Ganda Uji Konsistensi Data Hujan Stasiun Sampel Stasiun hujan Prumpung Nilai koreksi = 1. 2 Juni 2015 Tabel 1.2 No.

2 No.045 Stasiun hujan Jangkang Nilai koreksi = 0. 2 Juni 2015 Stasiun hujan Dolo Nilai koreksi = 1.988 71 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jurnal Meteorologi Klimatologi dan Geofisika Vol.

Data uji konsistensi stasiun hujan sampel Uji Konsistensi Stasiun Prumpung Stasiun Uji Stasiun Penguji Koreksi (Hz) Tahun Kumulatif Rata-rata Kumulatif Prumpung Gondangan Dolo Jangkang 1. 2 Juni 2015 Tabel 2.012044554 Kumulatif Uji (Y) Penguji Penguji (X) 1993 2199 2199 2235 1932 1764 1977 1977 2225 2225 1994 2533 4732 2260 1784 2014 2019 3996 2564 4789 1995 2693 7425 4045 2740 2583 3123 7119 2725 7514 1996 1611 9036 2132 1776 1581 1830 8949 1630 9145 1997 1436 10472 1606 1014 1102 1241 10189 1453 10598 1998 3227 13699 1583 3004 2833 2473 12663 3266 13864 1999 2087 15786 2447 2298 2326 2357 15020 2112 15976 2000 2907 18693 2306 2605 2980 2630 17650 2942 18918 2001 2023 20716 2353 2221 2842 2472 20122 2047 20965 2002 1411 22127 2160 2475 1901 2179 22301 1428 22393 2003 2000 24126 2258 1802 1313 1791 24092 2024 24417 2004 2210 26336 1690 1696 2494 1960 26052 2236 26653 2005 1984 28320 2008 1508 1874 1797 27848 2008 28661 2006 2545 30865 1960 1833 2064 1952 29801 2576 31236 2007 2843 33708 2204 1770 2530 2168 31969 2877 34113 2008 2635 36343 2644 2053 2129 2275 34244 2667 36780 2009 2063 38406 1671 1593 2283 1849 36093 2088 38868 2010 3395 41801 3292 2741 3695 3243 39336 3436 42304 2011 1429 43230 2230 2088 2879 2399 41735 1446 43750 2012 1634 44863 2373 2016 2229 2206 43941 1653 45403 2013 2029 46892 3036 1975 2761 2591 46531 2053 47457 H0 (2001-2006) 72 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No.

0969 2194.2 No.2513 28550.425 2004 1690 26336 2210 1696 2494 2133 25805 1659.0293 13607.7363 1995 4045 7425 2693 2740 2583 2672 6747 3970.6083 12053.496 2005 2008 28320 1984 1508 1874 1789 27594 1971.28 2002 2160 22127 1411 2475 1901 1929 21967 2120.6642 32638.676 24920. 2 Juni 2015 x1 x2 y1 y2 tan H0 20122 29801 20716 30865 1.071 26579.4695 22703.4188 36874.9816988 Kumulatif 1993 2235 2199 2199 1932 1764 1965 1965 2194.1297 30474.9718 8383.747 2006 1960 30865 2545 1833 2064 2147 29741 1924.877 2007 2204 33708 2843 1770 2530 2381 32122 2163.036115 Hz = (tan H-1 / 1.2171 16009.69 1997 1606 10472 1436 1014 1102 1184 9587 1576.9374 20583.9819 10476.048595 H1 (2006-2011) x1 x2 y1 y2 tan H1 29801 41735 30865 43230 1.328 1999 2447 15786 2087 2298 2326 2237 14846 2402.7081 1996 2132 9036 1611 1776 1581 1656 8403 2092.749 2003 2258 24126 2000 1802 1313 1705 23672 2216. Jurnal Meteorologi Klimatologi dan Geofisika Vol.6117 35234.6394 4412.541 2008 2644 36343 2635 2053 2129 2272 34394 2595.572 73 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .7975 18273.0969 1994 2260 4732 2533 1784 2014 2110 4075 2218.012044554 tan H0) Uji Konsistensi Stasiun Gondangan Stasiun Uji Stasiun Penguji Koreksi (Hz) Tahun Kumulatif Rata-rata Kumulatif Gondangan Uji (Y) Prumpung Dolo Jangkang Penguji Penguji (X) 0.342 2001 2353 20716 2023 2221 2842 2362 20038 2309.298 1998 1583 13699 3227 3004 2833 3021 12609 1554.545 2000 2306 18693 2907 2605 2980 2831 17676 2263.153 2009 1671 38406 2063 1593 2283 1980 36374 1640.

291 2001 2221 20716 2353 2023 2842 2406 20569 2321.1884 42295. Jurnal Meteorologi Klimatologi dan Geofisika Vol.7744 20253.1978 17931.6615 2019.0087 9665.4377 47605.9309 1996 1776 9036 2132 1611 1581 1775 9217 1856.9462 3884.5713 44625.0453734 Kumulatif 1993 1932 2199 2235 2199 1764 2066 2066 2019.5832 8605.324 2011 2230 43230 1429 2088 2879 2132 41783 2189.522 H0 (2001-2006) x1 x2 y1 y2 tan H0 20038 29741 20716 30865 1.5141 1997 1014 10472 1606 1436 1102 1381 10598 1060.7526 40106.981698837 Uji Konsistensi Stasiun Dolo Koreksi (Hz) Stasiun Uji Stasiun Penguji Tahun Kumulatif Kumulatif Uji (Y) Rata-rata Penguji Dolo Gondangan Prumpung Jangkang Penguji (X) 1.065 2002 2475 22127 2160 1411 1901 1824 22393 2587.3018 12805. 2 Juni 2015 2010 3292 41801 3395 2741 3695 3277 39651 3231.513 2012 2373 44863 1634 2016 2229 1960 43743 2329.5228 1998 3004 13699 1583 3227 2833 2548 13146 3140.6077 1995 2740 7425 4045 2693 2583 3107 7442 2864.093 2000 2605 18693 2306 2907 2980 2731 18163 2723.2682 15208.2993 22840.2 No.3232 6748.0459652 H1 (2006-2011) x1 x2 y1 y2 tan H1 29741 41783 30865 43230 1.084 2013 3036 46892 2029 1975 2761 2255 45998 2980.825 1999 2298 15786 2447 2087 2326 2287 15432 2402.0268228 Hz = (tan H-1 / tan H0) 0.364 74 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .6615 1994 1784 4732 2260 2533 2014 2269 4335 1864.

6125 44871.1768 19786.1999 1743.3686 38516.045373 Uji Konsistensi Stasiun Jangkang Koreksi Tahun Stasiun Uji Stasiun Penguji (Hz) Kumulatif Kumulatif Rata-rata Penguji Uji (Y) Jangkang Gondangan Dolo Prumpung Penguji (X) 0.4231 28073.784 2011 2088 43230 2230 1429 2879 2179 43167 2182.1517 33986.8644 8936.3178 14033.136 2009 1593 38406 1671 2063 2283 2006 37527 1665.437 75 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .1488 6285.9534 26497.127 2004 1696 26336 1690 2210 2494 2131 26381 1772.2309 1995 2583 7425 4045 2740 2693 3123 7119 2552.311 31839.031 3733.504 2006 1833 30865 1960 2545 2064 2190 30526 1916.2596 1997 1102 10472 1606 1014 1436 1241 10189 1088.673 2007 1770 33708 2204 2843 2530 2526 33052 1850.7629 24724.081 2005 1508 28320 2008 1984 1874 1955 28336 1576.7397 40699. Jurnal Meteorologi Klimatologi dan Geofisika Vol.124 1998 2833 13699 1583 3004 3227 2473 12663 2799.1999 1994 2014 4732 2260 1784 2533 2019 3996 1990.2 No.524 2012 2016 44863 2373 1634 2229 2079 45245 2107.4729 42806.408 1999 2326 15786 2447 2298 2087 2357 15020 2298.984 2008 2053 36343 2644 2635 2129 2469 35521 2146.9880988 Kumulatif 1993 1764 2199 2235 1932 2199 1977 1977 1743. 2 Juni 2015 2003 1802 24126 2258 2000 1313 1857 24250 1883.26 2001 2842 20716 2353 2221 2023 2472 20122 2808.1695 29989.2839 11735.5344 16978.416 2010 2741 41801 3292 3395 3695 3461 40987 2865.3797 1996 1581 9036 2132 1776 1611 1830 8949 1561.997 2013 1975 46892 3036 2029 2761 2609 47854 2064.8799 7847.2799 35651.609 H0 (2006-2010) x1 x2 y1 y2 tan H0 30526 40987 30865 41801 1.726 2000 2980 18693 2306 2605 2907 2630 17650 2944.

048595 H1 (2006-2011) x1 x2 y1 y2 tan H1 29801 41735 30865 43230 1.394 H0 (2001-2006) x1 x2 y1 y2 tan H0 20122 29801 20716 30865 1. 2 Juni 2015 2002 1901 22127 2160 2475 1411 2179 22301 1878.505 2005 1874 28320 2008 1508 1984 1797 27848 1851.025 39828.186 2004 2494 26336 1690 1696 2210 1960 26052 2464.7364 42672.6971 27278.3737 22962.4722 44875.202 2006 2064 30865 1960 1833 2545 1952 29801 2039.813 2003 1313 24126 2258 1802 2000 1791 24092 1297.02 2010 3695 41801 3292 2741 3395 3243 39336 3651.988098791 76 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .1408 47603.781 2012 2229 44863 2373 2016 1634 2206 43941 2202.19 2009 2283 38406 1671 1593 2063 1849 36093 2255.528 2008 2129 36343 2644 2053 2635 2275 34244 2103.3758 21664.045 2011 2879 43230 2230 2088 1429 2399 41735 2844.4359 29317.253 2013 2761 46892 3036 1975 2029 2591 46531 2728.638 2007 2530 33708 2204 1770 2843 2168 31969 2499. Jurnal Meteorologi Klimatologi dan Geofisika Vol.6623 33921.2 No.8295 36177.036115 Hz = (tan H-1 / tan H0) 0.3184 25426.8899 31817.

Korelasi antar stasiun hujan sampel masih kurang dengan nilai R < 0. Dian Noorvy. New setelah dilakukan pengkajian lebih lanjut York: John Wiley & Sons agar data yang didapatkan lebih baik. Bandung : Penerbit Nova 4. Fakultas Teknik mengingat peranan dari data stasiun Universitas Brawijaya hujan di lereng Gunungapi Merapi sangat Prawirowardoyo. Klimatologi. Nurul. menunjukkan bahwa data di stasiun. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Hasil uji konsistensi data menunjukkan bahwa keempat stasiun memiliki data yang konsistensinya baik dengan nilai koreksi mendekati 1 (rentang nilai koreksi 0. Bayong. besar untuk identifikasi baik potensi Bandung : Penerbit ITB Bandung sumberdaya air maupun bencana alam. Skripsi. David W.. Soewarno.2 No. 2015.. Hidrologi : Aplikasi Metode Statistik untuk Analisa Data Jilid 2. hlm 33-42 korelasi antar stasiunnya masih kurang.C. 2.. London. Kondisi ini perlu Parigi-Poso Provinsi Sulawesi dikaji lebih lanjut dan diperbaiki Tengah.045). 77 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2007. dibutuhkan penelitian lebih DAFTAR PUSTAKA lanjut untuk mengidentifikasi kedua variabel pengaruh ini. Meteorologi. 2004. merepresentasikan hubungan data yang Academic Press Inc. Pratiwi. S. Eric C.68) dan elevasi bukan menjadi faktor pengaruh yang signifikan sehingga perlu ditambahkan stasiun hujan di antaranya setelah dilakukan kajian lebih lanjut tentang variabel lain yang memiliki pengaruh lebih kuat.75 (rentang R = 0. Evaluasi variabel pengaruh yang kuat dari korelasi dan Perencanaan Kerapatan antar stasiun hujan sehingga Jaringan Stasiun hujan dengan kemungkinan terdapat variabel pengaruh Metode Krigging dan Analisa lain seperti penggunaan lahan dan Pembobotan di Wilayah Sungai subyektifitas pengamat. Ery. 2 Juni 2015 memberikan pengaruh yang kuat pada kualitas data yang dihasilkan. 1995. Khaerudin. Bandung : Penerbit ITB Bandung 1.98 – 1. baik dan berkualitas sehingga perlu Haynes. Dian.3 – 0. Vol 7 No 1. Techniques of ditambahkan stasiun hujan di antaranya Observing the Weather. Martin. 1981. 1947. 1996. KESIMPULAN Tjasyono. B. Perbedaan elevasi bukan menjadi Chandrasasi. Suhartanto.. Jurnal Buana hujan sudah cukup baik akan tetapi Sains. The Use of Sattelite Data in stasiun tersebut masih belum dapat rainfall Monitoring. Kajian Potensi Air dan Pengembangan Hasil uji konsistensi dari keempat Sumberdaya Air DAS Sembayat stasiun hujan sampel menunjukkan (Pengembangan Wilayah Utara bahwa data masing-masing dari stasiun Kabupaten Gresik). Namun demikian. Hal ini Barret.

including electricity. The more energy is needed but increasingly rare because many utilize limited resources. Salah satunya adalah dalam penyediaan energi listrik. especially people living in remote areas. Generator. Kata kunci : Turbin Angin. IPB Dramaga. 2 Juni 2015 INSTALASI PEMBANGKIT LISTRIK ALTERNATIF RUMAH TANGGA DENGAN MEMANFAATKAN ANGIN SEBAGAI UNSUR CUACA DAN IKLIM UNTUK MENGEMBANGKAN KEMANDIRIAN ENERGI BAGI MASYARAKAT Salis Deris Artikanur Departemen Geofisika dan Meteorologi. One dimension is the energy crisis. Jurnal Meteorologi Klimatologi dan Geofisika Vol. people are still very dependent on the government in terms of energy supply. As a result there are many remote areas that do not receive the flow of electrical energy. The windmill installed in each house to supply the needs of the household electricity by utilizing the empty space on the roof to reach wind in greater scope. padahal listrik telah memegang peran sangat penting dalam menunjang manusia untuk memenuhi kebutuhan hidupnya. Selain itu masyarakat saat ini masih sangat tergantung kepada pemerintah dalam hal penyediaan energi. Banyak sumber energi yang masih kurang dimanfaatkan untuk menghasilkan listrik.ac. one of which was a wind.com Departemen Geofisika dan Meteorologi Jalan Meranti Wing 19 Level 4 FMIPA. This paper is expected to be able to encourage independence of environmentally friendly energy for people. Turbin angin diinstal di setiap rumah untuk menyuplai kebutuhan listrik rumah tangga tersebut dengan memanfaatkan ruang kosong di bagian atap yang jangkauannya terhadap angin lebih besar. Wind is one of the elements of weather and climate that can be used as a source of efficient electrical energy and environmentally friendly due to its presence in the infinite nature and without pollution. Reel Buffer 78 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .id ABSTRAK Indonesia dan dunia dihadapkan pada masalah krisis multidimensi yang semakin serius. Pemanfaatan angin sebagai pembangkit listrik alternatif rumah tangga dilakukan dengan media kincir angin atau turbin angin. Saat ini menjadi tren untuk terus mengembangkan energi terbarukan termasuk energi listrik. Utilization of wind as an alternative household’s power generation conducted by the media windmills or wind turbines. Many sources of energy are still underutilized for generating electricity. while electricity has a very important role in supporting people to make ends meet. Angin adalah salah satu unsur cuaca dan iklim yang dapat dijadikan sumber energi listrik yang efisien dan ramah lingkungan karena keberadaannya di alam yang tidak terbatas dan tanpa polusi. Energi semakin dibutuhkan tetapi semakin langka karena banyak memanfaatkan sumber daya yang terbatas. Bogor. Bogor. Paper ini diharapkan akan mampu mendorong kemandirian energi ramah lingkungan bagi masyarakat terutama masyarakat yang berada di daerah terpencil. Key word : Wind Turbines. Nowadays become the trend to continue to develop renewable energy. Akibatnya masih banyak daerah terpencil yang tidak mendapat aliran energi listrik. salah satunya adalah angin.Generator. Indonesia derifdr@gmail. Indonesia 16680 geomet@ipb. One is in the supply of electrical energy. Institut Pertanian Bogor Dramaga. In addition. Salah satu dimensi krisis adalah energi. Reel Buffer ABSTRACT Indonesia and the world faces a more serious multidimensional crisis.2 No.

2 No. enegi sudah dikembangkan selama ribuan tahun dan mulai pesat pada tahun Ada lima negara pemakai turbin angin 1930-an. Sayangnya. Saat ini sekitar sepuluh juta lampu jalan. Sekitar 194. Amerika Serikat menjangkau masyarakat di daerah Amerika Serikat memiliki terpencil. Sejak Amerika merasa membutuhkan Oleh karena itu. yang biasanya dipasang pada angin guna memenuhi kebutuhan energi atap gedung bertingkat dan pada masyarakat. diperbarui. Angin adalah 1. salah satunya dengan memanfaatkan angin. menggerakkan awan. Hal ini terjadi karena sulitnya 2. energi. Hal ini juga merupakan sejumlah 101 ladang turbin angin indikasi ketergantungan masyarakat dengan kapasistas energi listrik yang kepada pemerintah soal penyediaan dihasilkan sebesar 43 Giga Watt. keberhasilan bangsa keseluruhan kekuatan angin pada lain dalam memanfaatkan sumber daya tahun 2030. energi listrik telah dihasilkan oleh turbin dan lain-lain.400 Mega Watt nelayan melaut. tempat bertekanan udara tinggi ke bertekanan udara rendah. namun kurang diminati seiring terbesar di dunia sebagai penghasil adanya era industrialisasi yang lebih energi listrik : mengandalkan sumber daya fosil. menjadi sangat penting mengembangkan kemandirian masyarakat untuk memenuhi kebutuhan energi listrik. Pemanfaatan Angin sebagai Sumber salah satu unsur cuaca dan iklim. China semakin tidak terbendung dan semakin China telah memanfaatkan lama fosil akan semakin langka karena energi angin dalam jumlah yang termasuk sumber daya yang tidak dapat sangat besar di seluruh dunia. Negara-negara Watt pada tahun 2015 untuk maju saat ini sudah banyak yang mencukupi semua kebutuhan energi memanfaatkan angin sebagai sumber mereka dengan mengandalkan energi. Pemanfaatan 79 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Angin sebagai sistem angin di seluruh dunia. Paper ini akan secara khusus membahas tentang instalasi pembangkit Angin adalah udara yang bergerak listrik alternatif rumah tangga dengan yang diakibatkan oleh rotasi bumi dan memanfaatkan angin sebagai unsur juga karena adanya perbedaan tekanan cuaca dan iklim untuk mengembangkan udara di sekitarnya. Jurnal Meteorologi Klimatologi dan Geofisika Vol. China juga yang tidak terbatas yaitu angin belum memanfaatkan garis pantai yang mampu membuat bangsa Indonesia sangat panjang dan mengupayakan beraksi untuk ikut serta energi dari turbin angin yang lebih mengimplementasikan pemanfaatan kecil. membantu negara. rumah tangga di Indonesia belum mendapatkan fasilitas aliran energi listrik. Terhitung sekitar 45 Giga Watt energi yang dihasilkan dari sekitar 80 Minat mengembangkan angin ladang turbin angin. 2 Juni 2015 angin ini dapat dilakukan secara besar- besaran atau pun dalam skala rumah PENDAHULUAN tangga. Angin Energi di Luar Negeri memegang peran yang sangat penting di berbagai aspek kehidupan manusia Angin telah banyak dimanfaatkan antara lain membantu proses sebagai sumber energi di berbagai penyerbukan tanaman. Akibatnya pemakaian sumber daya fosil 1. Angin bergerak dari kemandirian energi bagi masyarakat. Ladang ini akan sebagai sumber energi kembali menguat terus diperbanyak hingga 100 Giga pada tahun 1970-an.

tujuh unit dengan kapasitas belanja negara untuk menghasilkan sama menyusul dibangun di empat energi hijau. mereka merasa harus Kilo Watt sudah dibangun. turbin angin diletakkan pada dataran perbukitan dan tidak begitu banyak yang berada di lepas pantai. Sulawesi Selatan. Hasil pemetaan Lembaga sekitar 7 Mega Watt. India Kapasitas energi listrik yang dihasilkan oleh negara India adalah sekitar 14 Giga Watt dan terhitung 1. Kebanyakan ladang turbin angin di India terletak pada daerah pertanian serta wilayah pegunungan. tetapi dalam waktu dua unit. karena rotor sepanjang 126 meter dengan kecepatan angin rata-rata berkisar kapasitas energi yang dihasilkan 3. Penerbangan dan Antariksa 4.5-7 m/s.607 turbin angin yang dapat Ditjen Listrik dan Pemanfaatan menghasilkan energi listrik sebesar Energi (LPE) ESDM Kosasih 28 Giga Watt atau sembilan persen Abbas. Amerika belum lokasi masing-masing di Pulau menginvestasikan ladang turbin Selayar tiga unit. Spanyol Nasional (LAPAN) pada 120 lokasi Ladang turbin angin di Spanyol menunjukkan. Nusa Penida satu unit. Tahun menginvestasikan sebagian anggaran 2007. Sebagian besar ladang Selatan Jawa. Nusa Tenggara tersebut dengan total produksi sekitar Barat. Jerman listrik tenaga bayu (PLTB) harus akan fokus pada peningkatan turbin mampu menghasilkan 250 angin lepas pantai. dan dekat Amerika akan melakukannya. Sulawesi Utara angin off-shore. dan Pantai 21 Giga Watt. 5. Jerman Menurut Kepala Subdirektorat Jerman telah mendirikan sekirar Usaha Energi Baru dan Terbarukan 21. Spanyol adalah salah satu eksportir terbesar dalam penjualan turbin angin. 3.2 No. beberapa wilayah telah memenuhi kebutuhan energi memiliki kecepatan angin di atas 5 listrik sebanyak 16% dari seluruh m/detik. maka pembangkit dihasilkan seluruh Jerman. masing-masing Nusa energi yang dihasilkan negara Tenggara Timur. Jurnal Meteorologi Klimatologi dan Geofisika Vol. mengacu pada kebijakan dari total energi listrik yang energi nasional. Bangka Belitung satu unit. Terdapat turbin megawatt pada tahun 2025. yaitu Potensi energi angin di Enercon-126 yang memiliki diameter Indonesia cukup memadai. 2. 2 Juni 2015 energi jauh lebih besar dari belahan berkapasitas masing-masing 80 dunia manapun. Pemanfaatan Angin sebagai Sumber Energi di Indonesia Pemanfaatan angin sebagai sumber energi di Indonesia masih belum maksimal padahal kondisi alam Indonesia yang memiliki banyak pantai cukup potensial. angin terbesar di dunia. Di seluruh Indonesia baru lima unit turbin angin pembangkit listrik 80 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .6% dari keperluan listrik negara tersebut.

Rancang Bangun Turbin Angin Pembangkit Listrik Alternatif 2. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Angin Daya Kapasitas Lokasi (m/s) Spesifik (kW) 2 (W/m ) Skala Kecil 2. Sultra Skala Besar >5. NTT. Turbin angin sumbu horizontal 81 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Pengelompokkan potensi energi angin. Pantai Selatan Jawa Dari data di atas dapat angin sumbu horizontal dan diketahui bahwa kondisi angin di turbin angin sumbu vertikal: Indonesia layak untuk dijadikan sumber pembangkit energi listrik terutama untuk mengembangkan 1. sulawesi Skala Menengah 4. Maluku. NTT.0 < 75 s/d 10 Jawa. NTB. NTT. Sulsel. 2 Juni 2015 Tabel 1. 1999) 3.2 No. merupakan turbin angin dimana sumbu putarnya sejajar dengan tanah.4. (Arwoko.0 > 150 > 100 Sulsel.0 – 5. pemanfaatan dan lokasi potensial.5 . yaitu turbin tegak lurus/vertikal dengan tanah. KELAS Kec. Turbin angin sumbu kemandirian masyarakat yang horizontal (horiontal axis masih sulit dijangkau pasokan wind turbine atau HAWT) listrik dari pemerintah. Jenis-jenis Turbin Angin merupakan turbin angin Turbin angin dibedakan dimana sumbu putarnya menjadi dua jenis. (Arwoko. NTB. 1999) Gambar 1. Turbin angin sumbu Rumah Tangga vertikal (vertical axis wind turbine atau vawt) a.0 75 -150 10 -100 NTB.

sebuah alat yang dapat dikarenakan perlu menyimpan energi (umumn kepresisian. Jurnal Meteorologi Klimatologi dan Geofisika Vol. agar setiap sisi ya energi listrik) dalam rumah bearing tidak bentuk energi kimia. turbin angin dan sebagai tempat dudukan generator. dipilih bahan ini Generator listrik adalah dikarenakan lengan harus sebuah alat yang memiliki kekuatan untuk memproduksi energi listrik menyangga sudu. Rumah (Akumulator/Aki) bearing dibuat dengan Akumulator adalah ukuran yang presisi.2 No. Bahan yang angin ini. Turbin Angin Sumbu Vertikal b. gear yang sering digunakan berfungsi sebagai penerus adalah aki mobil. digunakan adalah besi 5. biasanya dengan Bantalan) menggunakan induksi Bearing House elektromagnetik. 4. Reel Buffer (Dudukan Turbin Angin) Dudukan turbin adalah penyangga dari semua 82 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . karbon rendah. 2 Juni 2015 Gambar 2. Bearing House (Rumah mekanik. Blade Arm (Lengan Sudu) Bahannya terbuat dari baja Lengan sudu atau jari. berongga dengan tebal 6. Di Indonesia aki baja karbon rendah. Generator berongga. Proses jari turbin haruslah lebih pengelasan dipakai untuk pendek dari tinggi sudu membuat dudukan turbin turbin angin. Puli pada Generator penahan lengan sudu turbin dilepas dan diganti dengan angin. Komponen utama penyusun komponen turbin angin. dari sumber energi 2. 1. Gear (Roda Gigi) adalah baterai dan Gear terbuat dari bahan kapasitor. Bahan yang gear untuk menerima digunakan untuk rumah transformasi daya dari bearing adalah besi turbin angin. berbeda. Contoh-contoh akumulator 3. Accumulator sekitar 10 mm. Proses ini merupakan tempat dudukan dikenal sebagai pembangkit bearing dan sebagai listrik. daya dari turbin angin menuju generator.

Komponen penyusun turbin angin penyangga turbin angin yang 4.2 No. 2 Juni 2015 Gambar 3. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Cara ini sebagai pembangkit energi listrik seperti pada pemasangan turbin rumah tangga yang dibahas pada ventilator di industri yang paper ini adalah sebagai berikut : berfungsi untuk menyerap udara panas di dalam ruangan dan 1. Selain itu juga dapat menjangkau kecepatan Cara instalasi turbin angin angin yang lebih besar. Instalasi turbin ventilator di atap industri 83 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . memasang Reel Buffer (dudukan turbin angin) untuk menggantikan fungsi tiang Gambar 4. Instalasi Turbin Angin sebagai tinggi sehingga dapat Pembangkit Energi Listrik menghemat biaya pembuatan Rumah Tangga turbin angin. Pemasangan turbin angin di atap menggantikannya dengan udara rumah luar tanpa menggunakan listrik Turbin angin dipasang di sehingga udara dalam ruangan atap rumah dengan cara menjadi lebih sejuk.

2 Juni 2015 Gambar 5. Padahal telah Setelah turbin angin siap banyak negara yang memanfaatkan maka selanjutnya dihubungkan energi angin untuk memasok dengan perangkat listrik di kebutuhan energi dalam negeri. Di dalam rumah dan sudah dapat Indonesia masih banyak daerah digunakan untuk menyuplai yang belum mendapat pasokan kebutuhan listrik rumah tangga. Menghubungkan turbin angin sebagai sumber energi terbarukan. Selain itu digunakan ketersediaan listrik adalah masyarakat umum.2 No. Simpulan untuk mengakomodasi Indonesia memiliki potensi yang keperluan ini. (direct current) untuk mengisi energi. Melengkapi turbin angin masyarakat yang belum dengan alat penyimpan energi mendapatkan aliran energi listrik Angin tidak tersedia dari pemerintah sehingga dapat sepanjang hari dengan intensitas memacu masyarakat supaya dapat dan kecepatan yang sama mewujudkan kemandirian energi sehingga apabila langsung yang ramah lingkungan. Contoh menyuplai kebutuhan energi listrik sederhana alat penyimpan energi rumah tangga sehingga tidak adalah aki mobil. Sasaran kemandirian energy bagi Sasaran instalasi turbin angin masyarakat. sedangkan dari generator turbin angin dihasilkan catu PENUTUP daya AC (alternating current). Jurnal Meteorologi Klimatologi dan Geofisika Vol. sebagai pembangkit energi listrik alternatif rumah tangga yaitu 84 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dengan instalasi listrik rumah tetapi masih belum dimanfaatkan tangga secara maksimal. Aki mobil tergantung pada penyediaan listrik memerlukan catu daya DC oleh pemerintah. oleh diharapkan masyarakat dapat karena itu dibutuhkan alat memanfaatkan turbin angin untuk penyimpan energi. Oleh karena itu diperlukan rectifier-inverter (penyearah) 1. Instalasi turbin angin di atap rumah 2. pun tidak akan menentu. energi listrik sehingga peran pembangkit listrik bertenaga angin sangat dibutuhkan kedepannya untuk mengembangkan 5. besar dalam pemanfaatan angin 3.

listrik tenaga bayu (PLTB) Ginting D. 2 (1): 1-9. 2012. Jurnal Mechanical. 2007. 2009. 2011. Sistem energy sehingga dapat mendukung angin skala kecil untuk kemandirian energi bagi pedesaan. Desain Turbin Angin. Saran Balasubramaniyan. 1 (5): 1-12. Windmill Pemerintah dapat mendukung power generation using multi- pengembangan instalasi generator and single rotor pembangkit listrik alternatif rumah (horizontal and vertical blade). Journal of tidak lagi hanya tergantung kepada Urban and Environmental pemerintah. Energi. Prediction of masyarakat supaya tergugah untuk power generation of small ikut serta mengmbangkan scale vertical axis wind turbine pembangkit listrik alternatif dan using fuzzy logic. Surabaya (ID): Graha Ilmu. tangga yang memanfaatkan angin Journal of Energy dengan melakukan riset lebih Technologies and Policy. 85 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Saran juga diberikan kepada Hossain A.2 No. 2 mendalam tentang pembangkit (4): 1-10. Pembuatan program perancangan turbin savonius DAFTAR PUSTAKA tipe-u untuk pembangkit listrik tenaga angin. 2 Juni 2015 2. 1999. masyarakat untuk selanjutnya Jurnal Ilmiah Teknologi dikembangkan dalam skala besar. Arwoko H. Engineering. Tanti N. 3 (2): 1-9. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

Kata kunci : pertanian. Ketidaktepatan sistem pertanian “Pranata Mangsa” mengakibatkan kerugian bagi petani berupa gagal panen sehingga pemenuhan kebutuhan pangan dan kesejahteraan penduduk tidak dapat optimal. in addition to the climate and weather conditions are already impaired. sehingga sistem pertanian “Pranata Mangsa” sering bergeser dan tidak tepat. sistem pranata mangsa. sometimes referred to climate change. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Tentunya kebutuhan akan pangan hanya dapat dipenuhi dengan dilakukannya usaha-usaha peningkatan produktivitas sistem pertanian. pola cuaca tidak lagi sepenuhnya selaras. Nilai kuantitas curah hujan yang disinergikan dengan pola musim tanam sistem pertanian “Pranata Mangsa” menjadi acuan baru bagi penetapan musim tanam sistem pertanian “Pranata Mangsa”. weather patterns are no longer fully stabilized. so that the agricultural system 86 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Akibat adanya perubahan iklim global. 2 Juni 2015 INTEGRASI TEKNOLOGI PENGINDERAAN JAUH SATELIT TRMM (TROPICAL RAINFALL MEASUREMENT MISSION) DENGAN SISTEM PERTANIAN “PRANATA MANGSA” UNTUK OPTIMALISASI PRODUKTIVITAS PERTANIAN DI KARANGSAMBUNG. Karangsambung merupakan wilayah yang memiliki proses demografi yang menarik dengan kegiatan pertanian yang dilakukan warga untuk memenuhi kebutuhan hidup. phone: +6285648973423 ABSTRAK Kebutuhan hidup manusia yang utama adalah pangan. Food requirement can be suport with increase productivity of agricultural systems. Farming systems "PranataMangsa" is a farming system that developed in Java with reference to the growing season. Rizal Faozi Malik1 1 Fakultas Geografi. Perlu adanya suatu tindakan untuk penyelesaian masalah ini. Sistem pertanian “Pranata Mangsa” merupakan sistem pertanian yang berkembang di Pulau Jawa dengan acuan musim tanam. perubahan iklim. The global climate change. Perkembangan teknologi berupa penginderaan jauh yang menggunakan satelit TRMM (Tropical Rainfall Measurement Mission) dengan berdasarkan pola tanam sistem pertanian “Pranata Mangsa” mampu menganalisis dan mengestimasi intensitas turunnya hujan di suatu luasan wilayah. KEBUMEN. Penggunaan musim tanam tentunya sangat bergantung dengan kondisi iklim dan cuaca.budianto@gmail. Karangsambung is an area that has an interesting demographic processes with agricultural activities.2 No. selain itu kondisi iklim dan cuaca sudah mengalami gangguan yang sering dikenal dengan perubahan iklim.com. Permasalahan terbesar dari sistem pertanian adalah kondisi cuaca dan iklim yang secara langsung berpengaruh terhadap produktivitas lahan dan pertumbuhan tanaman pangan. Analisis curah hujan yang menjadi output dari teknologi penginderaan jauh ini bisa mereduksi potensi kegagalan panen para petani. The biggest problem is the agricultural system of weather and climate conditions that directly affect the productivity of the land and the growth of crops. Use of the growing season certainly very dependent on the climate and weather conditions. JAWA TENGAH Yoesep Budianto1. Yogyakarta Email: yoesep. dan TRMM ABSTRACT Primary human needs is food. Sekip Utara. Universitas Gadjah Mada.

Musim jumlah populasi manusia di dunia sehingga penghujan dan musim kemarau akan dalam kebijakan ini menerapkan teknologi memberikan dampak terhadap jenis untuk merancang dan mengelola pangan tanaman pertanian yang berbeda di untuk selalu tercukupi di dunia (Dassir. Kerugian yang dialami oleh petani Produktivitas hasil pertanian tersu adalah kegagalan panen. sehingga ditingkatkan untuk mencapai ketercukupan pemenuhan kebutuhan pangan tidak konsumsi pangan dalam negeri. Peningkatan LU samapi 11° LS memberikan pengaruh produktivitas pangan dilakkan dengan yang besar terhadap pertanian yang berada berebgai cara seperti menciptakan bibit di Indonesia karena matahari selalu unggul. namun dibutuhkan sarana untuk perkembangan manusia akan meningkat memperhitungkan peluang-peluang secara eksponensial. Technological developments such as satellite remote sensing using TRMM (Tropical Rainfall Measurement Mission) with cropping patterns based farming systems "PranataMangsa" is able to analyze and estimate the intensity of rainfall in an area of the region. The value of the quantity of rainfall that synergized with the pattern of the growing season farming systems "PranataMangsa" become the refrencefor the determination of the growing seasonfarming systems "PranataMangsa". 2 Juni 2015 "PranataMangsa" is often shifted and imprecise. Analysis of rainfall that becomes the output of remote sensing technology can reduce the potential for farmers to crop failures. Pertanaian merupakan andalan sistem pranata mangsa. Pertanian digunakan musim tanam. Matahari yang serta terknologi untuk pengelolaan lahan selalu menyinari Indonesia sepanjang tahun (pupuk). sedangkan usaha ketidaktepatan curah hujan sehingga pertambahan kecukupan pangan akan menjadi analisis baru terhadap penentuan bertambah secara aritmatik. menyinari sepanjang tahun. Keywords : agriculture. PENDAHULUAN dan tantangan untuk mencukupi kebutuhan pangan di dalam negeri. There needs to be an action for resolving this problem. Inaccuracy farming systems "PranataMangsa" resulting in losses to farmers in the form of crop failures that food needs and welfare of the population can not be optimal. climate change. Ketidakaturan curah utama di pulau Jawa yang berlangsung hujan membuat sulitnya penentuan awal sejak zaman dahulu. 87 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Seluruh proses yang terjadi sebagai upaya untuk mencukupi kebutuhan di atmosfer tentu berpengaruh pada dan ketahanan pangan dalam negeri yang ketidakaturan atau ketidaktepatan pranata setiap tahunnya terus meningkat. Letak lintang Indonesia yang 6° produktivitas pangan di dunia. mangsa. 2007). pranata mangsa system. 1. Indoensia. Indonesia khususnya pulau Jawa Perubahan iklim yang terjadi saat sejak dulu dikenal sebagai lumbung padi ini menjadi permasalahan utama dalam Indonesia. Hal ini yang awal musim hujan. Meskipun sistem demikian. and TRMM. Revolusi hijau merupakan salah Indonesia dikenal sebagai negara satu kebijakan internasional yang agraris yang berada di wilayah Asia digunakan untuk meningkatkan laju Tenggata. selain itu peluang akan menjadikan permasalahan yang besar terjadinya kegagalan panen dapat direduksi. Kebijakan ini dilakukan untuk membuat Indonesia memiliki dua musim menyelamatkan kondisi pangan dunia yang yang secara langsung akan mempengaruhi seiring dengan semakin meningkatnya sistem pertanian di Indonesia. pembukaan lahan untuk pertanian.2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Namun tercukupi dengan optimal. seperti yang diungkapkan oleh pranata mangsa bukanlah sistem yang baku Thomas Malthus (1798) bahwa atau kaku.

penentuan iklim suatu wilayah yang lebih angin yang tidak stabil. Hal ini akan berakibat pada kekeringan di pusat petanian. dan karakter awan. seperti curah hujan. dan endapan gua. unsur penyusun cuaca.7% per memunculkan seri data cuaca. 2004). Lapisan es pada Benua Arktik kecil. karbondioksida.836 dikarenakan ulah manusia. banjir di keseimbangan iklim yang dikarenakan daerah-daerah yang dulunya kering. namun juga ton. 88 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Cuaca yang tercatat secara rutin akan rata-rata telah berkurang sebanyak 2. koral. hal ini akan memacu pemanasan Iklim dan Perubahan Iklim rata-rata mencapai 30 C. Measurement Mission). kaca yang dihasilkan akan memerangkap panas dari matahari yang akhirnya akan Teknologi yang dikembangkan menaikkan suhu bumi. serta musim yang luas. Resolusi untuk mengetahui karakter iklim adalah spasial dari satelit TRMM ini adalah 2. perubahan-perubahan terhadap cuaca. tetapi pada tahun 2007 turun mejadi dikarenakan faktor alamiah. Catatan yang lebih untuk menyelesaikan permasalahan sistem rinci tentang fluktuasi iklim masa lalu lebih pertanian pranata mangsa adalah teknologi dapat diandalkan untuk penginderaan jauh dengan menggunakan mengidentifikasikan penyebab dan satelit TRMM (Tropical Rainfaal mekanisme perubahan variabilitas iklim. 50 tahun terakhir hampir mendekati dua kali lipat dari rata-ratanya pada 100 tahun terakhir.Perubahan iklim tidak hanya tahun 2006 produksi padi sebesar 68. km. Sehingga dekade. TINJAUAN PUSTAKA sekitar 0. panen yang biasanya menggunakan sistem pranata mangsa. mengantisipasi atau meramalkan variasi sehingga dapat diketahui dinamika unsur. Iklim adalah gabungan nilai statistik telah mengalami gangguan terkait dari banyak data cuaca dengan waktu yang perubahan iklim akan menyebabkan lama.2 No. implikasi akibat adanya angin topan. data cuaca dalam jangka waktu yang lama Kondisi iklim saat ini adalah suhu (30 tahun) dan dijadikan sebagai acuan yang terus naik. Selama 100 tahun terakhir. Akhir tahun Cuaca adalah keadaan atmosfer 1990an dan awal abad 21 merupakan dalam waktu yang singkat (1 x 24 jam) tahun-tahun terpanas sejak adanya arsip serta dalam cakupan wilayah yang relatif data modern. Jika konsentrasi GRK dominan di atmosfer. Satelit TRMM Jadi. hanya ketika fluktuasi iklim masa lalu memiliki lima sensor yang berfungsi dipahami akan mungkin untuk sepenuhnya sebagai pengukur kondisi atmosfer. Perkiraan dengan sisitem Perubahan iklim adalah perubahan pranata mangsa ini sudah berubah seiring pola perilaku iklim dalam kurun waktu dengan perubahan iklim yang terjadi pada yang panjang. 2 Juni 2015 Perubahan iklim mempengaruhi kebiasaan dimana cuaca adalah penyusun iklim petani untuk masa tanam maupun masa (Tjasyono. Jurnal Meteorologi Klimatologi dan Geofisika Vol. meningkat dua kali lipat dari masa pra- industri. dikarenakan merupakan wilayah cagar alam dan penduduknya mengandalkan pertanian Tingkat pemanasan pada sebagai sektor untuk memenuhi kebutuhan temperatur permukaan bumi rata-rata pada pangan.740 C. Contohnya berkesinambungan sejak keberadaan bumi penurunan produktivitas pertanian di dari masa lampau sampai Kecamatan Undaan Kabupaten Kudus pada sekarang. Banyak ilmuan 37. Pemilihan lokasi di Karangsambung serbuk sari. dkk 2008). Ini merupakan sistem yang akhir-akhir dekade ini. pola hujan yang terganggu. temperatur permukaan bumi rata-rata naik 2. Beberapa metode yang bisa digunakan tipe hujan.2 analisis inti es.695 ton (-50%) yang diakibatkan oleh yang berpendapat bahwa gas-gas rumah banjir (Pasaribu SM. iklim di masa depan (Downing 1999). lingkaran pohon.

41 22/6-1/8 2. sehingga cukup tinggi (Wurianto. pancaroba akhir musim (http://unfccc. adanya Menurut Fidiyani dan Kamal gelombang radiasi panas yang meningkat. Masyarakat dapat tanam. Jawa dalam membaca tanda-tanda alam untuk menentukan perhitungan musim yang akan digunakan dalam mengelola lahan pertanian. 24 25/8-17/9 4. dan musim pancaroba menjelang hujan (labuh). 24 26/3-18/4 11. 43 23/12-2/2 8. bahkan hari baik atau jelek untuk mengetahui perpindahan mangsa dengan kegiatan panen hasil pertanian. Sistem pertanian pranata mangsa periode dalam kalender Gregorious tertera merupakan salah satu kearifan lokal orang dalam tabel 1. 2 Juni 2015 kenaikan permukaan air laut. Orang Jawa memiliki sistem pertanian yang Pranata mangsa sebagai kalender dikaitkan dengan kepercayaan terhadap surya mulai disejajarkan dengan kalender ketepatan waktu mengolah tanah.2 No. hujan (mareng).int). sistem pertanian pranata mangsa perubahan yang merugikan dalam siklus terbagi menjadi empat musim. 25 18/9-12/10 5. Kesejajaran Jawa dikenal dengan istilah pranata periode masing-masing mangsa dengan mangsa. 43 9/11-22/12 7. Pengetahuan masyarakat Jawa Mangsa terhadap dunia yang bersifat rasional dan Kebutuhan pangan merupakan irrasional memiliki kompleksitas yang kebutuhan primer manusia. 25 1/3-25/3 10. 26-27 3/2-28(29)/2 9. mangsa. sehingga faktor curah hujan menjadi dilakukan oleh penduduk. 2009). Dasar penentuan musim ketersediaan pangan sangatlah ditentukan didasarkan pada datang dan perginya curah oleh produktivitas sistem pertanian yang hujan. Adapun indikator tersebut tertera dalam Tabel 2. Sistem pedoman pada rasi bintang dan indikator pertanian yang ada pada masyarakat/orang masing-masing mangsa. 41 12/5-21/6 Perpindahan mangsa dengan dasar kedudukan dan kenampakan rasi bintang penunjuk dan indikator masing-masing mangsa. bercocok Gregorius (Masehi). Kondisi pranata mangsa. Kepercayaan yang berkembang di tengah masyarakat Jawa sangatlah Sistem Pertanian Pranata komplek. 23 2/8-24/8 3. (2012). 89 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 27 13/10-8/11 6. kenaikan permukaan laut hujan (rendheng). Tabel 1. Kesejajaran Pranata Mangsa dengan Kalender Gregorious Mangsa Periode (hari) Periode Gregorius 1. Pangan adalah hasil dibutuhkan dalam analisis sistem pertanian produk dari kegiatan pertanian. Sistem pertanian faktor utama dalam penentu pranata yang telah digunakan cukup bervariasi. musim kemarau (ketiga). 23 19/4-11/5 12. Jurnal Meteorologi Klimatologi dan Geofisika Vol. pemenuhan kebutuhan pangan menjadi satu Pemahaman-pemahaman yang mendalam prioritas tertentu. yaitu musim hdrologi.

Satelit Aqua dengan sensor AMSR-E (Advanced Microwave Data TRMM adalah data precipitasi Scanning Radiometer-Earth Observing (hujan) yang didapat dari satelit System). menyusun kinerjanya. yaitu : Satelit DMSP menjadi berbagai data cuaca. Ada beberapa satelit meteorologi dari masing-masing sensor yang similiki selain satelit TRMM. Data dari satelit dengan sensor AMSU-B (Advanced TRMM mempunyai neberapa sensor yang Microwave Sounding Unit-B). (Clouds and the Earth’s Radiant Energy System). dan LIS (Lightning Imaging Satelit TRMM dapat mengolah data Sensor). Indikator Setiap Mangsa di Pranata Mangsa Mangsa Indikator Tafsir Bintang Penunjuk 1 Sotya murca saka embanan Dedanuan gugur Sapi gumarang Permukaan tanah 2 Bentala rengka Tagih retak Tanaman yang menjalar (ubi) tumbuh dan 3 Suta manut ing bapa Lumbung mengikuti penegaknya (lanjaran) Waspa kemembeng jroning Sumber air banyak 4 Jaran dawuk kalbu yang kering Pancuran emas sumawur ing 5 Mulai musim hujan Banyak angrem jagad Pohon buah-buahan 6 Rasa mulyo kesucian Gorong mayit berbuah Munculnya banyak 7 Wisa kentar ing maruta Bima sakti penyakit Periode kawin 8 Anjrah jroning kayun beberapa macam Wulanjar ngirim hewan Gareng (tonggreget) 9 Wedaring wacana mulya Wuluh berbunyi Beberapa macam 10 Gendhing minep jroning kalbu Waluku ternak bunting Telur burung menetas dan 11 Sotya sinarawedi Lumbung induknya menyuapi anaknya (ngloloh) Orang sukar 12 Tirta sah saking sasana Tagih berkeringat Sistem Penginderaan Jauh Satelit dengan sensor SSM/I (Special Sensor TRMM Microwave Imager). TMI merupakan hasil kerjasama antara Amerika (TRMM Microwave Imager). Data cuaca (Defense Meteorological Satellite Program) yang dapat diolah diantaranya intensitas 90 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dan VIRS Serikat (NASA) dengan Jepang yang (Visible and Infrared Scanner). 2 Juni 2015 Tabel 2. dan satelit NOAA (National meteorologi TRMM (Tropical Rainfall Oceanic and Atmospheric Administration) Measuring Mission). sensor tersebut Pengembangan satelit TRMM ini terdiri dari PR (Precipitation Radar).2 No. CERES diluncurkan pada tahun 1996. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

Karangsambung yang berada di Kabupaten Data yang dihasilkan dari satelit ini dapat Kebumen memiliki sistem pertanian yang dikelola secara time series yang sudah lama diterapkan. es awan maupun air cair Peran dari pengolahan data TRMM dalam awan. Pulau Jawa menerapkan sistem pranata Data hasil perekaman satelit TRMM dapat mangsa untuk pengelolaan lahan diolah dari tahun 1997. HASIL DAN PEMBAHASAN Jawa.2 km sudah lama diterapkan dan dikembangkan (http://trmm. Sistem pranata mangsa ini resolusi spasial dari satelit ini 2. 91 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jurnal Meteorologi Klimatologi dan Geofisika Vol.gsfc. Namun demikian. hama. tipe hujan. Pengelolaan data-data tersebut dapat dilakukan untuk pengembangan akan memberikan peran yang penting dan sistem pertanian di ndonesia (studi kasus berguna untuk berbagai kepentingan suatu Kawasan Karangsambung).gov). Masing-masing bulan produksi pertanian dan menghindari terjadi memiliki jumlah hari yang berbeda dan kerugian akibat gagal oanen maupun menggunakan pedoman sistem kalender serangan hama. 3. oleh masyarakat Pulau Jawa semenjak pemerintahan Kerajaan Majapahit. Pengembangan menmungkinkandata dapat diolah untuk pertanian di Karangsambung maupun di prakiraan kondisi cuaca seperti curah hujan. daerah untuk pengembangan daerahnya.nasa.2 No. masa panen. 2 Juni 2015 hukan. Sistem pranata mangsa ini akan memberikan informasi kepada petani untuk Sistem pranata mangsa sendiri awal masa tanam. dan mengenal 12 jenis mangsa/pembagian bulan berbagai macam informasi pertanian. sedangkan untuk pertaniannya. Petani dalam satu tahun untuk pengelolaan memanfaatkan pedoman untuk optimalisasi tanaman pertanian. METODOLOGI Download data curah hujan Karangsambung (TRMM) Pengolahan data TRMM Pranata Mangsa Menentukan awal dan akhir Mengetahui peroide setiap musim hujan musim Menganalissi penyimpangan musim dari data TRMM dan sistem Pranata Mangsa 4.

Hal ini disebabkan prediksi gagal panen dan untuk meningkatkan dari sistem ini dapat berubah-ubah baik bisa produktifitas hasil pertanian.2 No. Pengolahan data Pulau Jawa dapat dimodifikasi sistemnya. Jurnal Meteorologi Klimatologi dan Geofisika Vol. menunjukkan awal dan akhir musim hujan Pemanfaatan dari satelit TRMM dapat di Karangsambung. Prakiraan dengan melihat musim hujan. Grafik Curah Hujan di Karangsambung Tahun 2000-2014 92 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Penelitian ini memanfaatkan data Sistem pranata mangsa yang sudah curah hujan harian yang diambil dari data lama diterapkan di Karangsambung maupun TRMM tahun 2000-2014. sedangkan tabel 1 merupakan memprediksi cuaca yang terjadi di suatu hasil pengolahan data TRMM yang daerah seperti Karangsambung. 2 Juni 2015 perkembangan perubahan iklim di dunia tanaman pertanian yang terbaik untuk membuat kondisi cuaca berubah membuat ditanam pada kondisi musim tersebut untuk sistem pranata mangsa kurang efektif untuk meminimalisir terjadinya kerugian akibat diterapkan lagi. pranata mangsa untuk menentukan jenis Gambar 1. Gambar 1 merupakan karena perubahan iklim. secara time series tersebut digunakan untuk Modifikasi ini digunakan untuk menentukan prakiraan awal dan akhir memperbaiki sistem pranata mangsa yang musim penghujan yang terjadi di selama ini sudah diterapkan tetapi berubah Karangsambung. Data TRMM ini dapat tren awal dan akhir musim dapat digunakan sebagai acuan dalam pertanian di dikombinasikan dengan sistem tanam Karangsambung. Hasil pengolahan data memprediksi awal musim hujan maupun TRMM tersebut menunjukkan bahwa akhir akhir musim hujan yang terjadi musim penghujan di tahun 2015 awal Karangsambung. Pemanfaatan satelit ini dapat 2000-2014. lebih awal maupun mundur musimnya. Modifikasi ini grafik yang menunjukkan kondisi nilai dilakukan dengan menggunakan satelit curah hujan di Karangsambung dari tahun TRMM.

sehingga dengan teerganggunya produksi pertaniaan karena pemanfaatan teknologi dalam pengolahan terjadi perubahan musim. bulan musim hujan pada tahun 2015 dilihat dari tersebut disebut sebagai mangsa Sada nilai tren yang terjadi pada tahun (mangsa 12). Informasi tersebut antisipasi awal untuk mengetahui kondisi digunakan sebagai bahan kombinasi untuk dari musim yang terjadi.2 No. yang dapat melenceng dari periode setiap Pengetahuan dini terkait informasi musim musimnya. Pengolahan data pertanian akan memperoleh hasil yang TRMM tersebut memberikan informasi maksimal dan meminimalisir/mencegah mengenai kondisi dari awal dan akhir gagal panen akibat perubahan iklim. tersebut akan berkaitan dengan jenis 93 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . pakaah akan penerapan sistem tanam Pranata Mangsa mundur maupun maju/lebih awal. 2 Juni 2015 Tabel 3. Pengamatan data TRMM sebelumnya. musim hujan yang terjadi di Pengamatan data TRMM merupakan Karangsambung. hal ini yang dapat menyebabkan dapat berubah. Pengolahan Data TRMM awal dan akhir musim penghujan di Karangsambung TAHUN MUSIM HUJAN AWAL AKHIR 2000 OKTOBER JUNI 2001 OKTOBER MEI 2002 OKTOBER MEI 2003 OKTOBER MEI 2004 OKTOBER JUNI 2005 SEPTEMBER JUNI 2006 NOVEMBER JUNI 2007 OKTOBER JUNI 2008 OKTOBER MEI 2009 OKTOBER JUNI 2010 AGUSTUS JULI 2011 OKTOBER MEI 2012 OKTOBER MEI 2013 OKTOBER JULI 2014 OKTOBER JULI 2015 OKTOBER MEI Pengelolaan hasil curah hujan di Prakiraan tahun 2015 ini sesuai dengan Karangsambung dari data TRMM tahun pranata mangsa bahwa pada bulan Mei 2000-2014 menunjukkan tahun 2015 merupakan akhir dari musim hujan dan musim hujan akan berakhir pada bulan Mei. Tahun-tahun sebelumnya di yang dapat dimanfaatkan sebagai landasan Karangsambung mengalami kemunduran petani untuk mengoreksi sistem pranata antara bulan Juni dan Juli akhir musim mangsa yang periodenya sewaktu-waktu hujnanya. awal dari musim kemarau yang ditandai Penentuan bulan Mei sebagai akhir dari dengan petani menanam palawija. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

gsfc.gov Melihat data awal dan akhir musim penghujan dari tahun 2000-2014 menunjukkan perubahan musim yang terjadi di Karangsambung. sehingga akan mendapatkan hasil Perubahan iklim menyebabkan produktivitas yang maksimal. Perubahan yang Pengolahan data menggunakan satelit terjadi membuat produktivitas pertanian TRMM dilakukan dengan lima sensor. panjang gelombang infrared. KESIMPULAN ditanam dengan kondisi yang diperkiraan. Perubahan sistem pranata mangsa dapat menyebabkan hasil produktivitas pertanian akan tidak optimal. dan lainnya. sehingga kombinasi anatara analisis data TRMM dengan sistem pranata mangsa dapat menjadi terobosan baru untuk pengolahan pertanian di Karangsambung maupun di Pulau Jawa agar produktivitas pertanian optimal dan menguntungkan bagi petani. sistem pertanian pranata mangsa mengalami ketidakteraturan musim. 94 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Perubahan iklim menyebabkan terjadinya musim yang berubah serta terjadi cuaca ekstrim yang akan dapat mempengaruhi tingkat produktivitas pertanian (Hukom.. terganggu. Instrumentasi Satelit TRMM Sumber: http://trmm. data panjang gelombang microwave. TRMM. Satelit TRMM mampu sehingga sensor yang bekerja adalah sensor menganalisis curah hujan yang terjadi di PR (Precipation Radar).2 No. mengalami perubahan. Perubahan ini diketahui dari hasil pengolahan data dengan satelit TRMM. Perubahan musim yang terjadi ini disebabkan karena perubahan iklim yang terjadi secara global di dunia. Penyelesaian masalah perubahan Setiap sensor bekerja secara khusus sesuai iklim yang berdampak langsung pada dengan kebutuhan data yang digunakan sistem pertanian pranata mangsa dilakukan dalam analisis. Sistem pranata mangsa di Ilustrasi bekerjanya satelit TRMM seperti Karangsambung pada beberapa tahun pada Gambar 2. 2012). dkk. sehingga mampu berlaku bagi sensor lain yang bekerja pada memprediksi awal dan akhir musim hujan.nasa. Hal ini tidak wilayah kajian. Data yang dibutuhkan untuk dengan teknologi penginderaan jauh satelit penelitian ini adalah data curah hujan. Gambar 2. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 tanaman pertanian yang cocok untuk 5.

gov diakses oleh No.151-167.gsfc. 2004. Bandung. Vol. Klimatologi edisi No. M. dan Kamal. U. Vol. 1. Lily ML. Hulu Kabupaten Maros. Bandung : Institut Teknologi Downing. 2009.2 No.2008. 2007. Upaya Konservasi Air dalam Situs Kepurbakalaan dan Mitologi Fidiyani. Hal.Peningkatan Kapasitas Adaptasi Petani Di Daerah Marginal Terhadap Perubahan Iklim. Bayong. Jurnal Hutan dan Masyarakat. E.nasa. New York : Wurianto. Climate. Jurnal Penjabaran Hukum Alam menurut Humanity. Jurnal Dinamika Hukum. Rizal Faozi Malik pada tanggal 19 Maret 2015 Hukom. Berdasarkan Pranata Mangsa. Aspek Budaya pada Rourledge. Maret Pikiran Orang Jawa 2009. 1999.Laporan Penelitian: Dassir. DAS Minraleng Departemen Pertanian.2 Tjasyono. Vol. Masyarakat Malang. Dinamika tenur dan Pusat Analisis Sosial Ekonomi Fakto-faktor yang Mempengaruhinya dan Kebijakan Pertanian pada Sub.IV. 2 Juni 2015 DAFTAR PUSTAKA Pasaribu SM.int/files/meetings/cop_13/pres Terhadap Optimalisasi s/application/pdf/sekilas_tentang_p Ketersediaan Air Di Irigasi Way erubaha iklim.2012.B. dan Ussy A. change and risk. dkk. 2.12 http://trmm. A. No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2015 24-32 95 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dkk.3 September 2012. R. Thomas E.pdf diakses oleh Mital Provinsi Maluku.Jurnal Yoesep Budianto pada 20 Maret Teknik Pengairan Vol.3 No. kedua.1 Hal. 2012.Pengaruh Perubahan Iklim http://unfccc.

Citarum Hulu watershed has 555 Hydrological Response Unit (HRU) units with the 74. maupun kekeringan. Infiltrasi. Analisis ini bertujuan untuk menentukan nilai CN pada setiap tutupan lahan dan menggunakan nilai tersebut untuk menganalisis limpasan serta infiltrasi pada setiap jenis tutupan lahan. Aliran limpasan dan infiltrasi dari air hujan (presipitasi) berpengaruh kuat terhadap kondisi dan tingkat fungsional DAS tersebut. 2 Juni 2015 ESTIMASI NILAI CURVE NUMBER MENGGUNAKAN SOFTWARE SWAT PADA DAERAH ALIRAN SUNGAI CITARUM HULU Ikrom Mustofa Departemen Geofisika dan Meteorologi. Nilai CN yang tinggi mengindikasikan bahwa kemampuan lahan untuk infiltrasi sangat rendah sedangkan limpasan permukaannya sangat tinggi. DAS Citarum Hulu. Hasil analisis menyebutkan bahwa jenis tutupan lahan yang memiliki CN tertinggi yaitu pada tutupan lahan jenis sawah irigasi. Berdasarkan analisis.2 No. it has a large runoff and lower infiltration value that defined in irrigated rice land cover type. DAS Citarum Hulu memiliki jumlah Hydrological Response Unit (HRU) sebanyak 555 unit dengan nilai CN rata-rata wilayah sebesar 74. The result shows that On the land cover which has the largest CN.com ABSTRAK Daerah aliran sungai (DAS) Citarum Hulu adalah salah satu DAS yang mengalami penurunan fungsi dalam kurun waktu beberapa dekade terakhir. One of the analysis methods through that case is using the soil water assessment tool (SWAT) method which aims to get the curve number (CN) values. Lemahnya fungsi DAS dari berbagai sektor menyebabkan kejadian hidrologi yang tidak dapat dihindari. The runoff and infiltration flows from rainfall water (precipitation) have strong influence through the condition and the watershed functional level. Penurunan fungsi tersebut lebih banyak disebabkan oleh adanya perubahan tutupan lahan menjadi pemukiman dan sektor-sektor lain. The magnitudes of runoff and infiltration flows are influenced by the type of watershed land cover. Jurnal Meteorologi Klimatologi dan Geofisika Vol. erosi. Nilai CN yang terdapat dalam perangkat lunak SWAT dapat mengetahui besarnya aliran limpasan dan infiltrasi suatu DAS. The 96 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . The decline of the function was caused by the land cover changing into housing and the other sectors. The CN values which are contained in the SWAT software can determine the magnitudes of runoff and infiltration flows of a watershed. such as: flood. Nilai CN setiap tutupan lahan berbeda-beda. and drought. Salah satu metode analisis kasus tersebut adalah dengan menggunakan metode soil water assessment tool (SWAT) yang bertujuan mencari nilai curve number (CN). Indonesia ikrommustofa@gmail. erosion. HRU. Bogor. Besarnya aliran limpasan dan infiltrasi tersebut salah satunya dipengaruhi oleh jenis penutupan lahan DAS. Kata Kunci : Curve Number. The weakness of watershed functions from the various sectors cause the hydrological events that can not be avoided. Runoff ABSTRACT Citarum Hulu watershed is one of the watershed which have decreasing function within the past few decades. The CN values in every types of land covers are different. This analysis aims to determine the CN Values in each land cover and use them to analyze the runoff and infiltration on each type of land cover.65.65 average CN value of the area. Institut Pertanian Bogor Dramaga. seperti: banjir.

Peran DAS yang sedemikian penting memerlukan peninjauan terhadap DAS adalah daerah yang dibatasi penutupan lahan DAS diatasnya. menuju titik-titik lebih rendah dalam arah Hal ini membutuhkan analisis tegak lurus dengan garis-garis kontur. Keywords : Curve Number. penurunan fungsi tersebut lebih yang berfungsi menampung. sedang yang jatuh di luarnya number). dilengkapi dengan garis-garis kontur. terakhir. Kegiatan analisis ini yang batas di darat merupakan pemisah bertujuan untuk menentukan nilai CN pada topografis dan batas di laut sampai dengan setiap tutupan lahan dan menggunakan nilai daerah perairan yang masih terpengaruh CN tersebut untuk menganalisis limpasan aktivitas daratan. 32 Tahun 2012. Lemahnya fungsi DAS dari yang ditinjau.2 No. garis kontur dipelajari untuk menentukan Besarnya aliran limpasan dan infiltrasi arah dari limpasan permukaan. letaknya baik di bagian hulu. Sumberdaya air tersebut suatu kesatuan ruang yang sangat penting merupakan sumber aliran utama dalam dalam menentukan ketersediaan air dalam DAS. Runoff 1. terhadap aliran limpasan dan infiltrasi. 2 Juni 2015 high CN value indicates that land capability for the infiltration is very low. infiltrasinya. maupun kekeringan. but surface runoff is very high. Citarum Hulu. Pemerintah No. Limpasan tersebut salah satunya dipengaruhi oleh berasal dari titik-titik tertinggi dan bergerak jenis penutupan lahan DAS. Daerah yang dibatasi oleh garis yang Salah satu metode analisis kasus tersebut menghubungkan titik-titik tertinggi tersebut adalah dengan menggunakan metode adalah DAS. LANDASAN TEORI sungai. DAS Citarum hulu juga mempunyai berbagai kebutuhan. Daerah DAS Citarum hulu adalah salah aliran sungai (DAS) adalah suatu wilayah satu DAS yang mengalami penurunan daratan yang merupakan satu kesatuan fungsi dalam kurun waktu beberapa dekade dengan sungai dan anak-anak sungainya. Berdasarkan Peraturan arti yang strategis dalam pembangunan. PENDAHULUAN Indriatmoko et al. (2004) menjelaskan bahwa fungsi utama DAS Citarum Hulu adalah sebagai daerah Daerah aliran sungai merupakan tangkapan air. DAS ditentukan dengan berbagai sektor menyebabkan kejadian menggunakan peta topografi yang hidrologi yang tidak dapat dihindari. erosi. ataupun hilir. Daerah Aliran Sungai (DAS) dapat didefinisikan sebagai suatu daerah yang 97 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Aliran oleh punggung-punggung gunung atau limpasan dan infiltrasi dari air hujan pegunungan dimana air yang jatuh di (presipitasi) berpengaruh kuat terhadap daerah tersebut akan mengalir menuju kondisi DAS dan tingkat fungsional DAS sungai utama pada suatu titik atau stasiun tersebut. HRU. Air hujan yang jatuh di dalam SWAT (Soil water assessment tool) yang DAS akan mengalir menuju sungai utama bertujuan mencari nilai CN (Curve yang ditinjau. sektor-sektor lain. Jurnal Meteorologi Klimatologi dan Geofisika Vol. tengah. Garis- seperti: banjir. Infiltration. menyimpan banyak disebabkan oleh adanya perubahan dan mengalirkan air yang berasal dari curah tutupan lahan menjadi pemukiman dan hujan ke danau atau ke laut secara alami. Pemanfaatan tersebut ditujukan pada fungsinya sebagai objek konservasi maupun lokasi pemanfaatan air 2. DAS umumnya memiliki serta infiltrasi pada tiap-tiap jenis tutupan fungsi masing-masing sesuai dengan lahan. Hasil dari nilai CN dapat akan mengalir ke sungai lain di sebelahnya mengetahui besarnya aliran limpasan dan (Triatmodjo 2010).

mengisi cekungan atau depresi permukaan tanah sebagai simpanan permukaan (depression storage). Jenis proyek ini menjadi kecil jika curah hujan tidak adalah Proyek aplikasi penerapan keilmuan melebihi kapasitas infiltrasi. Air dan kapasitas lapang telah terpenuhi. 2 Juni 2015 dibatasi oleh topografi alami. danau atau tempat penampungan air air perkolasi dan sebagian digunakan untuk alamiah lainnya (baseflow) (Asdak 2001).2 No. menggambarkan dan menggunakan satuan Air hujan yang dapat mencapai fisik-biologi dan satuan kegiatan sosial permukaan tanah sebagian akan masuk ekonomi untuk perencanaan dan (terserap) ke dalam tanah (infiltration). simpanan depresi dan cadangan oleh perangkat lunak ArcGIS dan 98 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Metode penelitian hujan diatas sebagian menguap atau yang dilakukan pada proyek ini terdiri atas terevaporasi walaupun jumlahnya sangat lokasi penelitian. METODE PENELITIAN simpanan depresi terpenuhi. pengelolaan sumber daya alam (Suripin Sedangkan air hujan yang tidak terserap ke 2001). Apabila hujan terus berlangsung bagian dari air tanah (groundwater). Selama hujan hidrometeorologi. Apabila tingkat Takeda 2003). intersepsi. aliran Lokasi penelitian adalah di kampus permukaan hanya terjadi di daerah yang IPB Dramaga yang dilakukan selama impermeabel dan jenuh di dalam suatu kegiatan perkuliahan Aplikasi GIS/RS DAS atau langsung jatuh di atas permukaan untuk Meteorologi Terapan. Apabila hujan yang terjadi mengalir melalui suatu sungai dan keluar kecil. setelah ditahan oleh tajuk pohon sebagai air Alternatif lainnya. Air infiltrasi memanjang sungai yang sangat akan tertahan di dalam tanah oleh gaya mempengaruhi debit sedimen yang terjadi kapiler yang selanjutnya akan membentuk pada DAS tersebut (Sosrodarsono dan kelembaban tanah. Infiltrasi akan berlangsung terus dalam tanah tersebut akan bergerak vertikal selama air masih berada di bawah kapasitas ke tanah yang lebih dalam dan menjadi lapang. Sebelum menjadi aliran proyek mata kuliah Aplikasi GIS/RS untuk permukaan (over land flow). Apabila curah hujan yang jatuh penelitian adalah kawasan DAS Ciliwung jumlahnya lebih besar dari jumlah air yang Hulu. dimana semua depresi. Jurnal Meteorologi Klimatologi dan Geofisika Vol. perbedaan ini ditentukan dalam cekungan-cekungan permukaan oleh banyak faktor. Alat yang digunakan adalah dibutuhkan untuk evaporasi. kelebihan air tersebut akan menjadi genangan air yang disebut tambatan permukaan (detention Penelitian ini merupakan salah satu storage). alat dan bahan yang sedikit. DAS memiliki karakteristik yang dalam tanah akan tertampung sementara berbeda-beda. yang terjadi adalah kecil atau sedang. untuk profil melintang dan gradien selanjutnya masuk ke sungai. atau jatuh terintersepsi oleh vegetasi yang lebat merupakan satuan hidrologi yang (Kodoatie dan Syarief 2005). air hujan yang masuk ke intersepsi. Obyek air. kelembaban air tanah telah cukup jenuh Menurut Arsyad (2006) proses maka air hujan yang baru masuk akan terjadinya aliran permukaan adalah curah bergerak secara lateral (horizontal) untuk hujan yang jatuh di atas permukaan tanah selanjutnya pada tempat tertentu akan pada suatu wilayah pertama-tama akan keluar lagi ke permukaan tanah (subsurface masuk ke dalam tanah sebagai air infiltrasi flow) dan akhirnya mengalir ke sungai. kelebihan air Meteorologi Terapan. antara lain adalah tanah (surface detention) untuk kemudian bentuk dan ukuran DAS. maka tanah tersebut. selanjutnya setelah 3. seperangkat komputer yang telah dilengkapi infiltrasi. terutama pada musim kelebihan air hujan tersebut akan tetap kemarau akan mengalir pelan-pelan ke terinfiltrasi yang selanjutnya akan menjadi sungai. digunakan. maka hampir semua curah hujan yang melalui outlet pada sungai tersebut. pola drainase serta mengalir di atas permukaan tanah ke tempat yang lebih rendah (runoff). serta metodologi dan diagram Besarnya aliran permukaan dapat alir pengerjaan proyek ini. maka barulah bisa terjadi aliran air hujan yang jatuh didalamnya akan permukaan.

alir. data penelitian yang disajikan dalam diagram tutupan lahan. serta data kemiringan tanah. dari Menurut Linsley et al.2 No. selanjutnya digunakan untuk melakukan UU RI No. diaplikasikan di berbagai belahan dunia. HRU yang Elevation Model atau DEM merupakan dikombinasikan dengan data iklim akan suatu model digital yang menggambarkan mendapatkan nilai CN. Metode yang paling Daerah aliran sungai (DAS) umum digunakan adalah metode linear didefinisikan sebagai daerah yang dibatasi gridding yaitu cara untuk menginterpolasi punggung-punggung gunung dimana air data ketinggian (baik berupa garis maupun hujan yang jatuh pada daerah tersebut akan titik) kemudian dikonversi menjadi format ditampung oleh punggung gunung tersebut raster yang hasil akhirnya berupa piksel kemudian dialirkan melalui sungai-sungai atau cell grid. Data DEM merupakan data kecil ke sungai utama (Asdak 2001). HASIL DAN PEMBAHASAN berbagai perangkat lunak GIS pada dasarnya menggunakan formula matematis yang hampir sama. 2 Juni 2015 ArcSWAT. Setelah proses deliniasi DAS. Digital untuk mencari nilai HRU. dipisahkan oleh punggung bukit/gunung Penentuan peta data DEM yang dapat ditelusuri pada peta topografi.7 Tahun 2004 tentang deliniasi DAS. DEM sudah lama dikenal dan yang sebenarnya. Sedangkan bahan yang diperlukan dalam pengerjaan proyek Berikut adalah metodologi tersebut adalah data jenis tanah. dan tipe tanah menjadi satu kesatuan diawali oleh pembuatan peta DEM. kemiringan laut secara alami. (1982) DAS data DEM ini dapat diekstraksi menjadi merupakan daerah yang dianggap sebagai beberapa turunan data spasial lain seperti wilayah dari titik tertentu pada sungai dan contour reconditioning. sungai yang berfungsi menampung. penggunaan lahan. Delineasi DAS sendiri sumberdaya air pasal 1 ayat 1 adalah proses penentuan jaringan sungai mendefinisikan daerah aliran sungai sebagai secara lengkap sehingga dapat dihitung suatu wilayah daratan yang merupakan satu jumlah sungai dan anak sungai secara kesatuan dengan sungai dan anak-anak keseluruhan. Konstruksi DEM (Digital Elevation Model) yang disediakan pada beberapa modul di 4. spasial yang berisi nilai ketinggian. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 99 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . pengerjaan proyek dilanjutkan dengan menyimpan dan mengalirkan air yang memasukkan beberapa parameter seperti berasal dari curah hujan ke danau atau ke deliniasi. Diagram alir pengerjaan proyek Pengerjaan proyek mula-mula lahan. Gambar 1. Pada akhirnya akan kembali kondisi permukaan bumi beserta dilakukan analisis terhadap nilai CN yang keadaan topografinya dalam bentuk tiga dihasilkan dengan melihat kondisi lapang dimensi.

dan pegunungan 107 30’’BT – 108 BT dan 6043’Lintang 0 Krenceng dan Gunung Mandalawangi di Selatan -7015’Lintang Selatan. latosol dan rogosol. Jenis tanah banyak menyerupai sifat bahan induknya. Peta deliniasi DAS Citarum Hulu inseptisol. mm/tahun.2 No. Keadaan Citarum Hulu meliputi beberapa wilayah iklim DAS Citarum Hulu yaitu curah hujan yang terdiri dari kabupaten Bandung. pegunungan Patuha- Gambar 2. Perahu di bagian utara. Kota Sumedang mm/tahun dan tertinggi yaitu 4000 yang keseluruhannya terletak di Jawa Barat. Peta klasifikasi kemiringan lahan DAS Citarum Hulu 100 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 DAS Citarum Hulu terletak antara Malabar bagian selatan. dibanding dengan tanah matang dan masih inseptisol. Rentang suhu harian dan DAS ini merupakan suatu cekungan tahunan sekitar (24-280C) dan kelembaban dikelilingi oleh pegunungan Tangkuban relatifnya berkisar 80%. dominan yang ada di DAS ini adalah jenis Gambar 3. DAS bagian barat (BP DAS 2006). Tanah jenis inseptisol adalah Berdasarkan peta jenis tanah DAS tanah yang belum matang (immature) yang Citarum Hulu memiliki jenis tanah yang perkembangan profilnya lebih lemah beragam antara lain inseptisol alluvial. Kota Bandung. Kota rata-rata terendah di DAS ini yaitu 1800 Cimahi.

2 No. bahkan pada titik tertentu. rumput (1.42%).19% dari hujan (4.15%). tegalan/ladang (15. tanah berbatu diikuti oleh penggunaan lahan DAS lainnya (0. hutan DAS Citarum hulu di dominasi dengan (12. kemiringan dataran yang cukup landai tersebut juga semakin curam. air tawar luas DAS secara keseluruhan.16%).91%).01%). Peta tipe tanah DAS Citarum Hulu Penggunaan lahan (Landuse) di (17.28%). kemudian (0. Kondisi kemiringan memiliki potensi banjir cukup tinggi dipengaruhi oleh hujan yang jatuh sehingga dibandingkan wilayah lainnya. semak (6. Beberapa wilayah DAS Citarum Gambar 4. Peta klasifikasi penggunaan lahan DAS Citarum Hulu 101 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . kebun Gambar 5.04%) dan empang (0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.22%).23%). titik DAS. kemiringan dataran <3% terpusat di wilayah tengah DAS yang sampai dengan 50%. yaitu pemukiman (17.15%).65%). Gedung (0. 2 Juni 2015 Topografi DAS Citarum Hulu Hulu memiliki kemiringan dataran yang relatif datar dan landai serta sedikit cukup landai. Kemiringan jauh dari pusat DAS. Wilayah tersebut hampir bergelombang. Semakin akan lebih cepat terkonsentrasi. menyebabkan terjadinya banjir di beberapa kemiringannya >30%. sawah tadah lahan sawah irigasi sebesar 25.

Begitu pula sebaliknya. Berdasarkan analisis yang rendah yaitu pada tutupan lahan jenis sawah telah dilakukan. Kelas lereng yang kemiringan lahan (Landslope). dan kelas (Mulyana.8 mm serta HRU sebanyak 555 unit dengan nilai CN presipitasi sebesar 1. penggunaan keragaman penutupan lahan (Landuse). 2012).65 dengan beberapa aktivitas DAS seperti evaporasi DAS Citarum Hulu memiliki Nilai dan transpirasi sebesar 371. HRU (Hydrological Response Unit) Hasil analisis menunjukkan bahwa DAS merupakan unit analisis hidrologi yang citarum terbagi menjadi 23 subbasin dan dibentuk berdasarkan dari kesamaan 555 HRU yang didalamnya terdapat parameter karakteristik tanah. hal ini sesuai dengan literatur salah satu peta tanah Gambar 6. DAS 5.99%. digunakan dalam kajian ini adalah 0-2%. Pada berbeda-beda. Peta Hydrological response unit (HRU) DAS Citarum Hulu Berdasarkan pengolahan data. KESIMPULAN Citarum Hulu memiliki rata-rata curve number (CN) sebesar 74. 102 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Nilai CN tutupan lahan memiliki nilai CN yang setiap tutupan lahan berbeda-beda.8 mm.404. Setiap rata-rata wilayah sebesar 74.2 No. menjadi tutupan lahan jenis lainnya. lahan. diketahui bahwa CN irigasi. Nilai CN melakukan infiltrasi air hujan. 2 Juni 2015 yang sering digunakan dalam penelitian.65. Nilai CN rata-rata yang cukup tinggi tertinggi didapat oleh sawah irigasi. Jurnal Meteorologi Klimatologi dan Geofisika Vol. dan kelas lereng yang spesifik sebaran jenis tanah (soil type). 15-30% dan 30-99. Hal ini disebabkan oleh nilai tutupan lahan yang memiliki CN terbesar CN yang dipengaruhi oleh tekstur tanah dan memiliki nilai limpasan besar dan infiltrasi tutupan lahan. 2- 8%. Hal ini pada DAS Citarum Hulu membuktikan disebabkan oleh kondisi sawah yang jenuh adanya perubahan tutupan lahan dari tipe sehingga mengakibatkan air hujan yang yang cukup baik dalam melakukan turun sebagian besar dialirkan sebagai infiltrasi. Penentuan yang tinggi mengindikasikan bahwa dan analisis nilai CN pada akhirnya dapat kemampaun lahan untuk infiltrasi sangat digunakan untuk melakukan pembatasan rendah sedangkan limpasan permukaannya terhadap kegiatan pembukaan hutan sangat tinggi. 8-15%. menjadi tipe yang kurang mampu limpasan permukaan (Runoff). sehingga laju infiltrasi menjadi stabil.

hulu dengan aplikasi model revisi. SWAT[disertasi]. Jakarta (ID) :Pradayana Paramita. kepada Bapak Idung Risdiyanto selaku Pengelolaan Sumber Daya Air Penanggung jawab mata kuliah GIS/RS Terpadu. Takeda. untuk meteorologi terapan. Hidrologi dan Pengelolaan Triatmodjo B. Cetakan ke sembilan. Penulis mengucapkan terima kasih Kodoatie RJ dan Rustam Syarif. Yogyakarta Yogyakarta (ID) : Beta Offset. (PB-DAS). 2004. untuk penelitian-penelitian terkait Hidrologi Untuk Pengairan. Leaflet. penulis juga hendak mengucapkan terima Mulyana N. Jurnal Meteorologi Klimatologi dan Geofisika Vol. dan K. Melalui kerjasama tim. 2001. Undang-undang Republik Indonesia Nomor 7 Tahun 2004 tentang Sumber Daya Badan Pengawasan Daerah Aliran Sungai Air. Daerah Aliran Sungai. Pengelolaan Daerah Aliran Sungai Ciliwung- Citarum. 5(2): 82-94. Evaluasi UCAPAN TERIMA KASIH lingkungan air tanah di DAS Citarum Hulu. kesimpulan yang dapat dijadikan referensi Sosrodarsono S. (ID) : Gadjah Mada University Press. Selain itu. 2012. Jurnal Teknik Lingkungan Vol. Pelestarian Sumber Daya Tanah dan Air. Bogor(ID). Yogyakarta (ID) : Penerbit Andi. 2 Juni 2015 Indriatmoko. 2005. RH. Yogyakarta (ID) : ANDI.2 No. 103 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . maka analisis tersebut menghasilkan sebuah Institut Pertanian Bogor. Analisis luas tutupan kasih kepada kelompok dua atas hutan terhadap ketersediaan Green kerjasamanya dalam melakukan penelitian Water dan Blue Water di Sub DAS dan analisis terhadap nilai CN DAS Gumbasa dan Sub DAS Cisadane Citarum Hulu ini. berikutnya. dan bimbingan dari Bapak Idung. 2010. Asdak C. DAFTAR PUSTAKA Suripin. 2003. Hidrologi Terapan. 2001. 2006.

Hasbi Yasin2 . 2 Juni 2015 PEMODELAN TINGGI PASANG AIR LAUT DI KOTA SEMARANG DENGAN MENGGUNAKAN MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM (MODWT) Rezzy Eko Caraka1. it is very important for the community. Banyaknya koefisien wavelet setiap tingkat MODWT selalu sama. Many coefficient wavelet every level MODWT is always the same. Sea tides Information which is accurate. Wavelet. especially prone to flooding which was within rob or basin area so that the process done earlier evacuation to a lot of material and the sacrifice and soul can be avoided. Transformation wavelet there are two kinds. DWT. Sifat ini menyebabkan MODWT memiliki keunggulan melakukan pemodelan data runtun waktu. This is because base in wavelet is determined by the layout and scale (translation and dilatation). Pendugaan pasang surut air laut di kota Semarang menjadi faktor penting di sektor transformasi laut atau pengelolaan daerah aliran dalam kaitannya dengan sistem peringatan dini ketika terjadi banjir. hal ini berbeda dengan metode DWT yang selalu terjadi penurunan (decimated) pada setiap kenaikan tingkatan. Penggunaan dekomposisi wavelet telah berkembang dan dianggap lebih sesuai adalah Maximal Overlap Discrete Wavelet Transform (MODWT). Sea tides Sounding in the Central Java city of Semarang a crucial factor in the sector transformation sea or management of the sect in relation to an early warning system and the deluge. Analisis dapat disimpulkan data pasang surut Kota Semarang menggunakan MODWT didapat MSE minimal diperoleh pada dekomposisi level 4 dan banyaknya koefisien pada level tersebut adalah 5 dengan nilai koefisien determinasi R2 99. Jurnal Meteorologi Klimatologi dan Geofisika Vol.ac.com ABSTRAK Seluruh kegiatan manusia yang berhubungan langsung dengan fenomena laut dan pesisir pantai membutuhkan informasi mengenai pasang surut. it is different with the method DWT that there is always 104 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . sangat penting bagi masyarakat khususnya yang berada dikawasan rawan banjir rob atau didaerah cekungan sehingga proses evakuasi dapat dilakukan lebih awal dan kerugian material serta korban jiwa dapat dihindari. Suparti3 1 Mahasiswa Jurusan Statistika FSM UNDIP Rezzyekocaraka@gmail. Ini dikarenakan basis dalam wavelet ditentukan oleh letak dan skala (translasi dan dilatasi). Runtun Waktu ABSTRACT All human activity that is directly related to the sea. and the phenomenon coastal tides need information about. Functions wavelet able to represent the functions that are not smooth. Informasi pasang surut air laut yang akurat. Discrete Wavelet Transform (DWT) and Continue Wavelet Transform (CWT). Transformasi wavelet terdapat dua macam yakni Discrete Wavelet Transform (DWT) dan Continue Wavelet Transform (CWT).id 3 Staff Pengajar Jurusan Statistika FSM Undip Supartisudargo@yahoo.Fungsi wavelet mampu merepresentasikan fungsi-fungsi yang bersifat tidak mulus.2 No.com 2 Staff Pengajar Jurusan Statistika FSM Undip Hasbiyasin@undip. The use a decomposition wavelet has been growing and is considered more suitable is Maximal Overlap Discrete Wavelet Transform (MODWT). CWT. MODWT.26% Kata Kunci: Pasang Surut.

pola surut purnama (spring tide) dan pasang data. Beberapa kajian yang (neap tides) adalah pasang surut dengan 105 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No. dkk (2010) dalam peramalan tergantung pada beberapa ada dua macam pasang-surut. yang akan datang berdasarkan nilai Penelitian yang dilakukan oleh Warsito sekarang dan masa lalu dari suatu peubah dkk (2013) membahas aplikasi MODWT (Makridakis. Dalam Pasang naik dan pasang surut air laut adalah situasi tersebut peramalan merupakan alat naik dan turunnya air laut secara beraturan yang penting dalam perencanaan yang waktunya (periodik).26 % Keywords : Tides. Algoritma wavelet mampu surut terendah (Lowest Low Water Level – memproses data pada skala atau resolusi LLWL). This nature causes MODWT has the advantage doing time series data modeling.Pemilihan metode jam 50 menit. Adanya tenggang waktu antara suatu peristiwa dengan peristiwa yang 1. yaitu pasang aspek penilitian yaitu aspek waktu. (Highest High Water Level – HHWL) dan 2006). diantaranya oleh Cuaca dan iklim merupakan sebuah Khashman dan Dimililer (2008) dan Mallat proses fenomena di atmosfer yang (1998). PASANG SURUT terjadi mendatang merupakan alasan utama bagi peramalan dan perencanaan. Sebagai ontoh fenomena yang berbeda (Kozlowzki. MODWT. Peramalan merupakan dalam pemodelan dan prediksi GDP USA suatu unsur yang sangat penting terutama dengan level dekomposisi dan banyaknya dalam perencanaan dan pengambilan koefisien pada setiap level optimal. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Dampak Transform (DWT) sebagaimana yang ditimublkan dapat diminimalisir dikemukakan oleh Mallat (1998) atau dengan penyediaan informasi. 2005). dan fungsi basis yang memberikan alat baru keadaan ini terjadi ketika bulan baru atau sebagai pendekatan yang dapat digunakan bulan penuh. ekstrim tersebut adalah tingginya Penghitungan koefisien wavelet dapat gelombang laut yang berpotensi dilakukan dengan Discrete Wavelet mengakibatkan bencana alam. DWT. 2 Juni 2015 experienced (decimated) in every increase levels. Sedangkan pasang surut perbani yang berbeda. dan surut perbani (neap tides). Pasang surut tingkat keakuratan peramalan. Amplitudo terbesar terjadi dalam merepresentasikan data atau fungsi. tipe model sistem yang diamati. Transformasi Wavelet meningkatnya fenomena alam yang tidak akan menghasilkan himpunan koefisien lazim terjadi atau biasa disebut dengan Wavelet yang dihitung dari titik (lokasi) cuaca ekstrim yang sulit untuk dikendalikan observasi pada level (skala) dan lebar range dan dimodifikasi. keputusan. CWT. yaitu pada periode 24 efektif serta efisien. Time Series PENDAHULUAN berkaitan dengan transformasi wavelet telah banyak dibahas. Wavelet. the decomposition level 4 and there are many coefficient on that level is 5 with the coefficient determination R2 99. Menurut Suyasa. karena adanya peristiwa pasang tertinggi fungsi yang lain (Banakar dan Azeem. 1999). Analysis of data can be concluded tide of Semarang using MODWT acquired MSE at least. Maximal Overlap Discrete Wavelet Peramalan adalah suatu kegiatan Transform (MODWT) seperti dalam memperkirakan apa yang terjadi pada masa Percival dan Walden (2000). karena medan gravitasi bulan dan matahari Analisis dekomposisi wavelet merupakan menarik air laut pada arah yang sama. Perhatian juga telah dilakukan. Penggunaan purnama (spring tide) yaitu pasang surut metode tersebut dalam peramalan harus dengan amplitudo besar yang disebabkan memenuhi asumsi-asumsi yang digunakan. Beberapa kajian tentang keberadaannya sangat penting dalam transformasi wavelet pada data time series berbagai aktivitas kehidupan. diantaranya oleh mengenai informasi cuaca dan iklim Murguia dan Canton (2006) serta semakin meningkat seiring dengan Kozlowski (2005).

Pasang-surut campuran condong ke waktu yang berbeda. Pasang-surut harian ganda jenisnya dan sebaran pola tersebut di (semidiural tide). Pasang-surut harian tunggal (diural misalnya di sebagian besar tide). Pasang-surut campuran condong ke mengitari bumi sekali dalam 28 hari.2 No. terjadi hanya satu kali perairan Indonesia bagian timur. 1993) 106 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . setiap hari wilayah Indonesia dapat dilihat pada terjadi dua kali pasang dan dua Gambar 1 dan Gambar 2. sehari. 1. Kedua pasang waktunya. 2 Juni 2015 amplitudo kecil yang terjadi karena gaya prevailing diural). tetapi kadang-kadang pula sehingga kedua gaya gravitasi tersebut untuk sementara dengan dua kali memberikan efek yang kecil. harian tunggal (mixed tide. terjadi dua lautnya. tetapi berbeda empat jenis yakni : dalam tinggi dan waktunya. Dari Gambar 2 kali surut yang tingginya masing. Gambar 1. Contoh pola gerakan muka air pada empat jenis pasang-surut selama kurun waktu 16 hari (Nontji. harian ganda (mixed tide. kali pasang surut dengan ketinggian dan 3. pada saat pasang surut sesuai dengan 2. terjadi satu kali gravitasi matahari posisinya berada tegak pasang dan satu kali surut dalam lurus terhadap gaya gravitasi bulan. dan terjadi pasang dan dua kali surut yang ketika perempat bulan pertama dan sangat berbeda dalam tinggi dan perempat bulan terakhir. pasang dan satu kali surut setiap hari. terlihat bahwa jenis pasang surut di perairan masing hampir sama. misalnya di pantai surut terakhir (pasang surut purnama dan selatan Kalimantan dan pantai perbani) terjadi dua kali dalam satu siklus utara Jawa Barat. menurut Nontji (1993) pasang. kali pasang dan dua kali surut surut di Indonesia dapat dibagi menjadi dalam sehari. misalnya di Semarang merupakan campuran condong perairan Selat Malaka sampai ke ke harian tunggal yaitu terjadi satu atau dua laut Andaman. Dilihat dari pola gerakan muka prevailing semidiural). bulan yang lamanya 28 hari. misalnya diperairan sekitar Contoh pola gerakan muka air Selat Karimata. karena bulan 4. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

nol (Suparti. persamaan (1) representasi wavelet akan menggunakan panjang support yang sempit dan pada bagian fungsi 107 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Karena wavelet terlokalisasi dalam Dalam kalimat yang lebih matematis dapat domain waktu (artinya pada saat dikatakan bahwa setiap fL2[a. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 1993). 1.b].2 No. Fungsi wavelet memiliki dalam jumlahan suku-suku tak hingga dari beberapa kelebihan.b] dapat nilai domain relatif besar. Sebaran jenis-jenis pasang-surut di Indonesia dan sekitarnya (Nontji. Dalam hal ini representasi fungsi dengan wavelet fungsi sinus dan cosinus membangun basis lebih efisien. Pada oleh wavelet seperti dituliskan pada bagian fungsi yang tidak mulus. terlokalisasi dalam domain waktu yang berfluktuasi. antara lain: fungsi cosines dan sines yang terdilatasi. bersifat adaptif secara lokal sifat tertentu diantaranya berisolasi di sehingga metode wavelet sangat sekitar nol (seperti fungsi sinus dan cocok untuk memodelkan data-data cosinus).b]. Sebagai akibatnya fungsi-fungsi yang bersifat tidak mulus. Wavelet mampu merepresentasikan untuk ruang L2(R). Besarnya laju konvergensi integral Keberadaan fungsi pembangkit rata-rata kesalahan kuadrat (IMSE) basis dalam ruang L2 tidaklah tunggal.b].b] dapat dinyatakan Walden. dan frekuensi serta membentuk basis ortonormal dalam L2(R) (Percival dan Setiap fL2[a. 2000). 2. fungsi wavelet dapat membangun basis 3. optimal estimator wavelet dari Seperti halnya fungsi sine dan cosine yang fungsi mulus lebih cepat menuju dapat membangun basis pada ruang L2[a. fungsi dinyatakan sebagai kombinasi linier dari wavelet berharga nol) maka suatu basis dalam L2[a. FUNGSI WAVELET DAN yang mulus akan menggunakan TRANSFORMASI WAVELET support yang lebih lebar. 2 Juni 2015 Gambar 2. Dengan demikian fungsi wavelet Fungsi wavelet merupakan suatu mempunyai panjang support yang fungsi matematika yang mempunyai sifat. Ini dikarenakan basis dalam setiap fL2(R) dapat dinyatakan sebagai wavelet ditentukan oleh letak dan kombinasi linier suatu basis yang dibangun skala (translasi dan dilatasi). untuk ruang L2[a. 2. 2000).

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

f (t)   c J, k J, k (t )    d j, k  j, k (t)
kZ j  J k Z
(1)
dengan c J, k  f , J, k   f ( t )J, k (t )dt
d j, k  f ,  j, k   f (t ) j, k ( t )dt

Persamaan (1) dapat dinyatakan sebagai jumlahan komponen skala S dan komponen
detil D seperti pada persamaan (2)

f (t)   c J, k J, k (t )   d J 1, k  J 1, k (t)   d J  2, k  J  2, k (t)  ...   d1, k 1, k (t)
kZ kZ kZ kZ
 SJ+DJ-1+DJ-2+…+D1
(2)
Lebih lanjut dari persamaan (2) akan diperoleh
SJVJ
SJ+DJ-1=SJ-1VJ-1=VJWJ-1
SJ+DJ-1+DJ-2=SJ-2VJ-2=VJWJ-1WJ-2

SJ + DJ-1 + DJ-2 + …+ D1=S1V1= VJWJ-1WJ-2…W1
Koleksi dari SJ, SJ-1, …, S1 membentuk himpunan pendekatan multiresolusi (Multiresolution
Approximations=MRA). Ruang multiresolusi yang terbentuk dituliskan sebagai
 VJVJ-1VJ-2L2(R)

3. TRANSFORMASI WAVELET L 1 L 1
DISKRIT (DWT) 2.  h i2  1 dan  gi2  1 dengan L
i0 i0
Transformasi wavelet yang telah panjang filter
dibahas pada bagian sebelumnya
sebenarnya merupakan transformasi
wavelet kontinu (CWT). Koefisien- L 1
koefisien wavelet pada persamaan (1) 3.  h igi  0
diperoleh melalui proses integrasi, oleh i0
karenanya nilai wavelet harus terdefinisi 4. Antara h dan g memiliki hubungan
pada setiap xR. Ada bentuk lain dari seperti tertulis pada persamaan (3)
transformasi wavelet yang disebut
transformasi wavelet diskrit (DWT). maka gl =(-1)l +1hL-1-l
pada DWT juga terdapat dua filter Misalkan diberikan filter wavelet
pembangun DWT yaitu filter wavelet (ibu) h=(h0, h1, …, hL-1) dan f=(f1, f2, …, fn)
yang biasa dinotasikan dengan h dan filter merupakan realisasi fungsi f pada n titik t1,
skala (wavelet ayah) yang biasa dinotasikan t2, …, tn dengan jeda interval t=1 satuan
dengan g. waktu. Dalam hal ini disyaratkan n=2J
nilai filter yang memenuhi sifat-sifat yang untuk suatu bilangan bulat positif J. Secara
dipersyaratkan yaitu: matematis DWT dapat dituliskan seperti
pada persamaan (4)
1. Panjang filter adalah genap w=Wf
dengan w=hasil DWT dan W=
matriks transformasi berukuran nxn
108

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

wavelet transform, Translation invariant
4. MAXIMAL OVERLAP DICREETE wavelet transform, Shift invariant wavelet
WAVELET TRANSFORM transform, Cycle spinning, dan
Undecimated wavelet transform (UWT)
Jika ukuran sampel sebarang yang
Filter untuk MODWT diperoleh dari
tidak dapat dinyatakan dalam bentuk 2J,
filter DWT dengan rumusan yang akan
dengan J bilangan bulat positif, pemfilteran
dijelaskan berikut ini. Misalkan h=[h0, h1,
dengan DWT seperti pada persamaan (4)
…, hL-1] adalah filter DWT dan
tidak dapat dilakukan. Sebagai alternative ~ ~ ~ ~
koefisien wj,k dan cJ,k dapat dihitung dengan h  [h 0 , h1, h L 1 ]
adalah filter
Maximal Overlap Discrete Wavelet MODWT maka filter MODWT diperoleh
Transform (MODWT). Meskipun ~
dengan rumus h   h  / 2 . Hal yang
pembahasan difokuskan pada analisis data
runtun waktu namun pada hakekatnya sama berlaku untuk filter skala g dan ~
g.
MODWT juga dapat digunakan dalam Setelah mengetahui hubungan antara filter
konteks fungsi secara umum. Beberapa DWT dan filter MODWT selanjutnya untuk
istilah yang memeiliki maksud sama menyingkat penulisan symbol filter
dengan MODWT adalah Stationary wavelet MODWT dituliskan sebagai h dan g seperti
transform, Redundant wavelet transform, pada filter DWT.
Algorithme à trous, Quasi-continuous

Gambar 3. Algorithma MODWT pada tingkat j=1

Koefisien pada tingkat yang lebih tinggi j=2 dapat dijelaskan dengan Gambar 4 lebih
dari MODWT dapat diperoleh dengan lanjut Ẑ =S2+D2 +D1 akan sama dngan Z
memecah koefisien skala cj,k menjadi cj+1,k terhadap pemfilteran berbasis wavelet.
and wj+1,k. Proses MODWT pada tingkat

Gambar 4. Algorithma MODWT pada tingkat j=2

109

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

Banyaknya koefisien wavelet pada setiap satu langkah ke depan yaitu pada waktu t+1
tingkat MODWT selalu sama, hal ini dimodelkan secara linier berdasarkan
berbeda dengan metode DWT yang selalu koefisien wavelet hasil dekomposisi
terjadi penurunan (decimated) pada setiap realisasi Z di waktu-waktu sebelumnya.
kenaikan tingkatan. Sifat ini menyebabkan Gambar 5 memperlihatkan runtun data yang
MODWT memiliki keunggulan untuk berperan dalam pembentukan koefisien
melakukan pemodelan data runtun waktu. detil dan koefisien skala pada waktu t.
Lebih lanjut tulisan ini hanya membahas Murtagh (2004) mengusulkan koefisien
penggunaan MODWT untuk pemodelan detil dan koefisien skala hasil transformasi
data runtun waktu. MODWT yang dianggap penting untuk
melakukan prediksi pada waktu t+1 akan
5. PEMODELAN DERET WAKTU berbentuk w j,t 2 j ( k 1) dan c J,t 2J ( k 1) .
BERBASIS WAVELET
Prediksi satu langkah ke depan dinyatakan
Model yang terbentuk pada dalam persamaan (5).
hakekatnya akan digunakan sebagai alat
pridiksi ke depan. Prediksi runtun waktu Z

J Aj A J 1
Ẑ t 1    â j, k w j, t  2 j ( k 1)   â J 1, k cJ, t  2 (k 1)
J (5)
j1 k 1 k 1

Tingkat dekomposisi tertinggi dinyatakan model prediksi untuk J=4 dan Aj=2 dengan
dengan J, dan Aj terkait dengan banyaknya j=1,2,3,4. Dalam hal ini persamaan (5) akan
koefisien yang terpilih pada tingkat menjadi persamaan (6) dan jika diambil
dekomposisi. Gambar 6 memperlihatkan Aj=1 akan menjadi persamaan (7).
koefisien yang terpilih untuk membangun

Gambar 5. Data untuk menghitung koefisien terakhir pada tiap tingkatan

Ẑ t 1  â1,1w1, t  â1,2 w1, t  2  â 2,1w 2, t  â 2,2 w 2, t  4
 â 3,1w 3, t  â 3, 2 w 3, t 8  â 4,1w 4, t  â 4,2 w 4, t 16 (6)
 â 5,1c 4, t  â 5,2c 4, t 16
Ẑt 1  â1,1w1, t  â 2,1w 2, t  â 3,1w 3, t  â 4,1w 4, t  â 5,1c4, t (7)

110

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

Gambar 6. Koefisien wavelet dan skala yang terpilih untuk prediksi pada J=4 dan Aj=2

software R dengan package toolkit wmtsa,
Persamaan (5), (6) dan (7) masing-masing software minitab 16, Jenis wavelet yang
merupakan bentuk linier yang dapat digunakan adalah wavelet Haar. Deskripsi
diselesaikan dengan metode sederhana data tinggi pasang laut digunakan untuk
seperti metode kuadrat terkecil. mengetahui gambaran umum dari data
tersebut. Gambaran data yang dimaksud
adalah seberapa besar nilai rata-rata,
6. TERAPAN PADA DATA TIME sebaran data, nilai maksimum dan
SERIES minimum, serta jumlah data tinggi pasang
laut tiap bulannya yang digunakan dalam
Data yang digunakan dalam tugas penelitian ini. Pada Tabel 1 dan Gambar 7
ini adalah berupa data sekunder yang diuraikan mengenai deskripsi data tinggi
diambil dari Badan Meteorologi pasang laut di perairan utara Semarang
Klimatologi dan Geofisika (BMKG) mulai Januari 2004 sampai dengan
Maritim Kota Semarang mengenai data Desember 2013.
tinggi pasang surut air laut Januari 2004
sampai dengan Desember 2013. Pengolahan
data dilakukan dengan menggunakan

Tabel 1. Statistik Deskriptif Data Tinggi Pasang Air Laut di Perairan Utara Semarang mulai
Januari 2004 sampai dengan Desember 2013

Variabel N Mean StDev Varians Minimum Maksimum
Pasang 120 95,57 18,17 330,247 64,00 138,70

111

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

Summary for Tides
A nderson-Darling N ormality Test
A -S quared 2.56
P -V alue < 0.005

M ean 95.571
S tDev 18.173
V ariance 330.247
S kew ness 0.640164
Kurtosis -0.357843
N 120
M inimum 64.000
1st Q uartile 84.150
M edian 91.850
3rd Q uartile 110.500
75 90 105 120 135
M aximum 138.700
95% C onfidence Interv al for M ean
92.286 98.856
95% C onfidence Interv al for M edian
88.260 93.700
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
16.128 20.816
Mean

Median

90.0 92.5 95.0 97.5 100.0

Gambar 7. Statistika Deskriptif

Penerapan pada wavelet, jenis wavelet yang
Berdasarkan Tabel 1 dapat dilihat bahwa digunakan adalah wavelet Haar. Untuk
jumlah data tinggi pasang laut yang mendapatkan hasil yang optimal, dipilih
digunakan adalah sejumlah 120 data. Rata- level maksimal yang dihitung adalah 4
rata tinggi pasang laut di kota Semarang sedangkan banyaknya koefisien pada setiap
adalah sebesar 95,57 cm. Berdasarkan level adalah 8. Level dekomposisi yang
PERKA BNPB No. 2 Tahun 2012, hal ini terlalu tinggi juga akan meningkatkan
masih dalam kategori sedang. Untuk residual data hasil transformasi pada level
sebaran data tinggi pasang yaitu sebesar ini, yang dipandang kurang memberikan
18,17 dan variansi sebesar 330,247. Tinggi pengaruh yang besar terhadap data (Warsito
minimum pasang laut terjadi pada bulan dkk,2013) . Berdasarkan analisis prediksi
Februari 2004 sebesar 64,00 cm. Sedangkan data pasang surut dapat dilihat pada tabel 2
tinggi maksimum pasang laut terjadi pada
bulan Juni 2010 sebesar 138,70 cm.

Tabel 2. Hasil perhitungan statistik nilai prediksi data pasang surut kota Semarang

Kriteria Nilai
MSE 3096,861
R-Squared 0,9926
Min -27,5681
1Q -5,7428
Median 0,2014
3Q 6,5789
Max 19,9862

112

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Grafik Pasang Surut Air Laut Di bagian kota Semarang. PENUTUP Image Compression using Neural Networks and Haar Wavelet. 2 Juni 2015 Dari Tabel 2 nampak bahwa nilai MSE koefisien determinasi R2 sebesar 99.26% . waspada mengatasi bencana rob terutama Volume 4. Dalam perencanaan pembangunan dan Journal of Telecommunications and perbaikan.. Persamaan yang didapatkan diperlukan dalam transportasi laut..Model yang diperoleh dapat tersebut adalah 5. Didapatkan nilai dituliskan dalam persamaan berikut : Gambar 8. minimal diperoleh pada dekomposisi level Plot runtun waktu data asli dapat dilihat 4 dan banyaknya koefisien pada level pada Gambar 8. Dengan adanya data menyebabkan tergenangnya air pasang di tentang pasang surut. Semarang. K. 2005. pada tahun yang akan datang mungkin saja berubah tergantung pada gaya tarik-menarik antara Bumi dan Bulan dan DAFTAR PUSTAKA perubahan muka laut global. 2008. Kozlowski. Khashman. and Dimililer. maka kedalaman kawasan stasiun Kereta Api Tawang suatu perairan akan diketahui sehingga alur termasuk komplek perumahan Tanjung pelayaran untuk kapal dapat ditentukan. Wseas Dengan penelitian ini. A.2 No. pemerintah dapat melihat hasil Information Technology. pembangunan di daerah fungsi dari kenaikan pasang surut di pesisir pantai dan lain-lain. May saat terjadi pasang maksimum pada bulan. diharapkan Transactions On Signal Processing. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 330 Issue 5. Time Series bulan musiman seperti pada bulan Mei. kegiatan dengan R2 sebesar 99. Warsawa.26% merupakan di pelabuhan. peramalan tinggi pasang air laut saat Polandia 113 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Denoising with Wavelet Transform. kondisi maksimum yaitu tinggi bangunan harus pasang tertnggi (spring tide)bisa lebih dari 1 meter. pemerintah Kota Semarang dapat lebih ISSN: 1790-5022. Emas yang herada tidak jauh dari setasiun Pengetahuan tentang pasang surut sangat tersebut. B.

2. Cambridge University Press. 2 Juni 2015 Makridakis. Jilid satu edisi kedua. F. E.C.T.Jakarta.. Jakarta. Vol..Wavelet Methods for Time Series Analysis.B. Bina Rupa Aksara.. Semarang.. Kombinasi Prosedur Pemodelan Subset Arima dan DeteksiOutlier untuk Prediksi Data Runtun Waktu.. Mallat.. J. S. 1993. Int. Laut Nusantara. New York: Academic Press Murguia. dan Aburakhman. ISBN:9788-602-14387-0-1 114 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .. Decision Support System. and McGee. Journal of Wavelets.. and Renaud. Wheelwright. Hari Suminto. Jurnal Meteorologi Klimatologi dan Geofisika Vol. J. pp 217-232 Suparti dan Subanar. Revista Mexicana de Fisica 52 (2) 155162 Murtagh. and Canton. A. V. O. Subanar. 2004. Estimasi Regresi dengan Metode Wavelet Shrinkage. No. Percival.E. Starcx.2013. F.. Stark.. 37. 2000. and Walden. O.L. A Wavelet Tour of Signal Processing. 2013. 2006. H.. J. 8/3:105-113 Tarno. Jurnal Sains dan Matematika. D.2 No. Prediction Based on a Multiscale Decomposition... Prosiding Seminar Nasional Statistika.C. A. Prosiding Seminar Nasional Statistika UNDIP 2013. Multiresolution and Information Processing. Pemodelan Time Series Dengan Maximal Overlap Discrete Wavelet Transform.. 2000..L. 2003. Metode dan Aplikasi Peramalan. 475- 484 Nontji. S.. 1999. 1.S. S.. and Murtagh. Penerbit Djambatan.. On Neuro-Wavelet Modelling. Wavelet Analysis of Chaotic Time Series. Terjemahan Ir. United Kingdom Renaud.B. Warsito. Cambridge. 1998.

115 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .com ABSTRAK Radar cuaca adalah salah satu instrument meteorologi yang saat ini pemanfaataanya banyak dipakai untuk keperluan pertimbangan analisa. Jurnal Meteorologi Klimatologi dan Geofisika Vol. hujan. Kata kunci: Radar.2 No.com ichigosihebat@gmail. 1. verifikasi. Oleh karenanya pengertian khususnya terhadap kurun dibutuhkan sebuah teknologi instrument waktu. PENDAHULUAN Cuaca dan iklim merupakan dua dituntut untuk memberikan informasi yang kondisi yang hampir sama tetapi berbeda tepat dan akurat. meso/mesoscale (Houze R. pada suatu lokasi dan suatu waktu. Namun tidak semua hasil estimasi curah hujan pada radar sesuai dengan curah hujan hasil pengamatan observasi. Sesuai dengan nama yang digunakan. radar Seiring kemajuan peradaban dikembangkan sebagai suatu cara yang manusia informasi mengenai keadaan cuaca menggunakan gelombang radio untuk pun sangat dibutuhkan untuk menunjang mendeteksi adanya objek dan menentukan kegiatan sehari – hari.A. Sehingga Klimatologi dan Geofisika (BMKG) selaku radar dapat digunakan untuk mendeteksi badan resmi yang menyebarkan informasi awan dan penyebarannya. Cuaca merupakan bentuk awal yang meteorologi yang mampu menunjang dihubungkan dengan penafsiran dan kegiatan pengamatan agar dapat diperoleh pengertian akan kondisi fisik udara sesaat informasi yang tepat dan akurat. sedangkan iklim merupakan kondisi Radio detection and ranging atau lanjutan dan merupakan kumpulan dari yang biasa dikenal sebagai radar adalah kondisi cuaca yang kemudian disusun dan salah satu instrument meteorologi yang dihitung dalam bentuk rata-rata kondisi secara efektif dapat mengamati fenomena – cuaca dalam kurun waktu tertentu. mendeteksi cuaca kepada masyarakat kian hari kian penyebaran presipitasi dan intensitasnya. 2NizamMawardi 1 Pusat Data Base BMKG 2 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Email :agygyta@gmail. fenomena atmosfer yang terjadi pada skala (Winarso. 2 Juni 2015 VERIFIKASI PREDIKSI CURAH HUJAN CITRA RADAR CUACA BATAM JENIS S-BAND KLYSTRON METEOR 1500S DENGAN DATA OBSERVASI HELLMAN PADA WILAYAH BATAM DAN TANJUNG PINANG 1 Agita Devi Prastiwi. 2003). Badan Meteorologi jarak (posisi) obyek tersebut. Hal ini bertujuan untuk mengetahui seberapa besar nilai indeks verifikasi radar Batam dalam operasionalnya. prakiraan dan informasi – informasi meteorologi lainnya termasuk salah satunya yang banyak digunakan saat ini adalah mengetahui informasi jumlah curah hujan. 1993). nilai. Sehingga perlu dikaji keakuratan data estimasi curah hujan pada radar dengan data curah hujan sebenarnya.

namun terjadi hujan pada hasil yang lebih baik. untuk produk MAX.2 Juni 2015 mendeteksi adanya badaiguntur. Rainbow untuk mendapatkan Untuk itu perlu dicari tahu hubungan antara produk – produk turunan (RIH) reflektifitas yang dihasilkan radar dengan dalam bentuk intensitas curah hujan intensitas curah hujan hasil pengamatan dalam satuan millimeter. Mengumpulkan data observasi hellman di Stamet Hang Nadim Presipitasi dapat dideteksi dengan Batam dan Stamet Kijang Tanjung radar namun tidak bisa secara langsung Pinang. serta Pinang adalah 51. selanjutnya akan diproses sehingga Metode dalam penulisan ini menghasilkan gambar atau citra pada layar diantaranya adalah : monitor. hujan pada keadaan yang Jarak radar cuaca terhadap penakar hujan sebenarnya dan tidak tercatat pada Hellman di Stasiun Meteorologi Tanjung pias hellman.71 km (sumber : Google Earth). Mengolah raw data radar cuaca turun. jarak yang cukup jauh di Stasiun  Miss : prediksi menunjukkan tidak Meteorologi Tanjung Pinang yang memiliki (hujan). . prediksi nilainya lebih besar 2. Data citra radar tersebut oleh antenna akan dipantulkan yang dipakai dalam penulisan ini adalah kembali dan diterima sebagai echo. Data radar cuaca didapat dari data citra Prinsip kerja radar yaitu dengan radar cuaca di Batam. BMKG menggunakan persamaan prakiraannya/tidak nonprobabilistik hubungan Z dan R Marshall – Palmer untuk curah hujan estimasi pada radar memperoleh estimasi curah hujan yang dengan curah hujan pada hellman dideteksi oleh radar cuaca.  Correct negative : prediksi menunjukkan tidak (hujan) dan 116 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . setelah mengenai target gelombang 1500S buatan Gematronik. Namun tidak dengan membuat tabel kontingensi. RIH (range 120 km).79 km (sumber : Google mendeteksi arah dan kecepatan angin. Sehingga perlu “tidak”/”tidak hujan” pada prediksi dikaji keakuratan data estimasi curah hujan dan kejadian yang sebenarnya. cuaca terhadap penakar hujan Hellman di  False alarm : prediksi menunjukkan StasiunMeteorologi Hang Nadim Batam ya (hujan). SRI. Empat jenis Hang Nadim Batam dan Stasiun hasil kombinasi antara prediksi (ya Meteorologi Kijang Tanjung Pinang. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Data hellman didapat prediksinilainya lebih kecil dari dua Stasiun Meteorologi di wilayah dibandingkan dengan data Kepulauan Riau yaitu Stasiun Meteorologi observasi hellman. Melakukan verifikasi R. Radar cuaca di mentransmisi gelombang electromagnet ke Batam jenis S-Band Klystron Meteor antena. hal ini dikarenakan radar cuaca Batam menggunakan Software menghasilkan data reflektifitas radar (Z). semua hasil estimasi curah hujan pada radar Tabel kontingensi menunjukan sesuai dengan curah hujan hasil banyaknya hasil “ya”/”hujan” dan pengamatan observasi.2 No. pada radar dengan data curah Dikatakan “ya” jika data hasil hujansebenarnya. mengukur intensitas curah hujan yang . Jarak antara radar keadaan yang sebenarnya. Earth). permukaan yang kemudian disebut relasi Z- . Data atau tidak) dengan kejadian yang tersebut digunakan untuk melihat hasil sebenarnya (ya atau tidak) adalah: verifikasi radar cuaca terhadap jarak. namun tidak terjadi adalah 0. apakah jarak yang terlalu dekat di Stasiun  Hit : prediksi menunjukkan ya Meteorologi Hang Nadim Batam (hujan) dan terjadi hujan pada menghasilkan hasil yang lebih baik ataukah keadaan yang sebenarnya. DATA DAN METODE dibandingkan dengan data Dalam penulisan menggunakan dua observasi hellman dan dikatakan jenis data yaitu data hellman dan data citra “tidak” jika data hasil radar cuaca di Batam.

4) dihitung dengan menggunakan persamaan (2. 2 Juni 2015 tidak terjadi hujan pada keadaan total data. 2006). PC. FAR memiliki jumlah kejadian hujan nilai sempurna nol dan yang terjadi sehingga dapat dihitung dengan skill skor ini dapat menggunakan menunjukkan persamaan (2.4) kesuksesan performa model dalam FAR : memprediksi terjadinya hujan. disebut juga sebagai skil skor Accuracy (ACC) dan dapat dihitung dengan menggunakan persamaan (2.2) (Wilks 2006) PC : (2. TS Pada gambar tersebut. mewakili banyaknya kejadian correct negatives. PS.2)  TS akan menggambarkan seberapa baik model memprediksikan kejadian hujan.3) nilai maksimum 1 dan nilai  FAR adalah false alarm minimum 0 dimana: ratio dibagi dengan  POD adalah jumlah jumlah hit dengan false hits dibagi dengan alarm. Skill skor PC yang sebenarnya. a mewakili dapat dihitung banyaknya kejadian hit. c persamaan (2.1)  PC adalah jumlah hits dan correct negative dibagi dengan jumlah 117 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dan FAR memiliki (2. b mewakili menggunakan banyaknya kejadian false alarms.1) (McBride dan Ebert 1999) POD : (2. Menghitung skor verifikasi dengan menggunakan indeks POD. dan d (Wilks. PS dan FAR. PC. Jurnal Meteorologi Klimatologi dan Geofisika Vol. POD. TS : . POD dapat (2.3) mewakili banyaknya kejadian miss.2 No.

FAR memiliki Berbasis Masyarakat nilai 0.39 untuk Prediksi Hujan dengan Observasi wilayah Tanjung Pinang.91 0.2 No. Variabilitas / 4.40 memiliki false alarm ratio lebih besar.71 0. indeks verfikasi data hasil prediksi memiliki nilai POD sebesar 0.39 0.60 lokasinya jauh dari radar akan 0. radar maka performa radar akan hasil model data dari radar di bandingkan lebih baik.56 untuk wilayah Batam dan 0.22 untuk wilayah Batam dan 0.20 0. untuk wilayah Batam dan 0. KESIMPULAN Penyimpangan Iklim atau Musim di Indonesia dan Pengembangannya. 2012. Skill skor yang dihitung adalah POD.91 untuk wilayah Tanjung Pinang.67 untuk House.00 memiliki nilai lebih tinggi 0. minimum 0.. Yogyakarta. R. Doppler Weather Radar System Meteor 500C User Guide. Dengan demikian dapat Perbandingan Verifikasi dikatakan hasil model prediksi Batam dan Tanjung hujan akan lebih baik jika lokasi radar dan titik Pinang pengamatan tidak terlalu jauh. baik jika jarak suatu titik PC. Academic Press Inc. Bandung. memiliki nilai lebih kecil dibandingkan nilai TS Batam. .53 Memanfaatkan Aplikasi Android. AMS- Pada tabel dapat diketahui bahwa nilai skor Gematronik. Dari data diatas dapat diketahui bahwa: UGM. FAR akan memiliki hasil yang . dengan data perjam hasil observasi .Nilai TS Tanjung Pinang memuaskan jika nilainya mendekati 0. .80 dibandingkan nilai FAR Batam maka titik pengamatan yang Skor Indeks 0. A. TS memiliki nilai Suroso. Verifikasi 0. PC memiliki nilai 0. 1993.Nilai FAR Tanjung Pinang 1.A. Winarso. P. Nurinda S. 0. 2003. 2005. Cloud wilatah Batam dan 0. Verifikasi dilakukan dengan lebih besar dibandingkan nilai terlebih dahulu membuat tabel kontingensi PC Tanjung Pinang maka antara data observasi dengan data prediksi keakuratan radar akan lebih radar.71 untuk wilayah Dynamics.53 Gematronik.95 0.2 Juni 2015 3. PS dan FAR dimana keempatnya pengamatan tidak terlalu jauh memiliki nilai maksimum 1 dan nilai dari radar.22 DAFTAR PUSTAKA Tanjung Pinang 0. untuk wilayah Tanjung Pinang.67 0. Jr. Jurnal Meteorologi Klimatologi dan Geofisika Vol.Nilai PC Batam memiliki nilai hellman.00 POD PC TS FAR Batam 0. Tanjung Pinang. Germany.Nilai POD Batam memiliki nilai lebih kecil dibandingkan nilai POD Tanjung Pinang sehingga 118 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Institut Teknologi Bandung.95 California. HASIL DAN PEMBAHASAN dikatakan semakin jauh jarak suatu titik pengamatan dari Dalam melakukan verifikasi.56 0.

MCC.adhitya@gmail. PENDAHULUAN panjang garis pantai total 43.1250 lalu membandingkan dengan teori dinamika atmosfer untuk MCC di wilayah subtropis berdasarkan penelitian Laing dan Fritsch (1999). Jurnal Meteorologi Klimatologi dan Geofisika Vol.com ABSTRAK Salah satu bentuk Mesoscale Convective System (MCS) adalah Mesoscale Convective Complex (MCC) yang konsepnya pertama kali diperkenalkan oleh Maddox (1980) setelah kajian yang mendalam terhadap citra satelit inframerah di Amerika Serikat selama tahun 1978. penulis disini mencoba untuk mengkaji kejadian MCC dari sisi pola dinamika atmosfernya dengan mengambil studi kasus kejadian di Laut Jawa menggunakan bantuan data satelit MTSAT kanal inframerah dan data reanalisis Era Interim ECMWF beresolusi 0.1980. Sedangkan perbedaannya yang jelas adalah dua kejadian MCC tersebut di laut jawa tidak muncul dalam zona baroklinik. 2006). 2 Juni 2015 ANALISIS DINAMIKA ATMOSFER PADA KEJADIAN MESOSCALE CONVECTIVE COMPLEX (MCC) DI LAUT JAWA (STUDI KASUS TANGGAL 10-11 DESEMBER 2014 DAN 27-28 DESEMBER 2014) Bony Septian Pandjaitan1. (Tjasyono. munculnya cross equatorial flow. Fritsch dkk. 1. disimpulkan bahwa dinamika atmosfer untuk dua kejadian MCC di laut jawa terdapat beberapa kemiripan dengan konsep dinamika atmosfer untuk MCC di subtropis yaitu munculnya Low Level Jet (LLJ) dengan beberapa modifikasi. kelembaban relatif yang tinggi.1. Adhitya Prakoso1 1 Mahasiswa Program Sarjana Sains Terapan Meteorologi Sekolah Tinggi Meteorologi Klimatologi dan Geofisika E-mail: bonyvanariel@gmail. dan palung di lapisan menengah (700-500 mb). 2006).791 km (Tjasyono.com.1250 x 0. ITCZ. Selain itu terdapat arus udara ke atas berdasarkan nilai vertical velocity yang negatif di beberapa lapisan ketinggian. Namun selama kepulauan terbesar di dunia yang terbentang ini banyak konsep atau teori tentang dari lintang geografis 7020’ LU sampai 140LS meteorologi berkembang dan berasal dari dan bujur 920BT sampai 1410BT dengan negara – negara maju yang pada umumnya terletak di daerah subtropis (Tjasyono. Kanal Infra merah.670 mil atau 80. Penelitian MCC di Benua Maritim Indonesia (BMI) masih sedikit yang salah satunya dilakukan oleh Ismanto (2013) bahwa MCC di laut Jawa terjadi pada periode MAM (Maret April Mei) dan DJF (Desember Januari Februari). palung ekuator dan palung tekanan rendah. suhu potensial ekuivalen tinggi. Berdasarkan penelitian tersebut. terdapat konvergensi lapisan rendah (low level convergence). Seperti sebuah konsep yang telah lama 119 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Mesoscale Convective Complex menghasilkan cuaca buruk & hujan yang terus menerus (Maddox. Kata Kunci :MCS. divergensi lapisan atas (upper level divergence). Era Interim ECMW 1. Latar Belakang Atmosfer di atas Indonesia sangat kompleks dan proses terjadinya awannya Wilayah Indonesia adalah negara sangat unik.2 No. 2006). Setelah dilakukan kajian.. gerak semu matahari berada di BBS. 1986. Dinamika Atmosfer. prakoso. Mc Anelly dan Cotton. 1989).

. DATA DAN METODOLOGI berbentuk mendekati bulat dengan nilai eksentris dari perisai awan lebih besar dari 2. Peta wilayah Indonesia jawa yaitu sama-sama pada bulan desember (Google Maps) (tanggal 10 – 11 Desember 2014 dan 27 – 28 Desember 2014). yang terletak di sebelah selatan pulau Fritsch dkk. 1986. 2 Juni 2015 berkembang di wilayah subtropis mengenai Era Interim ECMWF beresolusi 0. 1993). Wilayah Penelitian 0. maka penulis disini mencoba untuk mengkaji kejadian MCC dari sisi pola dinamika atmosfernya dengan mengambil studi kasus kejadian di laut jawa menggunakan bantuan data satelit MTSAT kanal inframerah dan data reanalisis 120 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . (Houze. Salah satu kajian MCC di Indonesia adalah kajian yang dilakukan oleh Ismanto (2013) yang mengkaji distribusi spasial dan temporal MCC di Indonesia selama 5 tahun (2001 – 2005) dengan salah satu hasilnya menyebutkan bahwa MCC juga muncul di laut Jawa dan terjadi pada periode MAM (Maret April Mei) dan DJF (Desember Januari Februari). penulis membatasi terorganisir dari sebuah awan ruang lingkup kajian pada analisis dinamika Cumulunimbous (CB) yang memproduksi atmosfer pada kemunculan pola MCC di laut area presipitasi yang berdekatan yang terukur Jawa pada tanggal 10 – 11 Desember 2014 100 km atau lebih dalam setidaknya satu arah dan 27 – 28 Desember 2014. Fritcsh (1999).1250 x Mesoscale Convective System (MCS) yang 0. maka periode bulan tersebut sama dengan kemunculan pola MCC di laut Gambar 1. 1980. Kalimantan dan sebelah utara pulau Jawa. Tujuan dari tulisan dalam makalah ini Salah satu bentuk MCS adalah Mesoscale adalah untuk mengetahui kondisi dinamika Convective Complex (MCC) yang konsepnya atmosfer untuk kejadian MCC di wilayah pertama kali diperkenalkan oleh Maddox tropis (Laut Jawa) pada 2 kasus yaitu tanggal (1980) setelah kajian yang mendalam 10 – 11 Desember 2014 dan 27 – 28 terhadap citra satelit inframerah di Amerika Desember 2014 serta membandingkan dengan Serikat selama tahun 1978 dimana sebuah teori dinamika atmosfer MCC subtropis yang MCC harus mempunyai perisai (shield) awan sudah lama berkembang dari Laing dan dengan suhu pada citra inframerah sebesar . Untuk Kajian MCC di wilayah tropis khususnya di Indonesia masih sangat sedikit. McAnelly dan Cotton.000 km2 dan 2.000 km2 dan mempunyai perisai awan dingin dengan suhu - 520C dengan area seluas 50.7.1. 320C dengan area seluas 100. Jika dilihat salah satu hasil penelitian dari Ismanto (2013) yang menyebutkan waktu kemunculan MCC di laut Jawa pada periode MAM (Maret April Mei) dan DJF (Desember Januari Februari). MCC ini dapat menghasilkan cuaca buruk Penelitian dilakukan di wilayah laut Jawa dan hujan yang berkelanjutan (Maddox.1250 mempunyai definisi sebuah kumpulan Dalam Makalah ini.2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 1989). Dikarenakan belum adanya penelitian tentang dinamika atmosfer yang membentuk pola MCC di wilayah tropis Indonesia khususnya laut jawa.

gov.125° beberapa a. format netcdf diolah menggunakan SOI.au) gambar/chart parameter meteorologi dari permukaan hingga ketinggian 2.2. streamline.go.bmkg. Teknik analisis pola MCC dalam makalah b. vorticity. a. Data analisa.bom.id) Teknik pengolahan data dalam b. 2 Juni 2015 Gambar 2. Data Chart beberapa analisis cuaca b. Data reanalisis Era Interim ECMWF (MSLP. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Peta Laut Jawa (google maps) 2. Nino 3. (data analisa parameter cuaca dari BOM dan data SST sudah dalam Data yang digunakan dalam makalah ini bentuk chart/gambar) antara lain: c. streamline.4 Index. Melakukan analisis pola MCC dari a.3.int/datasets/data/int software grads dan sataid untuk erim_full_daily/ mendapat citra suhu puncak awan c. MJO) dari BOM australia software Grads untuk menghasilkan (www. Metode yang digunakan dalam makalah ini divergence.2 No. Metodologi 200mb berupa MSLP. Data satelit kanal inframerah format parameter cuaca dari sataid dan netcdf diolah menggunakan http://apps.125°x0. untuk mendapatkan chart/gambar 121 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Mengumpulkan berbagai data dari berbagai sumber. relative humidity. dan equivalent adalah: potential temperature. Data reanalisis ECMWF dengan makalah ini adalah: resolusi grid 0. Melakukan pengolahan data mentah ini sesuai dengan kriteria MCC yang satelit dan data reanalisis ECMWF terdapat pada Maddox (1980).ecmwf. vertical velocity. Data satelit MTSAT kanal inframerah citra satelit dan analisis dinamika format sataid dan netcdf tiap jam atmosfer dari citra/chart reanalisis tanggal 10 – 11 Desember 2014 dan ECWMF dan BOM Australia 27 – 28 Desember 2014 (ftp://satelit.

a. relative humidity. tanggal 09/12/2014 jam 12 utc. Kasus Tanggal 10 – 11 Desember parameter meteorologi tersebut 2014 dengan konsep dinamika atmosfer Gambar 4. 3. b.000 Km2 Inisiasi Definisi ukuran A dan B mulai terpenuhi Durasi Definisi ukuran A dan B harus terpenuhi untuk periode ≥ 6 jam Ukuran Perisai awan dingin secara berlanjut (Suhu IR ≤ -320 C) mencapai ukuran Maksimum maksimum Bentuk Eksentrisitas (axis minor/axis mayor) ≥ 0. Gambar kiri berasal dari pengolahan Gambar 5. Wilayah interior dingin awan dengan suhu ≤ -520 C dengan area ≥ 50. Kriteria eksentrisitas untuk MCC (Maddox. 1980) Teknik analisis pola dinamika atmosfer untuk MCC yang berkembang dari dalam makalah ini adalah: wilayah subtropis. HASIL DAN PEMBAHASAN divergence. Membandingkan hasil analisis 3.000 Km2 B. Jurnal Meteorologi Klimatologi dan Geofisika Vol.1980) Gambar 3. Citra satelit kanal inframerah sataid. Citra satelit kanal inframerah tanggal 09/12/2014 jam 01 utc. Melakukan analisis dari chart/gambar parameter MSLP. 122 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Perisai awan dengan suhu IR rendah ≤ -320 C secara berkelanjutan dengan area ≥ 100. Keterangan Warna ungu pada gambar kiri (sataid) menandakan selanjutnya sama seperti Gambar 4. vertical velocity. Gambar kanan berasal dari pengolahan. Gambar kanan berasal dari pengolahan grads. 2 Juni 2015 Karakter Fisik Ukuran A. 3. Identifikasi Pola MCC SOI. equivalent potential temperature.7 pada waktu ukuran maksimum Punah Definisi ukuran A dan B mulai tidak terpenuhi Tabel 1.2 No.4 Index.1. streamline. vorticity.1. Nino 3. wilayah suhu ≤ -50°C.1. MJO dan SST. Tabel karakter fisik MCC (Maddox.

eterangan selanjutnya sama seperti Gambar 4. selanjutnya sama seperti Gambar 4. Keterangan tanggal 10/12/2014 jam 15 utc. Gambar 9. pada tabel 2.1. Formasi MCC di Laut Jawa ini berlangsung hingga tanggal 11 desember 2014 jam 03 utc lalu setelah jam tersebut ukuran formasi MCC semakin mengecil dan akhirnya sudah tidak memenuhi kriteria MCC yang di syaratkan oleh Maddox 123 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jurnal Meteorologi Klimatologi dan Geofisika Vol. Citra satelit kanal inframerah tanggal 11/12/2014 jam 03 utc. Berdasarkan kriteria MCC yang terdapat (1980) pada tanggal 11 desember 2014 jam 09 dalam Maddox (1980) seperti yang tercantum utc. Citra satelit kanal inframerah Gambar 7.2 No. maka awal kemunculan MCC untuk kasus MCC di laut Jawa pada tanggal 10 – 11 Desember 2014 berasal dari pergerakan MCC Selat Makassar bagian selatan yang muncul mulai dari tanggal 8 Desember 2014 dini hari (18 utc) hingga tanggal 9 desember 2014 jam 12 utc lalu melemah. Citra satelit kanal inframerah Gambar 8. Citra satelit kanal inframerah tanggal 10/12/2014 jam 00 utc. Pada tanggal 9 desember 2014 jam 18 utc – tanggal 10 desember 2014 jam 00 utc. Keterangan selanjutnya sama seperti Gambar 4. formasi MCC mulai menguat lagi dan memasuki Laut Jawa. selanjutnya sama seperti Gambar 4. 2 Juni 2015 Gambar 6. Keterangan tanggal 10/12/2014 jam 06 utc.

Citra satelit kanal inframerah tanggal Gambar 12. Gambar kanan berasal dari sama seperti Gambar 11.2. Kasus Tanggal 27 – 28 Desember 2014 Gambar 11. 124 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Citra satelit kanal inframerah tanggal 27/12/2014 jam 15 utc. Keterangan selanjutnya pengolahan sataid. Gambar kiri berasal dari 27/12/2014 jam 18 utc.2 No. 2 Juni 2015 Fase Wilayah Waktu Initial Laut Jawa 09 Desember bagian timur 2014 jam 18 utc Mature Laut Jawa 10 Desember bagian timur 2014 jam 00 utc – 11 Desember 2014 jam 03 utc Punah Perairan dekat 11 Desember pesisir utara 2014 jam 06 Jawa Tengah utc MCC di Laut Jawa berasal dari pergerakan sisa-sisa formasi MCC dari Selat Makassar Gambar 10. Keterangan selanjutnya sama seperti Gambar 4. Tabel 2. Warna ungu pada gambar kiri (sataid) menandakan wilayah suhu ≤-50°C. Tabel siklus hidup MCC di Laut Jawa tanggal 10 – 11 Desember 2014 3.1. Citra satelit kanal inframerah tanggal 11/12/2014 jam 09 utc. Jurnal Meteorologi Klimatologi dan Geofisika Vol. pengolahan grads.

\Keterangan selanjutnya sama seperti Gambar 11.2 No. MCC semakin besar seperti yang untuk kasus MCC di Laut Jawa pada tanggal terdapat pada Gambar 13 (tanggal 28 27 – 28 Desember 2014 berasal dari desember 2014 jam 02 utc). Berdasarkan kriteria MCC yang terdapat membentuk formasi MCC hingga memenuhi dalam Maddox (1980) seperti yang tercantum kriteria MCC pada tanggal 27 Desember 2014 pada tabel 2. maka awal kemunculan MCC jam 22 utc. Gambar 14. Citra satelit kanal inframerah tanggal 28/12/2014 jam 10 utc. Keterangan selanjutnya sama seperti Gambar 11. jam 18 utc. pola tersebut mulai 125 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Citra satelit kanal inframerah tanggal 28/12/2014 jam 02 utc. Formasi MCC ini pergerakan sisa-sisa pola Mesoscale muncul hingga jam 07 utc tanggal 28 Convective System (belum termasuk dalam Desember 2014. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 Gambar 13.1. Setelah itu. Setelah jam tersebut ukuran kriteria MCC) di perairan pesisir utara Jawa formasi MCC semakin mengecil dan akhirnya Tengah seperti yang terlihat dalam Gambar 11 sudah tidak memenuhi kriteria MCC yang di lalu bergerak ke Laut Jawa bagian tengah syaratkan oleh Maddox (1980) pada tanggal (gambar 12) pada tanggal 27 Desember 2014 28 desember 2014 jam 10 utc.

Grafik nilai SOI (gambar kiri) dan kiri) dan pergerakan fase MJO (gambar kanan) Nino 3.2. Dinamika Atmosfer Kasus Tanggal 10 – 11 Desember 2014 Gambar 15. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 Fase Wilayah Waktu Initial Laut Jawa 27 Desember 2014 jam 18 utc bagian tengah Mature Laut Jawa 27 Desember 2014 jam 22 utc – 28 Desember 2014 bagian tengah jam 07 utc Punah Laut Jawa 28 Desember 2014 jam 09 utc bagian barat MCC di Laut Jawa berasal dari pergerakan sisa-sisa formasi MCS dari pesisir utara Jawa Tengah Tabel 3.1. Grafik gerak semu matahari (gambar Gambar 16.4 index (gambar kanan) Gambar 17.2 No. Dinamika Atmosfer MCC 3. Tabel siklus hidup MCC di Laut Jawa tanggal 27 – 28 Desember 2014 3. Gambar isobar tanggal 10 Desember 2014 (kiri) dan tanggal 11 Desember 2014 (kanan) 126 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2.

Gambar Streamline tanggal 10 Desember 2014 (kiri) dan tanggal 11 Desember 2014 (kanan) Analisa Status/nilai/keterangan Gerak semu Berada di BBS.2 No.7 Nino 3.4 index Isobar Terdapat palung ekuator di sekitar ekuator dan palung tekanan rendah di utara Australia hingga Pulau Jawa Streamline Terdapat Cross Equatorial Flow. Gambar Streamline lapisan bawah (850 mb) tanggal 10 desember 2014 (kiri) dan tanggal 11 desember 2014 (kanan) 127 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Tabel analisa dinamika atmosfer skala global. 2 Juni 2015 Gambar 18. Penyinaran banyak di BBS menyebabkan SST matahari menghangat MJO Fase netral setelah beberapa hari sebelumnya berada di kuadran benua maritim dan pasifik barat SOI dan SOI = -7. Jurnal Meteorologi Klimatologi dan Geofisika Vol. ITCZ di Laut Jawa – Laut Banda dan vortex di selatan Nusa Tenggara Tabel 4. dan regional untuk kasus MCC tanggal 10 – 11 Desember 2014 Gambar 19.0 dan Nino Index = 0.

Jurnal Meteorologi Klimatologi dan Geofisika Vol. Gambar Streamline lapisan atas (200 mb) tanggal 10 desember 2014 (kiri) dan tanggal 11 desember 2014 (kanan) 128 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Gambar Streamline lapisan menengah (500 mb) tanggal 10 desember 2014 (kiri) dan tanggal 11 desember 2014 (kanan) Gambar 21. 2 Juni 2015 Gambar 20.2 No.

Sumbu y merupakan ketinggian dalam millibar.0LS – 2. Gambar 23.5LS dan 110. Sumbu x merupakan deret waktu mulai tanggal 9 desember 2014 jam 00 utc hingga tanggal 12 desember 2014 jam 23 utc. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Gambar hovmoller nilai relative humidity (RH) untuk rata-rata area MCC (5.0 BT) dengan satuan 10-6/s. Sumbu x merupakan deret waktu mulai tanggal 9 desember 2014 jam 00 utc hingga tanggal 12 desember 2014 jam 23 utc.0 BT) dengan satuan %.0 BT – 115. Gambar hovmoller nilai divergence (atas) dan nilai vortisitas (bawah) untuk rata-rata area MCC (5.0LS . 129 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Sumbu y merupakan ketinggian dalam millibar.2.2 No.5LS dan 110. 2 Juni 2015 Gambar 22.0 BT – 115.

0LS . Gambar equivalent potential temperature lapisan 925 mb (satuan kelvin) tanggal 10 Desember 2014 (kiri) dan tanggal 11 desember 2014 (kanan). Gambar 25.2. 2 Juni 2015 Gambar 24.0 BT) dengan satuan Pa/s.0 BT – 115.5LS dan 110. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. Sumbu y merupakan ketinggian dalam millibar. 130 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Gambar hovmoller nilai vertical velocity untuk rata-rata area MCC (5. Sumbu x merupakan deret waktu mulai tanggal 9 desember 2014 jam 00 utc hingga tanggal 12 desember 2014 jam 23 utc.

nilai RH dari lapisan Nilai RH bawah dan atas sangat lembab kecuali pada tinggi / lapisan menengah yang kurang lembab lembab Vertical Velocity berdasarkan Gambar 24 (vertical velocity). 1999) Low level jet Ada (kecepatan ≥25knot) berdasarkan Gambar Ada 19 (streamline 850mb) (kecepatan ≥35knot) Low Level Ada berdasarkan Gambar 19 (streamline 850mb) Ada Convergence dan gambar 3. Dinamika Atmosfer Kasus Tanggal 27 – 28 Desember 2014 Gambar 26. Belum ada didominasi nilai negatif yang menandakan analisa terdapat gerak udara ke atas Vertical Velocity Equivalent Potential berdasarkan Gambar 25 .4 index (gambar kanan) 131 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Grafik nilai SOI (gambar kiri) dan kiri) dan pergerakan fase MJO (gambar kanan) Nino 3. menengah (streamline 500mb) dan Gambar 22 (nilai vortisitas negatif lapisan menengah) Upper Level Ada berdasarkan Gambar 21 (streamline 200mb) Ada Divergence dan Gambar 22 (nilai divergence positif lapisan atas) Relative Humidity Berdasarkan Gambar 23. Grafik gerak semu matahari (gambar Gambar 27.2. nilai cukup tinggi nilai ≥350 temperature dengan nilai ≥354 Kelvin Kelvin Baroklinik Bukan Iya 3. 2 Juni 2015 Subtropis Laut Jawa – tropis tanggal 10 – 11 Desember (Laing dan Analisa 2014 Fritcsh .2. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No.19 (nilai divergence negatif lapisan bawah) Palung/Shear lapisan Ada dari vortex berdasarkan Gambar 20 Ada.

Penyinaran banyak di BBS menyebabkan SST menghangat MJO Berada dikuadran benua maritim Indonesia SOI dan Nino 3. dan konvergensi sepanjang Laut Jawa – Laut Banda dan sirkulasi Siklonik di tenggara Filipina Tabel 6. Gambar Streamline tanggal 27 Desember 2014 (kiri) dan tanggal 28 Desember 2014 (kanan) Analisa Status/nilai/keterangan Gerak semu matahari Berada di BBS.4 SOI = -6. Gambar isobar tanggal 27 Desember 2014 (kiri) dan tanggal 28 Desember 2014 (kanan) Gambar 29. dan regional untuk kasus MCC tanggal 27 – 28 Desember 2014 132 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Tabel analisa dinamika atmosfer skala global. 2 Juni 2015 Gambar 28.2 No.8 index Isobar Terdapat palung ekuator di sekitar selatan ekuator dan tekanan rendah di tenggara Filipina Streamline Terdapat Cross Equatorial Flow. Jurnal Meteorologi Klimatologi dan Geofisika Vol.0 dan Nino Index = 0.

2 Juni 2015 Gambar 30. Gambar Streamline lapisan bawah (850 mb) tanggal 27 desember 2014 (kiri) dan tanggal 28 desember 2014 (kanan) Gambar 31. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Gambar Streamline lapisan atas (200 mb) tanggal 27 desember 2014 (kiri) dan tanggal 28 desember 2014 (kanan) 133 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Gambar Streamline lapisan menengah (700 mb) tanggal 27 desember 2014 (kiri) dan tanggal 28 desember 2014 (kanan) Gambar 32.2 No.

Sumbu x merupakan deret waktu mulai tanggal 26 134 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .0 BT – 115.0 BT – 115.5LS dan 111.0 BT) dengan satuan %.5LS dan 111. Gambar hovmoller nilai relative humidity (RH) untuk rata-rata area MCC (6.3. 2 Juni 2015 Gambar 33. Sumbu x merupakan deret waktu mulai tanggal 26desember 2014 jam 00 utc hingga tanggal 29 Desember 2014 jam 00 utc. Sumbu y merupakan ketinggian dalam millibar.2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol.3.0 BT) dengan satuan 10-6/s. Gambar 34.2LS . Gambar hovmoller nilai divergence (atas) dan nilai vortisitas (bawah) untuk rata-rata area MCC (6.2LS .

2 Juni 2015 Desember 2014 jam 00 utc hingga tanggal 29 Desember 2014 jam 00 utc.2LS .2 No.3.5LS dan 110. Sumbu y merupakan ketinggian dalam millibar Gambar 36. Sumbu y merupakan ketinggian dalam millibar. Gambar equivalent potential temperature lapisan 850 mb (satuan kelvin) tanggal 27 desember 2014 (kiri) dan tanggal 28 desember 2014 (kanan) 135 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Gambar 35. Sumbu x merupakan deret waktu mulai tanggal 26 Desember 2014 jam 00 utc hingga tanggal 29 Desember 2014 jam 00 utc.0 BT) dengan satuan Pa/s. Gambar hovmoller nilai vertical velocity untuk rata-rata area MCC (6.0 BT – 115. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

nilai RH dari lapisan bawah Nilai RH hingga lapisan lembab dan sangat lembab tinggi / lembab Vertical Velocity berdasarkan Gambar 35 (vertical velocity). 12 pp. J. 1999) Low level jet Ada (kecepatan ≥25knot) berdasarkan Gambar 30 Ada(kecepata (streamline 850mb) n ≥35knot) Low Level Ada berdasarkan Gambar 30 (streamline 850mb) dan Ada Convergence Gambar 33 (nilai divergence negatif lapisan bawah) Palung/Shear Ada shear (belokan) dari vortex berdasarkan Gambar Ada. M. palung ekuator dan palung 1. Kane. Meteor. 2009 : A ekuivalen tinggi. L. J. dan Mote. divergence). Sedangkan Fritsch. 1986. 2 Juni 2015 Subtropis (Laing dan Analisa Laut Jawa – tropis tanggal 27 – 28 Desember 2014 Fritcsh . J. 25. C. suhu potensial Durkee.2 No. dan Chelius. lapisan menengah 31 (streamline 700mb) dan Gambar 33 (nilai vortisitas negatif lapisan menengah) Upper Level Ada berdasarkan Gambar 32 (streamline 200mb) dan Ada Divergence Gambar 33 (nilai divergence positif lapisan atas) Relative Humidity Berdasarkan Gambar 34. negatif di beberapa lapisan ketinggian. System to the Warm Season Selain itu terdapat arus udara ke atas Precipitation in the United berdasarkan nilai vertical velocity yang States. Climate Appl. MCC di Laut Jawa terdapat beberapa kemiripan dengan konsep dinamika atmosfer untuk MCC di subtropis yaitu DAFTAR PUSTAKA munculnya Low Level Jet (LLJ) dengan beberapa modifikasi. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Kesimpulan dari analisis diatas adalah: ITCZ. Untuk dinamika atmosfer skala global dan regionalnya yang berpengaruh 136 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Int J. KESIMPULAN yaitu gerak semu matahari berada di BBS. Dinamika atmosfer untuk dua kejadian tekanan rendah. kelembaban relatif Climatology of Warm Season yang tinggi. J. Clim.1345. terdapat konvergensi Mesoscale Convective lapisan rendah (low level convergence). dan palung di lapisan menengah (700-500 mb). nilai cukup tinggi dengan Nilai ≥350 Potential nilai ≥354 Kelvin Kelvin temperature Baroklinik Bukan Iya 4.. 2. munculnya cross equatorial flow.. 1333 .. Complexes in Subtropical South divergensi lapisan atas (upper level America. R. The Contribution of kejadian MCC tersebut di laut jawa Mesoscale Convective Weather tidak muncul dalam zona baroklinik. Belum ada didominasi nilai negatif yang menandakan terdapat analisaVertic gerak udara ke atas al Velocity Equivalent berdasarkan Gambar 36 . perbedaannya yang jelas adalah dua R. T. D.

H. . 2013. Meteorologi Indonesia 2: Awan & Hujan Monsun. 1996. A. A. 1374 - 1387. Bayong H. Meteor. The Global Population of Mesoscale Convective Complexes..html Bukit Kototabang. R. Jakarta. Distribusi Spasial dan Temporal Mesoscale Convective http://www. R. 1583 . 123.v2.go.2 No. Rev. McAnelly. Badan Meteorologi Klimatologi dan Geofisika. A. Bandung: Institut Teknologi Bandung Wallace. R. Satellite Depiction of the Life Cycle of a Mesoscale Convective Complexe. Mesoscale Convective Complexes. Bull.esrl. Laing.. data. Wea. Tjasyono. and Hobbs.Buletin MEGASAINS.. San Diego. J. Wea. Sri Woro B. Soc..K dan Harijono. 1981. Academic Press. dan Fritsch. Mon.1586. 1989.oisst. 117.au Ismanto. The Precipitation life cycle of Mesoscale Convective Complexes over the Central United States. Jr. Atmospheric Science – An Introductory Survey. R.bmkg. H. Tjasyono. Jurnal Meteorologi Klimatologi dan Geofisika Vol. L.ecmwf.highres. Amer. Maddox. 1999. R. J. K. 483 pp. 109. 137 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . R.bom.noaa.808. P. W. 1980. G.. _full_daily/ 573 pp. Maddox. Klimatologi Umum. dan Cotton. Calif. M. 61. 389- 405. Rev. M. Soc. ftp://satelit. J. Cloud Dynamics. Mon. 1993. Meteorology. 2 Juni 2015 Houze.. 2006. Q.noaa. V. 784 .id/ www.int/datasets/data/interim Academic.gov. 2006. A. http://apps.gov/psd/data/gridded/ Complex di Benua Maritim. B.

2 No. That phenomenon needed to be learned by meteorological method. wind-like-foehn. Keywords: Bahorok wind. bersumber dari Stasiun Meteorologi 2012). This research did surface weather analysis. Angin bahorok disebabkan oleh monsun timur yang bertiup dari daratan Australia. LANDASAN TEORI mana angin tersebut berbelok di daerah 138 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . hot and dry at Medan. di 2. Gerak udara ini disebabkan oleh Polonia Medan. serta ditemukan ciri pra-fohn berupa peningkatan gradien tekanan. data observasi ABSTRACT Weather phenomenon occurred as strong wind. 2012). Gaya gesekan terjadi pada unsur – unsur cuaca di Medan akibat timbulnya angin Bahorok tersebut 2. Tujuan dari penulisan ini adalah sebagai berikut : mengetahui proses terjadinya angin 1. dan peta sinoptik. sehingga apabila dimungkinkan panas dan kering. This research use observational data from Polonia Meteorological Station and Sibolga Meteorological Station. tinggi (36 °C). udara atas. Dalam penelitian ini digunakan data observasi dari Stasiun Meteorologi Polonia dan Stasiun Meteorologi Sibolga. serta data dukung peta sinoptik Bureau of Meteorology. Gaya coriolis yang ada serta mempelajari pengaruh yang 3. Metode penelitian adalah analisis unsur cuaca permukaan. Kejadian perlu diteliti secara meteorologis. Kata kunci : Angin bahorok. panas dan kering di wilayah Medan pada tanggal 20 Juni 2013. Jurnal Meteorologi Klimatologi dan Geofisika Vol. rain station at Sumatera Utara. known as bahorok wind. and synoptic maps analysis. yang disebutkan sebagai angin bahorok. 2 Juni 2015 ANALISIS KEJADIAN ANGIN BAHOROK DI SUMATERA UTARA MENGGUNAKAN DATA OBSERVASI (Studi Kasus Bulan Mei dan Juni 2013) Reza Bayu Perdana Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Email : rezabayuperdana@gmail. dan angin Dalam pergerakannya gaya – gaya yang kencang yang ditimbulkan adanya angin mempengaruhi massa udara antara lain bahorok.com ABSTRAK Adanya kondisi cuaca berupa angin kencang.2 ANGIN BAHOROK serta mengenali karakteristik angin Angin bahorok adalah angin lokal yang bahorok. and shows an increase of pressure gradient at pra-foehn stage. PENDAHULUAN 2. wind-like-foehn. Gaya gradien tekanan Bahorok di Medan berdasarkan pada teori 2. 1. and supported by synoptic maps from Bureau of Meteorology. Hasil penelitian menunjukkan sifat wind-like-foehn pada angin bahorok. Medan. 20 June 2013. upper air analysis. Observational data. data pos hujan Sumatera Utara.1 ANGIN Angin adalah udara yang bergerak secara Menurut berita media massa yang relatif terhadap permukaan bumi (AMS. udara kering. pada tanggal 20 Juni 2013 adanya perbedaan tekanan antara satu titik telah terjadi cuaca ekstrim berupa suhu dengan titik yang lain. dapat mengurangi dampak negatif yang dan Deli di Sumatera Utara (AMS. bertiup melewati bukit adanya peringatan dini kepada pihak terkait Barisan menuju ke arah Bahorok. ditimbulkan oleh angin bahorok. The result shows that bahorok wind can be called as one of wind-like- foehn.

a. DATA permukaan pada tanggal di Data yang digunakan dalam penelitian ini mana telah terjadi angin ialah data pengamatan udara permukaan bahorok. f. Melakukan analisis kondisi 2010) cuaca regional yang terjadi pada saat kejadian angin bahorok dengan menganalisis 3. setelah pada e.1. Cara mendapatkan waktu – Gambar 1. yaitu pada sekitar tanggal 20 Juni 2013. 2 Juni 2015 barat pulau Sumatera menjadi angin yang Medan pada tanggal – tanggal yang bertiup dari arah barat daya dan barat diperkirakan terjadi angin bahorok. yaitu angin yang diambil dari situs Bureau of bersifat kering dan panas yang bertiup Meteorology Australia. dan kejadian angin bahorok. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Data pengamatan udara atas Stasiun terjadi setelah melewati khatulistiwa Meteorologi Polonia Medan pada (karena adanya gaya coriolis) yang dapat tanggal – tanggal yang sama diperkuat adanya gangguan tropis berskala dengan poin b. menggunakan metode analogi sementara γd ialah adiabatik kering . Melakukan analisis udara 3. Data gambar garis arus (streamline) angin 3000 feet pada tanggal – Angin bahorok merupakan angin yang tanggal terjadinya angin bahorok bertiup dengan sistem fohn .2 No. Sibolga pada tanggal – tanggal kejadian. dan γm dengan cara membandingkan ialah adiabatik basah. terhadap pulau Sumatera. a. Skema terjadinya angin dengan waktu kejadian ini adalah sistem fohn . DATA DAN METODE streamline lapisan 3000 feet. b. METODE Metode yang digunakan dalam menyusun penelitian ini ialah sebagai berikut. Meteorologi Polonia Medan untuk tekanan udara (QFF) dan arah melihat gambaran umum dan serta kecepatan angin.T ialah suhu dalam derajat Celcius. Data pengamatan udara permukaan Sedangkan untuk analisis arah Stasiun Meteorologi Polonia dan kecepatan angin digunakan metode windrose.. ciri – ciri kondisi cuacanya. c. Data evaluasi cuaca harian Stasiun kelembaban relatif (RH). Di mana mendapatkan tanggal – tanggal untuk unsur cuaca T. 3. d. RH. 1959 dan Pearson. QFF digunakan metode grafik. Melakukan review data pengamatan udara permukaan pada tanggal kejadian terakhir di mana hal tersebut dapat diketahui dengan jelas dari media massa . analisis yang dan data pengamatan udara atas yang dilakukan meliputi unsur suhu meliputi : udara permukaan (T). sinoptik. b. Belokan angin c.2. Data pos hujan dari 13 titik di Provinsi Sumatera Utara. 139 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Data pengamatan udara permukaan sisi windward angin tersebut dipaksa naik Stasiun Meteorologi Pinangsori oleh topografi pegunungan. (Gambar berdasar Byers. menuruni bukit atau gunung.

atas permukaan laut. dapat dilihat dari suhu rata – rata maupun suhu 140 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . terutama ditekankan suhu rata – rata bulan pada saat kejadian pada adanya lapisan inversi di angin bahorok.1 ANALISIS TANGGAL KEJADIAN ANGIN BAHOROK Berdasarkan kondisi umum cuaca harian . sekitar ketinggian bukit • Tekanan udara rata – rata relatif rendah Barisan. yaitu adanya inversi di dibandingkan tekanan udara rata – rata pada lapisan ketinggian 2000 m di bulan kejadian. maka dari data tanggal 20 Juni 2013 didapatkan kondisi cuaca sebagai berikut : Tabel 1. Melakukan analisis udara atas maksimum dan minimum yang terjadi pada pada tanggal yang telah didapat hari tersebut relatif lebih tinggi daripada di atas. relatif yang lebih rendah .3. Melakukan pembandingan data Tabel 2. Analisis • Kondisi udara pada saat tersebut ialah udara atas dilakukan dengan kering . 2 Juni 2015 d. f. Pemetaan ini bertujuan untuk mengetahui sebaran curah Dari ciri – ciri umum di atas maka penulis hujan di pesisir barat dan menggunakan metode analogi : pesisir timur Provinsi Sumatera Utara.2 No. Data Cuaca Harian Stasiun ketika kejadian angin bahorok Meteorologi Polonia Medan. yaitu : • Curah hujan 0 mm. Medan • Suhu selama satu hari relatif tinggi. ditandai dengan nilai kelembaban bantuan aplikasi RAOB 5. 4. barat daya). Pemetaan curah hujan Provinsi jika dibandingkan dengan rata – rata Sumatera Utara pada tanggal – bulanannya. Data harian Stasiun Meteorologi Polonia Medan pada tanggal 20 Juni 2013.5. tanggal kejadian angin bahorok • Angin bertiup dengan kecepatan tinggi dengan menggunankan dari arah Bukit Barisan (arah barat dan software ArcView 3. ANALISIS DAN PEMBAHASAN 4. sangat rendah e. Juni 2013 dengan kejadian di waktu lain ketika tidak terjadi kejadian angin bahorok. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Hal ini dikarenakan angin bahorok ialah angin dengan sistem Fohn. maka daerah belakang pegunungan (leeward) akan mendapat udara kering yang tidak mendukung adanya pertumbuhan Sumber : Stasiun Meteorologi Polonia awan di wilayah tersebut. Sumber : Stasiun Meteorologi Polonia Medan Dari data tersebut didapatkan ciri umum dari angin bahorok .

• Pusat tekanan rendah pada tanggal 19 Juni 2013 yang berkembang menjadi siklon tropis “Babinca” pada tanggal 21 Juni 2013 dengan koordinat pusat siklon 19° LU 116° BT . Peningkatan beda tekanan antara • Adanya Siklon Tropis “Jamala” pada Stasiun Meteorologi Sibolga tanggal 10 Mei 2013 di perairan dengan Stasiun Meteorologi barat daya Sumatera. Pada tanggal tersebut angin lapisan 850 mb untuk wilayah Sumatera bagian utara bertiup dari arah barat daya .1 Analisis Beda Tekanan Sibolga dan Polonia Terdapat gangguan cuaca pada tanggal – tanggal tersebut yaitu : a.3. sehingga didapat tanggal – tanggal maksimum 45 knots dan pusat berikut : badai 989 mb. dengan 4. bergerak ke arah barat laut. Siklon tropis “Babinca” aktif sampai 24 Juni 2013. Dari kondisi di atas maka dapat kita ketahui bahwa dari arus udara secara umum di Gambar 2. tanggal 9 dan 10 Mei 2013 yang Dalam tabel di atas diketahui bahwa kemudian berkembang menjadi tanggal pada kotak merah menunjukkan siklon tropis “Mahasen” pada kondisi cuaca yang mirip dengan kondisi tanggal 11 Mei 2013 dengan posisi cuaca saat terjadi angin bahorok 20 Juni 10° LU 90° BT. dan Gambar 3. atau dari arah 4. yang berkembang menjadi siklon tropis “Leepi” pada tanggal 18 Juni 2013.bom. pusat siklon 998 mb dan bergerak ke utara.2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. kecepatan angin maksimum 35 knot. kecepatan angin maksimum 35 knots dan pusat tekanan 995 mb 141 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 Juni 2015 Metode analogi digunakan untuk • Adanya pusat tekanan rendah di mengetahui tanggal – tanggal kejadian perairan barat laut Sumatera pada angin bahorok selain tanggal 20 Juni 2013. • 10 – 12 Mei 2013 • Pusat tekanan rendah pada tanggal 17 • 18 – 24 Juni 2013 Juni 2013 .gov. kecepatan angin 2013.au dipaksa naik melewati pegunungan Bukit Barisan dan turun ke arah timur. kecepatan angin maksimum 35 knot. Kondisi ini memiliki keterkaitan dengan angin baratan yang melalui Sumatera Utara.2 ANALISIS STREAMLINE koordinat 17° LU 126° BT. di mana angin bertiup dari Juni 2013 arah barat daya sehingga angin akan Sumber : www. dengan posisi Polonia di koordinat 9° LS 89° BT. tekanan pusat 998 mb . Hal ini termasuk angin di PERMUKAAN wilayah perbukitan yang bertiup dari barat sampai barat daya.3 ANALISIS UDARA Samudera Hindia. Streamline pada lapisan 850 mb mendukung terjadinya saat kejadian angin bahorok di bulan Mei dan angin Bahorok. 4.

Dari kedua grafik tersebut dapat diketahui bahwa ketika kejadian angin bahorok Berdasar dua grafik di atas maka dapat selisih tekanan antara Sibolga dan Polonia diketahui bahwa suhu udara di Polonia meningkat.2 Analisis Suhu Udara Permukaan Gambar 4. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 4. Garis merah menunjukkan rentang kejadian. Selisih tekanan udara muka laut rata – rata harian Sibolga dan Polonia.3. Garis merah menunjukkan Gambar 6. Peningkatan rata – rata ialah sekitar 2 derajat Celcius dari kondisi biasa. Meteorologi Polonia bulan Juni 2013. menunjukkan adanya gradien (Medan) sebagai daerah di belakang bukit tekanan yang lebih besar dari waktu – (leeward) meningkat ketika kejadian angin waktu sebelum ataupun sesudahnya. Grafik selisih tekanan antara Stasiun Meteorologi Sibolga dengan Stasiun Meteorologi Polonia dalam satuan milibar untuk bulan Mei 2013. Gambar 5. Garis merah menunjukkan rentang kejadian. Garis merah Gambar 7. Grafik suhu udara Stasiun menunjukkan rentang waktu kejadian. Meteorologi Polonia bulan Mei 2013. 142 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No. bahorok. Grafik suhu udara Stasiun rentang waktu kejadian.

3. Pada kejadian bulan Mei 2013. windrose tersebut angin permukaan di wilayah belakang bukit dalam hal ini ialah Stasiun Meteorologi 143 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Grafik RH rata – rata harian Stasiun Meteorologi Polonia Medan bulan Mei 2013. Berikut dua gambar sampel dari dua bulan kejadian Saat kejadian angin bahorok.3. Windrose angin permukaan Stasiun Meteorologi Polonia Medan pada tanggal 18 – 24 Juni 2013 (saat kejadian).3 Analisis Kelembaban Relatif Polonia Medan menunjukkan bahwa angin dominan bertiup dari arah barat dengan kecepatan mencapai 17 – 22 knot.2 No. Grafik RH rata – rata harian Stasiun Meteorologi Polonia Medan bulan Juni 2013. Gambar 11. Gambar 8.4 ANALISIS SEBARAN CURAH bukit menjadi sangat rendah. Dari kedua grafik di atas menunjukkan bahwa ketika kejadian angin bahorok. Garis merah menunjukkan waktu kejadian angin bahorok. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Stasiun Meteorologi Polonia Medan pada tanggal 10 – 12 Mei 2013 (saat kejadian angin bahorok). Windrose angin permukaan bahorok. Grafik HUJAN menunjukkan bahwa rata – rata harian mencapai 60% dari sebelum atau Sebaran curah hujan pada saat kejadian sesudahnya yang berkisar 80%.4 Analisis Windrose Angin bahwa sudah turun hujan di daerah depan Permukaan bukit sebagai hujan orografis. Garis merah menunjukkan waktu kejadian angin Gambar 10. menunjukkan bahwa wilayah di belakang bukit ialah kering dengan curah hujan 0 mm. Gambar 9. terlihat 4. kelembaban relatif di wilayah belakang 4. 2 Juni 2015 4.

 Tanggal 19 Juni 2013 – 12 UTC : Berdasarkan kondisi udara atas dengan 3123 mdpl.  Tanggal 17 Juni 2013 – 00 UTC : Tidak ada. Pada ketiga 3208 mdpl.  Tanggal 13 Mei 2013 – 00 UTC : Gambar 12. Di mana tinggi Bukit Barisan  Tanggal 21 Juni 2013 – 12 UTC : ialah sekitar 2031 mdpl. 4000 mdpl.2 No. Mei 2013 pukul 12 UTC tidak ada  Tanggal 25 Juni 2013 – 12 UTC : lapisan inversi. melihat profil vertikal suhu. maka  Tanggal 20 Juni 2013 – 00 UTC : didapatkan bahwa kondisi atmosfer pada 2866 mdpl. bukit Barisan. Utara saat kejadian angin bahorok bulan Mei  Tanggal 14 Mei 2013 – 00 UTC : 2013.  Tanggal 12 Mei 2013 – 00 UTC : 2943 mdpl  Tanggal 12 Mei 2013 – 12 UTC : 3128 mdpl (masa akhir kejadian). 3601 mdpl  Tanggal 14 Mei 2013 – 12 UTC : Tidak ada  Tanggal 15 Mei 2013 – 00 UTC : 5564 mdpl  Tanggal 15 Mei 2013 – 12 UTC : 1474 mdpl  Tanggal 16 Juni 2013 – 00 UTC : Tidak ada. Sebaran curah hujan Sumatera 7121 mdpl (setelah kejadian). 2 Juni 2015  Tanggal 10 Mei 2013 – 00 UTC : 2134 mdpl (sebelum kejadian).  Tanggal 16 Juni 2013 – 12 UTC : 1958 mdpl. saat kejadian angin Bahorok ialah adanya  Tanggal 21 Juni 2013 – 00 UTC : inversi pada ketinggian di sekitar puncak 1486 mdpl dan 2469 mdpl. 144 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .  Tanggal 18 Juni 2013 – 00 UTC : Gambar 13. tanggal tersebut ditemukan bahwa terjadi  Tanggal 24 Juni 2013 – 12 UTC : lapisan inversi pada : 7745 mdpl.  Tanggal 19 Juni 2013 – 00 UTC : 4. Sebaran curah hujan Sumatera 2791 mdpl. Tidak ada.5 ANALISIS UDARA ATAS 3813 mdpl.  Tanggal 17 Juni 2013 – 12 UTC : 3906 mdpl. Utara 19 Juni 2013.  Tanggal 11 Mei 2013 – 00 UTC : 2974 mdpl. Sementara data dari tanggal 22 Juni  Tanggal 8 Mei 2013 sampai dengan 9 – 25 Juni pukul 00 UTC NIL.  Tanggal 10 Mei 2013 – 12 UTC : 2412 mdpl (saat masa awal kejadian). saat kejadian angin  Tanggal 18 Juni 2013 – 12 UTC : bahorok.  Tanggal 11 Mei 2013 – 12 UTC : 2848 mdpl. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

Angin bahorok terjadi apabila terjadi angin bertiup dari barat daya dan Dari hasil pengolahan serta analisis data barat di daerah Sumatera Utara. 16.Bandung : ITB karena uap air telah turun sebagai hujan di bagian barat Bukit Tjasyono. ditunjukkan adanya lapisan inversi angin dominan di wilayah pada lapisan bawah (1000 – 3000 m). B. Tjasyono. Meteorologi Indonesia 2 hujan. dalam Materi Kuliah  Daerah di sebelah timur Bukit Hidrometeorologi semester VI Barisan sebagai leeward.ametsoc. Hal ini disebabkan Klimatologi. Hal ini  Dalam terjadinya angin bahorok. Pada waktu terjadi angin 1. berupa badai tropis di Samudera maka dapat ditarik kesimpulan sebagai Hindia bagian utara atau di Pasifik berikut : Barat Laut. Atmosfer). suhu permukaannya menjadi lebih American Meteorological Society (AMS) – tinggi daripada rata – rata Glossary pada www. Dr.B. 1995.bom. 2007. Meteorologi Barisan sebagai daerah depan Indonesia 1 (Karakteristik dan Sirkulasi bukit / pegunungan (windward). H. S. termasuk di wilayah Bukit Barisan bertiup DAFTAR PUSTAKA dari arah barat – barat daya. Sumatera Utara. 16. 5. 2 Juni 2015  Tanggal 26 Juni 2013 – 00 UTC : udara turun dan suhu naik sesuai Tidak ada.00 WIB karena udara di bagian depan bukit naik secara orografik pada Bureau of Meteorology (BoM) pada lapisan awan (jenuh) suhu turun www. daerah leeward tidak ada curah M. Prof.2 No. dan Harijono.W. H. 1959. dengan lapse rate adiabatik kering. pada saat kejadian angin bahorok . Hal ini disebabkan diakses pada 1 Mei 2014. Inc.New York: McGraw HillBook bukit (leeward). Pearson . General Barisan sebagai daerah belakang Meteorology. H. ratanya.Sc.. B. B.  Daerah di sebelah timur Bukit Byers.Jakarta : BMG windward curah hujannya relatif tinggi.glossary. KESIMPULAN 2. di bagian timur pegunungan Sumatera Utara menurut dua Bukit Barisan tidak terjadi hujan kejadian yang sudah dianalisis terjadi karena kelembaban relatif yang kondisi cuaca sebagai berikut : rendah dan udara stabil.00 WIB Sedangkan di daerah belakang bukit suhunya lebih tinggi karena 145 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .gov.Jakarta : BMG Hal ini dapat diketahui dari sebaran curah hujan di mana Tjasyono. R. sesuai lapse rate adiabatik basah.org/ bulanannya. K. 2006. K. Proses angin bahorok yang terjadi di bahorok. kelembaban relatif udara lebih rendah dari keadaan rata . di mana Terjadinya angin dari barat atau barat pada kesempatan ini baru dibahas dua daya ini diperkuat oleh adanya kejadian yaitu pada tanggal 10 – 12 Mei gangguan tropis berskala sinoptik 2013 serta pada tanggal 18 – 24 Juni 2013 . Jurnal Meteorologi Klimatologi dan Geofisika Vol. kondisi Company.au diakses pada 2 Mei 2014. sedangkan daerah (Awan dan Hujan Monsun).

Hasil analisa menunjukkan bahwa pada saat angin monsun barat Asia berhembus curah hujan di sektor kiri dibandingkan dengan sektor kanan mengalami surplus dan sebaliknya di saat angin monsun timur Australia berhembus sektor kanan yang mengalami surplus. Kondisi topografi yang kompleks tersebut membuat penulis tertarik untuk mengkaji dan menganalisa adanya efek bendung Pegunungan Meratus terhadap sebaran curah hujan di daerah-daerah bagian barat (sektor kiri) dan timur (sektor kanan) dimana salah satu yang terbendung oleh Pegunungan Meratus adalah angin yang berhembus dari arah barat maupun timur. Sedangkan analisa angin menggunakan metode Windrose dan Streamline. and the highlands Meratus Mountains that lie between the two regions. While the wind analysis using Windrose and Streamline methods. This region has a low-lying area in the west and east coast. Analysis of rainfall data using a graphical pentad method accompanied TRMM Satellite image support. Analisa data curah hujan menggunakan metode grafik pentad disertai dukungan gambar Satelit TRMM.com ABSTRAK Secara geografis. The complex topography makes the writer interested to examine and analyze the weir effect of the Meratus mountains distribution of rainfall in the western regions (the left sector) and east (right sector) where one is blocked by Meratus mountains is the wind that blows from west and east. Wilayah ini memiliki kawasan dataran rendah di bagian barat dan pantai timur. Efek Bendung. angin laut. dan angin lembah serta adanya dominasi topografi Pegunungan Meratus dimana angin yang terbendung mengalami perlambatan kecepatan sebesar 4-14 %. serta dataran tinggi Pegunungan Meratus yang terbentang di antara kedua kawasan tersebut. Kalimantan Selatan berada di bagian tenggara pulau Kalimantan. Angin ABSTRACT Geographically. Hal yang sama dialami sektor kanan pada saat terjadi angin monsun timur. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Dalam penelitian efek bendung ini menggunakan data curah hujan harian dan angin dari pos- pos hujan sektor kiri maupun kanan di Propinsi Kalimantan Selatan. 2 Juni 2015 EFEK BENDUNG PEGUNUNGAN MERATUS TERHADAP SEBARAN CURAH HUJAN DI PROVINSI KALIMANTAN SELATAN PERIODE TAHUN 2009-2012 Rizqi Nur Fitriani1 Agung Hari Saputra1 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG) Email : rizqinur17@yahoo. Kata Kunci : Topografi. The results of the analysis show that when the Asian west monsoon wind blows rainfall in the left sector compared to the right sector had a surplus and the otherwise when the Australian east monsoon wind blows in the right sector had a surplus. Rain is abundant in the left sector 146 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No. South Kalimantan located in the southeastern part of the island of Borneo. Hujan yang berlimpah di sektor kiri disebabkan pada saat angin monsun barat terbentuk konvergensi di wilayah Kalimantan Selatan. Curah Hujan. In the research of weir effect using daily rainfall data and the wind from rain outposts left and right sectors in South Kalimantan. Kondisi ini ditambah dengan efek orografi yaitu angin yang terbendung oleh Pegunungan Meratus dimana mengalami perlambatan kecepatan angin sebesar 2-3 %.

2. 1996).1 EFEK BENDUNG 2. Kalimantan Hujan merupakan jatuhan Selatan berada di bagian tenggara pulau hydrometeor yang berupa partikel – Kalimantan. pengaliran dan membuat penelitian untuk mengetahui penyerapan.854 km/jam). Salah satunya adalah Propinsi angin tetap. atau lebih dengan kecepatan melebihi 3 serta dataran tinggi yang dibentuk oleh meter tiap detik (Susilo Pegunungan Meratus di tengah.2 HUJAN 19’ 13” BT – 116° 33’ 28” BT.1 ANGIN Definisi Bendung secara bahasa Karena perbedaan suhu dan adalah rintangan yang bersifat kontinu tekanan antara suatu tempat dan pada dan padat serta letaknya tidak selalu 147 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dengan hujan yang berbeda.5148 m/det = berbukit dan berlembah menjadikan 1. angin periodik. Key Words : Topography. rainfall. membagi 2 daerah yaitu sektor kiri yang dianggap terdistribusi secara (sebelah barat pegunungan Meratus) merata pada seluruh daerah tangkapan dan sektor kanan (sebelah timur air. dan angin Kalimantan Selatan sebagai daerah lokal. LANDASAN TEORI TERHADAP CURAH HUJAN 2. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Satuan yang biasa Indonesia dari kondisi orografis digunakan dalam menentukan dan kondisi topografi yang sedemikian kecepatan angin adalah kilometer per rupa banyak pulau dan kepulauan. jam atau knot (1 knot = 0.5 mm rendah di bagian barat dan pantai timur. wind 1. memiliki kawasan dataran partikel air yang berdiameter 0. weir effect. wilayah ini terbentuk pola atau tipe Angin yang terjadi di curah hujan yang beragam antara permukaan bumi pada dasarnya dapat daerah yang satu dengan daerah yang dibagi dalam beberapa golongan yaitu lainnya.2. Secara geografis. objek penelitian yang terletak antara 1° 21’ 49” LS – 4° 10’ 14” LS dan 114° 2. Kondisi Prawirowardoyo. This condition coupled with the orographic effect is the wind that unstoppable by Meratus mountains where wind speed slowed by 2-3%. sea breezes and valley winds and domination from topography of Meratus mountains where wind is unstoppable and wind speed slowed by 4-14%. Jumlah curah hujan yang efek bendung pegunungan Meratus jatuh di permukaan bumi dinyatakan terhadap sebaran curah hujan dengan dalam kedalaman air (biasanya mm). PENDAHULUAN tempat lain. terjadilah gerakan udara yang disebut angin.2 No 2 Juni 2015 caused when the west monsoon wind formed convergence in South Kalimantan. Berdasarkan mengabaikan bentuknya saat mencapai pengamatan kondisi topografi di tanah dan tidak memperhitungkan wilayah Kalimantan Selatan ini penulis proses penguapan. Jumlah air topografi di Kalimantan Selatan yang yang jatuh di permukaan bumi atau sedemikian kompleks tersebut dapat hujan dapat diukur dengan terlihat pada variasi sebaran curah menggunakan alat penakar hujan atau hujan di daerah tersebut. pegunungan Meratus). Daerah-daerah dengan jalan mengukur tinggi air hujan yang terpisah oleh dataran tinggi atau melalui cara atau metode yang telah pegunungan ini memiliki ditentukan. Hasil dari pengukuran ini kecenderungan terdapat sebaran curah disebut curah hujan. The same thing happened in the right sector when the east monsoon wind occurs.

Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 melintangi sebuah sungai yang diharapkan.kamusbesar. yaitu yang pertama metode streamline curah hujan adalah kompleks. bahwa curah hujan meningkat dengan Analisa angin dengan 2 metode ketinggian.ready. elevasi mana kedua metode Windrose adalah metode merupakan curah hujan maksimum perhitungan yang dibuat untuk mengelompokkan arah dan kecepatan 148 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .noaa.arl.nasa. 2014). Biasanya bertujuan untuk mengetahui arah curah hujan meningkat sampai gerakan. bertekanan rendah. DATA DAN METODE Meratus memberikan dampak berupa perbedaan sebaran suhu udara dan curah 3. dan analisa satelit TRMM. Untuk kondisi efek bendung di wilayah Pegunungan 3. daerah menurun dengan ketinggian.com). Di tropis hubungan elevasi.gov/ serta Windrose dari alamat situs www.gov/.noaa.gsfc. analisis ini adalah data curah hujan harian 11 pos dari Stasiun Klimatologi 2. Pada umumnya dapat dianggap di Propinsi Kalimantan Selatan. dan sirkulasi eddy Di tropis. Hal ini berbeda (www.2 METODE Metode yang digunakan dalam penulisan ini adalah metode analisa grafik curah hujan. dan data angin model (Zonal – Meridional) bulanan dari alamat situs http://www.2 EFEK ELEVASI Klas I Banjarbaru. tetapi makin gangguan-gangguan seperti tinggi lagi jumlah curah hujan biasanya konvergensi. jenis angin yang bertiup. Yang pada sekitar 500-800 m. Sedangkan dengan iklim-iklim lintang tengah yang istilah efek bendung merupakan gerak mungkin mengkondensasi pada paras fluida akibat dari adanya rintangan yang awan di berbagai ketinggian.1 DATA hujan di bagian depan pegunungan (see ward) dan di bagian belakang Data yang digunakan dalam pegunungan (lee ward). shear line. Hubungan Elevasi dan dan pentad dimana analisa pola hujan Curah Hujan (Mc Gregor and Niewolt. membendung aliran fluida (Soerjadi Wirjohamidjojo. 3. 1998) bulanan untuk melihat jenis pola curah hujan dan waktu terjadinya musim hujan dan musim kemarau serta analisa Berdasarkan gambar tersebut rata-rata pentad untuk melihat lebih salah satu faktor yang menyebabkan jelas waktu terjadinya puncak hujan dan jumlah curah hujan yang tinggi adalah puncak kemarau pada setiap pos hujan relief.2 No. Metode grafik dalam analisa curah hujan terdiri dari grafik bulanan Gambar 1.esrl. analisa angin. data estimasi curah TERHADAP CURAH hujan satelit TRMM bulanan dari HUJAN alamat situs http://mirador. paras kondensasi yang mempengaruhi sebaran curah untuk massa udara maritim terletak hujan di sektor kiri dan kanan.gov/ di Propinsi Kalimantan Selatan. ketinggian 1000-1500 m. Rentang waktu data adalah tahun 2009-2012.2.

2 No 2 Juni 2015 angin yang dibuat untuk mengetahui pendukung dari grafik curah hujan yang gambaran keadaan kondisi angin pada telah diolah di wilayah sektor kiri dan suatu tempat dan jangka waktu tertentu. berikut: Sedangkan analisa satelit TRMM hanya sebagai gambar Mulai Data Angin Streamline Windrose Data Hujan Pentad Sektor Kiri (X) / 7 Sektor Kanan (Y) pos hujan / 4 pos hujan Rata2 Sektor Kiri Rata2 Sektor (X) Kanan (Y) Selisih Rata2 X & Y Kesimpulan Selesai Gambar 2.3 BAGAN ALIR PENELITIAN besar kecepatan angin di setiap lapisan atmosfer yang ditentukan di beberapa Diagram alir penelitian dalam pos hujan sehingga dapat terlihat penelitian efek bendung Pegunungan gerakan serta kecepatan angin akibat Meratus terhadap sebaran curah hujan terbendung oleh Pegunungan Meratus di di Kalimantan Selatan adalah sebagai Kalimantan Selatan. Manfaat menganalisa angin dengan metode Windrose adalah untuk mengetahui arah angin dominan dan 1. kanan Propinsi Kalimantan Selatan. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Bagan Alir Penelitian 149 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .

Grafik Pola Hujan Rata- Rata Bulanan Gambar 5. ANALISA DAN PEMBAHASAN 4. Dengan curah hujan tertinggi pada 150 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Namun pada pertengahan musim kemarau terjadi penyimpangan yaitu total curah hujan pada bulan Juli diatas 150 mm. Grafik Pola Hujan Rata- Rata Pentad Berdasarkan grafik bulanan dan pentad tersebut di atas Berdasarkan grafik bulanan menunjukkan rata-rata musim hujan dan pentad tersebut di atas terjadi pada pertengahan bulan menunjukkan rata-rata musim hujan Oktober sampai awal bulan Mei dan terjadi pada pertengahan bulan puncak hujan terjadi pada bulan Oktober sampai pertengahan bulan Desember pentad lima sebesar 70 mm. Grafik Pola Hujan Rata- Rata Pentad Gambar 6. Grafik Pola Hujan Rata- Rata Bulanan Gambar 4. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Mei dan puncak hujan terjadi pada Sedangkan musim kemarau terjadi bulan Januari pentad tiga sebesar 63 pada awal bulan Mei sampai mm.3 ANALISA CURAH HUJAN (2009-2012)  Sektor Kiri  Sektor Kanan Gambar 3. 2 Juni 2015 4. Sedangkan musim kemarau pertengahan bulan Oktober dan puncak terjadi pada pertengahan bulan Mei kemarau terjadi pada bulan Agustus sampai pertengahan bulan Oktober dan pentad dua dengan jumlah curah hujan puncak kemarau terjadi pada bulan 7 mm.2 No. Agustus pentad satu dengan jumlah curah hujan 7 mm.

vorteks di sekitar wilayah Kalimantan bagian utara.  Selisih Rata-Rata Pentad (a) Gambar 7.1 BULAN DESEMBER (2009- 2012)  Windrose  Streamline 151 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No 2 Juni 2015 pentad lima sebesar 57 mm. Grafik Selisih Rata-Rata Pentad Sektor Kiri dan Sektor Kanan (b) Gambar 8. (Lihat Gambar 6). Kondisi ini lebih banyak terjadi di lapisan 850 mb dikarenakan lapisan ini adalah lapisan puncak 4. Secara garis besar sektor kanan atau wilayah y massa udara dari BBU membentuk mengalami kondisi yang sebaliknya shear line di Kalimantan bagian barat yaitu kondisi yang lebih kering (curah di kedua lapisan atmosfer ini. 4.4 ANALISA ANGIN gisiran. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Streamline Desember 2009 Grafik tersebut menunjukkan (a) Lapisan 925 mb(b) Lapisan 850 mb untuk sektor kiri mengalami kondisi yang lebih basah (curah hujan lebih Berdasarkan gambar tersebut besar) pada bulan November sampai pada bulan Desember 2009-2012 bulan Maret dengan puncaknya yang lapisan 925 mb dan 850 mb pada terjadi pada bulan Desember. Kondisi ini disebabkan karena kondisi topografi yang didominasi oleh Pegunungan Meratus di sektor kanan yang menyebabkan pola hujan sektor kanan menjadi berbeda dengan sektor kiri.4. Dan hujan lebih sedikit) dan juga mencapai kerap terjadi dorongan angin monsun puncaknya pada bulan dan pentad yang yang kuat sehingga membentuk sama. Dimana umumnya didominasi oleh hembusan pada waktu yang sama untuk bagian angin baratan.

292. 152 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .3 s/d 0. Pada tahun 2009 sektor kiri curah hujannya berkisar antara 0. 2 Juni 2015  Satelit TRMM (a) Gambar 10.4.5° . dan 850 mb pada tahun 2009-2012 terlihat pos hujan di sektor kanan maupun kiri menunjukkan arah angin dominan adalah dari arah barat (247. Satelit TRMM Desember 2009 Berdasarkan gambar tersebut pada bulan Desember 2009-2012 sebaran hujan lebih besar jumlahnya di (b) sektor kiri dibandingkan sektor kanan. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Perlambatan kecepatan angin terlihat dari diagram Windrose dari pos sektor kiri menuju ke pos sektor kanan yaitu berkisar 2-3 %.5°) (a) (angin monsun barat). 900 mb.2 BULAN JULI (2009-2012)  Streamline (c) Gambar 9.35 mm/hr. 4. Windrose per lapisan atmosfer di Pos hujan (a) 3 dan 9(b) 4 dan 10(c) 5 dan 11 Berdasarkan gambar diagram tersebut pada bulan Desember lapisan 925 mb.35 s/d 0.2 No.55 mm/hr dan sektor kanan berkisar antara 0.

Perlambatan kecepatan angin terlihat dari diagram Windrose dari pos sektor kanan menuju ke pos sektor kiri yaitu berkisar 4-14 %. Streamline Juli 2009 (a) Lapisan 925 mb(b) Lapisan 850 mb Berdasarkan gambar tersebut (b) pada bulan Juli 2009-2012 lapisan 925 mb dan 850 mb pada umumnya didominasi oleh hembusan angin timuran dimana merupakan jenis angin monsun timur. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Windrose per lapisan  Windrose atmosfer di Pos hujan (a) 3 dan 9(b) 4 dan 10(c) 5 dan 11 Berdasarkan gambar diagram tersebut pada bulan Juli lapisan 925 mb. 153 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .5° .157. Gambar 12. 900 mb.2 No 2 Juni 2015 (a) (b) Gambar 11.5°) (angin monsun timur). Untuk kondisi tahun 2010 terjadi dorongan angin monsun yang kuat sehingga terbentuk vorteks di wilayah (c) Kalimantan bagian barat. dan 850 mb pada tahun 2009- 2012 terlihat pos hujan di sektor kiri maupun kanan menunjukkan arah angin dominan adalah dari arah tenggara (112. Secara garis besar massa udara dari BBS membentuk shear line di Kalimantan bagian barat dan timur di kedua lapisan atmosfer ini.

2014.K. kanan dibandingkan sektor kiri. Pusat Penelitian grafik pentad pada saat bertiup dan Pengembangan Badan angin monsun barat daerah sektor Meteorologi dan Geofisika. Pada bulan Juli hujan berlimpah di sektor kanan dipengaruhi oleh angin tenggara atau angin monsun timur. 2013. dan B. basah daripada sektor kanan di bulan November sampai Maret M. 2009.K. Pada bulan Desember hujan berlimpah di sektor kiri dipengaruhi Permana. Sebaran curah hujan di pos-pos Harijono. Jakarta.W. kiri mengalami kondisi yang lebih Jakarta. dan angin lembah. Rizqi N.16 mm/hr. Jakarta. Bandung: ITB. Tugas Akhir Taruna yaitu menjadi lebih basah di bulan Akademi Meteorologi dan April sampai September dengan Geofisika.H. Atmosfer pola hujan monsun. 2. Angga. Berdasarkan gambar tersebut Bayong T. 1996. 1. Dan saat bertiup Dengan Multi Parameter Di angin monsun timur daerah sektor Maluku Tengah Bagian kanan mengalami hal sebaliknya Tengah.16 Pegunungan Meratus mm/hr dan sektor kiri berkisar antara Terhadap Sebaran Curah 0. Tugas Akhir Taruna Akademi Meteorologi 5. DAFTAR PUSTAKA Bayong T. Jakarta: hujan lebih besar jumlahnya di sektor BMKG. Pada tahun 2009 sektor kanan curah Fitriani.H. Tjasyono. Sains Atmosfer..14 s/d 0.04 s/d 0. S. 2008. Jakarta. S. Perlambatan kecepatan angin di sektor ini berkisar 4-14 %. 2 Juni 2015  Satelit TRMM Meratus dan konvergensi di wilayah sekitarnya dimana perlambatan kecepatan angin di sektor ini berkisar 2-3 %. 2013. Hujan di Propinsi Kalimantan Selatan Periode Tahun 2009 – 2012. hujan kedua sektor membentuk H. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Gambar 13. 2013.B. I. puncak hujan maksimum di bulan Prawirowardoyo. Kajian dengan puncak hujan maksimum di Definisi Awal Musim Hujan bulan Desember. Dengan analisa Ekuatorial. Satelit TRMM Juli 2009 Pusat Penelitian dan Pengembangan Badan Meteorologi dan Geofisika. Efek Bendung hujannya berkisar antara 0.2 No. KESIMPULAN Klimatologi dan Geofisika. Meteorologi pada bulan Juli 2009-2012 sebaran Indonesia Volume I. Analisa oleh angin baratan yang mengalami Distribusi Hujan di Fakfak. Tristianti Aspri. angin laut.K. efek orografi oleh Pegunungan Tugas Akhir Taruna Akademi 154 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Meteorologi Juli.

1994. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Analisa tanggal 26/08/2014) Kejadian Hujan Lebat di www. dan S. Zakir. Jakarta. Uji Keakuratan belajargeodenganhendri.gov (diakses pada tanggal 20/04/2014 dan 30/04/2014) www. www. F.mirador. dan M.kamusbesar.com (diakses pada tanggal 2007. 2013. Pengantar www. YS.iskandar-ckp. Tugas Akhir tanggal 26/08/2014) Taruna Akademi Meteorologi dan Geofisika. www.ready. A.com (diakses pada tanggal 06/03/2014) www.cuacajateng. 2010. Khotimah. Hidrologi Terapan.bom. tanggal 22/04/2014 dan 11/09/2014) Risnayah. Wirjohamidjojo. K.S.nasa. Pusat Penelitian dan Pengembangan Badan Meteorologi dan Geofisika.id (diakses pada Offset. www.meteojuanda.gov.au (diakses pada Meteorologi. Jakarta: BMKG.com (diakses pada tanggal (03/10/2014) Triatmodjo. Jakarta: BMKG. Rizki.com (diakses pada tanggal 08/04/2014) kadarsah.go. tanggal 04/10/2014) Utomo. Siti. M. Tugas 23/04/2014) Akhir Taruna Akademi Meteorologi dan Geofisika.A.com (diakses pada tanggal Observasi Permukaan. W.noaa.co Estimasi Curah Hujan Satelit m (diakses pada tanggal 23/04/2014) TRMM Terhadap Hasil isidunia..blogspot.org (diakses pada Jakarta.noaa.gov (diakses pada tanggal 03/04/2014 dan 16/04/2014) www. Dasar-dasar Fisika Monsun.wikipedia. Y. B.com (diakses pada Suhendro.esrl.pn-martapura. Praktek Meteorologi 10/05/2014) Pertanian.blogspot.info (diakses pada Jakarta. 2008.com (diakses pada tanggal 06/03/2014) www. Perspektif Operasional Cuaca Tropis.com (diakses pada tanggal 18/04/2014) www. Yogyakarta: Beta www.wordpress...gov/ (diakses pada Banjarmasin.blogspot. Ratag. 2012. tanggal 24/04/2014) Swarinoto. www.wordpress.soborneo.arl. bp.gsfc.klimatologibanjarbaru.2 No 2 Juni 2015 Meteorologi dan Geofisika. tanggal 24/04/2014) Soepangkat. Sulistya.mediajitu. 2008.com (diakses pada tanggal 19/04/2014) 155 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . www. Jakarta. Jakarta.

in addition spectral width has the best performance when some cloud occupying sky.com ABSTRAK Ketebalan LBA adalah satu parameter yang fundamental untuk melihat karakteristik struktur lapisan batas atmosfer seperti turbulensi dan stabilitas atmosfer. and Richardson Number used as a turbulance parameters. to compare boundary layer thickness between cloudy sky and claer sky. we use Weather Research and Forecsting – Advanced Research (WRF-ARW) model to calculate Turbulance Index 2 (TI2)and Richardson Number. TI2. digunakan juga model Weather Research and Forecsting – Advanced Research (WRF-ARW) untuk menghitung Turbulance Index 2 (TI2) dan Richardson Number (Ri). Sebaliknya. Pondok Betung. Richarson Number 156 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No 2 Juni 2015 IDENTIFIKASI TEBAL LAPISAN BATAS ATMOSFER MENGGUNAKAN DATA VELOCITY DAN SPECTRAL WIDTH RADAR SERTA PARAMETER TURBULENSI DARI WRF-ARW DI DAERAH JAKARTA DAN SEKITARNYA Anggi Dewita Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Prodi Meteorologi Jl. Penelitian mengenai lapisan batas ini penting karena fenomena cuaca yang dipengaruhi oleh interaksi atmosfer dan permukaan bumi terjadi pada lapisan ini. Key word : boundary layer thickness. Namun indeks TI2 dan Ri gagal dalam menentukan tebal LBA baik ketika cuaca buruk maupun kondisi cuaca cerah. geser angin. spectral widht mepunyai kemampuan yang baik ketika ada awan di langit. TI2. Profil angin vertikal untuk menentukan geser angin sebagai ketinggian LBA sementara spectral widht. spectral width. Turbulance Index 2. windshear. dan Ri sebagai parameter turbulensi. Vertical wind profiles determine windshear to identify the top of ABL. Turbulance Index 2. Tangerang Email : dewita. Data yang digunakan terdiri dari dua hari untuk membandingkan metode penentuan Lapisan Batas antara cuaca berawan dan cuaca cerah. Jurnal Meteorologi Klimatologi dan Geofisika Vol. spectral widht. Richarson Number ABSTRACT The atmospheric boundary layer (ABL) thickness is one of the important meteorological parameter to view characteristic of the atmospheric boundary layer structure like turbulance and atmosphere stability. Kata kunci: tebal lapisan batas. Geser angin vertikal mampu mengidentifikasikan tebal LBA dengan cukup bagus terutama dalam kondisi cerah. Dan sebagai pembanding. Perhubungan 1 no 5. Radar cuaca yang digunakan sebagai pengukur parameter meteorologi secara insitu memiliki jangkauan spasial dan resolusi temporal yang baik. Windshear good enough when identify ABL thickness especially when the weather is clear. But TI2 and Ri as turbulance parameter failed to determine the thickness of ABL on the bad weather or clear condition. spectral widht. Research about boundary layer become crucial because most of the weather phenomena affected by interaction between atmosphere and surface layer at this layer. For the comparative. Data taken during two days. Weather Radar used as an instrument to measure meteorological parameter with high temporal resolution and wide coverage area.anggi@gmail.

157 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . hujan. bagaimana perubahan ketinggian lapisan akan diterima receiver. Capping Inversion (CI) atau maupun iklim. serta gelombang elektromagnetik parameter turbulensi hasil pengolahan mengenai objek. Setelah width Radar Doppler C-band. Dari hasil batas atmosfer pada saat terjadi cuaca pantulan itu dapat diketahui lokasi buruk dan cuaca cerah.1 Lapisan Batas Atmosfer (LBA) pola diurnal karena berkaitan dengan proses Merupakan lapisan transpor vertikal atau proses konveksi dan pencampuran yang dekat dengan proses transfer energi yang sebagian permukaan tanah yang dipengaruhi dilakukan oleh turbulensi (Dewi.2 Rumusan Masalah 1. yaitu Tujuan dari tugas akhir ini adalah mendapatkan metode untuk a. pemanasan ini penting karena fenomena cuaca yang permukaan. Ketebalan LBA adalah satu parameter yang fundamental untuk melihat 1. topografi atau pada saat terjadi fenomena polutan. 1. karena itu lapian didapatkan dari pengukuran langsung inversi juga merupakan lapisan melainkan melalui pendekatan dari profil batas Boundary Layer. uap air agar tetap dekat cuaca khusus. Sementara parameter meteorologi. analisis struktur lapisan Lapisan inversi berperan sebagai batas di suatu tempat di berbagai jenis batas dari kegiatan turbulensi.5. dipengaruhi oleh interaksi atmosfer dan variasi diurnal.2 Radio Detection and Ranging (RADAR) Permasalahan yang akan dibahas Suatu alat pengindraan jauh dalam penelitian ini adalah dengan menggunakan sistem a. dipantulkan dan pantulan tersebut b.) Reflectivity (Z) mengidentifikasi ketebalan lapisan batas Menampilkan lokasi dan atmosfer berdasarkan profil vertikal angin intensitas (reflektifitas) dari target radial dan spectral width Radar Doppler C. Pada bagian atas LBA akan Kajian LBA dapat digunakan untuk ditemukan lapisan inversi dan berbagai macam analisis termasuk analisis perubahan kecepatan dan/atau arah pemyebaran polutan udara. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Cengkareng serta membandingkannya dengan TI2 dan 1. serta tutupan awan. bagaimana metode mengidentifikasi gelombang elektromagnetik ketebalan lapisan batas atmosfer dengan melalui antena dengan arah lurus profil vertikal angin radial dan spectral dan kecepatan tetap.1 Latar Belakang indeks Ri hasil running WRF-ARW sebagai parameter turbulensi. .5.4 Tujuan Penelitian Rinehart (2010) menyebutkan ada 3 jenis output Radar. prediksi cuaca angin. PENDAHULUAN band Bandara Soekarno Hatta.2 No 2 Juni 2015 1. permukaan dan tidak masuk ke Nilai tebal lapisan batas tidak bisa atmosfer bebas. 1. jenis permukaan. stabilitas atmosfer serta 1. maka akan WRF-ARW. 2010) oleh banyak faktor termasuk fitur Penelitian mengenai lapisan batas topografi wilayah. meteorologi seperti shower. salah satu perubahan kecepatan dan/atau arah contohnya adalah profil angin vertikal dari angin adalah karena adanya radar dan parameter turbulensi dari model pengurangan gesekan pada prediksi cuaca numerik ketinggian tersebut.5 Landasan Teori karakteristik struktur lapisan batas atmosfer seperti turbulensi. permukaan bumi terjadi pada lapisan ini. serta besar komponen dan massa udara.

Hal ini karena Radar juga Soekarno-Hatta.2 Data WRF mengenali perubahan frekuensi Menggunakan data Final Global terkait dengan kecepatan radialnya Assimilation System (FNL) sebagai tiap partikel tersebut. FNL merupakan asimilasi dari data model global 1. Artinya bila untuk melihat arah dan kecepatan angin masing-masing partikel dalam satu secara vertikal dan data vertical cut dari sample volume memiliki CAPPI (width horizontal) untuk mendeteksi pergerakan yang berbeda-beda turbulensinya. 2. Indeks Ri adalah sebenarnya.1. ukuran. DEF adalah deformasi diasumsikan bahwa arah dan horizontal dari akar kuadrat jumlah kuadrat pergerakan partikel sama dengan peregangan. 158 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Reflectivity menyatakan θ adalah suhu potensial. wind shear atau TVS maka radar 2.1. Notasi g adalah percepatan gravitasi bumi. 1. kuadrat frekuensi Brunt-Väisälä (N) dengan kuadrat Vertical Wind Shear (VWS). karena pengaruh turbulensi.5. mesocyclone atau indikasi dari TVS (tornado vortex 2.1.3 Lokasi Penelitian Lokasi yang menjadi titik pengamatan merupakan daerah dataran rendah yang cenderung datar dengan tutupan wilayah berupa daerah perkotaan.2 No 2 Juni 2015 dan badai. arah pergerakan angin (radial velocity).5.) Radial Velocity (V) TI2 memperhitungkan deformasi Radar Doppler mendeteksi horizontal.1 Data Radar C-band Doppler signature) dan hal yang sejenis Dengan Radar di Bandara lainnya.1. maka dapat Windshear.83 BT).1 Data turbulence. VWS dan ditambahkan dengan perubahan frekuensi target yang unsur konvergensi. Resolusi yang digunakan 1° x rasio antara stabilitas yang diukur sebagai 1° dan tersedia per 6 jam-an. Suku z besaran energi yang kembali adalah perubahan temperatur potensial dari objek dan tergantung pada terhadap elevasi dan V z adalah VWS.3 Indeks Richardson Number (RI) dan pengamatan sehingga didapatkan model Indeks Ri memperhitungkan nilai yang mendekati representasi atmosfer yang VWS dan stabilitas udara. c. Jurnal Meteorologi Klimatologi dan Geofisika Vol. udara. ±21 kilometer dari radar (6. Cengkareng. TI2 memiliki rumus Dengan asumsi target yang TI2 = VWS (DEF + CVG) dideteksi oleh radar bergerak Dimana VWS adalah Vertical mengikuti arah angin.4 Turbulance Index 2 (TI2) b. masukan awal model WRF. dan CVG adalah konvergensi.18 LS .106. menggunakan memiliki kemampuan mendeteksi produk Volume Velocity Processing (VVP) pergerakan per-pertikel dalam mendapatkan data kecepatan radial (m/s) suatu sample volume. METODE PENELITIAN Memberi petunjuk tentang ‘kemungkinan’ adanya wind-shear.) Spectral Width (W) 2.4 Waktu Penelitian bahwa Ri adalah Richardson Number. bentuk dan komposisi objek. Stasiun Meteorologi Observatory Kemayoran. Indeks Ri terdeteksi pada sinyal radar memperhitungkan nilai VWS dan stabilitas tergantung pada kecepatannya. 2. Persamaan di atas menjelaskan 2.

) Produk VCUT (Vertical Cut) Produk ini digunakan untuk melihat melihat struktur vertical echo suatu kolom udara di area pengamatan. Dari produk ini (2009) menyatakan bahwa MF dapat diharapkan dapat terlihat cocok untuk daerah tropis. Cuaca cerah dengan suhu maksimum mencapai 36.) Volume Velocity Processing (VVP) dan indikasi hujan di Jakarta. sehingga diharapkan produk ini dapat menampilkan nilai reflektifitas yang dihasilkan oleh massa udara dan memantau pergerakan masing-masing partikel dalam awan untuk mendeteksi adanya turbulensi..2 Pengolahan Data Radar oleh Santriyani dkk (2009) di Hasil olahan raw data tersebut akan Jakarta yang menyatakan Skema menghasilkan produk-produk dengan Grell Devenyi mampu rincian sebagai berikut: menggambarkan pergerakan awan a. Domain 3 pada waktu tersebut. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Peta Domain WRF pengamatan terdekat dengan lokasi kejadian.1 Persiapan Awal Identifikasi kejadian pada masing- masing site di waktu kejadian melalui berita di media massa atau pada stasiun Gambar 1. arah dan Anzhar (2006) dalam Listiaji kecepatan angin. Untuk TI2 menggunakan ambang batas sesuai 2. Running model WRF-ARW dengan karena telah terjadi fenomena cuaca khusus menggunakan 3 domain.8°C tanggal 10 Oktober 2014.) Produk CAPPI (width horizontal) dilihat pada Tabel berikut Produk ini menampilkan nilai echo pada suatu ketinggian yang Tabel 1.30 WIB tanggal 22 April 2014 b. Mendapatkan nilai TI2 dan Ri pada dan garis bujur 106.2. Hujan es disertai hujan lebat pada pukul 12.3 Pengolahan WRF-ARW tabel di bawah 159 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .86. Salah satu Produk radial velocity Sementara untuk skema PBL akan yang menampilkan beberapa disetting MRF berdasarkan parameter udara secara vertikal penelitian yang dilakukan oleh seperti divergensi. menggunakan GrADS. VCUT dilakukan pada lintang -6.79 hingga lapisan penting dengan 106. penelitian mengenai sensitivitas parameter cumulus yang dilakukan 2. c.2 No 2 Juni 2015 Masing-masing lokasi dipilih 1. a. Tabel konfigurasi Skema Parameterisasi didapatkan oleh pengamatan radar. yaitu (DO3) adalah wilayah Jakarta dan sekitarnya.2.2. geser angin sebagai penanda Konfigurasi opsi fisis yang puncak lapisan batas atmosfer. digunakan dalam penelitian dapat b.26 3. 2. Mencari tahu kapan tepatnya Penelitian ini menggunakan hasil waktu kejadian tersebut berlangsung.2 Metode Penelitian 2.

Citra Radar Cengkareng produk 3. Cuaca Cerah Tanggal 10 Oktober 2014 2014 Berdasarkan data sinoptik di stasiun Berdasarkan data sinoptik di stasiun Meteoologi Observatory Jakarta. terpantau ada awan konvektif Cumulunimbus (Cb). McCann (2006) menjelaskan bila nilai Ri positif menunjukkan stabilitas udaranya negatif maka lapserate- nya adalah superadiabatik.area yang ditutupi partikel hidrologi Dari citra radar produk CMAX (dBz) radar Cengkareng pukul 07 dan 08 UTC. 1992) (b) Dan untuk indeks Ri. Data synoptic tanggal 22 April 2014 Dari citra radar produk CMAX (dBz) radar pukul 06 dan 09 UTC Cengkareng pukul 03 dan 04 UTC. Jurnal Meteorologi Klimatologi dan Geofisika Vol. HASIL DAN PEMBAHASAN CMAX tanggal 22 April 2014 pukul (a) 07. 160 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No 2 Juni 2015 Tabel 2. Data synoptic tanggal 10 Oktober 2014 pukul 03 dan 06 UTC Gambar 2. Gambar 4. hanya terlihat sedikit . tercatat Meteoologi Observatory Jakarta. nilai Ri < 0 dan turbulensi konvektif dapat terbentuk.1 Identifikasi Kejadian pukul (b) 08.00 UTC a. Gambar 3. tercatat pada pukul 03 hingga 06 UTC jumlah awan pada pukul 06 hingga 09 UTC jumlah awan berkisar antara 3/8 hingga 4/8 dari bagian sebanyak 7/8 dari bagian langit dan langit. Cuaca Buruk Tanggal 22 April b. Threshold Turbulence Index 2 (a) (TI2) (Ellrod dan Knapp. terlihat adanya tutupan partikel hidrologi di atas area Jakarta.00 UTC 3.

(b) 08. menentukan lapisan dengan geser angin. pembacaan menunjukkan Pada kondisi cuaca buruk dengan kecepatan turbulensi 1. Sebagai sample diambil VVP tanggal 22 Sementara pada cuaca cerah.20.00 UTC Width Pada kondisi cuaca buruk.00 UTC (gambar b).10 CMAX tanggal 10 Oktober 2014 pukul (a) 03. geser dide teksi oleh radar. angin mudah terdeteksi melalui VVP.30.8 m/s dan rata-rata awan konvektif. sample volume. Dari sample citra vertical a.00 UTC dan (b) b.3 km dari cenderung homogen sehingga sulit permukaan tanah. Penentuan Geser Angin dari VVP cut CAPPI tanggal 22 April 2014 jam 09 UTC (gambar a). dan tanggal 10 Oktober 2014 jam Gambar 5. tidak April 2014 jam 07. Citra Radar Cengkareng produk (c) 03.20 UTC (gambar c) dimana geser angin terdeteksi pada lapisan 2. Hal ini dikarenakan saat cuaca cerah tidak ada partikel yang dapat Pada kondisi cuaca cerah. Sebagai sample diambil VVP tanggal 10 Oktober 2014 jam 03. Aktifitas Turbulensi dari Spectral 04.10 UTC (gambar d) dimana geser angin terdeteksi pada lapisan 2.00.5 km dan jam 04.2 No 2 Juni 2015 (a) (a) (b) (c) (d) Gambar 6.5 km. Profil Vertical Angin produk (b) VVP tanggal 22 April 2014 jam (a) 07.30 UTC (gambar a) dan terdeteksi adanya pergolakan dalam suatu 08. 161 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jurnal Meteorologi Klimatologi dan Geofisika Vol. spectral 3. profil angin secara vertikal ketinggian maksimum 6. (d) 04.2 Hasil Penelitian width mampu mendeteksi pergerakan per- pertikel dalam suatu sample volume yang Dari peneilitian ini didapatkan hasil menandakan adanya turbulensi pada sample sebagai berikut volume tersebut.

(i) Cuaca Buruk (a) (b) Gambar 8.86) c.26 BT 106. baik ketika turbulensi dar WRF merupakan rata-rata cuaca buruk maupun cerah. Aktifitas Turbulensi dari Dalam penelitian ini area yang digunakan Turbulance Index 2 (TI2) dan terletak antara 6.4 lintang selatan.2 No 2 Juni 2015 (a) (b) Gambar 7. Parameter Turbulensi pada cuaca buruk (a) Turbulance Index 2. dari nilai yang didapatkan atas suatu area. Jurnal Meteorologi Klimatologi dan Geofisika Vol.10 UTC dan (b) tanggal 10 Oktober 2014 jam 03.0 – 6. Produk VCUT CAPPI (a) tanggal 22 April 2014 jam 09. Richardson Number (Ri) dari WRF Model WRF tidak cukup baik merepresentasikan aktifitas turbulensi yang Hasil kalkulasi parameter terjadi di lapisan batas atmosfer.79-106. (b) Richardson Number 162 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .20 UTC (LS 6.

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No 2 Juni 2015

Saat cuaca buruk, aktifitas meter. Sementara di peta Ri area dengan
turbulensi dari peta TI2 tergambar ± 0.5° warna paling mendekati nol (0) terjadi ± 2°
(±55 km) sebelah barat dari area pantauan disebelah barat area pemantauan (± 220
dengan nilai 3.5 – 4 yang termasuk kategori km) dengan nilai 0 – 1.5 hingga ketinggian
turbulensi lemah hingga ketinggian 950 700 meter.

(ii) Cuaca Cerah

(a) (b)

Gambar 9. Parameter Turbulensi pada cuaca buruk (a) Turbulance Index 2;
(b) Richardson Number

Saat cuaca cerah, aktifitas adalah geser angin dan turbulensi dari radar
turbulensi dari peta TI2 tergambar ± 1° serta turbulensi dari model NWP (WRF)
(±110 km) sebelah barat dari area pantauan
dengan nilai 8-11 yang termasuk kategori
turbulensi sedang hingga kuat dengan ANALISA KETINGGIAN LAPISAN BATAS
ketinggian mencapai 1100 meter. ATMOSFER (meter)
Sementara di peta Ri area dengan warna CUACA
paling mendekati nol (0) terjadi ± 2° ALAT BURUK CERAH
PARAMETER
disebelah barat area pemantauan (± 220 Geser Angin
km) dengan nilai 0 – 1.5 hingga ketinggian X 2500
RADAR Vertikal
750 meter. Spectral Width 6200 X
Turbulance
X X
Index
3.3 Analisa WRF
Richardson
X X
Penelitian dilakukan pada dua Number
kondisi cuaca, yaitu tanggal 22 April 2014
sebagai cuaca buruk dan 10 Oktober 2014
sebagai cuaca cerah. Parameter yang dikaji
Tabel 3. Hasil Analisa

163

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No 2 Juni 2015

Penentuan puncak lapisan batas Radar dan berbagai alat laiin yang
atmosfer dapat teridentifikasi dari profil penggunaannya tidak terlalu praktis karena
vertikal angin, sehingga tebal lapisan batas terkendala biaya, tidak mampu mengcover
pun dapat ditentukan dari lokasi adanya area yang sangat luas, dan memiliki resolusi
geser angin. Namun pada saat kondisi temporal yang kecil (khusus Radiosonde).
berawan, penentuan puncak LBA dengan Berdasarkan penelitian ini, Radar
metode ini cukup sulit dilakukan. Randall cuaca telah mampu menyediakan data
(1990) menyatakan bahwa kondisi troposfer sebagai bahan analisa ketinggian lapisan
ketika berawan cenderung hangat, hal ini batas melalui profil angin vertikal dan
menyebabkan lapisan inversi melemah spectral width. Namun Radar juga memiliki
sehingga geser angin tidak terlalu terlihat. kelemahan tertentu. Selain penggunaannya
untuk mengukur ketebalan lapisan batas
Spectral Width memiliki performa dibatasi oleh kondisi cuaca, produk VVP
yang baik untuk memantau pergerakan juga hanya mengukur parameter angin
partikel yang diasumsikan sebagai gerakan setiap 250 meter. Range 250 meter antar
turbulensi dalam sample volume ketika lapisan dirasa terlalu besar. Karena geser
terdapat awan Cb, namun tidak bisa angin bisa terjadi pada jarak yang cukup
menunjukan aktifitas turbulensi massa dekat bila diukur secara vertikal.
udara ketika cuaca cerah karena tidak ada Meski demikian secara garis besar
partikel yang dapat di scan. Radar cuaca yang telah banyak beroperasi
di beberapa titik di wilayah Indonesia dapat
Kedua parameter turbulensi yang dimaksimalkan pemanfaatannya.
dihasilkan oleh WRF, TI2 maupun Ri, tidak
mampu menggambarkan dengan baik
turbulensi yang terjadi di dalam Lapisan
DAFTAR PUSTAKA
Batas. Ada beberapa faktor yang
megakibatkan hal ini terjadi. Pertama,
Dewi, R. (2014). Pemanfaatan Model
karena WRF hanyalah model yang masih
WRF-ARW Untuk Deteksi Clear
memerlukan verifikasi parameter yang
Air Turbulence Menggunakan
sesuai. Berbeda dengan Radar, WRF bukan
Turbulence Index dan Richardson
merupakan alat pengukuran in situ pada
Number, Skripsi, Program Sarjana
atmosfer, melainkan hanya
Terapan Meteorologi, Sekolah
pendekatan.sehingga diupayakan
Tinggi Meteorologi Klimatologi
menyerupai keadaan atmosfer sebenarnya.
dan Geofisika, Tangerang Selatan
Kedua ada dua jenis turbulensi yang terjadi
di atmosfer, yaitu turbulensi karena
Dewi, S. (2013). Identifikasi Ketebalan
pengaruh dari permukaan dan peristiwa
Lapisan Batas Atmosfer
konveksi yang merupakan proses yang
Menggunakan Profil Angin Radar
terjadi dalam lapisan batas, serta turbulensi
Doppler Di Daerah Tangerang dan
karena adanya pertukaran momentum di
Sekitarnya, Skripsi, Program
atmosfer. Terdapat kemungkinan TI2 dan
Sarjana Strata-1 (S-1) Meteorologi
Ri turut menghitung adanya turbulensi dari
Fakultas Ilmu dan Teknologi
peristiwa ini.
Kebumian, Institut Teknologi
Bandung, Bandung
4. KESIMPULAN
Kaimal, J.C. dan Finnigan, J.J. (1994).
Pengukuran ketebalan LBA Atmospheric Boundary Layer.
berdasarkan ketinggian lapisan batas masih Oxford University Press: New York
menjadi tantangan tersendiri bagi kita.
Mengukur tebal lapisan batas memerlukan Listiaji, E. (2009). Simulasi Curah Hujan
peralatan yang spesifik seperti Boundary Di Atas Pulau Lombok Studi Kasus
Layer Radar, Radiosonde, Wind Profiler Bulan Januari 2007, Skripsi,

164

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No 2 Juni 2015

Program Sarjana Strata-1 (S-1)
Meteorologi Fakultas Ilmu dan
Teknologi Kebumian, Institut
Teknologi Bandung, Bandung

Rinehart, R.E. (2010). Radar for
Meteorologist (Fifth Edition).
Rinehart Publishing: Nevada

Santriyani, M., Octarina, D.T., Budaya,
B.J., Ghoir, N.U., dan Suradi
(2009). Sensitivitas Parameterisasi
Konveksi Dalam Prediksi Cuaca
Numerik Menggunakan Model
WRF-ARW (Studi Kasus Hujan
Ekstrim Di Jakarta Tanggal 7 April
2009)

Stull, R. B. (1988). An Introduction to
Boundary Layer Meteorology.
Kluwer Academic Publishers:
Dordrecht

165

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No 2 Juni 2015

ANALISIS PROYEKSI PERUBAHAN IKLIM DENGAN RCP 4.5
DAN 8.5 DI WILAYAH MAJENE TAHUN 2011 - 2050
Eva Prameuthia
Jurusan Klimatologi, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG) Jakarta
Email : prameuthia0123@gmail.com

ABSTRAK

Perubahan iklim akhir-akhir ini menjadi topik yang sangat menarik untuk
diperbincangkan. Letak Indonesia yang berada di wilayah tropis dan terdiri dari pulau dan
kepulauan menyebabkan wilayah Indonesia rentan terhadap perubahan iklim/cuaca. IPCC telah
menyusun beberapa skenario iklim untuk mengetahui proyeksi iklim global dan regional hingga
tahun 2100 yang disebut sebagai Representative Concentration Pathways (RCP).
Dalam tulisan ini digunakan data RCP 4.5 dan RCP 8.5 untuk mengkaji bagaimana
proyeksi perubahan iklim di wilayah Majene periode 2011 – 2050 dengan parameter curah
hujan, suhu rata-rata, suhu maksimum dan suhu minimum bulanan. Data historical model
wilayah Sulawesi dari Cordex periode 1983 – 2005 digunakan sebagai data pembanding
terhadap data observasi dan diolah menggunakan regresi stepwise sehingga menghasilkan
persamaan regresi. Data RCP 4.5 dan RCP 8.5 selanjutnya dimasukkan ke dalam persamaan
regresi tersebut untuk menghasilkan data proyeksi perubahan iklim. Data observasi periode
1983 – 2010 juga diplot untuk melihat kecenderungan data tersebut.
Hasil pengolahan data menunjukkan bahwa tren proyeksi iklim yang dihasilkan oleh RCP
4.5 dan RCP 8.5 umumnya memiliki pola yang sama dengan data observasinya, kecuali untuk
proyeksi tahun 2046-2050 yang memiliki pola dan nilai yang sangat berbeda. Walaupun terjadi
perubahan pola pada tahun 2045-2050 yang signifikan, namun belum mengindikasikan
perubahan iklim.
Kata Kunci: Proyeksi, Perubahan Iklim, Regresi Stepwise, Tren

ABSTRACT

Climate change lately become a very interesting topic for discussion. Indonesia is located
in the tropical region and consists of the islands that cause of Indonesia vulnerable to climate
change / weather. The IPCC has compiled several climate scenarios to determine global and
regional climate projections to 2100 are referred to as Representative Concentration Pathways
(RCP).
This paper used RCP 4.5 and RCP 8.5 data to examine climate change projections in the
Majene for period 2011-2050 with the parameters of rainfall, average temperature, maximum
temperature and minimum temperature monthly. Historical data models Sulawesi region of
Cordex the period 1983 - 2005 is used as comparative data on observed data and processed
using stepwise regression resulting regression equation. Data RCP 4.5 and 8.5 RCP
subsequently incorporated into the regression equation to generate the data projections of
climate change. Data observation period 1983 - 2010 is also plotted to view trend data.
The results of data processing show that the trend of climate projections produced by the
RCP 4.5 and RCP 8.5 generally have the same pattern with the data observations, except for the
years 2046 to 2050 projections that have patterns and values are very different. Although there
is a change in the pattern of significant 2045-2050, but has not indicated climate change.
Keywords: Projections, Climate Change, Stepwise Regression, Trends

166

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No 2 Juni 2015

1. PENDAHULUAN mitigasi agresif ); RCP 8.5 (business as
usual); RCP 6.0 (menengah-tinggi) dan
1.1 Latar Belakang RCP 4.5 (menengah-rendah).
Perubahan iklim akhir-akhir ini RCP 8.5 merupakan proyeksi iklim
menjadi topik yang sangat menarik untuk yang menskenariokan dimana tidak ada
diperbincangkan. Letak Indonesia yang upaya manusia untuk mengurangi emisi gas
berada di wilayah tropis dengan ragam rumah kaca, sedangkan RCP 4.5 merupakan
kepulauan yang membentang terletak di proyeksi iklim yang menskenariokan
antara dua benua (Benua Asia dan Benua dimana ada upaya manusia untuk
Australia) dan dua samudera (Samudera mengurangi emisi gas rumah kaca. Menurut
Pasifik dan Samudera Hindia), serta terdiri IPCC, 2013 dalam Nuraini, 2014 Radiative
dari pulau dan kepulauan yang membujur forcing (RF) adalah ukuran perubahan
dari barat ke timur serta terdapat banyak bersih dalam keseimbangan energi dari
selat dan teluk menyebabkan wilayah sistem Bumi dalam menanggapi beberapa
Indonesia rentan terhadap perubahan iklim gangguan eksternal dengan satuan watt per
atau cuaca (BMKG, 2011). Perubahan iklim meter persegi (Wm-2). Sumber radiasi
menurut IPCC (2001) dalam Novita (2014) terbesar adalah antropogenik (aktivitas
mengacu pada perubahan rata-rata kondisi manusia), hanya sedikit radiasi yang
iklim dan variabilitasnya yang dapat diakibatkan oleh aktivitas alam (radiasi
diidentifikasi secara statistik yang terjadi matahari dan gunung berapi). Radiasi
secara persisten dalam waktu yang lama terbesar akibat aktivitas manusia adalah
(biasanya dekade atau lebih). Perubahan dari GRK dengan konsentrasi terbesar
iklim berlangsung dalam waktu lama dan adalah CO2 dan CH4.
berubah secara lambat, karena berbagai Kabupaten Majene merupakan salah
peristiwa ekstrim yang berlangsung terus- satu dari lima kabupaten di Provinsi
menerus (Aldrian, 2011). Perubahan iklim Sulawesi Barat yang terletak pada posisi
dapat disebabkan oleh proses alami dan 2°38’45” LS - 3°38’15” LS dan 118°45’00”
aktivitas manusia baik secara langsung BT - 119°4’45” BT, serta berbatasan
maupun tidak langsung. Aktivitas manusia langsung dengan Teluk Mandar di sebelah
dalam bidang transportasi dan industri yang Selatan, Selat Makassar di sebelah Barat,
menghasilkan emisi dari bahan bakar fosil Kabupaten Mamuju di sebelah Utara, dan
dapat meningkatkan produksi gas rumah Kabupaten Polewali Mandar di sebelah
kaca yang menyebabkan terjadinya Timur. Wilayah ini berada pada ketinggian
pemanasan global sehingga dapat yang bervariasi antara 0 – 1.600 meter di
mempercepat terjadinya perubahan iklim. atas permukaan laut dengan topografi yang
. IPCC (Intergovermental Panel on sebagian besar merupakan lahan perbukitan
Climate Change) telah menyusun beberapa berupa daratan aluvial pantai dan batuan
skenario iklim untuk mengetahui proyeksi gamping sehingga potensi aliran sungai
iklim global dan regional hingga tahun gunung dan mata air terbatas, terutama di
2100. Skenario iklim merupakan musim kemarau. Wilayah Majene memiliki
representasi logis mengenai perkembangan pola curah hujan monsunal yang tergolong
masa depan yang koheren dan konsisten kering menurut Peta Iklim Oldeman,
terhadap asumsi gas rumah kaca yang akan dengan variasi jumlah bulan basah hanya
datang. IPCC sejauh ini telah mengeluarkan sekitar 2-3 bulan dan jumlah curah hujan
5 laporan penilaian (Assignment Report). tahunan hanya sekitar 1.000 mm/tahun.
Dalam laporan penilaian kelima, IPCC Suhu udara berkisar antara 21°C sampai
menggunakan skenario yang disebut dengan 34°C dengan jumlah hari hujan 208
Representative Concentration Pathways hari/tahun.
(RCP) yang menggambarkan radiative Perubahan iklim dapat
forcing yang akan diterima oleh bumi. mengakibatkan penurunan curah hujan
Terdapat 4 skenario RCP yang ditawarkan untuk bulan kering dan peningkatan curah
dalam IPCC AR5: RCP 2.6 (strategi hujan di bulan basah sehingga

167

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

climate. (Sumber: Stasiun tangan bebas (free hand method). Data observasi berupa data bulanan Trend merupakan arah pergerakan untuk parameter curah hujan.2 Analisis Tren a.5 dan RCP 8. ea.kr/) juga dapat mengakibatkan merebaknya c. sektor pertanian Januari 2011 – Desember 2050 yang dan perkebunan di wilayah tersebut sangat digunakan untuk pembuatan proyeksi bergantung pada curah hujan.climate. 2014).5 Periode wabah penyakit. 1992 dalam Novita. Hasil proyeksi yang diperoleh selanjutnya dianalisis 1. DATA DAN METODE dengan : x = rata-rata xi = data 2.7° LU dan 118. salah satunya adalah metode Desember 2010.1 Data n = banyak data Data yang digunakan adalah sebagai berikut: 2.5 dan Untuk mengetahui bagaimana pola RCP 8. Selain itu.5 bulanan dari masing-masing data.2 No 2 Juni 2015 menyebabkan kekeringan maupun bencana persamaan model prediksi.3° LS – 2. suhu maksimum dan suhu atau turun. berikut:  Mengetahui bagaimana 2.5 merupakan data bagaimana gambaran kondisi iklim kedepan untuk wilayah pulau Sulawesi dengan agar dapat digunakan sebagai bahan koordinat 6.2 Metode tren/kecenderungan data observasi di Metode yang digunakan adalah wilayah Majene sebagai berikut. 2. (Sumber: alam lainnya. Proyeksi perubahan iklim di dibandingkan dengan data observasi wilayah Majene ditinjau dari tren data menggunakan metode regresi stepwise observasi maupun tren data proyeksi iklim sehingga menghasilkan persamaan regresi.5 2011 – 2050 untuk parameter curah hujan kemudian dimasukkan kedalam persamaan dan suhu udara. regresi yang telah diperoleh. berdasarkan skenario RCP untuk tahun Data proyeksi RCP 4.2.125. Supranto (2008) mengatakan minimum Stasiun Meteorologi Majene bahwa terdapat 4 metode untuk menentukan dengan periode Januari 1983 – garis tren. Data kebijakan. Perubahan suhu yang drastis http://cordex-ea.5 dan RCP 8.1 Rata-rata (Mean) wilayah Majene dengan RCP 4.2° LS pertimbangan dalam pengambilan . (Sumber: http://cordex- ketersediaan mata air yang terbatas.  Mengetahui bagaimana tren/kecenderungan proyeksi iklim di 2. Data RCP 4.2 Tujuan Penelitian menggunakan analisis tren dalam bentuk Tujuan penelitian ini adalah sebagai grafik tren. mengingat iklim.kr/) Proyeksi perubahan iklim di wilayah Data Historical Model GCM serta Majene perlu dikaji untuk melihat data RCP 4.go.9° BT yang terdiri atas 340 titik.go. Adapun Meteorologi Majene) langkah-langkah untuk menentukan garis b. Buat sumbu tegak Y dan sumbu dengan data observasi untuk membuat mendatar X 168 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . khususnya kegiatan adaptasi dan Historical Model GCM kemudian mitigasi.  Mengetahui apakah terjadi perubahan digunakan metode rata-rata dengan rumus iklim di wilayah Majene sebagai berikut (Spiegel. bisa naik rata-rata. Jurnal Meteorologi Klimatologi dan Geofisika Vol.5 dan RCP 8. Data Historical Model GCM periode trend dengan metode tangan bebas adalah Januari 1981 – Desember 2005 yang sebagai berikut: digunakan sebagai data pembanding a. suhu time series dalam jangka panjang.2.

Kemudian periksalah koefisien korelasi parsial semua variabel bebas Xi yang berada di luar Hasil analisis tren terhadap data regresi pada tahap ini. dengan tahun 1983-2010 (gambar 1). waktu Selanjutnya. metode Stepwise proses akan berhenti sendiri. dapat digunakan untuk menentukan persamaan regresi terbaik. scatter diagram tersebut. variabel terbaik yang di c.2 No 2 Juni 2015 b. proses pengeluaran dicoba lagi. gagal. Tenaya (2009) menyatakan bahwa metode regresi stepwise berusaha untuk mencari regresi terbesar 3. dengan laju peningkatan curah hujan bulanan rata-rata sebesar 169 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 0 lakukan uji apakah variabel Xi ini nyata. banyak variabel bebas. Urutan penyisipannya berikut ini. Buat scatter diagram. variabel tersebut dimasukkan dan kembali Pembuatan garis tren dilakukan semua nilai-F parsial variabel yang ada di dengan menggunakan bantuan Software dalam persamaan regresi diperiksa. Jika variabel Xi itu nyata maka cari Gambar 1. apakah variabel tersebut mewakili atau paling tidak mendekati lulus dari uji-F parsial untuk memasukkan semua titik koordinat yang membentuk variabel ke dalam persamaan. Apabila terjadi salah pilih taraf-α untuk 2. jika tidak ada variabel Dalam analisis regresi dengan yang dapat dikeluarkan atau dimasukkan.1 Tren Data Observasi banyaknya variabel bebas (X) di dalam Data observasi stasiun Meteorologi persamaan dengan cara memasukkan Majene dianalisis secara grafik dengan variabel bebas (X) satu demi satu sampai menggunakan tren analisis.2010 persamaan. maka berhenti dan TAHUN diambil model Ŷ = Y sebagai model yang terbaik. yaitu kumpulan telah dikoreksi itu dihitung untuk semua j ≠ titik koordinat (X.3 stepwise yaitu memilih variabel bebas Xi 800 yang paling berkorelasi dengan variabel tak 600 bebas Y. Jurnal Meteorologi Klimatologi dan Geofisika Vol. yaitu Xj. dan secara bertahap mengurangi 3.2. 1200 CURAH HUJAN (mm) Prosedur dasar dalam metode 1000 y = 0. tarik garis yang Y tertinggi diuji. Selanjutnya. Kalau tidak nyata.Y). Jika Microsoft Excel.0359x + 124. hujannya cenderung meningkat namun dan korelasi antara kedua variabel yang tidak signifikan. Grafik Tren Data Observasi Curah variabel bebas Xi kedua untuk dimasukkan Hujan Bulanan Tahun 1983-2010 ke dalam persamaan regresi. Hasil dari diperoleh persamaan regresi yang analisis tren ditampilkan dalam grafik memuaskan. X = variabel i. Jika lulus. Y dan Xj keduanya dikoreksi bahwa selama periode tersebut curah melalui hubungan garis lurus dengan Xi. HASIL DAN PEMBAHASAN dengan menggunakan semua variabel bebas (X) . ditentukan dengan menggunakan koefisien korelasi parsial sebagai ukuran perlunya variabel bebas Xi yang masih di luar JUMLAH CURAH HUJAN BULANAN persamaan untuk dimasukkan ke dalam STAMET MAJENE TAHUN 1983 . Dengan pengamatan langsung terhadap luar model yang korelasi parsialnya dengan bentuk scatter diagram. menunjukkan kata lain. di mana j ≠ observasi curah hujan wilayah Majene i terhadap variabel taka bebas Y. misalkan variabel bebas Xi dan 400 selanjutnya hitung persamaan regresi linear 200 ordo-pertama Ŷ = f(Xi).3 Regresi Stepwise (Regresi masuk dan untuk keluar sehingga proses Bertatar) tidak pernah terhenti.

2 No 2 Juni 2015 0.037 28 Agustus 1.995 -0.421 0.007 0. sedangkan suhu minimum TASMAX STEP 8 0. menunjukkan bahwa selama periode tersebut suhu rata.040 22 Hasil analisis tren bulanan terhadap 20 data observasi wilayah Majene tahun 1983- 2010 (tabel 1) diperoleh bahwa data curah TAHUN hujan bulanan umumnya menunjukkan y = -0.015 0.010 0. 3. dengan laju Data observasi stasiun Meteorologi penurunan suhu udara bulanan sebesar Majene dikorelasikan dengan data historical 0.26°C.015 0.028 34 Maret -4.502 30.692 y = 0.021 September 0.068 y = 0.020 32 April 1. Interval nilai suhu maksimum bulanannya berkisar TAS STEP 7 0.025 0.003 PARAMETER STEPWISE S R-Sq R-Sq(adj) °C/bulan untuk suhu maksimum dan 0.78 170 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .0359 mm/bulan.028 STAMET MAJENE TAHUN 1983 .034 0. DAN MINIMUM BULANAN Januari 5.026 SUHU UDARA (°C) Juli -1. Juli.003x + 30.33°C. Nilai R-Sq dan persamaan tahun 1983-2010 menunjukkan peningkatan regresi masing-masing parameter tren selama periode tersebut.028 24 Nopember 1.031 0. Untuk data Gambar 2. kecuali untuk bulan SUHU RATA-RATA SUHU MINIMUM SUHU MAKSIMUM Maret.054 0.035 0. TASMIN STEP 8 0.0023x + 24.2010 Februari 0.471 0.55 18. Untuk data suhu maksimum dan suhu minimum bulanan Hasil analisis tren terhadap data menunjukkan peningkatan tren untuk semua observasi suhu udara wilayah Majene tahun bulan.042 0.030 0.533 37. MAKSIMUM.029 0.013 0.019 Mei 0.889 -0.032 0.039 0.295 -0.022 0. dan Desember yang menunjukkan penurunan tren. TREN DATA OBSERVASI BULAN CURAH HUJAN SUHU RATA-RATA SUHU MAKSIMUM SUHU MINIMUM (mm/bulan) (°C/bulan) (°C/bulan) (°C/bulan) SUHU UDARA RATA-RATA.027 Desember -3.880 -0.81 29.003 0.949 -0.794 -0.0007 °C/bulan.80 36.26 °C/bulan untuk suhu minimum.32 28.040 26 Oktober 1.648 peningkatan tren.000 0.009 0.268 -0. kemudian dibuat persamaan regresi rata bulanannya berkisar antara 26-29°C.0023 PREC STEP 8 102 30. dengan laju peningkatan rata-rata sebesar 0. Grafik tren data observasi suhu maksimum dan suhu minimum di wilayah Majene Tabel 2. kecuali bulan Bulanan Tahun 1983-2010 Februari dan Desember yang menunjukkan peningkatan tren.42 bulanannya berkisar antara 22 .013 0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.011 0.206 -0. Curah hujan untuk setiap Tabel 1.037 0.0007x + 27.035 0. 1983-2010 (gambar 2). Nilai tren data observasi bulanan bulannya berkisar antara 0 – 400 mm masing-masing parameter dengan beberapa kali kejadian hujan bulanan diatas nilai tersebut.015 30 Juni 2.2 Persamaan Regresi Stepwise ratanya cenderung menurun. Maksimum.249 -0. Grafik Tren Data Observasi Suhu suhu rata-rata bulanan umumnya Udara Rata-rata. dan Minimum menunjukkan penurunan tren.523 20. Interval nilai suhu rata.424 -0.007 0.46 antara 29 . menggunakan metode stepwise.

411*STN_213-0.277*STN_278+0.071*STN_146 0. Gambar 4.433*STN_67+0.22*STN_189 0.422 y = -0.195*STN_276+0.5-25°C.335*STN_259+0.164*STN_185-0.0007°C/bulan dan interval nilai 4. Grafik Tren Data Hasil Proyeksi berkisar antara 27-29°C. Hasil dari analisis tren ditampilkan dalam grafik SUHU RATA-RATA SUHU MAKSIMUM SUHU MINIMUM berikut ini.418*STN_151-0.3 Tren Data Proyeksi RCP 4.34*STN_156-0.5 untuk TAHUN wilayah Majene dianalisis secara grafik y = 0.332*STN_32-0. Tren data proyeksi RCP 4. Jurnal Meteorologi Klimatologi dan Geofisika Vol.116*STN_125+0.201*STN_280-0.5 dan 8.5 curah hujan wilayah Majene tahun suhu maksimum bulanannya berkisar antara 2011-2050 (gambar 3) menunjukkan bahwa 30.243*STN_340-0.59+0.5 selama periode tersebut curah hujannya suhu minimum cenderung menurun namun cenderung meningkat.0008 °C/bulan dan 0.5-33°C.90+0.115*STN_29-0. STAMET MAJENE TAHUN 2011 .5.56 CURAH HUJAN (mm) 500 400 300 Analisis tren data proyeksi RCP 4.80+0. lebih kecil RCP 4.0003x + 27. TASMAX 14.2050 Persamaan regresi yang digunakan 34 adalah persamaan regresi yang terpilih pada 32 langkah (step) dimana nilai R-Sq menunjukkan nilai tertinggi.158*STN_267-0.0003°C/bulan dan rentang nilai Gambar 3.2 No 2 Juni 2015 PARAMETER PERSAMAAN REGRESI P-VALUE umumnya sama kecuali pada tahun-tahun PREC 88.05 PROYEKSI RCP 4. Persamaan tersebut kemudian 26 digunakan untuk membuat proyeksi iklim 24 periode 2011 – 2050 menggunakan data RCP 4. Nilai R-Sq 30 SUHU UDARA (°C) (tabel 2) menunjukkan berapa persen 28 persamaan tersebut dapat mewakili data yang ada.5 suhu maksimum cenderung meningkat dengan laju peningkatan rata-rata bulanan Hasil analisis tren data proyeksi RCP sebesar 0.255*STN_180+0. dan Minimum Bulanan Tahun 600 2011-2050 y = 0. Curah hujan untuk setiap interval nilai suhu minimum bulanannya bulannya berkisar antara 0 – 400 mm yang umumnya berkisar antara 23.0224x + 121.0224 mm/bulan.0007x + 31.227*STN_331+0.122*STN_283 0.05 terakhir yakni diatas tahun 2045 dimana TAS 24.5 200 suhu rata-rata wilayah Majene tahun 2011- 100 2050 (gambar 4) menunjukkan bahwa 0 selama periode tersebut suhu rata-ratanya cenderung meningkat dengan laju 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040 2041 2042 2043 2044 2045 2046 2047 2048 2049 2050 TAHUN penurunan rata-rata suhu udara bulanan sebesar 0.5 SUHU UDARA RATA-RATA. Tren data proyeksi RCP 4.2050 Maksimum.275*STN_66+0.5 Parameter Curah Hujan Bulanan Tahun dibandingkan dengan data observasi tahun 2011-2050 1983-2010. Grafik Tren Data Hasil Proyeksi PROYEKSI RCP 4.73+0.5 Parameter Suhu Udara Rata-rata. cenderung sama dengan interval untuk Terjadi perubahan pola grafik dan rentang curah hujan observasinya.293*STN_247+0. MAKSIMUM.329*STN_101-0.0008x + 24. 22 20 3.249*STN_34-0.5 18 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040 2041 2042 2043 2044 2045 2046 2047 2048 2049 2050 Data hasil proyeksi RCP 4.551 dengan menggunakan tren analisis.05 TASMIN 17.5 JUMLAH CURAH HUJAN BULANAN RCP 4. dengan laju tidak signifikan dengan laju penurunan rata- peningkatan curah hujan bulanan sebesar rata bulanan sebesar 0.574 y = 0.253*STN_93-0. DAN MINIMUM BULANAN STAMET MAJENE TAHUN 2011 .05 terjadi perubahan pola dan nilai.23*STN_208 0. Pola grafik 171 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .

005 0.003 0.018 April -0. Hasil 18 dari analisis tren ditampilkan dalam grafik 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040 2041 2042 2043 2044 2045 2046 2047 2048 2049 2050 berikut ini. Pola grafik umumnya sama wilayah Majene tahun 2011 – 2050 (tabel kecuali pada tahun 2046-2050 dimana 3) diperoleh bahwa data curah hujan terjadi perubahan pola dan curah hujannya bulanan umumnya menunjukkan semakin bervariasi.230 0.2050 800 700 y = 0.007 0.099 0.5 22 Data hasil proyeksi RCP 8.162 -0.007 -0.4 Tren Data Proyeksi RCP 8. Grafik Tren Data Hasil Proyeksi RCP 8. Nilai tren bulanan data proyeksi RCP 500 4.001 0.496 SUHU RATA-RATA SUHU MAKSIMUM SUHU MINIMUM Gambar 6. dengan laju peningkatan curah Desember 1.004 -0.003 -0.005 0.567 y = 0.005 Februari 1.010 -0.003 TAHUN Maret -1.063 -0. MAKSIMUM.0004x + 24.5 100 BULAN CURAH HUJAN SUHU RATA-RATA SUHU MAKSIMUM SUHU MINIMUM 0 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040 2041 2042 2043 2044 2045 2046 2047 2048 2049 2050 Januari 0.004 hujan bulanan sebesar 0.0004x + 27.5 masing-masing parameter 400 300 200 TREN PROYEKSI RCP 4. kecuali 36 bulan Agustus dan November yang 34 menunjukkan penurunan tren. 26 24 3. STAMET MAJENE TAHUN 2011 .004 2011-2050 Juli 2.005 Analisis tren proyeksi RCP 8.5 JUMLAH CURAH HUJAN BULANAN bervariasi pada periode diatas tahun 2045. Curah hujan untuk setiap bulannya berkisar antara 0 – 400 mm yang cenderung sama Dari hasil analisis tren bulanan dengan interval untuk curah hujan terhadap data proyeksi iklim bulanan observasinya.242 0.010 Gambar 5.007 Agustus -0.5 untuk wilayah Majene dianalisis secara grafik 20 dengan menggunakan tren analisis. kecuali pada masa transisi yang menunjukkan penurunan tren.009 -0. kecuali untuk bulan Januari dan Agustus. Maksimum.739 0.012 -0.206 0. Grafik Tren Data Hasil Proyeksi Mei 1.5 curah September -1.006 0.104 0. Untuk data suhu maksimum menunjukkan peningkatan 32 tren untuk semua bulan.014 0.006 0.2 No 2 Juni 2015 suhu untuk ketiga parameter yang lebih PROYEKSI RCP 8.612 0.002 0.002 -0.213 0.5 SUHU UDARA RATA-RATA. TAHUN y = 0.2050 menunjukkan peningkatan tren.017 0. sedangkan suhu SUHU UDARA (°C) 30 minimum bulanan umumnya menunjukkan 28 penurunan tren.0823 mm/bulan. peningkatan tren.66 CURAH HUJAN (mm) 600 Tabel 3.0019x + 31.203 0. DAN MINIMUM BULANAN data suhu rata-rata bulanan umumnya STAMET MAJENE TAHUN 2011 . Untuk PROYEKSI RCP 8.035 meningkat.5 Parameter Curah Hujan Bulanan Tahun Juni 1.004 0.011 0.242 y = -0.010 (gambar 5) menunjukkan kecenderungan Nopember -0.750 0. Jurnal Meteorologi Klimatologi dan Geofisika Vol. dan Minimum Bulanan Tahun 2011-2050 172 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .003 0.004 -0.025 hujan wilayah Majene tahun 2011-2050 Oktober -0.011 -0.000 0.0823x + 109.5 Parameter Suhu Udara Rata-rata.005 0.017 RCP 4.

5-25°C.001 0.008 0.792 0.5 Grafik Pola Bulanan 10 penurunan rata-rata suhu udara bulanan Tahunan dan Normal Data sebesar 0.003 0.009 observasinya untuk keempat dekade.366 0. Mei dan Desember yang menunjukkan penurunan tren. Jurnal Meteorologi Klimatologi dan Geofisika Vol.5 suhu minimum cenderung menurun namun tidak signifikan 300 250 (a) 300 250 (b) dengan laju penurunan rata-rata bulanan 200 200 sebesar 0.008 0.019 -0.002 0.001 0.910 0.0019°C/bulan dan dibandingkan terhadap pola data interval nilai suhu maksimum bulanannya observasinya. kecuali untuk bulan Januari 2011-2050 (gambar 6) menunjukkan bahwa dan Desember.024 0.027 0.5 suhu maksimum cenderung dan 8. Tren data proyeksi Berdasarkan hasil proyeksi RCP 4.022 -0.008 0. Dari hasil analisis tren terhadap data proyeksi iklim bulanan wilayah Majene tahun 2011 . dan interval nilai mm mm 150 150 suhu minimum bulanannya umumnya 100 100 50 50 berkisar antara 23.001 0.002 bulanan data observasinya untuk keempat Juli 0. diperoleh meningkat dengan laju peningkatan rata.5 BULAN CURAH HUJAN SUHU RATA-RATA SUHU MAKSIMUM SUHU MINIMUM Hasil analisis untuk proyeksi dengan Januari 3. Hasil April -0.5 RCP 4.5 masing-masing parameter RCP 8.023 -0.012 -0.5 suhu rata-rata wilayah Majene tahun penurunan tren. sedangkan suhu Hasil analisis tren data proyeksi RCP minimum bulanan umumnya menunjukkan 4.008 pola bulanan yang mirip dengan pola Juni 0.150 0.029 -0.025 -0.5 dan (b) RCP 8.382 0. kecuali pada April.022 dekade.003 (2041-2050) terjadi peningkatan curah Oktober 2.4 untuk tahun 2011-2050.004 0. Untuk data suhu maksimum menunjukkan peningkatan 173 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .535 0.007 0. Gambar 7. Nilai tren bulanan data proyeksi Normal Data Observasi (a) RCP 4.645 0.826 -0.006 0.5 TREN PROYEKSI RCP 8.019 (Januari) dan puncak musim kemarau Desember -0.004 0. kecuali bulan Oktober dan November.2 No 2 Juni 2015 tren untuk semua bulan. Grafik Rata-rata Curah Hujan Bulanan 10 Tahunan Periode 2011-2050 dan Tabel 4.779 0.0004°C/bulan dan rentang nilai Observasi berkisar antara 27-29°C.017 -0.009 RCP 4. selama periode tersebut suhu rata-ratanya cenderung meningkat dengan laju 3.425 0.010 September 0. pola bulanan tiap 10 tahunan dan rata bulanan sebesar 0. Terjadi 0 0 JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC perubahan pola grafik dan rentang suhu JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC untuk ketiga parameter yang lebih bervariasi pada periode diatas tahun 2045.5-33°C. Untuk data suhu rata-rata bulanan umumnya menunjukkan peningkatan tren.020 -0.000 (Agustus) seperti yang ditunjukkan pada gambar 7.5 menunjukkan pola bulanan yang Februari 0.020 0.027 -0.003 proyeksi dengan RCP 8.007 mirip dengan pola bulanan data Maret 1.005 -0. Untuk tren data proyeksi RCP 4.958 0.5 menunjukkan Mei -0. berkisar antara 30.011 hujan pada saat puncak musim hujan Nopember 0.0004 °C/bulan. namun untuk dekade terakhir Agustus 3.2050 (tabel 4) diperoleh bahwa data curah hujan bulanan umumnya menunjukkan peningkatan tren.

observasinya. Namun proyeksi RCP 8. 32 32 31.5 31. 3. KESIMPULAN 30. hasil analisis tren proyeksi dengan bulanan yang mirip dengan pola bulanan RCP 4.5 24. 2021-2030.5 (gambar 10) menunjukkan pola rata. 174 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .5 serta terjadi penurunan nilai rata-rata observasinya. Jurnal Meteorologi Klimatologi dan Geofisika Vol. (a) (b) 32. baik untuk data time namun terjadi peningkatan nilai rata-rata series maupun rata-rata bulanannya. suhu Normal Data Observasi (a) RCP 4.5 23.5 30.5 umumnya mengalami peningkatan. Grafik Rata-rata Suhu Minimum Bulanan 10 Tahunan Periode 2011-2050 dan Gambar 8.5 dan (b) maksimum dan suhu minimum RCP 8. menunjukkan tren/kecenderungan yang sama untuk parameter curah hujan. Namun terjadi perubahan pola untuk keempat dekade. empat.Nilai rata-rata untuk dengan nilai tren observasinya.5 dan RCP 8. namun untuk bulan bulanan yang signifikan untuk periode Juli-Agustus terjadi peningkatan nilai suhu 2041-2050.5 (gambar 8) data observasinya untuk tiga dekade.5 umumnya bulanan yang mirip dengan pola bulanan memiliki pola yang sama dengan data data observasinya untuk keempat dekade.5 dan (b) Bulanan 10 Tahunan Periode 2011-2050 dan RCP 8. sedangkan untuk suhu udara rata-rata Grafik diatas (gambar 9) mengalami tren penurunan. dan 2031- dengan pola bulanan data observasinya 2040. Grafik Rata-rata Suhu Maksimum 1983-2010 menunjukkan tren bulanan Bulanan 10 Tahunan Periode 2011-2050 dan untuk parameter curah hujan.2 No 2 Juni 2015 28.5 dan (b) RCP 8. suhu maksimum yang semakin meningkat Terjadi sedikit perubahan nilai untuk seiring dengan waktu dibandingkan dengan masing-masing parameter sesuai pola data observasi.5 28 28 24 24 °C °C °C °C 27.5 28.5 23. proyeksi yang dihasilkan memiliki pola dan nilai yang sangat berbeda. Tren data proyeksi yang dihasilkan RCP 4.5 °C °C 31 31 4.5 dan Untuk parameter suhu udara rata- RCP 8.5 30 30 JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC Berdasarkan analisa hasil pengolahan data dapat disimpulkan sebagai berikut: 1. Baik tren maupun pola bulanan data observasi dan data hasil proyeksinya.5 memiliki pola oleh RCP 4. khususnya untuk proyeksi RCP rata-rata dibandingkan dengan pola data 4. menunjukkan bahwa hasil proyeksi dengan 2.5 27.5 Hasil proyeksi dengan RCP 4.5 Normal Data Observasi (a) RCP 4. Tren data observasi bulanan tahun Gambar 9. suhu minimum dibandingkan dengan pola 33 33 data observasi.5 32.5 lebih tinggi dibandingkan untuk tahun 2046-2050 atau dekade ke dengan proyeksi RCP 4.5 dan RCP 8.5 (a) (b) 23 23 27 27 JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC Gambar 10. yakni menunjukkan pola bulanan yang mirip periode 2011-2020.5 dan RCP 8.5 .5 25 25 (a) (b) 24.5. Grafik Rata-rata Suhu Udara Normal Data Observasi (a) RCP 4.

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No 2 Juni 2015

suhu maksimum, dan suhu minimum. Supranto, J. 2008. Statistik Teori dan
Tren data observasinya berbeda Aplikasi Edisi Ketujuh. Erlangga,
dengan data hasil proyeksi suhu udara Jakarta.
rata-rata, dimana data observasinya Supardi, 2012. Aplikasi Statistika dalam
cenderung mengalami penurunan Penelitian. Ufuk Press, Jakarta
seedangkan data proyeksinya Selatan.
menunjukkan tren peningkatan. Tenaya, I M Narka. 2009. Bahan Kuliah
4. Terjadi perubahan pola pada tahun Ekonometrika Program Studi
2045-2050 yang signifikan, namun Agribisnis. Universitas Udayana,
belum mengindikasikan perubahan Bali.
iklim. Perlu dilakukan kajian lebih
lanjut untuk mengetahui penyebab
perubahan pola tersebut.

DAFTAR PUSTAKA

Aldrian, E. dkk. 2011. Adaptasi dan
Mitigasi Perubahan Iklim di
Indonesia. Pusat Perubahan Iklim
dan Kualitas Udara BMKG, Jakarta.
Historical Model GCM, RCP 4.5, RCP 8.5.
http://cordex-
ea.climate.go.kr/main/searchPageCdx
.do diakses tanggal 17 Desember
2014.
IPCC (Intergovermental Panel on Climate
Change).Annex B: Glossary of
Terms.
http://www.ipcc.ch/ipccreports/tar/w
g2/index.php?idp=689 diakses
tanggal 16 Januari 2015.
Novita, Rizka. 2014. Analisis Trend Suhu
Udara, Curah Hujan, dan Hari
Hujan Periode Tahun 1981 - 2020 di
Kota Banjarbaru. STMKG,
Tangerang Selatan.
Nuraini, Ida Sartika. 2014. Analisis dan
Proyeksi Trend Temperatur dan
Curah Hujan untuk Mendeteksi
Perubahan Iklim (Studi Kasus
Provinsi Kalimantan Barat. STMKG,
Tangerang Selatan.
Profil Majene.
http://www.majenekab.go.id/v2/html/
profil.php?id=profil&kode
=12&profil=Profil%20Majene
diakses diakses tanggal 16 Januari
2015.

175

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

HUBUNGAN CURAH HUJAN DENGAN FENOMENA GLOBAL
(SOI, NINO 4, NINO 3.4 & NINO WEST)
DI WILAYAH PAPUA DAN PAPUA BARAT

Linda Natalia So’langi 1, Nuryadi,S.Si,M.Si 2
1
Sekolah Tinggi Meteorologi Klimtologi dan Geofisika, Prodi Klimatologi
2
Dosen Sekolah Tinggi Meteorologi Klimtologi dan Geofisika
Email : lindanataliasolangi@gmail.com

ABSTRAK

Variabilitas curah hujan di Papua dan Papua Barat cukup signifikan jika dikaitkan
dengan adanya kejadian El Nino-La Nina selama periode 1981-2010. Kajian ini bertujuan untuk
mencari hubungan antara curah hujan bulanan di wilayah Papua dan Papua Barat yang diwakili
17 stasiun BMKG dengan indikator fenomen iklim global seperti SOI, Nino 3, Nino 3.4, dan
Nino West menggunakan metode Korelasi Pearson.

Hubungan antar dua variabel perlu diperhatikan bahwa kedua data haruslah memiliki
stuktur data yang sama. Curah hujan mempunyai variasi data yang besar sedangkan indikator El
Nino-La Nina mempunyai variasi data yang kecil sehingga curah hujan ini dapat ditransformasi
menjadi suatu indeks dengan cara menstandarisasi anomalinya. Hasil yang diperoleh kemudian
disajikan dalam bentuk peta spasial, scatter plot maupun grafik.

Hasil kajian menunjukkan secara keseluruhan di wilayah Papua dan Papua Barat,
indikator Nino 4 memberikan korelasi terkuat dan Nino 3.4 memberikan korelasi terlemah
dalam mempengaruhi curah hujan. Nino 4 memberikan korelasi terkuat negatif terhadap curah
hujan pada 8 tempat atau sekitar 47 % dari wilayah penelitian. SOI memberikan korelasi terkuat
positif terhadap curah hujan pada 5 tempat atau sekitar 29 % dari wilayah penelitian. Nino West
memberikan korelasi terkuat positif pada curah hujan di 4 tempat atau sekitar 24 % dari wilayah
penelitian. sedangkan Nino 3.4 tidak memberikan korelasi terkuat positif maupun negatif pada
satupun tempat di wilayah penelitian.

Kata kunci : Curah hujan, SOI, Nino 4, Nino 3.4, Nino West

ABSTRACT

Variability of rainfall in Papua and West Papua is quite significant when associated
with ENSO events during the period 1981-2010. This study aimed to explore the relationship
between monthly rainfall in Papua and West Papua which represented 17 BMKG station with
indicators of global climate phenomena such as SOI, Niño 3, Niño 3.4, and Niño West using
Pearson correlation method.

The relationship between the two variables should be noted that both the data must
have the same data structure. Rainfall has a large variation in the data, while the indicators of
El Nino-La Nina have small variations in the data so that rainfall can be transformed into an
index by means of standardizing anomaly. The results obtained are presented in the form of
spatial map, scatter plot or graph.

The results showed overall in Papua and West Papua, indicator of Nino 4 gives the
strongest correlation and Nino 3.4 gives the weakest correlation in influencing rainfall. Nino 4
provides the strongest negative correlation to the rainfall on eight 8 (eight) place, or
176

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

approximately 47% of the study area. SOI provides the strongest positive correlation to the
rainfall on the 5 (five) or 29% of the study area. Nino West gives the strongest positive
correlation rainfall on the 4 (four) places, or about 24% of the study area. while Nino 3.4 does
not provide the strongest positive and negative correlation in a single place in the research
area.

Keywords: Rainfall, SOI, Nino 4, 3.4 Nino, Nino West

1. PENDAHULUAN
Fenomena global salah satu
diantaranya adalah saat munculnya aktivitas
El Nino/La Nina yang ditenggarai oleh
perubahan SOI (gradient tekanan Tahiti-
Darwin) maupun perubahan suhu muka laut
secara signifikan di sekitar samudra pasifik
(sucahyono, 2012).

El nino diartikan sebagai fenomena
meningkatnya suhu muka laut di atas rata-
ratanya di sepanjang samudra Pasifik
ekuator tengah dan timur, yang
melemahkan angin pasat sehingga
peningkatan aktivitas konveksi terjadi di
samudra Pasifik ekuator tengah dan timur.
Pusat konveksi yang dalam kondisi
normalnya berada pada wilayah Pasifik
barat (termasuk papua dan papua Barat)
berpindah ke arah timur (Zakir dkk, 2009).
Fenomena ini juga diikuti dengan
munculnya upwelling (arus naik dari dasar
permukaan yang membawa banyak Gambar 1. Kondisi Normal (a), Fenomena El
Nino (b) dan Fenomena La Nina (c)
nutrient) sehingga perairan yang tadinya
Sumber : www.bom.gov.au
subur menjadi sebalikannya. Sedangkan La
nina adalah fenomena kebalikan El Nino Fenomena El Nino dapat dideteksi
yang ditandai dengan pendinginan suhu dengan beberapa cara. Menurut situs BOM
muka laut yang tidak biasa di pasifik (Australia), nilai SOI (nilai gradient
ekuator tengah dan timur. tekanan Tahiti dan Darwin) dapat
mendeteksi kejadian El Nino-La Nina. El
Nino ditandai dengan nilai SOI negatif
berturut-turut dibawah -8 dan sebaliknya La
Nina ditandai dengan nilai SOI Positif
berturut-turut diatas +8. Menurut situs JMA
(Jepang), mendefinisikan bahwa El Nino
(La Nina) ditentukan berdasarkan
penyimpangan SST untuk NINO.3 selama 5
bulan berjalan terus bernilai + 0,5 ° C (-
0.5ºC) atau lebih tinggi (lebih rendah)
selama enam bulan berturut-turut atau
177

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

lebih. Selain itu menurut K.P Sooraj
(2008), El Nino ditandai dengan data
anomali suhu muka laut yang bertambah 2. DATA DAN METODE
panas 0,50 C selama 5 bulan berturut dalam
wilayah Nino 3.4. 2.1 DATA
Data yang digunakan adalah sebagai
Merunjuk pada definisi beragam berikut :
tentang kejadian El Nino, maka penulis 1. Data curah hujan bulanan selama
ingin melanjutkan penelitian yang ada 30 tahun periode 1981-2010 pada
untuk mengkaji hubungan antara beberapa seluruh stasiun
indikator El Nino-La Nina dan curah hujan meteorologi/klimatologi BMKG di
pada wilayah Papua dan Papua Barat. wilayah Papua dan Papua Barat
Penulis memilih beberapa indikator El seperti pada gambar di bawah ini :
Nino-La Nina tersebut berdasarkan posisi
wilayah indikator yang berdekatan dengan
wilayah penelitian seperti Nino 4, Nino 3.4,
Nino West dan SOI.

Gambar 2. Daerah Wilayah Indikator Gambar 3. Peta Lokasi Stasiun BMKG Papua
El Nino-La Nina dan Papua Barat

2. Data SOI (Southern Osicilation
Provinsi Papua dan Papua Barat Index) bulanan selama 30 tahun
merupakan wilayah yang tepat untuk periode 1981-2010 yang di
diadakan kajian mengenai dampak El Nino- download dari situs
La Nina karena letak wilayahnya yang www.bom.gov.au.
berada dekat pantai utara Australia (yang 3. Data anomali SST bulanan wilayah
merupakan wilayah perhitungan SOI) serta perairan Nino 4 (50 S-50 N, 1500
Samudera Pasifik yang merupakan wilayah W-1600 E) selama 30 tahun
nino seperti Nino west, Nino 4 ,Nino 3.4, periode 1981-2010 yang di
dan lain-lain. Selain itu, dengan variasi download dari situs
topografi dan land cover di Wilayah Papua www.esrl.noaa.gov.
dan sekitarnya yang beragam maka efek El 4. Data anomali SST bulanan wilayah
Nino-La Nina yg dirasakan satu tempat perairan Nino 3.4 (50 S-50 N, 1700
dengan tempat lainnya akan berbeda. W-1200 W) selama 30 tahun
Kajian ini bertujuan untuk melihat periode 1981-2010 yang di
bagaimana hubungan antara beberapa download dari situs
indikator El Nino-La Nina dengan curah www.esrl.noaa.gov.
hujan di wilayah penelitian. Hasil kajian ini 5. Data anomali SST bulanan
menarik terutama bagi para peneliti karena wilayah perairan Nino West (00 N -
dapat dijadikan sebagai bahan 150 N, 1300 E-1200E) selama 30
pertimbangan dalam memilih indikator El tahun periode 1981-2010 yang di
Nino-La Nina yang paling berpengaruh download dari situs
terhadap masing-masing stasiun BMKG di ds.data.jma.go.jp.
Papua dan Papua Barat.

178

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015

2.2 METODE n : banyaknya data
xi : SOI /indeks Nino 4/ indeks Nino
1. Standarisasi anomali 3.4/ indeks Nino West
yi : indeks curah hujan bulanan
Transformasi data dapat
digunakan ketika akan mencari suatu
hubungan beberapa variabel yang saling
berhubungan tetapi tidak memiliki struktur
data yang sama. Transformasi ini biasanya 3. HASIL DAN PEMBAHASAN
dikenal sebagai proses normalisasi.
Normalisasi ini dilakukan dengan cara 1. Nilai Korelasi
menstandarisasikan anomali suatu data.
Standarisasi anomaly (z) dihitung secara Nilai korelasi antara indek hujan
sederhana dengan mengurangkan data terhadap masing-masing fenomena
global SOI, Nino 4, Nino 3,4 dan Nino
actual terhadap normalnya (x kemudian
West disajikan pada tabel 1.
dibagi standar deviasi seperti persamaan
dibawah ini : (Wilks,2011)
Tabel 1. Nilai Korelasi Indek Hujan
dengan Fenomena Global
Nino
SOI Nino 4 3.4 Nino
(2.1) STASIUN BOM NOAA NOAA West
Biak 0.257 -0.257 -0.208 0.247
Nabire 0.189 -0.266 -0.119 0.206
Dalam pengolahan selanjutnya, rumus Serui 0.155 -0.237 -0.160 0.138
diatas dapat digunakan untuk mencari Timika 0.224 -0.217 -0.205 0.301
indeks curah hujan yang dirumuskan Enarotali -0.036 0.077 -0.007 -0.136
Sarmi 0.049 -0.104 -0.002 -0.057
sebagai berikut : Sentani 0.099 -0.043 -0.062 0.010
Wamena 0.210 -0.118 -0.120 0.194
Merauke 0.348 -0.232 -0.224 0.275
Tanah Merah 0.379 -0.326 -0.304 0.337
Fak-Fak 0.223 -0.226 -0.244 0.251
Kaimana 0.228 -0.374 -0.283 0.152
Manokwari 0.030 -0.083 -0.042 -0.053
(2.2) Sorong 0.335 -0.383 -0.318 0.326
Genyem -0.093 0.138 0.057 -0.079
Jayapura 0.111 -0.126 -0.125 0.141
2. Korelasi Pearson (r) Ransiki 0.097 -0.137 -0.101 -0.122

Analisa korelasi digunakan untuk
menentukan besarnya hubungan atau Hasil korelasi indek hujan dengan
kedekatan antara dua variabel dalam hal ini SOI seperti pada gambar 4 menunjukkan
indeks curah hujan bulanan dengan SOI bahwa SOI memiliki hubungan positif yang
/indeks Nino 4/ indeks Nino 3.4/ indeks berarti ketika tekanan udara di Tahiti lebih
Nino West bulanan. Dari analisa korelasi tinggi dari Darwin maka curah hujan di
menghasilkan koefisien korelasi yang wilayah penelitian akan meningkat. Hal ini
menunjukan tingginya derajat hubungan dikarenakan semakin menguatnya angin
kedua variabel tersebut yang diperoleh dari timuran ke wilayah penelitian sehingga
persamaan di bawah ini [2] : membawa massa uap air sebagai bahan
baku pembentukan awan. Sementara itu,
korelasi antara indek hujan dengan Nino
West seperti pada gambar 5 menunjukkan
bahwa Nino West juga memiliki hubungan
positif. Hal ini berarti ketika suhu muka
laut di wilayah nino west lebih hangat dari
biasanya maka akan menghasilkan massa
Dimana :
uap air yang cenderung akan meningkatkan
rxy : koefisien korelasi
hujan di wilayah pengamatan. Hal ini
179

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Indikator Nino West memiliki korelasi terkuat pada 4 wilayah penelitian seperti Fak-fak. hal ini sejalan dengan fenomena La nina. Sedangkan Nino 3. Hubungan Hujan dan Nino 4 Gambar 5. Korelasi Hujan dan Nino West Sementara itu. Kaimana. Enarotali. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Gambar 8 menunjukkan bahwa dari 17 wilayah penelitian terdapat 8 wilayah yang memiliki korelasi terkuat dengan indikator Nino 4 yaitu wilayah Sorong. Gambar 6.2 No.4 lebih dingin dari biasanya maka curah hujan di wilayah penelitian akan meningkat.4 dikarenakan letak wilayahnya yang Papua. Wamena. Nino 4 lebih nyata memberikan korelasi yang lebih baik dibandingkan Nino 180 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Indikator SOI memiliki korelasi terkuat pada 5 wilayah penelitian seperti Biak. Tanah Merah dan Merauke. Manokwari. dan Jayapura. Sentani. lebih dekat ke wilayah di Papua. Timika. Korelasi Hujan dan SOI terkuat pada wilayah satupun. Sarmi dan Genyem. Ransiki. berbeda pada Nino 4 (gambar 6) dan Nino 3.4 (gambar 7) yang menunjukan hubungan negatif dimana suhu muka laut di wilayah Nino 4 atau Nino 3. Serui.4 tidak memberikan pengaruh Gambar 4. Nabire. 2 Juni 2015 sejalan dengan letaknya yang berada di atas 3.

Ketika kedua begitu rapat. 2 Juni 2015 Gambar 7. Hubungan Hujan dan Nino 3. Korelasi Terkuat Indeks Hujan dengan Fenomena Global 181 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol.4 2. Hal ini karena nilai variabel berkorelasi kuat (positif maupun korelasinya tidak terlalu tinggi. Gambar 8. Scatter Plot Scatter plot merupakan salah satu Hasil yang diperoleh dari beberapa metode untuk menganalisis hubungan sample yang korelasinya kuat (+/-) terlihat kedua variabel.yang bertujuan untuk adanya sebaran data yang mengumpul mengetahui besarnya pengaruh dari X mengikuti garis regresinya walaupun tidak terhadap nilai dari Y. negatif) maka sebaran data akan mengumpul disekitar garis regresinya Contoh scatter plot pada korelasi terkuat sedangkan jika tidak adanya korelasi antar pada ke-empat indikator El Nino-La Nina kedua variabel tersebut maka sebaran data seperti pada gambar di bawah ini : akan menyebar jauh dari garis regresinya.

Nilai 1.397 sumbangan X sebesar 0.140. Dari (SOI).466. terlihat adanya hubungan positif dimana nilai sumbu Y hubungan negatif dimana nilai sumbu Y (Indeks Hujan) meningkat diikuti (Indeks Hujan) meningkat namun nilai dengan meningkat pula nilai sumbu X sumbu X (Nino 4) menurun. Indikator SOI a) Indikator Nino 4 Gambar 10.140.146.2 No. Scatterplot Indeks Hujan dan SOI Nino 4 Pada gambar diatas. terlihat adanya Pada gambar diatas. 182 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Scatterplot Indeks Hujan dan Gambar 9. Dari gambar terlihat adanya beberapa pencilan (data sangat yang jauh dari garis regresinya). Nilai koefisien determinasi (R2) koefisien determinasi (R2) yang yang dihasilkan dari hubungan kedua dihasilkan dari hubungan kedua variabel variabel diatas ialah sebesar 0. diatas ialah sebesar 0.253 terhadap Y terhadap Y dengan kemiringan garis dengan kemiringan garis regresi regresi terhadap normalnya sebesar terhadap normalnya sebesar 0. 2 Juni 2015 a. Dari persamaan hubungan persamaan hubungan diperoleh diperoleh sumbangan X sebesar 0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

Scatterplot Indeks Hujan (Indeks Hujan) meningkat diikuti dan Nino 3. Dari persamaan hubungan Pada gambar diatas. Nilai koefisien determinasi (R2) persamaan hubungan diperoleh yang dihasilkan dari hubungan kedua sumbangan X sebesar 0.101. Dari gambar dapat juga dilakukan dalam bentuk grafik.070.289 terhadap Y variabel diatas ialah sebesar 0. dengan kemiringan garis regresi terhadap normalnya sebesar 0. Scatterplot Indeks Hujan dan Nino West Pada gambar diatas.111. Dari 0. terlihat adanya hubungan positif dimana nilai sumbu Y Gambar 11. 2 Juni 2015 b) Indikator Nino 3. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Analisis Grafik dihasilkan dari hubungan kedua variabel Analisis korelasi antara kedua variabel diatas ialah sebesar 0.102 hubungan negatif dimana nilai sumbu Y terhadap Y dengan kemiringan garis (Indeks Hujan) meningkat namun nilai regresi terhadap normalnya sebesar sumbu X (Nino 3. Nilai koefisien determinasi (R2) yang 3. terlihat adanya diperoleh sumbangan X sebesar 0.4 c) Indikator Nino west Gambar 12.002.4 dengan meningkat pula nilai sumbu X (Nino West).4) menurun. karakteristik (perilaku) dari kedua data 183 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 No. terlihat adanya beberapa pencilan (data Hal ini bertujuan untuk melihat bagaimana sangat yang jauh dari garis regresinya).

Hal ini bersesuaian. Hasil yang diperoleh dari beberapa sample yang korelasinya kuat (+/. Jurnal Meteorologi Klimatologi dan Geofisika Vol.4 tinggi. dan sebaliknya. yang berbeda. d) Indikator Nino west b) Indikator Nino 4 Gambar 16. Grafik Indeks Hujan dan Nino 3. Grafik Indeks Hujan dan Nino Gambar 14. Gambar diatas menunjukkan ) terlihat adanya pola karakteristik data hubungan kedua variabel berkebalikan. sedangkan pada sample yang korelasinya c) Indikator Nino 3. Grafik Indeks Hujan dan Nino West 4 184 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Pada sample korelasi positif dimana saat indeks hujan rendah maka menunjukkan adanya pola karakteristik Nino 4 tenggi. dan sebaliknya. 2 Juni 2015 variabel tersebut.4 Gambar 13.2 No. Gambar diatas menunjukkan dimana saat indeks hujan rendah maka hubungan kedua variabel yang saling Nino 3. yang searah antara kedua variable. Grafik Indeks Hujan dan SOI Gambar diatas menunjukkan hubungan kedua variabel berkebalikan. dengan data SOI. dimana fluktuasi sama dengan hubungan indeks hujan karakteristik data indeks hujan diikuti dengan Nino 4. Contoh grafik korelasi terkuat pada ke- empat indikator El Nino-La Nina seperti pada gambar di bawah ini : a) Indikator SOI Gambar 15.4 negatif menunjukan pola karakteristik yang berlawanan arah antara kedua variabel.

4 memberikan wgsp/Timeseries/Data/nino4. M. Nino West Monthly & SST Indices (Nino 4) -1951 to memberikan korelasi tertinggi pada present hujan di Tanah Merah dengan nilai (http://www. Amerika Serikat: Academic Press..noaa. Secara keseluruhan di wilayah S.noaa. Perspektif Operasional Cuaca Tropis.a tertinggi pada hujan di Tanah Merah nom.. Jurnal Meteorologi Klimatologi dan Geofisika Vol. DAFTAR PUSTAKA Sucahyono. Atmosfer Ekuatorial.jp/tcc/tcc/produ terhadap curah hujan di wilayah Papua cts/elnino/index/sstindex/base_period dan Papua Barat unik karena tidak _8110/Nino_West/anomaly). S. Wilks. P. Jakarta: Puslitbang BMG 185 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .38. S..an korelasi tertinggi pada hujan di Sorong om. SOI memberikan korelasi wgsp/Timeseries/Data/nino34.esrl.B. KESIMPULAN Sooraj. 2008.34. Tjasyono.go. dan Harijono.4) -1951 Nino 4 memberikan korelasi tertinggi to present pada hujan di Sorong dengan nilai - (http://www.dkk. D. Daniel S. 2013.gov/psd/gcos_ 0.data). M. diakses 15 Februari 2015 dengan nilai -0.data. 2012. Zakir..2 No.long. Sedangkan Nino 3. dan Ribudiyanto. USA : Springer. Sulistya.gov. 2011. dan Khotimah. K. Gambar diatas menunjukkan Pengaruh Fenomena El Nino 1997 hubungan kedua variabel yaitu indeks dan La Nina 1999 Terhadap Curah hujan dengan Nino West adalah searah. K. Impact of El Nino Onset Timing on the Indian Pacific Adapun kesimpulan dari penelitian ini Coupling and Subsequent El Nino antara lain : evolution. adanya tendensi korelasi yang Februari 2015 jelas/tegas terhadap variasi topografi sehingga kedepannya jika ada tempat baru diluar kajian ini perlu diadakan penelitian lebih lanjut.W.38.gov/psd/gcos_ 0. dan Pratama.bom.32.esrl. Monthly & SST Indices (Nino 3. W.au/climate/curr memberikan pengaruh terkuat ent/soihtm1. Monthly mean SST Anomaly (Nino West) 2.. Statistical Methods in the Atmospheric Sciences – third edition.K. Hujan di Biak. diakses 15 Februari 2015 dengan nilai 0. Jakarta : Puslitbang dimana saat Nino West meningkat BMKG diikuti oleh meningkatnya indeks hujan. B. W.I Archives-1876 to present penelitian. A. indikator Nino 4 (http://www.Verlag 2008 1. diakses 12 dibandingkan ketiga indikator Februari 2015 fenomena El Nino-La Nina lainnya. 4. 2013.long.data). Jakarta : Puslitbang BMKG.jma. 2 Juni 2015 Fitria. 2009. Hasil korelasi yang dihasilkan -1949 to present beberapa indikator El Nino-La Nina (http://ds. Jakarta : Puslitbang BMKG..O. Cuaca dan Iklim Ekstrim di Indonesia.shtml)..

Keywords: Solar Energy.48 Watt. Electrical energy is always directly proportional to the intensity of solar radiation . the most effective and less effective in December. Effectivitas 186 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Penelitian ini menggunakan metode statistik berupa korelasi linear sederhana dan metode matematika berupa persamaan garis lurus. Pengamat Stasiun Global Atmosfer Watch Bukit Kototabang. 2 No. The results obtained by processing an average of the highest electrical energy occurs in May and lowest in December with electrical energy monthly average of 27. Utilization of electrical energy in the Mount Kototabang very effective with the month in May. Energi listrik selalu berbanding lurus dengan intensitas radiasi matahari.com ABSTRAK Indonesia belum mampu menyediakan listrik kepada seluruh wilayah Indonesia karena Indonesia masih bergantung kepada energi fosil yang sangat terbatas dan tidak terbarukan. Sumatera Barat Dwi. Diperoleh energi listrik rata-rata bulanan sebesar 27. Electricity. STMKG. Energi matahari merupakan sumber energi terbesar yang bersifat kontinu sehingga sangat berpotensi untuk dijadikan sebagai sumber energi alternatif baru. dan ketinggian suatu wilayah serta kondisi atmosfer. kedudukan wilayah. Kata Kunci: Energi Matahari. The method used is a statistical method of simple linear correlation and mathematical methods in the form of a straight line equation . Data yang digunakan adalah data intensitas radiasi matahari bulanan Stasiun Pemantau Atmosfer Global Bukit Kototabang Sumatera Barat tahun 2009 sampai 2013 dan data hasil keluaran solar panel tipe monocrystaline. Energi matahari dapat dimanfaatkan dengan menggunakan teknologi matahari fotovoltaik yaitu pengkonversian energi matahari menjadi energi listrik. The data used is the solar radiation intensity data monthly Global Atmospheric Monitoring Station Bukit Kototabang West Sumatra in 2009 through 2013 and the data type of the output of solar panels monocrystaline .48 Watts . Energi listrik. Jurnal Meteorologi Klimatologi dan Geofisika Vol.l. Efektivitas ABSTRACT Indonesia has not been able to provide electricity to all parts of Indonesia because Indonesia is still dependent on fossil energy is very limited and not renewable. According Septiadi et al (2009) solar energy potential of a region is affected by the position of the sun. Rata-rata energi listrik tertinggi terjadi pada bulan Mei dan terendah pada bulan Desember. 2 Juni 2015 PENGARUH INTENSITAS RADIASI MATAHARI TERHADAP ENERGI LISTRIK DI STASIUN PEMANTAU ATMOSFER GLOBAL BUKIT KOTOTABANG Dwi Lestari Sanur Taruna DIV Prodi Klimatologi. and altitude of an area as well as atmospheric conditions. Solar energy is the largest energy source that is continuous so it has the potential to serve as a new source of alternative energy. latitude . Solar energy can be utilized by using technology fotovoltaic the conversion of solar energy into electrical energy. Indonesia berada di wilayah khatulistiwa yang berarti memiliki potensi energi matahari cukup besar sepanjang tahunnya. lintang. Menurut Septiadi dkk (2009) potensi energi matahari suatu wilayah dipengaruhi oleh posisi matahari.sanur@gmail. the position of the region . Hasil pengolahan menunjukkan bahwa pemanfaatan energi listrik di Bukit Kototabang sangat efektif dengan bulan terefektif pada bulan Mei dan kurang efektif pada bulan Desember.

2012). Kototabang dari tahun 2009 sampai dengan Energi matahari dapat dimanfaatkan 2013 yang berada di garis khatulistiwa dengan menggunakan teknologi matahari dekat ekuator dan merupakan wilayah fotovoltatik yaitu pengkonversian energi tropis. solar collector ) dan lain-lain Indonesia belum mampu (Mubiru. Disamping data intensitas radiasi matahari sebagai itu penggunaan bahan bakar fosil yang informasi awal pemanfaatan energi radiasi berlebihan memberikan dampak negatif matahari yang sangat potensial terutama di kepada lingkungan karena proses wilayah tropis. daerah background atau daerah dengan Informasi mengenai ketersediaan pengaruh antropogenik yang minim. Energi listrik yang lingkungan dan tidak pernah habis sehingga dihasilkan ditentukan oleh intensitas radiasi energi matahari sangat berpotensi untuk matahari diwilayah tersebut sehingga dapat dijadikan sebagai sumber energi alternatif diketahui pengaruh intensitas radiasi baru yang seharusnya dapat dimanfaatkan matahari terhadap energi listrik yang secara optimal. 2 No. DATA DAN METODE yang berarti memiliki potensi energi PENELITIAN matahari cukup besar sepanjang tahunnya sehingga di Indonesia energi matahari Penelitian ini dilakukan di Stasiun sangat berpotensi untuk dimanfaatkan Pemantau Atmosfer Global (GAW) Bukit secara langsung sebagai sumber energi. 2 Juni 2015 1. dan ketinggian suatu wilayah serta kondisi atmosfer. PENDAHULUAN pemanfaatan energi (photovoltaic/PV. Untuk itu perlu dilakukan pembakaran energi fosil menghasilkan penelitian tentang intensitas radiasi emisi gas rumah kaca yang berdampak pada matahari di Bukit Kototabang sehingga pemanasan global dan berujung pada dapat memberikan informasi terkait perubahan iklim. GAW energi matahari merupakan suatu hal yang Bukit Kototabang terletak pada koordinat penting untuk mendukung pemanfaatan 0. lintang. Diversifikasi energi dapat fosil mengalami pertumbuhan sekitar 7% dimulai dengan melakukan pemanfaatan pertahun (JaringNews.20°LS dan 100. Indonesia berada di wilayah khatulistiwa 2. radiasi matahari di Bukit Kototabang. intensitas radiasi matahari di Bukit Energi matahari merupakan sumber Kototabang. 2008). kedudukan wilayah. Hasil Menurut Septiadi dkk (2009) tersebut memberikan gambaran bagaimana potensi energi matahari suatu wilayah tingkat efektifitas pemanfaatan energi dipengaruhi oleh posisi matahari. energi terbesar yang bersifat kontinu Tujuan dari penelitian ini adalah khususnya energi elektromagnetik yang untuk mengetahui jumlah energi listrik dipancarkan oleh matahari. GAW Bukit Kototabang merupakan matahari menjadi energi listrik.5 energi matahari secara optimal. Energi matahari yang dihasilkan di Bukit Kototabang tidak memberikan dampak negatif terhadap periode 2009-2013. ketinggian 864.32°BT. sistem observasi Stasiun Pemantau Atmosfer 187 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jurnal Meteorologi Klimatologi dan Geofisika Vol. matahari pada suatu lokasi merupakan hal Data yang digunakan di dalam yang penting dalam beberapa aplikasi penelitian ini adalah data intensitas energi matahari seperti desain arsitektur dan radiasi matahari tahun 2009 . dihasilkan di Bukit Kototabang. solar concentrator. 2013hasil kenyamanan termal bangunanan. m dari permukaan laut dengan hutan hujan Pengetahuan mengenai besarnya energi tropis di sekitarnya. Sementara cadangan energi keterbatasan dan rentan memicu kerusakan fosil sangat terbatas dan konsumsi energi lingkungan. menyediakan listrik kepada seluruh wilayah Berdasarkan paparan di atas perlu Indonesia karena Indonesia masih dilakukan diversifikasi pemanfaatan sumber bergantung kepada energi fosil yang tidak energi selain energi fosil yang memiliki terbarukan.

y). 2005) persamaan garis lurus melalui dua titik yang digunakan untuk menghitung energi listrik yang dihasilkan solar panel. X adalah intensitas intensitas radiasi matahari dan energi listrik radiasi matahari yang diketahui. Interpretasi Koefisien Korelasi Nilai r menentukan besarnya hubungan atau kedekatan antara hasil energi listrik dengan intensitas radiasi matahari. Dengan catatan Metode statistika yang digunakan bahwa nilai positif berarti setiap kali nilai adalah metode penjumlahan. xi adalah nilai unsur cuaca dan n adalah banyaknya data. rata-rata dan intensitas radiasi matahari meningkat maka korelasi linear sederhana. 2 Juni 2015 Global (GAW) dan data sheet hasil sebagai berikut: hubungan sempurna keluaran solar panel tipe monocrystal dengan nilai r tinggi (mendekati 1 atau -1) yang merupakan hasil uji coba pabrik.000 Sangat Kuat (2) interpretasi mengenai kekuatan hubungan antara dua variabel penulis memberikan dengan adalah nilai rata-rata unsur kriteria sebagai berikut (Riduwan. dengan energi listrik.Xn. Bentuk umumnya adalah sebagai nilai energi listrik akan menurun.60-0. Y1 diukur dengan suatu nilai yang disebut sebagai arus atau tegangan listrik yang koefisien korelasi yang dapat dinyatakan ketahui di titik pertama. Metode rata-rata dihitung dengan membagi jumlah 0.399 Rendah dan nilai unsur cuaca sebagai b1.80-1.y1) dan (x2. dengan Y adalah arus atau tegangan Kuat tidaknya hubungan antara listrik yang dihitung. Metode korelasi linear sederhana digunakan untuk Tabel 1.00-0.799 Kuat 0. Rumus persamaan garis lurus yang melewati dua titik (x1. Jurnal Meteorologi Klimatologi dan Geofisika Vol.40-0.20-0. Berikut ini Metode perhitungan matematika adalah rumus korelasi yang digunakan yang digunakan adalah perhitungan (Wibisono. 2003): cuaca. mengindikasikan hubungan yang erat antara Data hasil keluaran solar panel intensitas radiasi matahari dengan energi diperoleh dari: listrik. Y2 sebagai arus 188 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .599 Cukup Kuat nilai data dengan banyaknya data. (4) jumlah intensitas radiasi matahari sebagai X. Metode nilai energi listrik juga meningkat dan nilai penjumlahan dihitung dengan negatif menandakan bahwa setiap kali nilai menjumlahkan nilai data sebanyak jumlah intensitas radiasi matahri meningkat maka data. 2 No. y2) yaitu : (3) \ dengan koefisien korelasi sebagai r(x. berikut : Untuk memudahkan melakukan Interval Tingkat hubungan = (1) Sangat Rendah 0. Nilai r rendah (mendekati 0) mengindikasikan hubungan yang lebih Hanwha_Q_PANELS_Data_sheet_Q6L lemah antara intensitas radiasi matahari MXP3-G3_2013-04_Rev01_EN.pdf . Rumusnya dapat ditulis sebagai berikut: 0.199 dengan jumlah nilai unsur cuaca sebagai X 0. jumlah energi listrik sebagai Y dan banyak data sebagai n.

Jurnal Meteorologi Klimatologi dan Geofisika Vol. Jika nilai meter persegi di Bukit Kototabang mampu intensitas radiasi matahari berada di bawah menghasilkan energi listrik sebesar 27.2 Watt dan terendah terjadi atas batas maksimum maka energi listrik pada bulan Desember dengan rata-rata yang dihitung adalah energi listrik yang intensitas radiasi sebesar 23.48 Watt. 2 Juni 2015 atau tegangan yang ketahui di titik kedua. HASIL DAN PEMBAHASAN di Bukit Kototabang adalah sebesar 346. dihasilkan dengan intensitas radiasi 1000 W/m2.7 Watt.8 W/m2.0 W/m2 dan periode 2009-2013 disajikan pada Gambar rata-rata intensitas radiasi terendah terjadi 1. Rata-Rata Intensitas Radiasi Matahari di Bukit Kototabang periode 2009-2013 Energi listrik yang dihasilkan solar Dari Gambar 2 terlihat bahwa rata- panel dengan menggunakan data intensitas rata energi listrik bulanan di Bukit radiasi matahari dengan intensitas minimum Kototabang adalah sebesar 27. 3. Gambar 1. Dimana rata-rata intensitas radiasi Hasil pengolahan data intensitas matahari tertinggi terjadi pada bulan Mei radiasi matahari di Bukit Kototabang dengan intensitas sebesar 377. dan X1 adalah intensitas radiasi matahari yang ketahui di titik pertama serta X2 adalah intensitas radiasi matahari yang ketahui di titik kedua. 2 No.4 W/m2.48 batas minimum maka energi listrik yang Watt setiap harinya. 189 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Sedangkan rata-rata dihasilkan adalah nol sedangkan jika energi listrik tertinggi terjadi pada bulan intensitas radiasi matahari memiliki nilai di Mei sebesar 30. Hal 100 W/m2 dan maksimum 1000 W/m2 ini berarti dengan solar panel seluas satu diperlihatkan pada Gambar 2. Dari Gambar 1 terlihat bahwa bahwa pada bulan Desember dengan intensitas rata-rata intensitas radiasi matahari bulanan sebesar 305.

Rata-Rata Intensitas Radiasi Matahari dan Energi Listrik Periode 2009- 2013 Berdasarkan grafik di atas dapat intensitas radiasi matahari di Bukit diketahui bahwa energi listrik yang Kototabang. Berdasarkan nilai korelasi tersebut Hubungan kedua variabel tersebut dapat berarti intensitas radiasi matahari dengan dilihat pada gambar di bawah ini: energi listrik di Bukit Kototabang memiliki Gambar 3.95952. 2 No. Rata-Rata Energi Listrik di Bukit Kototabang Periode 2009-2013 Energi listrik yang dihasilkan solar hubungan korelasi kuat positif yang dapat panel dipengaruhi oleh intesitas radiasi diinterpretasikan bahwa hubungan antara matahari. variabel tersebut. Dengan menggunakan Ketika intensitas radiasi matahari deret waktu (time series) dari tahun 2009 meningkat maka energi listrik yang sampai tahun 2013 diperoleh nilai korelasi dihasilkan juga meningkat dan sebaliknya antara rata-rata intensitas radiasi matahari ketika intensitas radiasi matahari menurun dengan rata-rata energi listrik sebesar maka energi listrik yang dihasilkan juga 0. Hal ini dapat diketahui dengan kedua variabel tersebut memiliki kriteria menghitung nilai korelasi antara kedua korelasi sangat kuat dan berbanding lurus. Berarti ketika jumlah intensitas dihasilkan berbanding lurus dengan intensitas radiasi matahari tinggi maka 190 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . menurun. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 Juni 2015 Gambar 2.

Selama periode pembahasan di Bukit Kototabang tahun 2009-2013 dapat disimpulkan rata-rata 191 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Rata-Rata Intesitas Radiasi Matahari Dan Pola Curah Hujan SPAG Bukit Kototabang Tahun 2009-2013 Berdasarkan gambar 4 dapat dilihat tahun 2009 sampai 2013. Hal tersebut berkaitan dengan salah radiasi matahari di Bukit Kototabang tinggi. Hal tersebut dapat dilihat pada radiasi matahari meningkat maka energi gambar berikut ini: Gambar 4. radiasi matahari dan energi listriknya Pola intensitas radiasi matahari memiliki sifat berkaitan dengan pola curah hujan di Staisun Pemantau Atmosfer Global Bukit yang berkebalikan dimana ketika intensitas Kototabang. Hal ini tinggi dan sebaliknya ketika intensitas terjadi karena pada bulan Oktober intensitas radiasi matahari rendah maka energi listrik radiasi yang diterima di Bukit Kototabang yang dihasilkan juga rendah. sedangkan ketika menghasilkan energi listrik yang paling jumlah curah hujan sedikit maka intensitas sedikit. satu unsur cuaca yaitu curah hujan yang sehingga dapat disimpulkan bahwa dapat mempengaruhi intensitas radiasi intensitas radiasi matahari yang diterima matahari dan energi listrik yang dihasilkan permukaan bumi dipengaruhi oleh salah di Bukit Kototabang. 2 Juni 2015 jumlah energi listrik yang dihasilkan juga listrik yang dihasilkan menurun. Berarti ketika jumlah curah hujan tinggi dan bulan Desember merupakan tinggi maka intensitas radiasi matahari di bulan yang kurang efektif karena Bukit Kototabang rendah. bulan Mei bahwa intensitas radiasi matahari memiliki merupakan bulan yang paling efektif karena pola yang berkebalikan dengan pola curah menghasikan energi listrik yang sangat hujan. 2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Berdasarkan hasil pengolahan dapat diketahui bahwa pemanfaatan energi radiasi matahari di Bukit Kototabang sangat 4. satu unsur cuaca yaitu curah hujan. Hal tersebut lebih banyak kejadian dengan intensitas terjadi pada semua bulan kecuali pada bulan radiasi matahari di bawah 100 W/m2 Oktober (dapat dilihat pada gambar 3) sehingga energi listrik yang dihasilkan lebih Pada bulan tersebut intensitas sedikit. KESIMPULAN efektif karena hubungan antara energi listrik dan intensitas radiasi matahari yang Berdasarkan hasil analisis data dan berkorelasi sangat kuat.

https://www.62. Printed at Pashupati Photovoltaik sebagai Suplai Printers pvt. (2012. di Bukit Kototabang. Dasar-Dasar Statistik. 192 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . matahari maksimum maka energi listrik Septiadi dkk. BMKG. intensitas Edisi Ketiga. 1. Tjasjono.7 Watt. Full Square Vol. Jakarta. Binacipta. BMkG. Meteorologi Indonesia Volume 1 Karakteristik dan Sirkulasi DAFTAR PUSTAKA Atmosfer . 2003. Concept of Modern “Penerapan Sistem Physics. 2 No. Bulan Mei merupakan bulan yang Jurnal Meteorologi dan paling efektif karena energi listrik yang Geofisika.10 No. Desember merupakan bulan yang kurang Supardi. 2007. Jakarta. Akses April 2014. dari pada bulan Mei sebesar 30. Gadjah Mada University Press.com/ Yogyakarta.Juni 2008. Andy. “Proyeksi Potensi yang dihasilkan juga maksimum dan Energi Surya sebagai Energi sebaliknya serta pemanfaatan energi Terbarukan (Studi Wilayah matahari di Bukit Kototabang sangat Ambon dan Sekitarnya)”. Jakarta. energi listrik terendah terjadi pada bulan Riduwan. Dan Darmawan. (2003). 2008.q-panels. Zemansky. Metode Statistik. Fisika Untuk energi listrik yang dihasilkan di Bukit Universitas Optik dan Fisika Kototabang dimana ketika intensitas radiasi Modern. A. Jakarta. Watt dengan energi listrik tertinggi terjadi 2014. Wibawa. Jurnal EECCIS Company. 2 Juni 2015 energi listrik bulanan yang dihasilkan di Jaring News. Pertamanan” . Diakses April 17. Desember sebesar 23.2005. Beiser. Monocrystalline Solar Cell.1 Juli dihasilkan tinggi sedangkan bulan 2009. p.48 Energi Fosil. Hanwa. Indonesia Bukit Kototabang dengan luas solar panel Masih Tergantung pada satu meter persegi adalah sebesar 27. efektif. Bandung: Alfabeta. 1991. New Delhi. 2012. Jurnal Meteorologi Klimatologi dan Geofisika Vol. No. Oktober 6). radiasi matahari mempengaruhi jumlah Sears. Bayong.Vol.Yusuf.2.2009.com/. Aplikasi Statistik dalam efektif karena energi listrik yang dihasilkan Penelitian.2 Watt dan http://jaringnews. Wibisono.Ufuk Publishing rendah yang berkaitan dengan curah hujan house. Daya Listrik Beban 66.

Rate of change of maximum temperature to minimum is about -0. Tangerang Email: irjayanti.pamungkas@gmail. Sedangkan angin mengikuti pola monsun yang berinteraksi dengan angin darat dan angin laut. kelembaban udara. 193 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 Juni 2015 PROFIL UNSUR CUACA STASIUN METEOROLOGI FRANS KAISIEPO BIAK (Tahun 2010-2012) Pamungkas Irjayanti1. Pada penelitian ini unsur cuaca yang akan diteliti adalah suhu udara. Hasil menunjukkan bahwa suhu udara. the winds following the pattern of monsoon system that interact with the land and sea breeze. The average statistical formula was used to calculate air temperature. Perbedaan tersebut memberikan ciri-ciri yang kuat berupa variasi harian unsur cuaca. These difference characterizes the strong form of the daily variation of weather elements. Synop data 24 hours from 2010 to 2012 were used as research materials. 2 No. air humidity. suhu udara. Daily variation of weather elements relates to topography of the Meteorological Station Frans Kaisiepo Biak where surrounded by the sea. air pressure and wind. tekanan udara dan angin. Meanwhile. KATA KUNCI Variasi harian. The weather elements that used in the research was air temperature.20 oC/hour and rate of change of minimum temperature to maximum is about 0. Putri Meinelva1. humidity. Metode yang digunakan untuk suhu udara.40 until -0. humidity. tekanan udara dan angin.com ABSTRAK Wilayah Indonesia menerima sinaran matahari sepanjang tahun namun terdapat perbedaan mencolok pada waktu siang dan malam hari. and air pressure and for the wind element using Wind Rose application. namun analisis angin menggunakan data synop per 3 jam.78 oC/hour. Laju perubahan suhu udara maksimum menuju minimum berkisar antara -0.41 sampai 0. air temperature.78 o C/Jam. ABSTRACT Indonesian region receives the sun radiation throughout the year but there is a noticeable difference in day and night time. kelembaban udara dan tekanan udara di pengaruhi oleh pergerakan semu matahari dan pengaruh lokal. Variasi harian unsur cuaca ini berkaitan dengan keadaan topografi sesuai dengan letak Stasiun Meteorologi Frans Kaisiepo Biak yang di kelilingi oleh laut. kelembaban udara dan tekanan udara adalah rumus statistik rata-rata sederhana dan untuk angin menggunakan aplikasi Wind Rose. Sebagai bahan kajian digunakan data synop 24 jam dari tahun 2010 sampai 2012. air pressure and wind. Simanjuntak1 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Pondok Betung. air humidity and air pressure was influenced by the effect of the sun radiation and local factor. Jurnal Meteorologi Klimatologi dan Geofisika Vol. kelembaban udara.41 until 0.20 o C/Jam dan laju perubahan suhu udara minimum menuju maksimumberkisar 0. Keywords : daily variation. Margaretha R.40 sampai -0. The results showed that the air temperature.

saat beberapa wilayah Indonesia mengalami Kabupaten Biak terletak di Teluk musim pancaroba atau musim transisi baik Cenderawasih pada titik 0º55`LS-1º27` LS perubahan dari musim kemarau ke musim dan 134º47`BT-136º48` BT. Kelembaban udara adalah 1994). kelembaban udara.id/) perawanan. di sebelah barat fisik atmosfer pada suatu saat (waktu berbatasan dengan Kabupaten Supiori. penguapan. 2005). Variasi harian tekanan udara maksimum menuju minimum karena mempunyai maksimum dua kali dan permukaan bumi cepat menjadi panas minimum juga dua kali tetapi berbeda-beda selama matahari naik.go. berbatasan penghujan maupun sebaliknya. dipengaruhi oleh proses konvektifnya. Angin adalah udara yang 194 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 No. 2010). keadaan dengan Samudera Pasifik di sebelah utara cuacanya akan berfluktuasi. tekanan udara. hujan. Biak yang di kelilingi laut tentunya Pengamatan unsur-unsur yang diamati tiap memiliki karakteristik unsur yang perlu jam di stasiun pengamatan adalah suhu dicermati dan diteliti (sumber : udara. Perbedaan yang mencolok pada waku siang Indonesia termasuk wilayah yang dan malam hari juga memberikan ciri yang banyak terkena radiasi matahari dan radiasi kuat berupa variasi harian unsur cuaca. Pada tekanan udara dan angin. dan keadaan tanah. Tekanan udara adalah menuju maksimum lebih besar berat atmosfer atau udara diatasnya dibandingkan dengan laju perubahan dari persatuan luas. Gambar 1. angin. kelembaban udara. dan pelepasan panas waktunya. cuaca. Peta Pulau Biak (sumber: Google Earth) Suhu udara juga didefinisikan sebagai sedikit pada waktu masih ada penyinaran tingkat panas suatu benda (Soepangkat. Variasi harian suhu udara ditandai banyaknya uap air yang terkandung dalam dengan maksimum pada siang hari dan udara atau atmosfer. (Achmad dan timur. 2 Juni 2015 1. di sebelah selatan berbatasan Zakir dkk. PENDAHULUAN visibility. Cuaca adalah keadaan dengan Selat Yapen. http://biakkab. tertentu) di suatu tempat yang terjadi dalam Letak Stasiun Meteorologi Frans Kaisiepo waktu yang relatif pendek (BMKG. Variasi harian minimum pada malam menjelang pagi hari. matahari. bumi sehingga pola cuaca banyak terutama suhu udara. Jurnal Meteorologi Klimatologi dan Geofisika Vol. kelembaban udara berkebalikan dengan Laju perubahan suhu udara minimum variasi suhu udara.

ditempat tertentu misalnya di kawasan 03.00 sampai 04.00 sampai 22.00 masing bulan sampai 21.00. 18. menampilkan diagram kembang angin yang 1994). data suhu udara.00.00 UTC.00. Dimana :  Bulan Januari = Nilai rata-rata unsur cuaca Suhu udara rata-rata tertinggi terjadi = Nilai unsur cuaca pukul 03.00 dan pantai dan pegunungan.8oC dan terendah terjadi pukul 20. Rumusnya dapat ditulis grafik variasi suhu udara berbanding sebagai berikut: terbalik dengan grafik kelembaban udara. tekanan udara dan synop tahun 2010-2012 dari Stasiun angin. yaitu Suhu udara dan kelembaban udara membagi jumlah nilai data dengan harian dari bulan Januari dan Juli. Dalam penelitian Gambar 2. DATA DAN METODE Hasil harian berupa suhu udara. 3. dan tekanan udara tiap jam dan data angin tiap 3 jam. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Variasi harian angin terdapat diolah per tiga jam mulai dari jam 00.00 UTC sebesar Wind Rose.00 sebesar 74% (lihat Tabel 1 dalam bentuk tabel (ringkasan) atau dan Gambar 2). 09.00 UTC sebesar 25.1oC. 2010). Bentuk banyaknya data.00 UTC sebesar = Banyaknya hari pada masing.00. 3. yaitu aplikasi yang digunakan 92% dan terendah terjadi pukul 03.00 untuk pengolahan dan penyajian data angin sampai 06. dan Swarinoto.00. 15. kelembaban udara. Semakin tinggi nilai suhu udara maka nilai kelembaban udara akan semakin rendah. HASIL DAN PEMBAHASAN 2. Data yang digunakan adalah data kelembaban udara. 2 Juni 2015 bergerak karena ada perbedaan tekanan ini digunakan 8 arah angin dengan udara secara horizontal (Soepangkat. Bulan yang dianalisa adalah bulan Meteorologi Frans Kaisiepo Biak meliputi Januari dan bulan Juni. (Wirjohamidjojo 21.1 SUHU UDARA DAN Metode yang digunakan variasi KELEMBABAN UDARA HARIAN harian suhu udara.00. dan tekanan udara adalah metode statistik. 29. 2 No. 12. kelembaban udara. 06. diagram yang berfungsi untuk menganalisis arah dan kecepatan angin yang dihasilkan dalam bentuk diagram sehingga mudah dipahami oleh pembaca. Kelembaban udara rata-rata tertinggi terjadi Analisa angin menggunakan aplikasi pukul 20. Variasi Harian Suhu Udara dan Kelembaban Udara bulan Januari (2010-2012) 195 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .

1 oC 21.0. Variasi Harian Suhu Udara dan Kelembaban Udara bulan Juli (2010-2012) 196 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 No. 2 Juni 2015 Tabel 1.00 20.0oC terjadi pada pukul 21. Kelembaban udara rata-rata tertinggi rata tertinggi sebesar 28.00 hingga 06.00 - Suhu Tertinggi 29. Suhu Udara dan Kelembaban Udara bulan Januari (2010-2012) Waktu Keterangan Nilai (UTC) 03.00 hingga 21.00 - Suhu Terendah 25. Gambar 3.00 UTC pukul 04. Jurnal Meteorologi Klimatologi dan Geofisika Vol.00 dan Tabel 2).00 03.8 oC 04.00  Bulan Juli Bulan Juli memiliki suhu udara rata.29 oC / Jam terendah Laju perubahan suhu minimum menuju + 0. 78 oC / Jam maksimum 20.00 UTC sebesar 78% (lihat Gambar 3 25.9oC yang terjadi terjadi pukul 19.00 Laju perubahan suhu tertinggi menuju .00 UTC sedangkan sebesar 94% dan terendah terjadinya pukul suhu udara rata-rata terendah sebesar 06.00 - Kelembaban Udara Terendah 74% 06. UTC.00 - Kelembaban Udara Tertinggi 92% 22.

sebesar 1008.9 oC 06.00 UTC sebesar 1007.6 mb.0 oC Laju perubahan suhu tertinggi menuju .00 UTC sebesar 1006. 2 Juni 2015 Tabel 2.7 sebenarnya.0 mb dan Pada bulan Juli tekanan udara 19. penulis menggunakan 2 (dua) terjadi sekitar pukul 00.26 oC / Jam terendah Laju perubahan suhu terendah menuju + 0. Jurnal Meteorologi Klimatologi dan Geofisika Vol.00 - Kelembaban Udara Tertiinggi 94% 21.00 UTC sebesar angka dari besaran tekanan udara yang 1008.00 UTC sebesar 197 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .00 UTC sebesar 1004.3 mb dan 14.00 UTC sebesar 1006. Gambar 4. Suhu udara dan Kelembaban Udara bulan Juli (2010-2012) Waktu Keterangan Nilai (UTC) 04.00 Suhu Terendah 21.00 25. Contohnya.6 mb maka didalam grafik sekitar pukul 07. Variasi Harian Tekanan Udara bulan Januari (2010.9 mb dan 13.8 mb tertulis 10. bila tekanan udara mb dan tekanan udara minimum terjadi sebesar 1010. 43 oC / Jam tertinggi 19.00 78% 3.2012)  Bulan Juli 1008.0. 2 No. Tekanan udara minimum pada pukul 07.2 TEKANAN UDARA HARIAN  Bulan Januari Penulisan besaran tekanan udara Tekanan udara harian maksimum dalam grafik.00 Kelembaban Udara Terendah 06.3 mb (lihat maksimum terjadi pada pukul 00.2 mb (lihat Gambar 4).5 mb. dan 19.00 UTC Gambar 5).00 UTC sebesar 1007.00 - Suhu Tertinggi 28.

2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol.Kecepatan Saat musim monsun Australia arah angin pada pagi sampai siang hari lebih angin didominasi oleh angin timuran.Keadaan demikinan  Bulan Januari menunjukkan bahwa faktor monsun dan keadaaan laut mempunyai peran dalam arah Umumnya angin bergerak mengikuti dan kecepatan angin di Stasiun Meteorologi musim monsun Asia yaitu pada pagi sampai Frans Kaisiepo Biak (lihat Gambar 6).3 ANGIN HARIAN siang hari angin bertiup dari arah barat daya sampai barat laut dan pada malam hari Hasil angin harian adalah angin bertiup dari barat laut. Variasi Harian Angin bulan Januari (2010-2012)  Bulan Juli timur sampai tenggara dan pada malam hari bertiup dari barat sampai timur.Pada cepat dibanding kecepatan angin pada sore pagi sampai siang angin bertiup dari arah sampai malam hari (lihat Gambar 7). Gambar 6. 2 Juni 2015 Gambar 5. Kecepatan angin harian tiap 3 jam bulan Januari dan bulan pada pagi sampai siang hari lebih cepat Juli. Variasi Harian Tekanan Udara bulan Juli (2010-2012) 3. 198 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dibanding kecepatan angin pada sore sampai malam hari.

Saat malam hari kulminasi pukul 03. Variasi Harian Angin bulan Juli (2010-2012) 3. terbawa ke laut karena pengaruh adanya Kelembaban udara harian sepanjang angin darat yang terjadi malam hari tahun berada di atas 70 % artinya Stasiun sehingga menyebabkan terjadinya tekanan Meteorologi Frans Kaisiepo Biak memiliki rendah kedua. Angin harian dipengaruhi oleh angin Tekanan udara maksimum pertama monsun yang berinteraksi dengan sistem terjadi sekitar pukul 00.00 UTC dan minimum kedua terjadi malam hari arah angin berubah dari timur sekitar pukul 18. Stasiun di dekat pantai mempengaruhi variasi Meteorologi Frans Kaisiepo Biak memiliki harian unsur cuaca.00 dan 19. namun energi panas yang Tercapainya suhu udara maksimum tidak ditinggalkan masih berlebih untuk satu langsung mempengaruhi penurunan tekanan waktu. Pada saat angin dan maksimum kedua terjadi sekitar pukul monsun barat terutama pada malam hari 13. 2 No. Kecepatan angin pada pagi sampai 199 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . bulan Juli terjadi setelah matahari melewati permukaan bumi memancarkan gelombang titik kulminasinya.00 dan 14. Tekanan udara arah angin berubah dari barat laut dan pada minimum pertama terjadi sekitar pukul saat angin monsun timur terutama pada 07. Variasi laut. 2 Juni 2015 Gambar 7. tekanan udara yang relatif sama dengan Suhu udara rata-rata maksmium lautan sehingga tekanan udara pada pagi harian bulan Januari terjadi di sekitar waktu hari masih tinggi. kandungan uap air yang cukup banyak. pemanasan matahari dengan waktu Menjelang pagi hari udara permukaan terjadinya suhu maksimum.00 UTC angin laut dan darat. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Meskipun radiasi udaranya kembali tinggi namun tidak sinar matahari yang datang berkurang melebihi tekanan udara pada pagi harinya. Ini menyebabkan untuk dua sampai empat jam setelah pukul tekanan udara mengalami keterlambatan 03.00 UTC sedangkan merupakan sirkulasi angin darat.00 UTC. setelah itu. Dalam sirkulasi angin laut. Waktu tengah hari panjang sehingga suhu udara di atas adalah saat sinar matahari memiliki permukaan menjadi hangat dan tekanan intensitas paling besar.00 UTC.4 PEMBAHASAN tekanan udara harian dipengaruhi oleh lokasi stasiun yang dekat dengan laut Pergerakan matahari yang melewati sehingga pola tekanannya masih di wilayah ekuator sebanyak dua kali dan letak pengaruhi oleh adanya angin laut dan angin Stasiun Frans Kaisiepo Biak yang terletak darat.00 UTC dan menyebabkan adanya waktu dari terjadinya tekanan udara keterlambatan dari waktu puncak minimum dengan suhu udara maksimum.00 dan 01. Ini menghasilkan kelebihan energi udara dalam satu waktu.

00 UTC. dan minimumnya sekitar pukul 05. perubahan suhu udara minimum menuju [7] Donald Ahrens.0 mb.Jakarta. maksimum sekitar pukul 00.Third Edition 200 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .go. Achmad. [4] Soepangkat. memiliki dua kali dan Geofisika.78 Meteorology An invitation to the o C/Jam. dkk.id/ [2] Dzakir.2005. suhu Pelatihan Iklim untuk Pertanian di udara maksimum harian sekitar pukul 05. 2006. Essentials of maksimumberkisar 0.00 UTC.40 sampai -0. Atmosphere. dapat disimpulkan bahwa suhu udara harian [3] Nuryadi. Perspektif Operasional Cuaca Tropis.Pusat 4 KESIMPULAN Penelitian dan Pengembangan Badan Meteorologi Klimatologi Berdasarkan hasil dan pembahasan danGeofisika.Diklat Meteorologi sebesar 1007. Yunus. Jakarta.Badan maksimum menuju minimum berkisar Meteorologi Klimatologi antara -0. Angin harian di Kawasan Indonesia. Soerjadi.00 [5] Wirjohamidjojo. [1] http://biakkab.00 Kabupaten Agam dan Kabupaten UTC dan minimum harian sekitar pukul Tanah Datar. Iklim 07. 2 No.20 oC/Jam dan laju danGeofisika.41 sampai 0. kelembaban udara Meteorologi Klimatologi harian maksimum sekitar pukul 21.00 UTC.00 UTC danGeofisika.0oC. angin darat. Paket Modul rata-rata umumnya adalah 27. dkk. [6] Wirjohamidjojo. 1994.Pusat Penelitian dan 21.00 dan 14. Kelembaban udara rata-rata Pengembangan Badan harian di atas 70 %. Jurnal Meteorologi Klimatologi dan Geofisika Vol.2010.Pusat Stasiun Meteorologi Frans Kaisiepo Biak Penelitian dan Pengembangan dipengaruhi oleh angin monsun yang Badan Meteorologi Klimatologi berinteraksi dengan sistem angin laut dan danGeofisika. Soerjadi dan UTC dan dua kali minimum sekitar pukul Swarinoto. Jakarta. Jakarta.00 dan 19. Pengantar Tekanan udara rata-rata harian umumnya Meteorologi. Laju perubahan suhu udara Meteorologi Praktik. Jakarta. 2009. 2 Juni 2015 siang hari lebih cepat dibanding dengan DAFTAR PUSTAKA kecepatan angin pada sore hari sampai malam.

2 No. during. The atmosphere is a place where flight operations take place. dimana pengaruh cuaca sangat besar terhadap aktifitas kelancaran dan keselamatan dalam dunia penerbangan. saat. Salah satu parameter cuaca yang cukup menggangu kelancaran saat pendaratan pesawat merpati MA-60 adalah kondisi hujan sehingga menurunkan tingkat visibility. Kemudian untuk analisa subyektif menggunakan data medan angin (Streamline) dan data citra satelit. Nuryadi2 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika 2 Staf Pengajar STMKG Jakarta E-mail : sakuragiardin@gmail. Berdasarkan data Real time saat kejadian kecelakaan dari stasiun meteorologi penerbangan Kaimana. showing indications of bad weather which is considered as one factor causing of plane crash. sebuah pesawat akan menempuh tiga fase penting. Analysis of satellite imagery indicates when the plane crash threre are convective clouds with high potential intensity of rainfall. Visibility. Rain. fase menjelajah dan yang ketiga fase pendaratan. Keyword: Weather. Hujan. where it is very influence for the smoothness and safety in aviation. Based on Real time data from aeronautical meteorological stations of Kaimana. an aircraft will go through three important phases. 2 Juni 2015 ANALISA KEADAAN CUACA SAAT KECELAKAAN PESAWAT MERPATI MA-60 DI TELUK KAIMANA (Study Kasus : Tanggal 7 Mei 2011) A r d i n1. One of weather parameter that interfere the landing of Merpati aircraft MA-60 is rainy conditions that result decreasing of visibility level. pertama fase tinggal landas. for subjective analysis used Streamline and satellite image data. Awan konvektif ABSTRACT The weather is the physical condition of the atmosphere at place and certain time. Dalam operasi penerbangan. Atmosfer merupakan tempat dimana operasi penerbangan berlangsung. Metode yang digunakan dalam penulisan ini adalah menganalisis data observasi cuaca permukaan pada sebelum. In flight operations. All phases is very closely related to some elements of weather. Ketiga fase ini sangat berhubungan erat dengan unsur-unsur cuaca. The utilization of satellite data is used SATAID software to get more objective image result analysis. and after accident. Convective cloud 201 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . The method used in this paper is analyze the data from surface weather observations on before. the first phase is take off an then Cruising phase and the last is landing phase. menunjukkan indikasi terjadinya cuaca buruk yang dianggap sebagai salah satu faktor penyebab jatuhnya pesawat terbang. Analisis citra mengindikasikan saat kejadian terdapat awan-awan konvektif dengan potensi intensitas hujan yang cukup tinggi. Dalam pemanfaatan data satelit digunakan software SATAID agar mendapatkan hasil analisis citra yang lebih objektif. Kata Kunci: Cuaca. dan sesudah peristiwa kecelakaan.com ABSTRAK Cuaca merupakan kondisi fisik atmosfer di suatu tempat dan pada saat tertentu. Visibility. Jurnal Meteorologi Klimatologi dan Geofisika Vol.

fase pendaratan (Landing). 2 Juni 2015 1. infra merah (IR). angin yang dianalisa yaitu data angin beberapa kali terjadi peristiwa yang sedikit ketinggian 3000 feet. Peristiwa tersebut yang paling pada tanggal 7 Mei 2011. Data pertumbuhan industri penerbangan ini. Data yang diambil merupakan data tiap jam. Untuk mempertajam hasil pertama. Data ini Beberapa tahun terakhir ini industri digunakan sebagai data pendukung yang penerbangan Indonesia kian maju pesat. fase menjelajah (cruissing) dan yang software SATAID (Satellite Animation and ketiga. Dari Interactive Diagnosis). menyita perhatian masyarakat adalah Peta streamline 3000 feet pada jam kecelakaan pesawat terbang yang sering 00. Istilah pemanfaatan kecelakaan kemudian fase tinggal landas dan pengolahan data satelit agar lebih dan diikuti fase menjelajah. berperan memberikan gambaran tentang Kondisi geografis Indonesia yang sangat keadaan cuaca permukaan di daerah sekitar luas berbentuk kepulauan dan tingkat Bandara Kaimana pada waktu kejadian.00 UTC memukul perkembangan industri dan data citra satelit infrared (IR) tiap jam penerbangan. 202 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . mobilitas penduduk Indonesia yang cukup Untuk membantu mempertajam dalam tinggi ikut mendorong perkembangan melakukan analisis cuaca maka digunakan industri ini.00 UTC dianalisa untuk mengetahui mewarnai berita-berita baik media cetak informasi yang berkaitan dengan adanya maupun elektronik. memantau kondisi sebaran awan hujan Data Dalam operasi penerbangan. fase tinggal landas (Take off). Salah satu fenomena fenomena cuaca seperti daerah bertekanan yang masih hangat diingatan kita adalah rendah (Low Pressure Area). analisis dari citra satelit maka diigunakan kedua. DATA DAN METODE Data yang digunakan dalam analisa ini menggunakan data sinop/QAM hasil observasi dari Stasiun Meteorologi penerbangan Bandara Utarom Kaimana. sebuah citra satelit yang digunakan merupakan data pesawat akan menempuh tiga fase penting. siklon. PENDAHULUAN data peta angin dan citra satelit. pada sejumlah musibah kecelakaan memonitor kondisi aktual atmosfer yang pesawat udara. Hal ini dimaksudkan agar kita semakin sadar akan besarnya pengaruh cuaca terhadap aktifitas kelancaran dan keselamatan penerbangan. fase pendaratan merupakan terjadi sehingga interpretasi citra satelit fase yang sangat rawan untuk terjadinya menjadi lebih objektif. menganalisis kondisi cuaca dan pengaruhnya terhadap terjadinya kecelakaan pesawat MA-60 di Teluk Kaimana. Pada saat peristiwa memperkuat mekanisme konvektif. (Objective Cloud Analysis and maka tulisan ini bermaksud untuk Information). objektif ini dikenal dengan metode OCAI Bertolak dari pandangan di atas. daerah peristiwa jatuhnya pesawat merpati MA-60 konvergensi dan trough. 2 No. 2. juga melakukan approach. kecelakaan tersebut ditengarai kondisi Analisa citra satelit digunakan untuk cuaca dalam keadaan kurang baik. Namun seiring dengan juga data peta angin dan citra satelit. Fenomena- di Teluk Kaimana yang jatuh tidak jauh fenomena cuaca ini selain sebagai sebelum menyentuh landasan saat mencoba mekanisme terangkat nya udara. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Program ini catatan yang dirangkum dari berbagai membantu untuk membuat analisa dalam sumber. pada jam 00.

1 Kondisi Cuaca Umum masih cukup baik untuk pendaratan.00 WIT Data Cuaca Permukaan keadaan visibiliti berturut-turut dilaporkan 8. 2 Juni 2015 Gambar 1. dan pada jam 15.1. dan 4 kilometer.00 WIT adalah 8000 meter.00 dan 15. Hasil pengamatan synoptik Selanjutnya pada pukul 14. 3.00 s/d 15. Namun Bandara kecelakaan adalah terjadi hujan yang tidak Utarom Kaimana sendiri tidak tersedia alat jauh dari lokasi bandara. yaitu pendaratan berdasarkan instrument Dari uraian data synoptik tersebut diatas yang mana memiliki kemampuan untuk dapat diketahui bahwa keadaan cuaca dapat mendarat dengan jarak pandang kecenderungan sebelum terjadinya minimal 2000 meter.1 Hasil Analisa dan Pembahasan yaitu pada jam 13.50 WIT WIT yaitu satu jam sebelum kecelakaan sebelumnya diketahui bahwa ATC (Air Taffic Controller) sudah kehilangan kontak adalah Precipitation in Sight (WW=15).00 meter.2 Keadaan Visibilty 203 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . PEMBAHASAN Dari laporan cuaca (synoptik) satu jam sebelum.00 penerbangan IFR (Instrument Flight Rules) WIT adalah Inter slight Rain. keadaan cuaca pendaratan dilakukan dengan VFR (Visual semakin memburuk dimana terjadi hujan Flight Rules) yang sangat bergantung pada tepat di bandara dengan intensitas cukup jarak pandang mendatar. pada jam 14. Kita dapat melihat Berdasarkan data synoptik tanggal 07 Mei bahwasanya keadaan visibiliti saat kejadian 2011 yang diamati stasiun Meteorologi lebih pendek daripada jam sebelum dan Penerbangan Bandara Utarom Kaimana sesudah kejadian. minimal sebagaimana disebutkan adalah Kondisi cuaca hujan masih terus terjadi 5000 meter.00 WIT jarak menunjukan bahwa kondisi cuaca pandang mendatar dilaporkan hanya 3000 umumnya pada aerodrome pada jam 13.00 WIT kondisi cuaca adalah Penerbangan ini adalah Inter Moderate Rain.00 WIT sebagai Jarak pandang mendatar sebelum berikut : kejadian yaitu pada jam 13. 14. dimana pada jam 13. pada jam 13. Dengan mengacu dengan setelah terjadinya kecelakaan. Ketentuan VFR kuat sehingga menurunkan visibility. 2 No. dengan pesawat merpati tersebut. Dan saat untuk instrument approach sehingga terjadinya kecelakaan. Tahap Pemanfaatan Software SATAID 3. penjelasan diatas dengan jarak pandang hanya 3000 meter tidak seharusnya 3. dimana kondisi demikian 3.1.00. Jurnal Meteorologi Klimatologi dan Geofisika Vol. sesaat dan sesudah kejadian 3.

1. Ini daya yaitu arahnya sekitar 2400 dengan menunjukan bahwa kondisi langit di atas kecepatan 3 knots. 2 No.00 WIT arah angin berubah dan cukup luas di sertai hujan. Dan keadaan angin pada landasan diliputi awan-awan rendah yang jam 14.6 ra ringa bus dan n Cumulus) rendah di utara papua (sebelah barat 3.3 Keadaan Awan disertai hujan.00 UTC tajam di wilayah papua barat.00 WIT kondisi awan dilaporkan 060º dengan kecepatan 4-5 knots. kondisi 3. nanmun awan Cb masih di laporkan Tabel 1. elevasi 450 angin permukaan di Bandara Utarom barat daya dengan tinggi dasar 1500 feet Kaimana selama dua jam sebelum kejadian (450 m) serta awan Cu berjumlah 3 oktaf angin masih didominasi angin dari barat dengan tinggi dasar 1600 feet (480 m).00 5. Daerah tekanan rendah tersebut Streamline mempengaruhi pola angin sehingga Hasil analisa peta streamline membentuk daerah shearline yang cukup tanggal 7 mei 2011 jam 00.1. Angin Jarak Awan Pandan Jam Kecepat Bagian langit Tinggi Tekan Arah g Cuac (WI an yang tertutup Dasar an (dari Mendat a T) (km/ja awan rendah Awan (mb) arah) ar m) (meter) (bagian) (m) Huja 4/8 Barat n (Cumulunimb 13.00 WIT. Kondisi perawanan ini timur laut.2 4000 450 1007. Kaimana Tanggal 7 Mei 2011. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Hal tersebut diketahui bahwa terdapat Pusat tekanan cenderung menimbulkan suatu konvergensi 204 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Dapat dianalisa bahwa ketika Pertumbuhan awan Cb ini juga diikuti pesawat akan melakukan approach arah dengan pertumbuhan awan-awan Cu yang angin berubah yang sebelumnya bertiup berkembang menjadi 6 oktaf dengan tinggi dari arah barat daya kemudian berubah dari dasar 1600 feet.4 8000 450 1008 Daya ringa us dan n Cumulus) Huja 6/8 Timur n (Cumulunim 14.4 Kondisi AnginPermukaan langit di atas landasan pada saat itu terdapat Berdasarkan data synoptik keadaan awan Cb (9) berjumlah 1 oktaf. Berdasarkan data synop jam 13. diketahui semakin memburuk dengan awan Cb (9) beberapa menit sebelumnya pesawat bertambah menjadi 2 oktaf. Awan-awan Cu di laporakan masih meliputi langit dengan 3. Kemudian pada bertiup dari timur laut yatu sekitar arah jam 14.00 7. elevasi 450 mencoba meneruskan approach pada barat daya dengan tinggi dasar 1500 feet.2 Hasil Analisa dan Pembahasan Peta filipina). Laporan Keadaan Cuaca di Bandara Utarom.3 laut seda bus dan ng Cumulus) Huja 5/8 Tengga n (Cumulunim 15.00 WIT satu jam sebelum kecelakaan. runway 01. 2 Juni 2015 penerbang meneruskan approach secara berjumlah 1 oktaf. tinggi dasar yang sama. sedikit membaik pada jam 15. denagan elevasi dan visual.2 3000 450 1008.00 7.

00 UTC ketahui kondisi fisis dan perkembangan menunjukan adanya liputan awan berada awan tiap jam secara time series. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Grafik time series suhu puncak awan Dari grafik time series suhu puncak terjadi dalam kurun waktu 1 jam awan di atas menunjukan bahwa pada pukul menunjukan bahwa pertumbuhan vertikal 04. Kemudian yang menunjukan pertumbuhan awan yang pada pukul 06.00 UTC. Liputan adalah hasil análisis yang dihasilkan : awan tersebut mulai meningkat dan menebal pada pukul 05. membentuk gumpalan awan yang cukup besar menutupi sebagian besar langit kaimana. 2 Juni 2015 yang semakin kuat di wilayah papua barat. liputan awan tebal tersebut berpeluang Ini dibuktikan dengan pencitraan satelit menimbulkan terjadinya hujan.50 UTC saat terjadi kecelakaan suhu awan sangat tinggi dan tebal. Berikut tepat di atas wilayah Kaimana. 3.00 UTC masih bertahan cukup giat di atas wilayah Papua barat. Isoline Brightness suhu puncak awan 205 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .3 Hasil Analisa dan Pembahasan Hasil análisis citra satelit dengan Citra Satelit menggunakan software SATAID dapat di Analisa citra satelit jam 04. Dari Gambar 2.00 UTC sampai pukul 05. 2 No. Penurunan suhu puncak awan mengindikasikan awan konvektif yang kuat yang cukup signifikan dalam rentang pukul yaitu awan-awan Cb dengan potensi hujan 04. Gambar 3.00 UTC yang yang tinggi. Suhu puncak puncak awan cukup dingin hingga kurang awan yang sangat dingin ini dapat dari -40 0C.

Susilo. Geofisika Jakarta. Final Report penurunan suhu puncak awan yang No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. (Diakses tanggal 15 awan Cb dengan suhu puncak awan November 2012).04. KESIMPULAN Meteorologi ”.id/news/read/2 intensitas cukup kuat.planecrashinfo.11.05. hujan dengan intesitas yang cukup deras. 1991 ’’ kecelakaan suhu puncak awan cukup dingin Klimatologi Terapan ’’Murwaji Ahm hingga mencapai -70 0C. Grafik Time 19369-inilah-kronologi-jatuhnya- Series suhu puncak awan pesawat-merpati menunjukan adanya indikasi pertumbuhan vertikal awan sangat Laporan Kecelakaan MA-60 Merpati tinggi dan tebal terlihat dari Airlines di Kaimana.co. Memperhatikan data cuaca Stasiun Meteorologi Utarom Kaimana Soejitno.ilmuterbang. Berdasarkan hasil pembahasan dapat ditarik suatu kesimpulan yaitu : Soeharsono.com/caus 3. Hujan terjadi saat pesawat Soepangkat. 1996. Kondisi cuaca secara umum saat Penerbangan ” cetakan ke-2 Balai jatuhnya Pesawat Merpati MA-60 Diklat Meteorologi dan Geofisika di Teluk Kaimana dalam keadaan Jakarta.htm Kronologi Jatuhnya Pesawat pada saat kejadian terdapat liputan Versi Merpati. Kondisi awan “ Cuaca Yang Signifikan Terhadap seperti ini dapat menjelaskan keadaan Penerbangan “ TH 2004 (Training atmosfer di atas wilayah Bandara Utarom Book “ Pelayanan Informasi Kaimana saat terjadinya kecelakaan.K. (Diakses sangat cepat.H.news.viva. layak apabila diteruskan (Diakses tanggal 1 Jan 2013) pendaratan. http://www. Prawirowardoyo.50 UTC di lokasi terjadinya Bayong Tjasyono . 2 Juni 2015 Dari Peta Isoline Brightness suhu DAFTAR PUSTAKA puncak awan di atas menunjukan bahwa pada pukul 04. 2.” 4.com/artikel- mainmenu-29/keselamatan- penerbangan-mainmenu-48/646- laporan-kecelakaan-ma-60-merpati- airlines-di-kaimana 206 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . sangat rendah yang berpotensi menghasilkan hujan dengan http://nasional. 1975 ’’ Meteorologi Umum diketahui bahwa salah satu Untuk Observasi Meteorologi ’’ Balai parameter cuaca yang dapat Pendidikan dan Latihan Meteorologi membahayakan proses pendaratan dan Geofisika Jakarta.KNKT. Dari citra satelit diketahui bahwa e. http://www. 1981 “ Meteorologi 1. 1994 ’’ Pengantar Meteorologi jatuh beberapa meter sebelum ’’ Balai Diklat Meteorologi dan menyentuh ujung Runway selatan.10. tanggal 15 November 2012). pesawat adalah kondisi Visibility yang sangat rendah dan kurang Accidents and Fatalities by Phase of Flight. Institut Teknologi Bandung. puncak awan saat itu mengindikasikan 2000 Wind Shear and Turbulance awan-awan dengan potensi hujan yang Information for Pilot) cukup deras. Suhu Meteorologi Penerbangan ” TH.

Tana Toraja. for example probability model that can predict the characteristic of rainfall one step forward and principle component analysis and also ARIMA time series model that can predict the characteristic of rainfall and rainfall one step ahead. penting bagi masyarakat di daerah Pongtiku 207 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .Tana Toraja of the two models used and then verified with actual data obtained that the probability model over many levels of truth than ARIMA model and principle component analysis. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No.co. South Sulawesi. Data yang digunakan dalam penulisan ini adalah data curah hujan bulanan pada periode Januari 1998 . 2 Juni 2015 PERBANDINGAN PREDIKSI SIFAT HUJAN BULANAN ANTARA ANALISIS KOMPONEN UTAMA MODEL ARIMA DAN METODE PROBABILITAS DI STASIUN METEOROLOGI PONGTIKU TANA TORAJA Finkan Danitasari Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Email : finkan. Penulisan ini bertujuan untuk mengetahui model prediksi sifat hujan yang lebih baik untuk digunakan di Stasiun Meteorologi Pongtiku Tana Toraja. Akurasi prediksi curah hujan dan sifat hujan sangat Prediksi curah hujan dan sifat hujan dibutuhkan oleh masyarakat khususnya para bulanan merupakan informasi yang sangat petani dan pengusaha perkebunan.id ABSTRAK Ada berbagai macam metode statistik yang dapat digunakan antara lain model probabilitas yang dapat memprediksi sifat hujan satu langkah kedepan dan analisis komponen utama serta model deret waktu ARIMA yang dapat memprediksi sifat hujan serta curah hujan satu langkah kedepan. ARIMA. Dan sebagai data verifikasi menggunakan data curah hujan bulanan pada periode Januari – Desember 2011 serta data suhu muka laut di sekitar perairan wilayah Sulawesi. komponen utama.December 2010. The purpose of this research is to know what the characteristic of the rainfall prediction model is better for use in Pongtiku Meteorological Stations . ARIMA. Kata kunci: hujan. principle component. Keywords: rain. Sulawesi Selatan. For verification the result used contingent method. And as data verification using monthly rainfall data and sea surface temperature data in the period January .Desember 2010 sebagai pembangunan model. probability 1. with using monthly rainfall data and sea surface temperature data for the period January 1998 .December 2011. Dengan membandingkan hasil prediksi peluang sifat hujan bulanan tahun 2011 di Stasiun Meteorologi Pongtiku Tana Toraja dari ketiga model atau metode yang digunakan dan kemudian diverivikasi dengan data aktual didapat bahwa model probabilitas lebih banyak tingkat kebenarannya daripada model ARIMA dan analisis komponen utama. By comparing the results predicted monthly rainfall chances properties in 2011 in Meteorological Stations Pongtiku . probabilitas ABSTRACT There are many a variety of statistical methods that can be used. PENDAHULUAN Tana Toraja. Untuk verifikasi hasil menggunakan Metode Kontingensi.danitasari@yahoo.

115% terhadap rata- Klimatologi dan Geofisika (BMKG) untuk ratanya. DASAR TEORI dan Geofisika (2012) dibagi ke dalam 3 Saat ini telah dikembangkan kategori. hujan yang dikategorikan persentase (sifat Penelitian mengenai sifat hujan hujan) setiap bulannya yang selanjutnya merupakan topik kajian yang menarik dalam peluang yang mempunyai persentase studi curah hujan. penulis membuat kajian masih mengandung variabilitas data membandingkan hasil prediksi dari aslinya. ARIMA. namun variable baru tersebut sifat hujan. sebagai dasar perencanaan masa yang akan datang. dikatan berbagai macam metode statistik yang diatas normal jika curah hujan lebih dari dapat digunakan untuk memprediksi sifat sama dengan 115 % terhadap rata-ratanya. Secara spesifik. Variable-variable baru. yang beberapa metode prakiraan tersebut di disebut komponen utama (KU) kemudian Stasiun Meteorologi Pongtiku Tana Toraja. 821. Metode dari sama dengan 85% terhadap rata- ini didasarkan pada peluang kejadian curah ratanya. akan diregresikan dengan variable tak Sulawesi Selatan yang lokasinya berada bebas yang biasa disebut dengan regresi pada 030 LS . banyak peneliti yang mengkaji masalah sifat Selanjutnya. hujan. memang belum ada penelitian menggunakan berbagai macam model deret waktu salah satunya adalah model ARIMA. banyak variable menjadi variable baru yang Terkait dengan akurasi prediksi lebih sedikit. diantaranya dengan statistik multivariate dalam ilmu atmosfer menggunakan metode regresi komponen yang sering diapliklasikan adalah Analisis utama. model ARIMA. dan metode probabilitas di Tana Toraja dengan suatu peubah yang telah terjadi pada waktu lampau tujuannya adalah untuk menentukan menggunakan data curah hujan hasil 208 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . regresi berganda juga dapat dihubungkan Beberapa metode statistik dapat dengan dinamika atmofser sebagai diaplikasikan untuk membuat prakiraan prediktornya seperti suhu muka laut. dan (3) Dibawah Normal. Jurnal Meteorologi Klimatologi dan Geofisika Vol. prakiraan yang lebih akurat BMKG berdasarkan studi pustaka yang telah dilakukan. Distribusi persebaran curah hujan dapat diketahui sifat hujannya.1190 BT dengan ketinggian komponen utama. Sifat hujan menurut Badan Meteorologi Klimatologi 2.3 meter diatas permukaan laut. 2 Juni 2015 Informasi tersebut penting untuk pola historis data yang kemudian digunakan menunjang kegiatan pertanian dan untuk mengekstrapolasikan pola tersebut ke perkebunan. Hingga saat ini belum tertinggi dipilih sebagai hasil prediksinya. yaitu: (1) Diatas Normal. untuk memperoleh hasil hujan di Tana Toraja. Teknik curah hujan bulanan. 2 No. dikatan normal jika curah hujan digunakan oleh Badan Meteorologi berada antara 85 % . dikatan dibawah normal jika curah hujan kurang memprediksi sifat hujan bulanan salah satunya adalah metode probabilitas. AKU bertujuan dapat memprediksi curah hujan dan sifat untuk mereduksi set data yang terdiri dari hujan untuk satu periode waktu kedepan. dan probabilitas yang Komponen Utama (AKU). yang dilakukan oleh peneliti terdahulu Autoregressive Integrated Moving Average dalam membandingan hasil prediksi sifat models (ARIMA models) yaitu suatu hujan bulanan antara analisis komponen metode yang berdasarkan pada nilai-nilai utama. awal tanam dan pengaturan pola tanam Metode statistik lainnya yakni tanam. Metode statistik yang pernah (2) Normal.

2 60. Secara geografis.4 287.3 93.3 548.9 0 5.3 26.3 70.2 96. 2 Juni 2015 observasi permukaan di Stasiun Meteorologi pembangunan model prakiraan.9 114 331.6 316.6 61.2 201.3 219.6 469.9 252. (3) data verifikasi penelitian ini adalah: (1) data rata-rata menggunakan data curah hujan bulanan curah hujan bulanan periode tahun 1998- periode Januari – Desember 2011.4 2007 166.4 50.1 153.4 117.7 417.5 79.9 305.5 322.5 281.3 127.7 148.9 26.3 256.8 383.7 133.8 92.5 29. 2 No.5 154 292.9 2002 263.2 137.1 472 400.5 134. Data ini digunakan untuk Tabel 1. maka hasil rata-rata dari data curah hujan periode tahun 1998-2010 diasumsikan sebagai rata-rata 3.8 383.9 172.3 meter diatas permukaan Meteorologi Pongtiku Tana Toraja.4 40.6 111.5 170.8 295.4 1999 95.9 2003 170.5 299.1 143 49.1 346.9 249 131.1 2011 401.7 115.1 359.9 129 244.6 351. Tana Toraja.9 366 2006 161.7 87.2 226.6 344.4 337 339. Data Curah Hujan Bulanan Tahun 1998 – 2011 (satuan dalam milimeter) Tahun Buln Jan Feb Mar Apr Mei Juni Juli Agt Sept Okt Nov Des 1998 469.9 232 291.1 146 313 2010 200.2 15.5 81 259.5 168. Stasiun Meteorologi Kelas IV Pongtiku terletak 209 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .8 359.9 0 16.6 75.7 272 387 127.4 100.4 54.7 202.8 329.88 190 472 2005 305.7 438.7 246. Mengingat Pongtiku.4 0.5 203.2 246. 2010.6 296. keterbatasan data yang tersedia di Stasiun Meteorologi Pongtiku yang hanya dalam periode 13 tahun (1998-2010).9 139.3 278.4 221.2 438.5 2000 302.2 2001 412.8 39.7 50.8 125.5 47. DATA DAN METODE curah hujan normal.7 91.3 2009 139.6 384.3 191.8 378.2 202.4 168.4 44. Jurnal Meteorologi Klimatologi dan Geofisika Vol.3 454.9 281.9 110.7 74 6.9 257 146.3 245.5 51.7 248.4 364.3 518.6 498 487.9 167.5 313.2 231.4 304.1 66.3 13.6 90.8 95.4 236.2 0.9 266 304.7 299.3 239 117.9 381.3 13.4 2008 219.1 Seluruh data curah hujan pada lokasi 03o LS-119o BT dengan bersumber dari hasil pengamatan di Stasiun ketinggian 821.4 237.8 366. laut (Gambar 1).1 59.2 140 2004 249.1 308.3 265 634 183 189.5 390.5 104.1 426.7 148.9 313.6 289. Sulawesi Selatan.3 413. (2) data suhu muka laut (SML) bulanan periode 1998-2011 Data yang digunakan dalam diperoleh dari NOAA.2 257.6 215.1 439.

Masukkan data curah hujan bulanan Hasil dari analisis KU yang telah secara berururutan tiap tahunnya (pada diperoleh adalah berupa analisis nilai eigen kajian ini untuk data yang masukan 210 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Adapun langkah-langkah Menurut Box and Jenkins (1970). KU dengan syarat presentase komulatif A. atas normal 2. Pengolahan Matriks Data (1) identifikasi model time series. (3) pengujian diagnostik model bulanan di Stasiun Meteorologi Pongtiku alternatif. mengguanakan kriteria dalam pemilihan dan . 2 No. yaitu komulatifnya. yang akhirnya seperti tertera pada gambar. dilakukan analisis prakiraan curah hujan kedalam batas normal (N). Pengolahan Komponen Utama 1. Dalam pengolahannya analisis B. jika nilai korelasi tinggi ARIMA menggunakan software Minitab menunjukkan adanya multikolinieritas. dan bawah normal (BN) untuk Multikolinieritas adalah adanya menentukan prediksi hasil perhitungan suatu hubungan yang erat antar variable peluang sifat hujan bulanan pada tahun bebas. yaitu: 1. Pemeriksaan Multikolonieritas (AN). (2) Data SML bulanan yang telah pendugaan parameter-parameter bagi model diekstrak dan data curah hujan observasi alternatif. pengolahan sebagai berikut: model ARIMA meliputi empat tahap. Analisis Komponen Utama sebesar lebih dari 90%. 16. cara menghitung korelasi antar variable Dalam pengolahan data model bebas. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Peta lokasi penelitian Metode yang digunakan dalam yang terdiri dari presentase dan presentase penelitian ini adalah metode statistik. 2 Juni 2015 Gambar 1. model ARIMA. dan (4) prakiraan nilai-nilai time Tana Toraja dibuat model matrik data series yang akan datang. Langkah-langkah perhitungan sebagai berikut : 3. Pengecekan dapat dilakukan dengan berikutnya. Model ARIMA komponen utama menggunakan software matlab R2013a. model probabilitas. Dan disini saya analisis komponen utama.

Tentukan periode data curah hujan yang a. 6. AN : 3/5 X 100 % = 60 % 2. 12. 6. Buat pendugaan untuk model ARIMA terakhir (kejadian akhir berturt turut = (pertama masukkan orde nya. Buat korelogram PACF untuk menentukan orde p . jangka waktu yang akan diprediksi. (3 tahun) = 1 3. 2 No. Hitung frekuensi kejadian tahun berturut-turut : 211 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .100 % = 1 100 % . atau normal perhitungan sebagai berikut : : 1.Desember 2010) . N = 100 . Januari 2011 = 401. PROBABILITAS batasan persen : = < 85% (BN) = 6 Dalam pengolahan data model 85 % . lalu pilih 5) . BN) : untuk peluang sifat hujan bulanan pada 4. Jika diperlukan differencing maka lakukan differencing (pada kajian ini (5 tahun) = 1 untuk data yang diolah sudah stasioner 7. (2 tahun) = 1 2. serta nilai batas bahwa : Peluang sifat hujan untuk bulan bawah normal . 2 Juni 2015 adalah data curah hujan bulanan (1 tahun) = 2 periode bulan Januari 1998 . Januari 2011 yang terbesar adalah di 5.(0+60) = 40 % bulanan .115 % = 2 probabilitas menggunakan perangkat lunak = > 115% (AN) = 3 Microsoft Exel 2007. AN. Hitung jumlah frekuensi kejadian tahun maka tidak dapat dilakukan berturut-turut (2+1+1+0+1=5) . Menentukan peluang kejadian untuk Adapun langkah-langkah atas normal. 8. 11. Tentukan nilai batas (N. Hitung kejadian berturut-turut tahun 5. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 9. b. Kelompokan prakiraan curah hujan P (>5) = 100 % . Buat grafik berdasarkan data curah tahun berikutnya.100 % = 0 % tersebut kedalam batas sifat hujan untuk menentukan prediksi sifat hujan Ket : P = Peluang bulan januari 2011. Hitung peluangnya terhadap frekuensi sehingga menghasilkan prakiraan kejadian yang ada curah hujan untuk bulan januari 2011) P (<=5) = 5/5 X 100 % = 100 % . Menentukan prediksi hasil perhitungan 3. differencing) . hujan bulanan dan nilai batas normal. Tentukan nilai curah hujan rata – rata c. 10. Buat korelogram ACF untuk menentukan orde q . BN : 6/7 X 0 % = 0 % akan digunakan .7 berdasarkan data curah hujan bulanan (cocok) yang ada kejadian (pada kajian ini untuk titik awal tahun kejadian adalah tahun 1999). (4 tahun) = 0 4. bawah normal. Tentukan titik awal tahun kejadian Atas Normal. Hitung frekuensi kejadian pada tiap C. Hasil perhitungan menunjukkkan nilai batas atas normal.

2 Juni 2015 Gambar 2. diperoleh prediksi sifat hujan bulanan pada maka untuk analisis komponen utama tahun 2011 nampak seperti tabel berikut: 212 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Berikut grafik perbandingan data curah hujan bulanan Dalam kajian ini nilai rata-rata yang tahun 2011 dengan data curah hujan rata- digunakan dalam pengolahan data selama rata bulanan tahun 1998 – 2010: 13 tahun diasumsikan sebagai nilai rata-rata Gambar 3. Grafik dan Perhitungan Model Probabilitas untuk Pendugaan Bulan Januari 2011 4. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. HASIL DAN PEMBAHASAN standart normal. Grafik Perbandingan Data Curah Hujan Bulanan Tahun 2011 dengan Data Curah Hujan Rata-Rata Bulanan Tahun 1998 – 2010 Setelah dilakukan pengolahan data.

Kontingensi nilai frekuensi relatif 213 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .25 x 100 % = 25 % Untuk model ARIMA diperoleh prediksi sifat hujan bulanan pada tahun 2011 nampak seperti tabel berikut: Tabel 6. 2 Juni 2015 Tabel 2. Kontingensi jumlah pasangan prakiraan dan observasi disetiap kategori Tabel 5. Kontingensi jumlah pasangan prakiraan dan observasi disetiap kategori Tabel 3. Kontingensi nilai frekuensi relatif Sesuai Prakiraan = 0. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Normal Tabel 4. Prediksi sifat hujan bulanan pada tahun 2011 Tabel 7. 2 No.

33% yaitu 4 bulan dengan data sifat hujan aktual ada 4 bulan prediksi sifat hujan sesuai dengan sifat yaitu bulan Mei.3333+0. model ARIMA diperoleh tingkat 2011 untuk model ARIMA yang sama kebenaran sebesar 33. sedangkan model probabilitas Desember sehingga diperoleh tingkat sebesar 50% yaitu 6 bulan prediksi sifat kebenaran sebesar 33. Mei. Oktober. dan hujan aktual.08333) Sesuai Prakiraan = (0. 2 No. September. 2 Juni 2015 Sedangkan untuk metode Tabel 9. Hasil prediksi sifat hujan pada Tahun 25%.25+0.99% 33. Normal Tabel 10. sebesar 50%.33 % Berdasarkan Tabel Kontingensi dari 5. KESIMPULAN ketiga model. Kontingensi jumlah pasangan prakiraan probabilitas diperoleh prediksi sifat hujan dan observasi disetiap kategori bulanan pada tahun 2011 nampak seperti tabel berikut : Tabel 8. Sedangkan analisis komponen utama dan model ARIMA dapat untuk memprediksi curah hujan (3) Mengingat model probabilitas tingkat kebenarannya lebih baik 214 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Juni. Hasil prediksi hujan sesuai dengan sifat hujan aktual (2) sifat hujan pada Tahun 2011 untuk metode Model probabilitas tidak dapat probabilitas yang sama dengan data sifat memprediksikan curah hujan. April. sehingga kita hujan aktual ada 6 bulan yaitu bulan Januari.33%. dan Desember besarnya curah hujan akan berada jauh di sehingga diperoleh tingkat kebenaran atas normal atau jauh di bawah normal. tidak dapat memprediksi kemungkinan Maret. Jurnal Meteorologi Klimatologi dan Geofisika Vol.083333) x 100 % = x 100 % = 49.08333+0. Kontingensi nilai frekuensi relatif Sesuai Prakiraan = (0. diketahui untuk hasil prediksi sifat hujan pada Tahun 2011 untuk metode Hasil penelitian ini mengarah analisis komponen utama yang sama dengan kepada suatu kesimpulan : (1) berdasarkan data sifat hujan aktual ada 3 bulan sehingga hasil analisis diperoleh tingkat kebenaran diperoleh tingkat kebenarannya sebesar untuk analisis komponen utama sebesar 25%.

Edisi Handoko. E. ARIMA. 2008. Jurnal Meteorologi Box.D. Metode Probabilitas Untuk DAFTAR PUSTAKA Pendugaan Suatu Nilai Berikutnya Secara Kualitatif. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2012. Jakarta Wirjohamidjojo. Badan Meteorologi dan Society. Sci. Surmaini. Lorenz. G. 2 No. Jakarta : BMKG Aldrian. E. Modul Pelatihan Journal Of Climatology. Surjadi.. 1956. Meteorologi Laut Indonesia. Jakarta: Kedeputian Lampung Menggunakan Model Bidang Klimatologi BMKG.23. D. A. Dasar – Dasar kedua. Tjasyono. sehingga kedua model ini dapat Brazil: Observations. Empirical orthogonal functions and statistical weather 215 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . sedangkan Department of Meteorology. Pendahuluan Teori Identification of Three Dominant Kemungkinan dan Statistik. 1970. Shukla.M. E. 2004. theory and dikombinasikan. 1981: On the hujan yang sangat diperlukan untuk dynamics of droughts in Northeast masyarakat. Modul Pelatihan Analisa Iklim. N. Vol. 2003.E. Rainfall Regions Within Indonesia Bandung : ITB. 1980. Geofisika. Kamus Meteorologi. 1994. Susanto. Metode Surface Temperature. International ARIMA. A. San Fransisco. analisis komponen utama dan model science Report 1. numerical experiments with a general circulation model. 2006.P and G. 2005. 2004. 2009. Royal Meteorological Musim. 2 Juni 2015 dari pada model ARIMA tetapi tidak dapat prediction. B. p Peningkatan Akurasi Prakiraan 1435 – 1452.A. Nuryadi.6 No. Klimatologi. ARIMA dapat menentukan prediksi curah Moura. Prediksi dan Validasi BMKG. Edvin. R. Jakarta. Time Dan Geofisika Vol. Atmos.. P. 1 Series Analysis Forecasting Maret 2005 and Control. S. Bandung : ITB Klimatologi. MIT. Jakarta : BMKG. Verifikasi Prakiraan Iklim Curah Hujan Stasiun Sukapura Indonesia. J. Jakarta Aldrian. and J. Technical report. untuk memprediksi curah hujan. and Their Relationship to Sea Soetamto dan Ulfah.M Jenkins.

kertas perekam tidak langsung terbakar karena membutuhkan waktu untuk mengering dan terbakar. Untuk memperkecil kelemahan tersebut dirancang dan dibuat alat pengukur durasi penyinaran matahari digital dengan sensor cahaya LDR dan sebuah mikrokontroler.com. Dari kelemahan deteksi sinar matahari pertanian. PENDAHULUAN yang berfungsi untuk merekam hasil pembakaran. LDR. data deteksi sinar matahari dengan cara pembakaran tentang durasi penyinaran sinar matahari sangat pias dibuat alat pengukur durasi penyinaran penting. hubungan antara laju dengan cara pembakaran pias.com ABSTRAK Di bidang klimatologi pertanian. Hasil pengolahan yang dilakukan oleh mirokontroler akan ditampilkan melalui sebuah LCD display dan monitor PC berupa durasi penyinaran matahari dalam satuan waktu dan persentase. Instrumen untuk merekam durasi penyinaran matahari yang digunakan BMKG adalah Campbell Stokes. Untuk mengatasi kelemahan Di bidang klimatologi pertanian. KATA KUNCI Campbell Stokes. pias tidak langsung terbakar. Dengan kondisi ini waktu untuk proses Dalam hubungan yang luas. perlu dibuat alat pertumbuhan tanaman atau hasil panen pengukur durasi penyinaran matahari tanpa dengan faktor atau unsur-unsur cuaca dari terganggu adanya hujan dan dapat dilakukan pengamatan jangka panjang. 2 No. terbakar. klimatologi mengering hingga terbakar tidak terdeteksi pada pertanian mencakup pula durasi musim pias. data tentang durasi (lamanya) penyinaran matahari sangat penting. agustri2004@yahoo. Alat tipe ini terdiri dari bola kaca yang berfungsi untuk memfokuskan sinar matahari dan kertas pias 216 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Kelemahan Campbell Stokes. Klimatologi pertanian atau agroklimatologi Kelemahan dari cara pembakaran pias (Agricultural Climatology). Keluaran sensor LDR akan diubah menjadi sinyal digital oleh internal ADC mikrokontroler selanjutnya diolah untuk menghasilkan data digital. Membahas pengaruh bersinar. secara otomatis. 2 Juni 2015 ALAT PENGUKUR DURASI PENYINARAN MATAHARI DIGITAL BERBASIS MIKROKONTROLER ATMEGA 16 A Muhammad Ridwan1 Agus Tri Sutanto2 1 Taruna Jurusan Instrumentasi STMKG Jakarta 2 Staf Pengajar STMKG Jakarta Email: Ridwanakaunank@yahoo. mengukur durasi penyinaran matahari dengan metode pembacaan secara manual. jika saat pengamatan terjadi hujan maka kertas perekam akan basah dan saat matahari bersinar. sedangkan pada saat matahari iklim di bidang pertanian. tetapi positif maupun negatif perilaku iklim terhadap membutuhkan waktu untuk mengering dan usaha pertanian. ADC 1. Campbell Stokes adalah salah satu alat matahari secara digital dengan memanfatkan yang digunakan oleh Badan Meteorologi sensor peka cahaya atau Light Dependent Klimatologi dan Geofisika (BMKG) untuk Resistor ( LDR). Jurnal Meteorologi Klimatologi dan Geofisika Vol. Campbell Stokes terdiri dari bola kaca dengan diameter 4 inch dan kertas perekam peka cahaya. klimatologi yang adalah jika saat pengamatan terjadi hujan maka menekankan pembahasan tentang permasalahan pias akan basah. Bola kaca berfungsi memfokuskan sinar matahari untuk membakar kertas perekam. dan mikrokontroler.

Hal ini disebabkan oleh d. DASAR TEORI seperti partikel dan gelombang yang berpindah dengan kecepatan sama dengan kecepatan cahaya 2. Energi tersebut mempunyai sifat-sifat Gambar 1.s-1). T4 diterima juga semakin besar dan (2) sebaliknya. Besarnya daya akibat radiasi matahari (Wm-2) www. adalah: peristiwa-peristiwa yang terjadi dalam dengan : atmosfer yang dianggap penting bagi sumber kehidupan. Dalam pengaliran cahaya matahari perbedaan letak lintang serta keadaan mencapai bumi akan melewati atmosfer atmosfer terutama awan dan juga dimana selama perjalanannya akan kandungan debu maupun uap air (Handoko. Energi matahari c  f * (1) merupakan penyebab pokok dari perubahan dan pergerakan dalam atmosfer sehingga c: cepat rambat gelombang elektromagnetik dapat dianggap sebagai pengendali iklim (m/s2) dan cuaca yang besar.1 RADIASI MATAHARI (c = 3x108m. Jumlah radiasi matahari yang sehingga energi yang diterima juga diterima oleh bumi berbeda-beda.azimuthproject. intensitas karena adanya kelengasan T : Suhu mutlak benda. a. Durasinya penyinaran matahari: dengan : Durasinya radiasi juga akan I : Intensitas radiasi pada permukaan benda mempengaruhi kuantitas. kualitas dan hitam pada semua frekuensi. Perpindahan energi f : frekuensi gelombang elektromagnetik matahari dari suatu tempat ketempat lain (Hz) dipancarkan dalam bentuk gelombang  : panjang gelombang elektromagnetik (m) elektromagnetik baik dengan media maupun tanpa media. b. dan 217 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Intensitas radiasi matahari: Semakin besar nilai intensitas maka radiasi yang I total = e σ . 2 Juni 2015 2. mengalami beberapa hambatan 1994). Jurnal Meteorologi Klimatologi dan Geofisika Vol. Hal ini akan mengalami pelemahan atau disebabkan oleh: atenuasi. Hipotesa Maxwell yang berkaitan dengan gelombang Matahari adalah sumber energi bagi elektromagnetik. adalah sebaliknya. Jarak terhadap matahari: Semakin dekat dengan matahari maka radiasi yang Besarnya intensitas radiasi matahari diterima juga semakin besar dan menurut Stefan-Boltzman.org Penerimaan radiasi matahari di yang jenuh sehingga radiasi matahari permukaan bumi sangat bervariasi menurut tidak sampai pada permukaan bumi. c. tempat dan waktu. 2 No.

T4 (4) P : daya radiasi (W) Gambar 2.com/weekpic/the-campbell-stokes- T : suhu mutlak (K) sunshine-recorder/ 2.3 CAMPBELL STOKES Kelemahan Campbell Stokes antara lain: Campbell-Stokes bekerja berdasarkan pemfokusan sinar matahari a. Prinsip alat ini adalah harus diubah sesuai dengan musim. Campbell Stokes ketika proses A : luas permukaan benda (m2) pembakaran pias E : koefisien emisivitas http://ittzy. 2 No. terlihat seperti garis lurus di bawah bola Banyaknya jumlah panas yang diterima oleh permukaan bumi tergantung pada lamanya lensa. kabut dan lainnya di atmosfer bumi. maka persamaan (3) dapat ditulis sebagai: dengan: P/A = = e. Penyinaran matahari pada permukaan Perhitungan durasi penyinaran matahari bumi kadang terdapat halangan seperi awan. akan memenuhi hukum yang sama.T4 (3) Intensitas merupakan daya per satuan luas. c.8. keadaan awan. 2008). Kertas pias matahari dalam periode satu hari dihitung dalam diletakkan pada titik api bola lensa satuan jam dan menit. Penyinaran matahari sedangkan hasil pembakaran pias akan dapat mengubah suhu permukaan bumi.67×10-8 Wm-2K-4) Untuk kasus benda panas yang bukan benda hitam. Pemasangan harus tepat pada lintang untuk mengukur “panjang” durasi tempat yang akan diukur. Jika kertas pias basah pada saat pias diletakkan pada titik api bola lensa pengamatan. sedangkan panjang pias b. 2 Juni 2015 Σ : Tetapan Stefan-Boltzman (5. Kelembapan dari kertas pias Dalam satu hari alat ini mempengaruhi proses pembakaran. kemiringan sudut datang matahari titik api lensa tidak akan terbakar. pias akan sulit untuk sedangkan hasil pembakaran pias akan dilepas dari dudukan Campbell Stokes. Dalam satu hari alat ini hanya Durasi penyinaran matahari adalah lamanya suatu wilayah tertentu menerima sinar menggunakan satu kertas pias. Data durasi dalam satuan jam penyinaran matahari dilaporkan setiap jam 00. Posisi yang terbakar dinyatakan dalam satuan jam.2 DURASI PENYINARAN lensa. WMO memberikan definisi durasi penyinaran matahari adalah jumlah waktu Lama Penyinaran Matahari Lama Penyinaran  X 1 Jam paparan radiasi matahari langsung ke Panjang Hari permukaan bumi yang melebihi 120 W/m2 (WMO No. Kertas pias yang tidak terletak pada penyinaran. hanya diberi tambahan koefisien emisivitas yang lebih kecil daripada 1 sehingga: I total = e. menggunakan hanya satu kertas pias. ke bumi.00 UTC.σ. pembakaran pias. 2. Jurnal Meteorologi Klimatologi dan Geofisika Vol. terlihat seperti garis lurus di bawah bola 218 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Kertas d. Kertas pias yang tidak terletak pada MATAHARI titik api lensa tidak akan terbakar. σ. kertas pias penyinaran. dan keadaan bumi itu sendiri.

sehingga yang bisa ditulis dan dihapus dengan cara hanya ada sedikit elektron untuk khusus. bahan dari cakram tersebut akan digital yang mempunyai masukan dan menghasilkan elektron bebas dengan keluaran serta kendali dengan program jumlah yang relatif sangat kecil. yaitu: 1. simbol dan (Software) karakteristik LDR https://www. atau keduanya). Software pemrograman dan kompiler serta downloader Gambar 3. Sistem minimal mikrokontroler (Hardware) 2. maka LDR mempunyai ATMega 16 karakteristik dengan resistansi kecil atau https://www. 2 Juni 2015 Jika dipaksakan akan menyebabkan pias rusak dan data tidak terbaca. Dalam lurus dengan intensitas cahaya yang mikrokontroler terdiri dari sebuah inti diterima oleh komponen tersebut. 2. Hal ini berarti pada saat cahaya redup.5 MIKROKONTROLER LDR adalah salah satu jenis resistor Mikrokontroler adalah sistem yang perubahan resistansinya berbanding komputer dalam sebuah chip. LDR. memori (sejumlah kecil Read berfungsi sebagai sensor cahaya yang Acess Memory atau RAM. Bentuk fisik. prosesor. dan perlengkapan yang mempunyai dua buah elektroda pada input output. permukaannya. atau bisa disebut juga LDR memiliki resistansi yang sangat besar pada saat gelap atau cahaya redup. memori terdiri dari sebuah cakram semikonduktor program. Pada kondisi ini LDR menjadi konduktor yang buruk. Dengan kata lain.s light resistance (RL) ≤ 5 KOhm. atau bisa disebut juga LDR memiliki resistansi besar atau dark resistance (RD) 20 MOhm dan dalam kondisi terang atau intensitas cahaya Gambar 4.com/Atmel/ATMEGA16.futurlec.4 LDR 2. html Untuk perancangan sebuah sistem berbasis mikrokontroler maka yang diperlukan adalah perangkat keras dan perangkat lunak.kitronik. LDR menjadi konduktor yang buruk atau isolator. Jurnal Meteorologi Klimatologi dan Geofisika Vol.uk 219 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .co. mengangkut muatan elektrik. Pada saat gelap atau cahaya mikrokontroler adalah suatu alat elektronika redup. Fungsi pin-pinmikrokontroler semakin kuat. 2 No.

3 DIAGRAM BLOK PERANCANGAN Pembuatan diagram blok dimaksudkan untuk mempermudah urutan kerja dan kaitan antar bagian. pengambilan kesimpulan dan saran. diguanakan sebagai acuan dalam 4. Jurnal Meteorologi Klimatologi dan Geofisika Vol. maka diperlukan beberapa tahapan antara lain studi literatur. perancangan dan pembuatan alat. 220 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 RANCANGAN SISTEM dapat menjalankan program mulai dari Pada rancangan sistem dibuat skema awal. Saran diperlukan untuk memperbaiki hasil dari penelitian ini serta pengembangan Gambar 7. Rangkaian clock. 2 No. Secara umum sistem Selesai minimum mikrokontroler memiliki bagian yang sama. Skema Diagram Rangkaian lebih lanjut. 2 Juni 2015 Mulai Studi literatur Perancangan Alat Gambar 5.1`METODOLOGI Agar penelitian sistem ini dapat dilakukan dengan baik. PERANCANGAN SISTEM Untuk membuat alat pengukur durasi penyinaran matahari perlu dibuat rancangan sistem. Sistem minimum AtMega 16 Implementasi dan Pengujian Sebuah mikrokontroler tidak dapat berfungsi secara sendirian. Diagram alir proses penelitian ditunjukan pada gambar 6: 3. diagram blok dan diagram alir proses sebelum pembuatan sistem. agar sistem dapat bekerja sesuai dengan fungsinya. namun Kesimpulan dan saran memerlukan komponen lain yang disebut sistem minimum. 3. rangkaian elektronika. 2. yaitu: Gambar 6. Diagram alir proses penelitian 1. yang digunakan pembuatan alat. 3. Prosesor. pengujian dan analisa. Rangkaian reset agar mikrokontroler 3. untuk memberi sumberdaya. yang digunakan untuk gambar rancangan komponen elektronika memberi detak pada Central Processing yang di rangkai sesuai fungsinya yang Unit (CPU). Skema merupakan 3. Rangkaian catu daya. yaitu mikrokontroler itu sendiri.

4 DIAGRAM ALIR PROSES merupakan ADC bawaan dari Diagram alir proses diperlukan untuk mikrokontroler memperoleh algoritma yang akan  Mikrokontroler digunakan pada software yang diprogram di Mikrokontroler berfungsi memproses mikrokontroler dan software durasi masukan data dan menampilkan hasil penyinaran matahari. Diagram Blok Sistem Interchange (ASCII). yang dapat dibaca dan ditampilkan 221 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . yang digunakan adalah sensor LDR. ADC yang digunakan mepunyai resolusi 10 bits yang 3.  LCD Display Sen ADC Mikrokontroler LCD Display berfungsi menampilkan data sor Display durasi penyinaran matahari hail proses dari mikrokontroler.  Personal Computer (PC) Data yang telah diproses oleh  Sensor mikrokontroler kemudian dikirim ke PC Sensor berfungsi untuk menerima sinar melalui komunikasi serial RS232. 2 Juni 2015 melalui sebuah LCD. Sensor mikrokontroler. Mikrokontroler PC yang di gunakan adalah ATMega 16. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. PC matahari yang mengubah intensitas juga mengirim data threshold dan reset ke cahaya menjadi resistansi sensor. dalam bentuk karakter kode Standar Amerika untuk Catudaya Pertukaran Informasi atau American Standard Code for Information Gambar 8.  Catudaya  Analog to Digital Converter (ADC) Memberikan suplai tegangan kepada ADC berfungsi untuk mengubah sinyal semua komponen sistem analog menjadi sinyal digital.

LCD. Mikrokontroler mendeklarasi jenis mikrokontroler akan mengaktifkan mikrokontroler. 2 No. data dari sensor jika data masukan dari sensor sesuai  Output >= threshold?  Posisi switch 222 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . pembacaan sensor. Diagram alir mikrokontroler Penjelasan diagram alir di Mikrokontroler membaca masukan dari mikrokontroler: sensor. 2 Juni 2015 Gambar 9. Jurnal Meteorologi Klimatologi dan Geofisika Vol. jika lebih besar atau kristal sama dengan nilai threshold. LCD. jika nilai output kurang dari nilai  Mulai Gambar 10. mikrokontroler akan mengulang  Mendeklarasikan mikrokontroler. Diagram alir di PC Mikrokontroler mulai bekerja threshold yang ditentukan. Kristal yang penghitung waktu digunakan  Jalankan penghitung waktu & persen  Baca data LDR Mengaktifkan penghitung waktu dan Mikrokontroler siap membaca masukan perhitungan persen penyinaran matahari.

Jika menerima data threshold tampilkan di log file akan di simpan. jika tidak maka perintah threshold dari pengguna mikrokontroler akan menunggu data reset dari PC  Simpan ke C:/ DATA DURASI PENYINARAN MATAHARI. PC menerima masukan data threshold mikrokontroler akan membaca data dari pengguna sensor  Kirim data threshold  Durasi penyinaran & persen = 0 PC mengirim data threshold ke Mikrokontroler mengubah nilai durasi mikrokontroler penyinaran & persen menjadi 0  Klik reset?  Selesai PC menerima perintah reset dari Mikrokontroler telah selesai menjalankan pengguna proses  Label durasi penyinaran matahari dan Penjelasan diagram alir di PC adalah persen = 0 sebagai berikut: PC menerima perintah reset dari pengguna dan mengubah nilai durasi 223 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jika menerima data threshold dari pengguna reset. Jika mikrokontroler akan melakukan tidak maka mikrokontroler menunggu perubahan nilai threshold. Jika pengguna Mikrokontroler menunggu data threshold ingin menyimpan data maka data yang di dari PC. 2 Juni 2015 Menyatakan posisi switch di alat yang di hubungkan ke port PD2 bernilai 0 atau 1  Tampilkan durasi penyinaran dan persen di LCD  Terima data dari mikrokontroler Jika tombol selektor ditekan maka LCD PC menerima data dari mikrokontroler akan menampilkan durasi penyinaran dan persen  Memproses data dari mikrokontroler PC memproses data yang di terima dari  Tampilkan tegangan sensor dan threshold mikrokontroler di LCD Jika tombol selektor tidak di tekan maka  Tampilkan hasil pemrosesan di label LCD akan menampilkan tegangan sensor durasi penyinaran dan persen/hari dan threshold di LCD  Tampilkan hasil pemrosesan di log file +  Kirim data ke PC waktu lokal PC Mikrokontroler mengirim data ke PC lewat komunikasi serial RS-232  Simpan log file? PC menunggu masukan dari pengguna  Terima data threshold? untuk menyimpan data. 2 No. mikrokontroler akan mengubah nilai durasi penyinaran dan nilai persen  Masukan data threshold menjadi 0 kembali.txt  Ubah threshold PC menyimpan data yang di tampilkan di Mikrokontroler mengubah nilai threshold log file ke hardisk C: dengan nama sesuai dengan nilai yang di kirimkan dari DATA DURASI PENYINARAN PC MATAHARI. Jurnal Meteorologi Klimatologi dan Geofisika Vol.txt  Terima perintah reset?  Ubah threshold? Mikrokontroler menerima perintah reset PC menerima perintah mengubah dari PC atau tidak. Jika tidak.

Sebaliknya jika tidak dan persen durasi penyinaran matahari ada sinar matahari yang mengenai LDR untuk di tampilkan di label durasi maka resistansi LDR akan menjadi lebih penyinaran dan persen/hari. Jurnal Meteorologi Klimatologi dan Geofisika Vol. mikrokontroler mulai menghitung waktu. Sebaliknya ketika tegangan output LDR di 4. Jika sinyal pada port PD2 bernilai 1 maka 3. sehingga output tegangan tersebut menjadi nilai durasi penyinaran LDR akan bertambah.1 IMPLEMENTASI mikrokontroler akan di tampilkan di LCD untuk durasinya penyinaran matahari dalam Implementasi atau tahap pembuatan satuan waktu dan satuan persen. Jika switch ditekan 0 maka port PD2 akan bernilai 1. Jika sinyal pada port PD2 PC mengirim perintah reset ke bernilai 0 maka LCD akan menampilkan mikrokontroler. 2 No. yaitu implementasi yang kemudian akan dibagi panjang hari perangkat keras atau hardware dan maksimum dan dikali 100%. Ketika tombol reset pada software ditekan maka komputer mengirim data reset ke Mikrokontroler yang di gunakan mikrokontroler sehingga nilai durasi dalam pembuatan sistem adalah penyinaran dan persen akan di atur ulang mikrokontroler ATMega 16 yang memiliki kembali. 2 Juni 2015 penyinaran matahari dan persen menjadi hubungkan ke port PD2. Hasil dari pemrosesan 4. mikrokontroler akan PENGUJIAN menghentikan sementara penghitung waktu dan seterusnya. Tegangan yang keluar dari LDR threshold. Output yang keluar dari LDR dalam satuan waktu maupun dalam satuan persen. sistem dilakukan setelah selesai tahap Jika tegangan output LDR lebih atau perancangan. matahari memiliki switch yang di 224 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Kemudian Sinar matahari tersebut akan memperkecil software akan mengolah masukan data resistansi LDR. mengirim perintah ke mikrokontroler untuk Setelah menjadi sinyal digital. tegangan output sensor dan threshold. maka tersebut ke dalam variabel threshold. pada software dilengkapi dengan dihubungkan ke ADC mikrokontroler pada tombol perubah threshold. tegangan referensi (Vref) sebesar 5 V. Data di kirim ke komputer melalui komunikasi serial RS-232. IMPLEMENTASI DAN bawah nilai threshold. dapat direset dengan menekan dihubungkan ke mikrokontroler. implementasi perangkat lunak atau Alat penghitung durasi penyinaran software. yaitu jika tegangan menekan tombol send maka mikrokontroler output LDR berubah menjadi tinggi dan akan memasukan nilai threshold yang baru mencapai nilai threshold. Secara garis besar tahap sama dengan nilai threshold maka implementasi ini dibagi menjadi 2 (dua) mikrokontroler akan menambah nilai 1 kelompok utama. Dalam tombol reset di bagian depan alat atau penelitian ini sensor LDR menggunakan dengan menekan tombol reset di software. Jika tombol port ADC PA0 untuk diproses menjadi threshold di tekan maka software akan sinyal digital. bersiap menerima nilai threshold yang baru.5 CARA KERJA SISTEM tampilan di LCD berubah menjadi durasi penyinaran matahari dalam satuan jam dan Sensor peka cahaya LDR menerima durasi penyinaran dalam satuan persen. jika switch ditekan kembali maka port PD2 akan  Kirim perintah reset bernilai 0. mikrokontroler akan melakukan Setelah nilai threshold di masukan dan pemprosesan lanjut. sinar matahari yang mengenai permukaan. besar sehingga output tegangan LDR akan Nilai durasi penyinaran matahari baik berkurang. 8 kanal ADC (port PA0-PA7) dan resolusi Untuk memudahkan mengubah nilai 10 bit.

Di dalam kolom log file akan tampil juga data durasi Pengujian bertujuan untuk penyinaran dan persen/hari di tambah mendapatkan informasi dari sistem yang waktu lokal komputer.0. Data Pengujian dilakukan di taman alat yang di simpan ialah data yang ada pada Sekolah Tinggi Meteorologi Klimatologi logfile dengan nama file default DATA dan Geofisika (STMKG) dengan cara DURASI PENYINARAN MATAHARI. Maka pada label durasi penyinaran dan persen/hari akan 4. Setelah itu klik open. 2 Juni 2015 Gambar 10. menekan tombol threshold kemudian isi Cuaca di sekitar taman alat STMKG pada nilai threshold di kolom yang telah di saat pengujian kondisinya cerah berawan sediakan. Untuk Untuk mengkoneksikan software dengan mengakhiri koneksi pengguna dapat hardware pertama kali adalah mengisi port menekan tombol close untuk memutus COM yang di gunakan pada kolom COM. 2 No. Setelah itu tekan tombol send. Setelah tombol save di tekan akan sesuai dengan standar operasional. pengguna dapat menekan tombol reset Pembuatan tampilan pada PC dengan untuk mengatur ulang nilai durasi menggunakan Microsoft Visual Basic 6. Hasil akhir yang diharapkan maka pengguna harus menekan tombol sistem ini dapat operasikan di lapangan save. penyinaran dan persen/hari. membandingkan sistem hasil rancangan Pada software ini juga dilengkapi dengan Campbell Stokes sebagai alat pengubah threshold. Gambar 11. Sensor diletakan bersebelahan dan merubah threshold maka pengguna harus tinggi yang sama dengan alat standar. Jurnal Meteorologi Klimatologi dan Geofisika Vol. dibuat. muncul kotak dialog penyimpanan. sehingga dapat dilakukan koreksi Jika pengguna ingin menyimpan data dan perbaikan. Posisi pengujian sistem 225 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . .txt. Jika pengguna ingin standar. hubungan antara hardware dengan software. Implementasi sistem Software digunakan sebagai interface Setelah waktu pengamatan selesai atau antarmuka antara alat dan komputer.2 PENGUJIAN menampilkan data dari recorder.

19 Tidak terbakar 2 3. 2 No.50 Berhenti Tidak terbakar 9 3.2.46 Berhenti Tidak terbakar 10 3. Dari Pengujian durasi penyinaran Matahari.55 V.55 Terbakar 10 3.34 Berhenti Tidak terbakar 7 3.2 Pengujian Durasi Penyinaran Pengujian ini bertujuan untuk bertambah jika tegangan output sensor mengetahui apakah nilai durasi penyinaran melebihi threshold dan berhenti saat tegangan output sensor di bawah threshold. percobaan (lihat tabel 1) maka di ketahui pias Campbell Stokes mulai 4.56 Terbakar 8 3. Pengujian Durasi Penyinaran No Tegangan Waktu Campbell output Stokes 1 3. 2 Juni 2015 Dua tipe pengujian yang dilakukan. Tabel Threshold Tegangan Kondisi N Output Sensor PiasCampbellSt o (V) okes 1 3.40 Berhenti Tidak terbakar 8 3.60 Terbakar 9 3.56 Bertambah Terbakar 5 3.56 Bertambah Terbakar 226 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Pencarian nilai threshold diperoleh dengan cara membandingkan tegangan Tabel 1.34 Tidak terbakar 5 2. yaitu output sensor dengan pias Campbell Pengujian menentukan nilai threshold dan Stokes ketika pias mulai terbakar. Jurnal Meteorologi Klimatologi dan Geofisika Vol.56 Terbakar 4. Tabel 2.2.1 Pengujian Nilai Threshold terbakar pada tegangan output 3.47 Tidak terbakar 3 3.45 Tidak terbakar 4 3.46 Tidak terbakar 7 3.56 Bertambah Terbakar 2 3.64 Bertambah Terbakar 4 3.55 Bertambah Terbakar 3 3.96 Tidak terbakar 6 3.45 Berhenti Tidak terbakar 6 3.

Heri. http://www. Afrie. o Sensor peka cahaya yang mempunyai Setiawan. Mikrokonroler (http://inirobot. Penerbit Informatika. sehingga Mikrokontroler ATMEGA 8535 & mempunyai akurasi lebih tinggi. 5.alldatasheet. Pemrograman o Resistansi sensor LDR sangat mikrokontroler AVR ATmega16 dipengaruhi oleh intensitas cahaya menggunakan Bahasa C (CodeVision matahari yang mengenai permukaan sensor. o Tegangan threshold sebesar 3. 20 Aplikasi sensitivitas lebih baik. Informatika. Andrianto (2013). Gunawan. berpengaruh pada tegangan keluaran sensor LDR.alldatasheet. telah berhasil dibuat alat yang KOMUNIKASI DATA.com/2011/10/ Andrianto. Heri.N. (2011). Kesimpulan yang diperolehdari penelitian yang telah dilakukan: o Dengan menggunakan sensor peka Green DC. Bandung. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Departemen Stokes terbakar. Penerbit berfungsi untuk mengukur durasi ANDI Yogyakarta penyinaran cahaya matahari hal ini ditunjukkan dengan bertambah hitungan dari sistem. 2 Juni 2015 5. Direktorat Pendidikan Menengah Kejuruan. KESIMPULAN DAN SARAN Eka Putra. Sehingga hal ini juga akan AVR). M. Agfianto. Pengantar diperoleh pada saat pias Campbell Klimatologi Pertanian.55 V Nawawi.com/2011/07/ 20/adc-analog-to-digital-converter/ DAFTAR PUSTAKA Fadli. (2010). Mudah menguasai pemrograman mikrokontroler Atmel AVR 5.html Datasheet LDR. Pendidikan Nasional. http://depokinstruments.blogspot.com/datasheetpdf/p df/255660/ATMEL/ATMEGA16A. Bandung. cahaya LDR. (2002). Yogyakarta: Penerbit o Solar tracker untuk mengarahkan ANDI sensor LDR mengikuti arah gerak posisi matahari secara otomatis agar ADC (Analog to Digital Converter 2011) kerja sensor lebih optimal.1 KESIMPULAN menggunakan BASCOM-AVR. ADC dan mikrokontroler Insap.com 227 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Penterjemah: Santoso. ATMEGA 16 menggunakan o ADC yang mempunyai resolusi lebih tinggi dari 10 bits (minimal 12 bits).2 SARAN Jakarta.html) Mikrokontroler AVR ATMega16 menggunakan Bahasa C (CodeVision Datasheet ATMega 16 AVR).www. (2001). BASCOM-AVR. 2 No. (2010). (2013). Pemrograman mikrokontroler.

Other data that is used is synoptic data and wind data. Till this February there was 26 hotspots counted. Kabut asap di Riau tidak hanya mempengaruhi Kualitas Udara di Provinsi ini. The data from BMKG that is showed that in East Sumatera ISPU (Standard Index of Air Pollution) the index is in the middle position (index 51-100). the result of this research is the smog trajectory in Province of Riau. So. hotspots. Dengan menggunakan Grads. It can cause the rainfall is decrease in this area.com ABSTRAK Monitoring hotspot di Provinsi Riau dilakukan untuk mengetahui arah sebaran kabut asap yang dihasilkan dari titik-titik api hasil kebakaran hutan di Provinsi Riau. This disaster is really disturbing human activities. Data dari BNPB mencatat bahwa untuk Provinsi Riau sampai bulan Februari ini sudah terdapat 26 hotspot. tetapi juga mempengaruhi ISPU di daerah lain. data is got from NOAA18 satellite with using Arcgis can be done for knowing the hotspots and making the model of hotspots and smoke trajectory by seeing the profile of wind directions. which is used for forecast wind direction in Province of Riau. KATA KUNCI Arah angin. In this occasion hotspot data is needed. ISPU. hasil dari penelitian ini dapat diketahui arah sebaran kabut asap di Provinsi Riau. In conclusion. Based on BMKG report. dapat ditentukan arah penyebaran kabut asap di Riau. Dari data BMKG di daerah Sumatera Bagian Timur mencatat bahwa ISPU (Indeks Standar Pencemaran Udara) yaitu berkisar sedang (indeks 51-100). serta sebaran kabut asap dengan melihat profil arah angin. ABSTRACT Hotspots monitoring in Province of Riau is done for knowing the direction of smog trajectory that is caused by the hotspots that is result of forest burning. From that model we can see the probability of smog in Riau. Data diperoleh dari satelit NOAA18. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Data lain yang digunakan yaitu data sinoptik serta data angin untuk melakukan forecast arah angin di Provinsi Riau. smog 228 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Hal ini sangat mengganggu aktifitas masyarakat yang ada di sana. Indonesia will get the influence from weak El-Nino until June 2015. The data from BNPB showed that in Province of Riau.2 No. can be done the preparation in facing and solving the problems that is caused by the smog. hotspot. kabut asap. Dengan demikian. sehingga dapat dilakukan persiapan dalam melakukan penanggulangan terhadap kabut asap yang terjadi. Berdasarkan laporan BMKG. Dari hasil pemodelan tersebut dapat dilihat potensi kabut asap di daerah Riau. ISPU. KEYWORDS Wind direction. Indonesia akan mengalami dampak El-Nino lemah sampai bulan Juni 2015. dengan menggunakan Arcgis dapat dilakukan penentuan titik panas dan melakukan pemodelan titik-titik api. Smog in Province of Riau is not only take the influence for Air Quality in this Province. Hal ini dapat menurunkan intensitas curah hujan di daerah ini. By using Grads we can be predicted the direction of smog in Riau. forecasti. forecast. Dalam hal ini data hotspot sangat diperlukan. 2 Juni 2015 PRAKIRAAN ARAH SEBARAN KABUT ASAP (SMOG) DI PROVINSI RIAU MARET TAHUN 2015 DILIHAT DARI ILMU KLIMATOLOGI (Studi Kasus Hotspot di Provinsi Riau) Hadiman1 dan Rezfiko Agdialta1 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika Email: imanhadiman5@gmail. but also take influence for Air Quality in other areas.

Provinsi Riau adalah salah satu provinsi yang terletak di Pulau Sumatera. Titik. Tercatat pada tanggal Gambar 1. Karena titik api lainnya akan array/matriks untuk data spasial yang muncul di titik-titik lain yang tidak dapat digunakan. pada Dampak dari kebakaran hutan ini www.gov/psd/data/composites/da adalah memunculkan titik-titik api. Tanah di Provinsi Riau termasuk jenis tanah gambut. Partikel uap air dapat bergerak secara vertical dan horizontal. Data namun sulit untuk dipadamkan. tampilan web download data nc 07 Maret 2015 dari pantauan Stasiun Meteorologi Kelas I Simpang Tiga Dalam hal ini kami mengambil variabel Pekanbaru (Bandar Udara Sultan Syarif victor wind dan analysis level pada level Kasim II) kualitas udara berada pada angka 850 mb. DATA DAN METODE Provinsi Riau terdapat di bagian tengah pantai timur Pulau Sumatera. untuk melihat perbandingan angin per Secara ilmu klimatologis wilayah lapisan ketinggian. Ketika tersebut ada yang berupa data nc atau biasa terjadi kebakaran di tanah gambut. Prakiraan arah sebaran kabut asap di Provinsi Riau Maret 2015 bertujuan untuk mengetahui daerah mana saja yang berpotensi mengalami dampak dari kabut asap dan mengalami penurunan Kualitas Udara berdasarkan ISPU (Indeks Stadar Pencemaran Udara). hal Format). api di disebut NetCDF (Network Common Data tanah gambut merambat ke permukaan.esrl. Adanya asap ini mengganggu ikatan molekul partikel uap air. akan muncul jendela seperti gambar 1. Data yang digunakan dalam penelitian ini tanah gambut bersifat mudah terbakar menggunakan beberapa jenis data. untuk partikel uap air (massa udara) yang bergerak secara horizontal dibawa oleh angin dengan energi kinetiknya dan kecepatan yang dimilikinya Gambar 2. y.1 DATA sepanjang pesisir Selat Malaka. tampilan web eslr 229 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . pada bulan Maret dan April merupakan puncak hujan kedua. 2 Juni 2015 1.noaa. titik api (Hotspot) ini kemudian dapat menghasilkan emisi berupa karbon dioksida (CO2) yang dapat menyebabkan terjadinya penurunan kualitas udara dari suatu wilayah yang terkena dampak dari sebaran kabut asap ini. Riau mempunyai pola hujan tipe equatorial dimana terdapat dua puncak hujan dalam periode musim. Hal ini 131 dengan kondisi tidak sehat. yaitu di 2. sehingga uap-uap air tersebut sulit untuk mengumpul menjadi satu yang disebut dalam bentuk awan. Data nc merupakan salah satu ini mengakibatkan api sulit untuk format data yang banyak menggunakan dipadamkan. dikarenakan adanya asap yang tebal. 925 mb dan 1000 mb. 2. PENDAHULUAN akan bergerak kemana saja sesuai dengan arah anginnya. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Data nc ini dapat di download diduga. Saat ini kondisi atmosfer tidak mendukung untuk terjadi pertumbuhan awan-awan hujan.2 No. Riau.

bom.shtml. server dan GIS berbasis web. data ini berupa data angin Zonal akan dianalisis arah sebaran kabut asapnya dan Meridional. Data hotspot diperoleh dari www. prakiraan arah sebaran asap yang terjadi di Provinsi Riau pada bulan Maret 2015 yang dapat digunakan sebaga acuan untuk melakukan penanggulangan terhadap kabut asap yang terjadi. 2. Sedangkan ArcGIS merupakan kompilasi fungsi-fungsi dari berbagai Dari web bom kita akan mendowload macam software GIS (Geographic angin gradient dalam bentuk foto sehingga Information System) yang berbeda seperti dapat dilihat arah angin gradient. Dari web ini kita akan mengambil Untuk melihat angin gradien kami hotspot sesuai dengan yang diperlukan mendownload dari badan meteorologi untuk melakukan analisis. Grads digunakan untuk melakukan Data lain yang digunakan adalah data titik visualisasi data yang didapat dari web eslr api (hotspot) yang terjadi pada daerah yang NOAA.au/australia/charts/arc digunkan untuk melakukan analisis hive/index. Data ini diolah dalam grads 230 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 METODE Pada penelitian ini kami menggunakan dua metode dalam proses penyelesainnnya.weather. Dalam lingkaran merah terdapat dua tipe data netCDF yaitu u wind (variable angin zonal) dan v wind netcdf. Tampilan web milik Singapura ke-dua data ini diperlukan untuk melihat pergerakan vector angin dan streamline. ubah region sesuai dengan temapat yang akan dianaisis. 2 Juni 2015 Atur waktu yang akan digunakan. yaitu Grads dan ArcGIS. data ini berisikan latitude dan longitude hotspot yang terdeteksi oleh satelit NOAA 18. Data-data yang Australia dengan masuk kedalam web sudah didapat merupakan data yang akan http://www.sg/wip/c/portal/layout?p _l_id=PUB.1003.2 No. Terakhir klik create plot. Data hotspot dapat diperoleh dari web milik Singapura. yaitu Provinsi Riau.gov. ini ketinggian angin gradient yaitu 850 mb. dalam hal GIS desktop. Gambar 5. maka kita akan masuk kedalam web seperti gambar di bawah ini: Gambar 3. Grads merupakan software interaktif yang digunakan untuk memanipulasi dan visualisasi data sains kebumian secara Gambar 4. Maka akan muncul tampilan . tampilan web bom mudah.614.gov. Jurnal Meteorologi Klimatologi dan Geofisika Vol. tampilan hasil Dari sini kita akan mengambil data berupa netCDF.

850 mb TANGGAL 03 MARET Garis latitude berada pada -6 S sampai 6 N 2015 dan untuk longitude berada pada 94 E sampai 110 E. 2 no 1 Juni 2015 untuk mendapatkan pergerakan angin di 3. PEMBAHASAN HASIL lapisan 850 mb. Streamline lapisan 850 mb tanggal 03 Maret 2015 231 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Angin Vektor lapisan 850 mb tanggal 03 Maret 2015 Gambar 7. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Gambar 6.1 ANGIN PADA KETINGGIAN garis latitude dan longitudenya disesuaikan. PENELITIAN Hasil dari grads ini dalam bentuk visualisasi angin vector dan streamline yang 3. 925 mb dan 1000 mb. Pemberian latitude dan longitude ini untuk mempermudah dalam melakukan analisa arah pergerakan sebaran kabut asap.

Peta sebaran titik panas (Hotspot) tanggal 03 Maret 2015 Pada tanggal 03 Maret 2015 dapat mempengaruhi kondisi di Riau terdapat 40 titik panas di wilayah Sumatera. memperlihatkan bahwa angin pada ketinggian 850 mb mengarah ke selatan dengan prakiraan kecepatan angin antara <1. Gambar 8. Di lihat dari anginnya. Hal ini 232 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Dari angin ini dapat dianalisis bahwa kabut asap yang terjadi di wilayah Riau dapat terbawa ke daerah di selatan Riau yaitu Provinsi Jambi. maupun di wilayah Jambi.5 hingga 3 knot. sebagian besar titik terdapat di wilayah Riau.

Angin Vektor lapisan 850 mb tanggal 05 Maret 2015 Gambar 10. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 no 1 Juni 2015 3. Streamline lapisan 850 mb tanggal 05 Maret 2015 233 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .2 ANGIN PADA KETINGGIAN 850 mb TANGGAL 05 MARET 2015 Gambar 9.

234 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Hal ini dapat mempengaruhi kondisi di Riau maupun di wilayah Jambi. sebagian besar titik terdapat di wilayah Riau. Peta sebaran titik panas (Hotspot) tanggal 05 Maret 2015 Pada tanggal 05 Maret 2015 terdapat 27 titik panas di wilayah Sumatera. memperlihatkan bahwa angin pada ketinggian 850 mb mengarah ke selatan dengan prakiraan kecepatan angin antara 1. Gambar 11. Di lihat dari anginnya. Dari angin ini dapat dianalisis bahwa kabut asap yang terjadi di wilayah Riau dapat terbawa ke daerah di selatan Riau yaitu Provinsi Jambi.5 hingga 3 knot.

Streamline lapisan 850 mb tanggal 06 Maret 2015 235 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 no 1 Juni 2015 3. Jurnal Meteorologi Klimatologi dan Geofisika Vol.3 ANGIN PADA KETINGGIAN 850 mb TANGGAL 06 MARET 2015 Gambar 12. Angin Vektor lapisan 850 mb tanggal 06 Maret 2015 Gambar 13.

memperlihatkan bahwa angin pada ketinggian 850 mb mengarah ke selatan dengan prakiraan kecepatan angin antara <1. selatan Riau yaitu Provinsi Jambi. Dari angin ini dapat dianalisis bahwa kabut asap yang terjadi di 236 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .5 knot.5 hingga 3 knot. sebagian Sumatera bagian timur terlihat angin dengan kecepatan <1. Di lihat dari anginnya. maupun di wilayah Jambi. Peta sebaran titik panas (Hotspot) tanggal 06 Maret 2015 Pada tanggal 06 Maret 2015 terdapat wilayah Riau dapt terbawa ke daerah di 23 titik panas di wilayah Sumatera. Gambar 14. Hal ini sebagian besar titik terdapat di wilayah dapat mempengaruhi kondisi di Riau Riau.

2 no 1 Juni 2015 3. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Angin Vektor lapisan 850 mb tanggal 13 Maret 2015 Gambar 16.4 ANGIN PADA KETINGGIAN 850 mb TANGGAL 13 MARET 2015 Gambar 15. Streamline lapisan 850 mb tanggal 13 Maret 2015 237 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .

sebagian besar titik terdapat di wilayah Riau.5 knot. 238 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Hal ini dapat mempengaruhi kondisi di Riau maupun di wilayah Jambi.5 sampai 3 knot. Peta sebaran titik panas (Hotspot) tanggal 13 Maret 2015 Pada tanggal 13 Maret 2015 terdapat 25 titik panas di wilayah Sumatera. Dari angin ini dapat dianalisis bahwa kabut asap yang terjadi di wilayah Riau dapt terbawa ke daerah di selatan Riau yaitu Provinsi Jambi. Gambar 17. namun pada beberapa daerah kecepatan berkisar <1. memperlihatkan bahwa angin pada ketinggian 850 mb mengarah ke selatan dengan prakiraan kecepatan angin antara <1. Di lihat dari anginnya.

Streamline lapisan 850 mb tanggal 14 Maret 2015 239 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .5 ANGIN PADA KETINGGIAN 850 mb TANGGAL 14 MARET 2015 Gambar 18. Angin Vektor lapisan 850 mb tanggal 14 Maret 2015 Gambar 19. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 no 1 Juni 2015 3.

pembakaran lahan di daerah tersebut. Dari pembahasan diatas dapat memperlihatkan bahwa angin pada disimpulkan bahwa kabut asap yang terjadi ketinggian 850 mb mengarah ke selatan di Provinsi Riau sangat mempengaruhi dengan prakiraan kecepatan angin sekitar 3 lingkungan hidup di Riau tetapi juga dapat knot di daerah sekitar Riau. Dilihat dari anginnya. 4. Kebakaran hutan yang terjadi terjadi di wilayah Riau dapt terbawa ke di Riau dapat diakibatkan karena adanya daerah di selatan Riau yaitu Provinsi Jambi. di Indonesia yang merupakan daerah 240 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . KESIMPULAN sebagian besar titik terdapat di wilayah Riau. Dari angin ini mempengaruhi wilayah yang ada dapat dianalisis bahwa kabut asap yang disekitarnya. Peta sebaran titik panas (Hotspot) tanggal 14 Maret 2015 Pada tanggal 13 Maret 2015 terdapat 64 titik panas di wilayah Sumatera. hal ini Hal ini dapat mempengaruhi kondisi di karena Riau merupakan salah satu wilayah Riau maupun di wilayah Jambi. Gambar 20.

M. Provinsi Jambi.id/berita/nasional/ hingga 3 knot dan juga ada sebagian daerah umum/13/6/20/mooz7e-lahan-gambut- dengan kecepatan angin 3 knot sampai 4. uap panas dari pembakaran akan tersimpan di dalam Drs.. Namun..republika. Tanah gambut merupakan tanah Riau yaitu Provinsi Jambi.co. Dari hal ini dapat disimpulkan bahwa 241 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .5 knot (http://www. ain/artikel/Hujan_di_Riau.bmkg. 2014. (online). Ditambah dengan kondisi arah persebaran kabut asap yang terjadi di lahan di Riau yang merupakan lahan Riau dapat mempengaruhi daerah di selatan gambut. Achmad Zakir. Jurnal Meteorologi Klimatologi dan Geofisika Vol.5 mudah-terbakar-tapi-sulit-dipadamkan) knot. tanah gambut mempunyai sisi negatif yaitu dapat menyimpan uap panas didalam tanah sehingga jika terjadi DAFTAR PUSTAKA pembakaran di atas permukaan.go. Hujan di tanah. Lahan Gambut angin yang terjadi pada bulan Maret di mudah terbakar tapi sulit dipadamkan wilayah Sumatera mengarah ke selatan. A. Dengan kecepatan angin antara < 1. 2 no 1 Juni 2015 perkebunan. Uap panas ini jika terkena sedikit api Riau (online). 2013. saja dapat mengakibatkan kebakaran yang (http://www. Kabut asap di yang subur sehingga hal ini mengakibatkan Riau akan terbawa angin dan mengarah ke daerah Riau menjadi daerah perkebunan.bmkg) Dari profil angin di atas dapat dilihat dan disimpulkan bahwa sebagian besar arah Islamy Jamil.id/bmkg_pusat/lain_l besar.

KATA KUNCI Angin. Kondisi Indonesia yang diapit oleh dua benua dan dua samudera membuat Indonesia mengalami dua fenomena monsun yaitu. Fenomena laut yang memiliki peranan sangat vital adalah tinggi gelombang laut sehingga. Fenomena laut yang memiliki mengalami monsun Australia dapat peranan sangat vital adalah tinggi diketahui daerah mana saja yang gelombang laut sehingga. 2 Juni 2015 PENGARUH FENOMENA MONSUN ASIA-AUSTRALIA TERHADAP TINGGI GELOMBANG LAUT DI INDONESIA Rizki Fadhillah Pratama Putra Sekolah Tinggi Meteorologi Klimatologi dan Geofisika. dilakukan perhitungan tinggi gelombang menggunakan wave model berupa WINDWAVE-05. penangkapan ikan dan lain ketika mengalami monsun Asia dan ketika sebagainya. kegiatan variasi dari gelombang laut di Indonesia perekonomian. kegiatan kelautan sangat memegang peranan penting dalam kehidupan masyarakat Indonesia baik dalam hal transportasi pelayaran. tinggi gelombang rata-rata lebih tinggi dari pada saat musim peralihan. monsun Asia dan Monsun Australia. Dengan mengetahui variasi dan karakteristik gelombang laut di Indonesia terhadap monsun. LATAR BELAKANG ada. Meteorologi VA E-mail : RizkiFadhillahPP@gmail. Untuk itu. Dan tinggi gelombang rata-rata di daerah laut yang luas dan dalam lebih tinggi ketimbang di daerah laut yang sempit dan dangkal. ekonomi dan lain sebagainya. 242 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . variasi dan karakteristik gelombang laut di Indonesia memiliki keterkaitan erat dengan pola monsun yang terjadi. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Maka. masyarakat Indonesia baik dalam hal Dengan mengetahui karakteristik dan transportasi pelayaran. mengakibatkan gelombang rata-rata tertinggi tersebut. diperlukan mengalami gelombang rata-rata tertinggi informasi tentang variasi dan karakteristik dan terendah serta jenis monsun apa yang gelombang laut di Indonesia. diharapkan dapat meningkatkan angka keselamatan di bidang pelayaran. 2 No. Hasil dari kajian ini memperlihatkan bahwa. diperlukan informasi tentang variasi dan karakteristik gelombang laut di Indonesia. Pada saat Monsun Asia dan Australia terjadi. PENDAHULUAN Dari beberapa sistem monsun yang a. keadaan gelombang di laut Indonesia baik kegiatan kelautan sangat memegang dari segi karakteristik dan variasi peranan penting dalam kehidupan gelombangnya. Gelombang laut tercipta dikarenakan faktor angin dimana kekuatan angin menentukan seberapa besar gelombang yang terjadi. Gelombang Laut. Monsun yang terjadi julukan benua maritim dimana dua pertiga di Indonesia ini akan mempengaruhi luas wilayahnya adalah lautan maka. Dan dalam kajian ini juga memperlihatkan perbandingan antara tinggi gelombang rata-rata di laut Indonesia disaat mengalami monsun Asia dengan disaat mengalami monsun Australia.com ABSTRAK Indonesia merupakan negara dengan julukan benua maritim dimana memiliki luas lautan yang lebih besar dari luas daratannya. Indonesia dipengaruhi oleh sistem monsun yang dikenal dengan monsun Asia Indonesia merupakan negara dengan dan monsun Australia. Monsun 1.

Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. 2 Juni 2015

Hasil kajian ini bertujuan untuk gaya tarik menarik bumi-bulan-matahari
mengetahui dan menganalisa pengaruh (gelombang pasang-surut), dan gempa
monsun Asia dan monsun Australia (vulkanik atau tektonik) di dasar laut
terhadap variasi dan karakteristik (gelombang tsunami).
gelombang laut di perairan Indonesia Berdasarkan intensitas kejadiannya,
sehingga dapat menunjang keselamatan gelombang yang dibangkitkan oleh angin
pelayaran, kelancaran perekonomian dan (windwave) adalah yang paling banyak
penangkapan ikan. terjadi. Variasi dan karakteristik gelombang
tersebut dipengaruhi oleh kekuatan, arah
b. ANGIN DAN GELOMBANG dan durasi angin.
LAUT
c. MONSUN INDONESIA
Angin adalah udara yang bergerak,
merupakan salah satu fenomena Monsun merupakan fenomena iklim
meteorologi yang diakibatkan oleh global dimana terjadi perubahan iklim di
perbedaan tekanan udara antara tekanan atmosfer dan laut. Penyebab dari fenomena
tinggi dan tekanan rendah di atmosfer. ini adalah pergerakan titik kulminasi
Semakin besar gaya gradien tekanan maka, matahari terhadap bumi yang bergerak utara
semakin kuat angin yang dihasilkan. selatan. Monsun atau muson adalah angin
Gelombang laut adalah pergerakan periodik, terutama di samudera Hindia dan
naik turunnya muka laut yang disebabkan sebelah selatan Asia. Umumnya untuk
oleh angin, dimana besar kecilnya Indonesia, monsun Asia terjadi pada bulan
gelombang dipengaruhi oleh besarnya Oktober-April dikarenakan matahari berada
kekuatan angin yang terjadi. Gelombang di BBS dan monsun Australia terjadi pada
yang terjadi di lautan dibagi atas beberapa bulan Mei-September dikarenakan matahari
macam tergantung kepada gaya berada di BBU.
pembangkitnya. Pembangkit gelombang
laut bisa disebabkan oleh angin (windwave),

Gambar 1. Rata-rata arah monsun Asia (kanan) dan monsun Australia (kiri)
(sumber : www.bmkg.go.id)

2. METODE PENELITIAN Area penelitian yang dipakai adalah
a. AREA PENELITIAN LU - LS dan BT - BT,
dimana area tersebut juga di set pada
aplikasi WINDWAVES-05.

243

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. 2 Juni 2015

Perhitungan tersebut menggunakan
parameteriasi sebagai berikut :
a. Mapping domain = LU -
LS dan BT - BT
b. Run (UTC) = 00.00
c. FTC (hours) = 168
d. Step (hours) = 12
e. Dir. Interval = 60 min

2.3.2 Monthly Analysis

. Gambar 2. Batas Area Penelitian Monthly analysis adalah metode
analisa tinggi dan arah gelombang dalam
jangka waktu satu bulan dalam satu tahun
b. DATA menggunakan input data arah dan
Data yang digunakan adalah data grib kecepatan angin dalam bentuk grib untuk
yang merupakan data arah dan melihat rata-rata tinggi dan arah gelombang
kecepatan angin yang bersumber dari pada satu bulan di dalam tahun tertentu.
web maritim.bmkg.go.id/grib dengan
jangka waktu 2006-2010 Yang 2.3.3 Analisa Secara Deskriptif
seluruhnya telah dilakukan inisiasi Menggunakan Data Hasil Running
sebelum melakukan analisis. WINDWAVE-05

Dengan menggunakan metode
Monthly Analysis, data yang dianalisis
2.3 METODE kemudian ditampilkan dalam bentuk model
gelombang dengan bantuan aplikasi
2.3.1 Tinggi dan Arah Gelombang ArcView GIS 3.3. Analisa gelombang yang
Perhitungan tinggi dan arah gelombang diambil adalah analisa untuk gelombang
menggunakan aplikasi WINDWAVES-05 maksimum. Hal ini dilakukan karena untuk
dengan menggunakan rumus empiris melihat gelombang tertinggi yang terjadi
sebagai berikut : dalam satu periode waktu dan monsun
tertentu.

3. HASIL PENGOLAHAN DAN
Keterangan: PEMBAHASAN
S = S(f, ɵ) = spektrum energi sebagai
fungsi frekuensi dan arah rambat Daerah yang dibahas adalah daerah
t = waktu dengan kisaran keseluruhan tinggi
C = vektor kecepatan kelompok gelombang rata-rata 3 meter atau lebih. Hal
gelombang (group velocity). ini dikarenakan tinggi gelombang tersebut
dianggap mempengaruhi transportasi dan
Suku (CgS): menyatakan perubahan energi tingkat keselamatan pelayaran.
selama perambatan gelombang karena Berdasarkan analisa peta arah dan
adveksi dan refraksi oleh dasar laut tinggi gelombang laut di Indonesia tahun
Sin = perubahan energi karena angin 2006-2010 didapatkan hasil pada tahun
Snl = perubahan energi karena transfer 2006 untuk monsun Asia, kondisi tinggi
energi non linier antar gelombang gelombang rata-rata tertinggi terjadi pada
Sds = energi yang hilang, termasuk karena bulan Desember (Gambar 3), dengan tinggi
gesekan dasar laut. gelombang rata-rata tertinggi 6 meter,
terjadi di daerah laut Cina Selatan. Untuk

244

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. 2 Juni 2015

daerah laut Cina Selatan secara disebabkan oleh faktor angin. Dimana
keseluruhan, tinggi gelombang rata-rata energi angin paling besar berasal dari
berkisar 2.5-6 meter, dengan arah angin daerah sebelah utara Indonesia dimana
dominan dari timur laut. Untuk di daerah sistem monsun Asia masuk. Untuk daerah
samudera pasifik sebelah timur laut laut dangkal dan selat, tinggi gelombang
Indonesia tinggi gelombang berkisar 2-4 tidak begitu tinggi dan dapat dikatakan
meter dengan arah angin dari daerah timur aman untuk transportasi laut dimana tinggi
laut. Secara keseluruhan daerah perairan gelombang hanya berkisar antara 0.5-1.25
bagian selatan Indonesia memiliki tinggi meter.
gelombang yang tidak begitu tinggi hal ini

Gambar 3. Tinggi Gelombang rata-rata tertinggi bulan Desember tahun 2006 monsun Asia

Gambar 4. Tinggi Gelombang rata-rata tertinggi bulan Juli tahun 2006 monsun Australia

Pada tahun 2006 untuk monsun Australia rata tertinggi terjadi pada bulan Juli, dengan
(Gambar 4), kondisi tinggi gelombang rata- kondisi tinggi gelombang rata-rata tertinggi

245

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. 2 Juni 2015

6 meter terjadi di daerah laut Andaman dan gelombang rata-rata 2.5-6 meter, begitu
Samudera Hindia sebelah barat daya juga dengan daerah laut Andaman. Dan di
Indonesia. Untuk daerah samudera Hindia daerah laut Arafuru tinggi gelombang 3-3.5
sebelah barat daya Indonesia tinggi meter.

Gambar 5. Tinggi Gelombang rata-rata tertinggi bulan Januari tahun 2007 monsun Asia

Pada tahun 2007 untuk monsun Asia, Indonesia. Secara keseluruhan, tinggi
kondisi tinggi gelombang rata-rata tertinggi gelombang rata-rata di daerah laut Cina
terjadi pada bulan Januari dengan tinggi Selatan 3-7 meter dan pada daerah
gelombang rata-rata tertinggi 7 meter samudera Pasifik sebelah timur laut
terjadi di daerah laut Cina Selatan dan Indonesia tinggi gelombang rata-rata 3-5
samudera Pasifik sebelah timur laut meter.

Gambar 6. Tinggi Gelombang rata-rata tertinggi bulan Agustus tahun 2007 monsun Australia

Pada tahun 2007 untuk monsun gelombang tertinggi terjadi pada bulan
Australia, kondisi rata-rata tinggi Agustus dengan tinggi gelombang rata-rata

246

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. 2 Juni 2015

tertinggi 6 meter terjadi di samudera Hindia Indonesia 3-6 meter. Untuk daerah laut
sebelah barat daya Indonesia. Secara Andaman tinggi gelombang rata-rata 3-3.5
keseluruhan, tinggi gelombang rata-rata di meter. Dan untuk daerah laut Arafuru tinggi
daerah samudera Hindia sebelah barat daya gelombang rata-rata 3-3.5 meter.

Gambar 7. Tinggi Gelombang rata-rata tertinggi bulan Desember tahun 2008 monsun Asia

Pada tahun 2008 untuk monsun Secara keseluruhan, tinggi gelombang rata-
Asia, kondisi tinggi gelombang rata-rata rata di daerah laut Cina Selatan 3-6 meter
tertinggi terjadi pada bulan Desember dan pada daerah samudera Pasifik sebelah
dengan tinggi gelombang rata-rata tertinggi timur laut Indonesia tinggi gelombang rata-
6 meter terjadi di daerah laut Cina Selatan. rata 3-5 meter.

Gambar 8. Tinggi Gelombang rata-rata tertinggi bulan Agustus tahun 2008 monsun Australia

247

Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

5 Agustus dengan tinggi gelombang rata-rata meter. 2 No. Gambar 10. Secara daerah laut Arafuru tinggi gelombang rata- keseluruhan. 2 Juni 2015 Pada tahun 2008 untuk monsun daerah samudera Hindia sebelah barat daya Australia. Secara meter. Gambar 9.5 meter. tinggi gelombang rata-rata di rata 3-3. 248 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Tinggi Gelombang rata-rata tertinggi bulan Januari tahun 2009 monsun Asia Pada tahun 2009 untuk monsun keseluruhan. Untuk daerah laut Banda tinggi tertinggi 6 meter terjadi di samudera Hindia gelombang rata-rata 3-3. Jurnal Meteorologi Klimatologi dan Geofisika Vol. tinggi gelombang rata-rata di Asia. Untuk daerah laut gelombang tertinggi terjadi pada bulan Andaman tinggi gelombang rata-rata 3-3. Dan untuk sebelah barat daya Indonesia. kondisi tinggi gelombang rata-rata daerah laut Cina Selatan 3-7 meter dan pada tertinggi terjadi pada bulan Januari dengan daerah samudera Pasifik sebelah timur laut tinggi gelombang rata-rata tertinggi 7 meter Indonesia tinggi gelombang rata-rata 3-6 terjadi di daerah laut Cina Selatan. Secara keseluruhan. kondisi rata-rata tinggi 6 meter terjadi di samudera Hindia sebelah gelombang tertinggi terjadi pada bulan Juli barat daya Indonesia. kondisi rata-rata tinggi Indonesia 3-6 meter. Tinggi Gelombang rata-rata tertinggi bulan Juli tahun 2009 monsun Australia Pada tahun 2009 untuk monsun dengan tinggi gelombang rata-rata tertinggi Australia.5 meter.

Jurnal Meteorologi Klimatologi dan Geofisika Vol. tinggi gelombang rata- Asia. Untuk daerah laut Gambar 11. Tinggi Gelombang rata-rata tertinggi bulan Juli tahun 2010 monsun Australia Pada tahun 2010 untuk monsun dengan tinggi gelombang rata-rata tertinggi Australia. Indonesia 3-6 meter.5 meter. rata 3-3. kondisi tinggi gelombang rata-rata rata di daerah laut Cina Selatan 3-6 meter tertinggi terjadi pada bulan Desember dan pada daerah samudera Pasifik sebelah dengan tinggi gelombang rata-rata tertinggi timur laut Indonesia tinggi gelombang rata- 6 meter terjadi di daerah laut Cina Selatan. 2 No. 249 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . kondisi rata-rata tinggi 6 meter terjadi di samudera Hindia sebelah gelombang tertinggi terjadi pada bulan Juli barat daya Indonesia dan laut Arafuru. Tinggi Gelombang rata-rata tertinggi bulan Desember tahun 2010 monsun Asia Pada tahun 2010 untuk monsun Secara keseluruhan. Gambar 12.5 samudera Hindia sebelah barat daya meter. 2 Juni 2015 tinggi gelombang rata-rata di daerah Andaman tinggi gelombang rata-rata 3-3.

E. C S. 2 Juni 2015 Secara keseluruhan. tinggi gelombang rata-rata Andaman tinggi gelombang rata-rata 3-3. meter. Untuk daerah laut tersebut karena. Pasifik sebelah timur laut Indonesia dengan tinggi gelombang rata-rata mencapai 3-7 C. Monsoon Meteorology. laut Andaman. H. 2008. meter tiap tahunnya dan umumnya tinggi 1987. 2011. 2 No. Meteorologi Laut terjadi.5 secara keseluruhan dibawah 2 meter. 2. Pada saat monsun Australia tinggi Kurniawan. variasi dan karakteristik London. 250 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Chang and T. New gelombang rata-rata tertinggi terjadi pada York : Oxford University Press.P. 3.1971. tinggi gelombang rata-rata tertinggi di Indonesia dipengaruhi oleh monsun yang Aldrian. pada saat monsun Asia Indonesia. KESIMPULAN Ramage. Jakarta: Badan tinggi gelombang rata-rata tertinggi terjadi Meteorologi Klimatologi dan di daerah laut Cina Selatan dan samudera Geofisika (BMKG). Untuk laut Indonesia. laut dangkal seperti laut rata di daerah samudera Hindia sebelah jawa. DAFTAR PUSTAKA 4. tinggi gelombang rata. Jurnal Meteorologi Klimatologi dan Geofisika Vol. gelombang rata-rata tertinggi di Indonesia Variasi Bulanan Gelombang Laut terjadi di daerah samudera Hindia sebelah di Indonesia. Academic Press. laut Flores dan laut dangkal lainnya di barat daya Indonesia 3-6 meter.. Dimana. Untuk daerah selat. Suratno. Jakarta : Badan barat daya Indonesia. gelombang rata-rata mencapai 3-6 meter tiap tahunnya dan umumnya tinggi gelombang rata-rata tertinggi terjadi pada bulan Juli-Agustus. Krishnamurti. bulan Desember-Januari. Untuk laut Banda tinggi gelombang transportasi dan pelayaran di daerah rata-rata 3-3. New York and 1. Secara umum.N. Najib.Monsoon Meteorology.5 meter. 296pp. laut Meteorologi Klimatologi dan Arafuru dan laut Banda dengan tinggi Geofisika (BMKG). R. Eds. pengaruh monsun tidak begitu Arafuru tinggi gelombang rata-rata 3-6 signifikan terhadap keselamatan meter.

10 s/d 21. also radar sensing and satellite analysis shows 251 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Kata kunci: hujan ekstrim.2 mm/h rain at 20:00 UTS and 33. SATELIT DAN MODEL WRF (Studi Kasus : Tanggal 20 April 2014 di Kota Bengkulu) Jaka Anugrah Ivanda Paski1 . and study of the WRF (Weather Research and Forecasting) model. serta hasil citra satelit MTSAT (Multi-functional Transport Satellite) yang diolah menggunakan SATAID (Satellite Animation and Interactive Diagnosis) memanfaatkan beberapa macam kanal dan analisis dari hasil permodelan WRF. kemudian dilanjutkan oleh kondisi hujan lebat disertai petir dari pukul 18. WRF ABSTRACT Extreme weather in the form of heavy rainfall and thunderstorms hit the city of Bengkulu on April 20th 2014.hujan sangat lebat > 100 mm/hari). radar. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Kondisi ini menyebabkan beberapa tempat di wilayah rawan banjir di Kota Bengkulu tergenang air. Results shows that extreme weather has occurred in the form of extreme rainfall which was indicated by 29. Using data measured by the rainfall recorded Hilman type and data from radar sensing and satellites. Dengan mengacu pada data curah hujan yang terukur pada penakar hujan dan memanfaatkan data penginderaan citra radar dan satelit serta kajian dari bentuk permodelan WRF (Weather Research and Forecasting) dilakukan analisis kejadian hujan ekstrim untuk mengetahui intensitas curah hujan dan dinamika atmosfer pada saat itu.com ABSTRAK Pada tanggal 20 April 2014 telah terjadi kejadian cuaca ekstrim yang berupa hujan lebat disertai petir di kota Bengkulu.00 UTC.2 mm/jam pada 20.3 mm/h rain at 21:00 UTC (BMKG category – heavy rainfall > 20 mm/h) and the rain of April 20th 2014 measured at 104:00 mm/day (BMKG category – Heavy rainfall > 100 mm/day). Tanggerang Selatan Email : jaka. serta analisis citra radar dan satelit menunjukan adanya pertumbuhan dan sebaran awan cumulonimbus yang signifikan di wilayah kota Bengkulu. satelit MTSAT.00 UTC (Kategori BMKG. Menurut hasil catatan penakar hujan Hilman di Stasiun Meteorologi Fatmawati Bengkulu.3 mm/jam pada 21. Firman Setia Budi1. Dyah Ajeng Sekar Pertiwi1 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG Jakarta) Jl.paski@yahoo. Pondok Aren. Recorded data sourced from Bengkulu’s Fatmawati Meteorological Station indicated light rain appearing at 14:40 UTC for a duration of around 10 minutes. Perhubungan 1 no 5 Pondok Betung.40 UTC selama sepuluh menit. followed by heavy rains and thunderstorms lasting from 18:10 until 21:00 UTC. 2 Juni 2015 ANALISIS DINAMIKA ATMOSFER KEJADIAN HUJAN EKSTRIM MEMANFAATKAN CITRA RADAR. 2 No.00 UTC dan 33. This condition caused minor flooding in several locations in Bengkulu prone to floods.hujan sangat lebat > 20 mm/jam) dan curah hujan tanggal 20 April 2014 terukur 104. Metode yang dilakukan dengan menganalisis hasil produk radar BMKG Bengkulu. The investigation is performed by analyzing results from BMKG Benkulu and the MTSAT (Multi-functional Transport Satellite) with SATAID (Satellite Animation and Interactive Diagnosis) uses different canals and analysis of the WRF models. hujan ringan dimulai pada pukul 14.0 mm/hari (Kategori BMKG. Hasil penelitian dan analisis menunjukan bahwa telah terjadi kejadian cuaca ekstrim berupa hujan lebat yang dibuktikan dengan pengkuran 29. SATAID. analysis of extreme rainfall is performed to investigate the intensity of the rainfall and atmospheric dynamics of the event.

awan. radar. dimana disebelah barat reflectivity yang memiliki besaran langsung berbatasan dengan Samudra satuan dBZ (decibel). 2 Juni 2015 significant growth and spreading of cumulonimbus clouds within the area of Bengkulu city. Peluang terjadinya makin besar juga nilai dBZ. yang kemudian tulisan adalah data prakiraan angin gradien akan mempengaruhi sirkulasi atmosfer yang diperoleh dari Bureau of Meteorology global [1]. bahkan laporan warga pada pukul intensitas curah hujan (presipitasi) yang 19. Serta citra Shearline. dan Diseminasi Cuaca Ekstrim. Makin besar Hindia dan dibatasi oleh perbukitan di energi pantul yang diterima radar maka wilayah timur. DATA & METODE proses pembentukan uap air. Hal ini terjadi dan bagaimana keadaan dinamika ditandai dengan pertumbuhan awan atmosfer saat terjadi fenomena cuaca cumulonimbus (Cb) yang signifikan dan ekstrim. pengukuran intesitas oleh radar cuaca bahwa cuaca ekstrim merupakan satu berdasarkan seberapa besar pancaran fenomena yang tidak lazim terjadi. 2010 dan Peraturan KBMKG Nomor : dan kelembaban udara atas.009 tahun 2010 tentang SOP menggunakan permodelan WRF untuk Pelaksanaan Peringatan Dini. maka kajian kelurahan di kota Bengkulu terendam analisis ini terfokus pada pengukuran banjir. Serta KEP. PENDAHULUAN Penulisan ini bertujuan untuk mengetahui faktor-faktor apa saja penyebab Pada tanggal 20 April telah terjadi fenomena cuaca ekstrim yang terjadi kota kejadian cuaca ekstrim di wilayah kota Bengkulu pada tanggal 20 April 2014. Eddy. WRF 1. MTSAT satellite.gov.1.au) . SATAID. Data hujan dan proses pelepasan panas laten ke atmosfer oleh klaster awan-awan penghasil Data yang dipergunakan dalam hujan yang sangat besar. karena itu diperlukan pemahaman dinamika atomosfer dan lautan. Bengkulu dengan ditandai hujan dengan seberapa besar intensitas curah hujan yang intensitas lebat disertai petir. Jurnal Meteorologi Klimatologi dan Geofisika Vol. perubahan suhu puncak awan. Menurut laporan pada Untuk dapat menjawab beberapa Harian Rakyat Bengkulu. Keywords: extreme rain. curah 2. Oleh lebih membuat presisi dari hasil analisa. Pelaporan. Fatmawati Bengkulu. sebanyak 8 permasalahan yang ada.30 UTC genangan air hingga setinggi terukur di Stasiun Meteorologi paha orang dewasa dibeberapa titik [2]. satellit yang diolah menggunakan software SATAID untuk Penulis dalam hal ini memiliki menggambarkan kondisi dinamika tugas memberikan pelayanan informasi atmosfer saat terjadi fenomena cuaca cuaca ekstrim sebagai mana telah tercantum ekstrim dengan menganalisa cakupan dalam Undang-Undang Nomor 31 tahun awan.bom. energi radar yang dipantulkan kembali Fenomena cuaca ekstrim sangat mungkin oleh butiran-butiran air di dalam awan terjadi di wilayah kota Bengkulu. dan daerah terjadi semakin besar [3]. dan pertumbuhan awan konvektif penyebab semakin besar nilai dBZ reflectivity cuaca ekstrim sangat besar berdasarkan menunjukkan intensitas hujan yang faktor regional hingga lokal seperti efek Tropical Cyclone. 2 No. Selain itu Sebagaimana telah diketahui. menilik dan digambarkan dengan produk dari topografinya. utamanya dalam hal 2. (BOM) (www. data curah 252 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . penyebarannya yang merata di atas wilayah Kota Bengkulu.

2 Juni 2015 hujan tanggal 20 April 2014 untuk wilayah SATAID menggunakan beberapa kanal kota Bengkulu dan data pengamatan yaitu IR.00 UTC 253 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Analisa prakiraan angin gradien 2. Metode Menurut perkiraan angin gradien pada tanggal 20 April 2014 pukul 12. mengolah data curah hujan jauh menyebabkan terdapatnya daerah berdasarkan periode waktu dan perubahan arah angin (shearline) di wilayah intensitasnya yang terukur pada penakar kota Bengkulu yang dikotak merah pada hujan Hilman. dan NWP serta sinoptik yang diperolah dari Stasiun menganalisis secara keseluruhan dari data- Meteorologi Kelas III Fatmawati Bengkulu. pergarakan sangat memungkinkan di daerah kota angin dengan produk HWIND dan pusat Bengkulu terjadi cuaca ekstrim. 2 No.edu) 3. sebaran presipitasi faktor regional penyebab cuaca buruk menggunakan PAC (dBA).go. dan mengolah data satelit MTSAT menggunakan program Gambar 1. mengolah data hasil gambar (lihat gambar 1). Perubahan arah pengamatan sinoptik.00 Metode kegiatan analisis yang UTC yang di keluarkan oleh Bureau of dilakukan hingga diperoleh hasil yang Meteorology (BOM) pukul 16. IR4.ucar. Serta mengolah data grib MTSAT tanggal 20 April 2014 yang diolah menggunakan model WRF. data Citra Satelit April 2014. menggunakan SATAID-GMSLPW yang diperoleh dari (www. mengolah data citra angin (shearline) di wilayah kota Bengkulu radar cuaca BMKG kota Bengkulu terutama mempengaruhi pertumbuhan awan yang data sebaran awan menggunakan hasil signifikan. 3. data yang sudah dikumpulkan.49 UTC disajikan dalam tulisan ini adalah dengan bahwa adanya Eddy di daerah sekitar utara mengolah data angin gradien untuk melihat Riau atau tenggara Sumatera Utara. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Prakiraan Angin Gradien 12. dan data final analysis dari (rda. serta faktor regional yang mempengaruhi adanya Tropycal Cyclone “Jack” di barat terjadinya cuaca ekstrim tanggal 20 April daya Bengkulu dengan jarak yang cukup 2014.2. baik curah data penginderaan citra radar wilayah kota hujan dan sebaran awan cumulonimbus Bengkulu yang diperoleh dari Radar Cuaca pada saat terjadi cuaca ekstrim tanggal 20 BMKG Bengkulu. HASIL DAN PEMBAHASAN yang diolah menggunakan model WRF. pertumbuhan awan konvektif menggunakan hasil produk CMAX.satelit.bmkg. WV.id). Dengan terdapatnya beberapa produk CAPPI (dBZ).1.

UTC dan 33. terlihat mm. 2 Juni 2015 3.4 °C dan suhu titik embun 23.00 UTC (Kategori BMKG. 3.00 didapatkan nilai sebesar 27.4 °C per-periode waktu (lihat tabel 2). 2014 terukur oleh penakar hujan obs 104. Jurnal Meteorologi Klimatologi dan Geofisika Vol. jarak pandang mendatar lebat > 100 mm/hari).2.serta keadaan cuaca curah hujan dalam 3 jam-an terukur 83. suhu lagi dengan pengolahan dari curah hujan udara 23.1 hujan sangat lebat disertai petir. Analisa citra RADAR (Radio Detection and Ranging) 1) CAPPI (dBZ) 254 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .7 mm/jam. Data ini ditambah (visibility) terpendek teramati 1000 m. Tabel 1.3.0 Tekanan udara permukaan (QFF) tercatat mm/hari (Kategori BMKG. Sedangkan pengukuran intensitas hujan yang terukur pengukuran data sinoptik pada saat terjadi oleh penakar hujan Hilman di Stasiun cuaca ekstrim.hujan sangat berkisar 1009 mb.3 mm/jam pada 21. kalo dirata-ratakan per-jam maka bahwa pengkuran 29. dimana pada pukul 20. Data gambaran keadaan cuaca di kota Bengkulu. Analisa intensitas curah hujan dan disajikan dalam bentuk tabel jumlah hujan hasil pengamatan sinoptik tiap jam (lihat tabel 1) dan juga curah hujan per-periode waktu seperti yang dijabarkan Pada tanggal 20 April 2014. Curah Hujan tiap jam yang tercatat pada Hilman Stamet Fatmawati 20 April 2014 Tabel 2.hujan sangat lebat > 20 Dari data sinoptik yang tercatat di mm/jam) dan curah hujan tanggal 20 April Stasiun Meteorologi Fatmawati Bengkulu. dapat dijadikan sebagai Meteorologi Fatmawati Bengkulu. Curah Hujan per-periode Dalam data pada Tabel 1.2 mm/jam pada 20. dalam tabel (lihat tabel 2).00 UTC. 2 No.

Alasan Penginderaan citra radar cuaca ini diambil kenapa produk radar CAPPI_120_05. dimana mulai terjadi pertumbuhan digunakan yaitu CAPPI_120_05.cappi saat hujan lebat disertai petir mulai terjadi yang digunakan. Tampilan CAPPI (dBZ) dari pukul 18.1 mm hingga produk PAC (dBA) di wilayah provinsi 100. Produk ditutupi oleh warna jingga hingga merah ini dihasilkan dari PAC_240_1D_RTR. 2 No.52 UTC terlihat bahwa tersebut bergerak dan berkumpul menjadi terdapat beberapa cakupan awan sel awan yang lebih besar yang menutupi cumulonimbus yang berada diatas wilayah sebagian wilayah kota Bengkulu.0 mm.40 UTC Dari tampilan citra radar cuaca dalam Bengkulu berada dantara 25. karena produk ini pada tanggal 20 April 2014. Jurnal Meteorologi Klimatologi dan Geofisika Vol. wilayah kota Bengkulu pada Bengkulu. dimana itu berarti presipitasi didaerah 255 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .52 UTC dengan skala waktu persepuluh menit Dari tampilan CAPPI (dBZ) yang rendah. Tampilan PAC (dBA) dari pukul 19. 2 Juni 2015 Gambar 2.cappi dari awan.pac tua. Cakupan awan yang terpisah-pisah pukul 18.00 – 19. menggambarkan keadaan pada lapisan 2) PAC (dBA) Gambar 3.02 – 18. terlihat di daerah kota Bengkulu gambar terletak pada pusat radar.02 – 18. kota Bengkulu (lihat gambar 2).

Jurnal Meteorologi Klimatologi dan Geofisika Vol. Tampilan HWIND V dan CAPPI (dBZ) Dari tampilan hasil produk HWIND berkumpul di wilayah Kota Bengkulu (lihat V (HWIND_V_120_0_5.42 -20. 2 Juni 2015 3) HWIND V dipadu dengan CAPPI (dBZ) Gambar 4. mempunyai dBZ yang bernilai besar Terdapat 3 (Tiga) pusat awan konvektif. tampilan yang terdapatnya pusat awan konvektif [4].02 UTC. Citra radar ini diambil pada dipadukan dengan CAPPI_120_05.hwind) yang gambar 4). dan (C) (lihat konvektif penyebab hujan. Tampilan CMAX (dBZ) Dengan menggunakan tampilan hasil dari produk tersebut dapat dilihat CMAX (dBZ) kita bisa mengetahui posisi tampilan secara vertikal.(B). dapat dilihat bahwa pergerakan angin yang hujan yang terjadi di wilayah kota bertiup mengarah ke wilayah kota Bengkulu dalam intensitas sangat lebat. 2 No. semakin tinggi gambar 5). Bengkulu sehingga awan-awan konvektif 4) CMAX Gambar 5. Setelah diolah menggunakan dBZ yang terdeteksi semakin lebat hujan VCUT terhadap tampilan CMAX (dBZ). 256 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . dimana saat itu.cappi pukul 19. yang dapat ditimbulkan. merupakan gambaran dari pusat awan dimana di beri tanda (A).

Tampilan VCUT dari berbagai titik (A) (B) (C) pada CMAX (dBZ) Dari tampilan VCUT CMAX 3. bumi dan atmosfer [6]. kanalnya untuk mempresentasikan hasil dari penginderaan citra satelit (lihat tabel 3). Karakteristik kanal citra satelit MTSAT 257 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . pada gambar (B) pusat awan bernilai 58 Citra satelit diperoleh dari dBZ dengan berwarna merah tua. Citra satelit MTSAT Tampilan dBZ yang bernilai besar tersebut yang diolah menggunakan aplikasi dapat menggambarkan bahwa terdapat SATAID dengan program GMSLPW yang awan cumulonimbus yang sudah memiliki beberapa kanal yang berbeda berlandasan dan dapat menyebabkan hujan fungsi untuk kegiatan analisis (lihat tabel 4) dengan intensitas sangat lebat. Jurnal Meteorologi Klimatologi dan Geofisika Vol. Tabel 3. citra diambil dan memiliki karakteristik tersendiri setiap sesaat sebelum hujan terjadi. 2 Juni 2015 Gambar 6. Analisa citra satelit menggunakan (dBZ). 2 No. dan pada radiometer yang mengukur radiasi baur EM gambar (C) pusat awan bernilai 53 dBZ (elektromagnet) yang dipancarkan matahari. pada gambar (A) pusat awan aplikasi SATAID bernilai 47 dBZ dengan berwarna jingga tua.4. dengan berwarna merah (lihat gambar 6).

asumsi puncak awan dengan suhu < 32 °C tertutup cakupan awan yang mempunyai merupakan awan hujan [7].8 °C tampilan IR dalam EXT3 wilayah kota menunjukan bahwa awan yang menutupi Bengkulu yang berada didalam lingkaran tersebut termasuk awan konvektif dengan hitam pada gambar (lihat gambar 7). Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. digunakan dalam analisis ini disesuaikan Tabel 4. tersebut menyimbolkan suhu puncak awan 258 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . 2 Juni 2015 Dalam analisis ini digunakan kanal oleh kebutuhan. dinamika cuaca yang terjadi sebagai serta pengolahan data NWP (Numerical pelengkap dan penyempurna dari Weather Prediction). IR 4 untuk suhu MTSAT kita dapat melihat gambaran puncak awan dan WV untuk kelembaban. Dari gambaran citra satelit IR untuk cakupan awan. pemanfaatan kanal citra satelit MTSAT 1) Kanal IR (Infra Red) Gambar 7. Gambar ini suhu puncak awan yang berwarna kuning. diambil saat terjadi hujan dengan intensitas hijau tua hingga ungu violet. Cakupan awan menurut suhunya tampilan kanal IR tampilan Ext3 Dari citra satelit dalam bentuk berkisar mulai dari -41. Produk – produk yang penginderaan citra radar.7 °C hingga 75. dimana warna sangat lebat di kota Bengkulu.

00 UTC. sejak cikal bakal titik-titik hujan. Seperti yang diketahui bahwa wilayah kota Bengkulu (ihat gambar karakteristik kanal IR4 tentang foto 8). semakin putih hitam terlihat ditutupi oleh cakupan awan cakupan awan.10 UTC terlihat bahwa suhu puncak 9a). presipitasi berupa hujan dalam intensitas Tampilan kontur awan ini diambil di ringan pukul 12. Semakin rendah suhu puncak awan menyimbolkan bahwa awan tersebut telah Suhu puncak awan dalam bentuk terjadi pengembunan yang akan menjadi periode waktu menampilkan bahwa.00 UTC. Setelah titik- 259 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Tampilan suhu pada peta kontur awan selalu berada di bawah 0 °C.00 UTC hingga rendah juga dapat terlihat pada tampilan terjadi hujan lebat disertai petir pada pukul peta kontur horizontal awan (ihat gambar 18. suhu terlihat bahwa suhu puncak awan berada tertinggi terjadi sebelum turunnya dibawah -50 °C pada pukul 12. puncak awannya. 2 Juni 2015 2) Kanal IR4 (Infra Red 4) Gambar 8. 2 No.Wilayah kota Bengkulu yang dilingkar cakupan awan (lihat table 3). Tampilan kontur awan horizontal suhu puncak awan (A) dan tampilan suhu per-periode waktu (B). semakin rendah suhu yang putih tebal pukul 12.00 UTC (lihat gambar 9b). Jurnal Meteorologi Klimatologi dan Geofisika Vol. Tampilan kanal IR4. wilayah kota Bengkulu. seperti yang terlihat di Gambar 9. Suhu puncak awan yang sangat terjadi hujan pukul 12.

tandai dengan kotak berwarna hitam. 2 No. terlihat bahwa kelembaban semakin besar (lihat gambar 12). suhu pusat awan turun karena telah terjadi presipitasi berupa hujan. 3) Kanal WV (Water Vapour) Gambar 10. Seperti semakin berhimpit maka kelembaban pada gambar 11. semakin tinggi diwilayah kota Bengkulu di tampak bahwa T dan Td semakin berhimpit. Perhitungan ini diambil saat 4) NWP (Numerical Weather terjadi hujan dengan intensitas sangat lebat Prediction) di kota Bengkulu. Sebagaimana karakteristik gambar menggunakan produk dari kanal WV. 2 Juni 2015 titik air turun. Tampilan kelembaban udara menggunakan kanal WV. yang ditampilkan oleh kanal WV. itu menandakan bahwa kelembaban semakin besar.00 UTC semakin lama grafik mulai pukul 18. dimana kelembaban juga dapat ditentukan melalui semakin putih cakupan awan menandakan grafik selisih antara T dan Td. apabila semakin lembab (lihat tabel 4). Pada tampilan dari pengolahan data NWP (Numerical Weather Prediction) Gambar 11. Tampilan T dan Td per lapisan 260 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .00 – 21. Jurnal Meteorologi Klimatologi dan Geofisika Vol.00 – 21.00 UTC. Dari pukul 18.

bernilai minus.00 UTC) Dari permodelan untuk kecepatan kenaikan massa udara. Analisa model WRF data FNL (Final Analysis) 1) Analisa Relative Humidity Gambar 12.00 UTC) Dari data model WRF yang ditampilkan dalam Grads.5. Tampilan Grads model WRF untuk RH (18. yaitu beberapa jam sebelum terjadihujan lebat. 2 No. Jurnal Meteorologi Klimatologi dan Geofisika Vol. kelembabab didaerah sekitar Bengkulu belum terlalu tinggi.00 UTC. Tampilan Grads Model WRF untuk Vertical Velocity (18. vertikal. 2) Analisa Vertical Velocity Gambar 13. untuk RH terlihat bahwa pada pukul 18. apabila bernilai plus. 2 Juni 2015 3. artinya terjadi massa udara sudah bergerak turun. 261 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .

suhu udara 23.Pribadi. Yogyakarta : Badan CAPPI (dBZ). Suryantoro. Kejadian No. Buletin BMKG.10 – 21. Vol : 6 No.4 1000m.gov. Ratusan Rumah angin gradient pada pukul 12.Harian Rakyat Bengkulu (2014).Sonjaya.0 mm/hari (Kategori BMKG. LAPAN: Jogjakarta. Meteorologi dan Geofisika. curah hujan terukur Evolving Hailstrom. Makalah fenomena tersebut dapat dilihat dari Citra disajikan dalam Workshop Citra radar cuaca BMKG Bengkulu menggunakn Satelit. CMAX (dBZ) dan hasil pengolahan data satelit MTSAT menggunakan SATAID [7]. Part V : Synthesis pada 104.4 C dan suhu titik embun 23. A. Analisis Sebaran model WRF untuk kelembaban dan vertical Awan Memanfaatkan Software velocity diwilayah kota Bengkulu untuk SATAID Serta Analisis Spasial Curah menggambarkan kondisi dinamika atmosfer Hujan. (2013). daya Bengkulu.Browning et. Buletin mendatar (visibility) terpendek teramati BMKG.. Samriyanto. Vol : 6 hujan sangat lebat > 20 mm/jam). Hail Suppression.4 hujan sangat lebat yang berlangsung selama [5].id DAFTAR PUSTAKA [10]. and Implications for Hail Growth and hujan sangat lebat > 100 mm/hari).5 mm/jam dan pada 21. jarak pandang Prediksi Cuaca Ekstrim. [8] www. HWIND V. Yanuar Henry. (2008).rda.4 sesaat sebelum terjadi hujan ekstrim. Pemanfaatan Data Satelit Untuk Operasional Dinamika atmosfer ketika terjadi Meteorologi di BMKG. merupakan faktor penyebab terjadinya pertumbuhan awan Koran Rakyat Bengkulu.00 UTC. 2 Juni 2015 4.Adriyanto.0 mm/jam (Kategori BMKG. namun pada pukul 18. Structure of an tanggal 20 April 2014. Analisis Citra 2 jam 50 menit ini juga disertai petir pada Satelit dan Radar untuk Membuat awal terjadinya hujan. Seminar Nasional Adanya Eddy di daerah sekitar Aplikasi Sains dan Teknologi-IST Riau. Vol : 6 No. Hasil dari analisa data aktual pada [3].00 UTC Analisis Kejadian Cuaca Ekstim terukur 29.al. KESIMPULAN Memantau Curah Hujan saat Siklon Tropis.00 UTC intensitas hujan dikategorikan sangat [4]. serta shearline di daerah [2]. R. Buletin BMKG.bom. Balikpapan.go. (2010).ucar.00 UTC Warga 8 Kelurahan Kebanjiran . [6]. lebat karena pengkuran pada 20. Irman. Tri dalam beberapa kanal ditambah dari analisa Nurmayanti. kota Bengkulu hasil dari analisis prakiraan Drainase Rusak. PAC (dBA).00 UTC Tanggal 30 Oktober 2010 di terukur 33. (2010).edu [1].4 C pada pukul 20.bmkg.Samriyanto. Radar Presipitasi Satelit TRMM untuk 262 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . www. Selasa 22 April 2014 : Bengkulu. Jurnal Meteorologi Klimatologi dan Geofisika Vol. 2 No. Tropycal Cyclone “Jack” di barat AKPRIND. (1976).au [9] www. Vol : 104 ringan.. Monthly Weather Dimana hujan diawali dengan intensitas Review.satelit. (2010).

Jurnal Meteorologi Klimatologi dan Geofisika Vol.2 No. 2 Juni 2015 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika .

berisi 150 hingga 200 kata yang mencakup tujuan penelitian.2 Judul dan Isi Karyatulis Ilmiah Judul ditulis menggunakan huruf font Times New Roman ukuran 14 point. kebencanaan. Kata kunci: 4 atau 5 kata kunci Abstract Abstract in english Keywords: 4-5 words I. huruf kapital. FORMAT ISI KARYATULIS ILMIAH 1. Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Redaksi berhak mengubah isi naskah karyatulis ilmiah. rata tengah. Isi karya tulis ilmiah ditulis menggunakan huruf font Times New Roman ukuran 11 point. masing-masing 1 alinea. spasi tanggal. cetak miring. metode yang digunakan. dan spasi tunggal. 2 Juni 2015 FORMAT PENULISAN JURNAL MKG Redaksi Jurnal MKG membuka kesempatan bagi para mahasiswa. kualitas udara. dengan ketentuan format seperti dibawah ini. lingkungan. dan instrumentasi yang terkait.1 Naskah Karyatulis Ilmiah Isi naskah harus asli dan belum pernah dipublikasikan.5 cm batas atas 3 cm dan batas bawah 2. ditulis dengan font Times New Roman ukuran 11 point. Keterangan Gambar dan Tabel ditulis menggunakan huruf font Times New Roman ukuran 10 point. rata kiri-kanan. 1. Isi naskah adalah sepenuhnya menjadi tanggung jawab penulis. 2 kolom dengan ketentuan panjang naskah antara 8 hingga 15 halaman ukuran kertas A4. Naskah diketik menggunakan aplikasi MS Word. spasi tunggal. dan cetak tebal (bold). dan hasil penelitian secara singkat. karyawan. klimatologi. sepanjang tidak mengubah substansinya.2 No. dan peneliti untuk mengirimkan karyatulis ilmiahnya. geofisika. dosen.5 cm. batas kiri 3 cm. JUDUL KARYATULIS ILMIAH Nama Penulis Pertama1. Naskah dapat ditulis dengan menggunakan Bahasa Indonesia atau Bahasa Inggris. Penulis Ketiga2 1 Afiliasi Penulis Pertama dan Penulis Kedua 2 Afiliasi Penulis Ketiga (E-mail: penulis pertama) Abstrak Abstrak disusun dalam Bahasa Inggris dan Bahasa Indonesia. Sub judul ditulis menggunakan huruf font Times New Roman ukuran 12 point. Jurnal Meteorologi Klimatologi dan Geofisika Vol. terutama yang berkaitan dengan bidang ilmu meteorologi. batas kanan 2. Penulis Kedua1.

and McCann. Y.. dan Pramono H. Y. 24 tahun 2007.R. and Nishinaga. Local Site Effect of Kobe Based on Microtremor Measurement. Gov. Undang-Undang Republik Indonesia tentang Penanggulangan Bencana. Jurnal Meteorologi Klimatologi dan Geofisika Vol. T. (eds). (http://www. 1987. Sumber dari buku dengan editor (judul buku ditulis miring): Simoen.R. 92. American Geophysical Union.systemdatareport. Perhubungan I No. 2000. The Geology of Indonesia. Printing Office. Undang- Undang No. Bintaro. Sumber dari jurnal (nama jurnal ditulis miring): Newcomb. Telp: 021-73691623 Fax: 021-73692676 E-mail: jurnalmkg@bmkg.htm.R. Yogyakarta. Universitas Gadjah Mada. 2002. Badan Penerbit Fakultas Geografi. Proceeding of the Sixth International Conference on Seismic Zonation EERI. B1 pp 421-439. Seismic Vulnerebility Index Based on Microtremor Measurement. W. Tangerang Selatan – 15221. Pengenalan Bentanglahan Parangtritis-Bali. Alamat Redaksi: Jurnal Meteorologi Klimatologi dan Geofisika (Jurnal MKG) Unit Penelitian dan Pengabdian Masyarakat STMKG Jl. Seismic History and Seismotectonic of the Sunda Arc. Sumber dari perundang-undangan (ditulis biasa): ----------. M. Sato. no.go. The Haque. Vol. 5 Komplek Meteo DEPHUB. p. R. K. Sumber dari Internet (judul artikel ditulis miring): Nakamura. Van. 2 Juni 2015 DAFTAR PUSTAKA Naskah Karyatulis Ilmiah dilengkapi dengan referensi/daftar pustaka yang jelas dengan tata urutan yang konsisten. S.. Sumber dari buku (judul buku ditulis miring) Bemmelen ..2 No.org/agents2/ch3_1_2. 1949. 2000. Journal of Geophysical Research.id Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Pondok Betung. Sumber dari prosiding (nama prosiding ditulis miring): Nakamura.732. Langgeng W. Palm Springs California.W. diakses tanggal 11 Januari 2015).

2 No. 2 Juni 2015 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika . Jurnal Meteorologi Klimatologi dan Geofisika Vol.

5 Komplek Meteo DEPHUB. Tangerang Selatan – 15221. Bintaro. Telp: 021-73691623 Fax: 021-73692676 E-mail: jurnalmkg@bmkg. Pondok Betung. ISSN 2355-7206 Jurnal Meteorologi Klimatologi dan Geofisika (Jurnal MKG) Unit Penelitian dan Pengabdian Masyarakat STMKG Jl.id . Perhubungan I No.go.