Academia.edu no longer supports Internet Explorer.
To browse Academia.edu and the wider internet faster and more securely, please take a few seconds to upgrade your browser.
Prakiraan cuaca konvensional pada awalnya hanya memanfaatkan komponen isopleth sebagai bahan pertimbangan prakiraan. Peta komponen isopleth umumnya terdiri dari peta isobar, isotherm serta isotach. Selain peta isopleth, komponen prakiraan cuaca konvensional juga menggunakan data pengamatan dalam rentang waktu panjang. Pengunaan data pengamatan dalam skala periode panjang dapat memberikan gambaran kondisi cuaca identik pada suatu wilayah. Seiring dengan berkembangnya kemajuan komputasi matematik, prakiraan cuaca berbasis komputasi numerik juga mulai meningkat. Prediksi cuaca numerik merupakan model prakiraan dengan tujuan menghasilkan data keluaran prediksi yang akurat serta memiliki akurasi baik dalam memprakirakan kondisi cuaca pada suatu wilayah (Kalnay, 2003). Prediksi cuaca numerik menggunakan metode persamaan differensial yang berhubungan dengan gerak atmosfer terutama persamaan gerak fluida (Lynch, 2010). Prediksi cuaca numerik berbasis komputasi ternayata masih memiliki nilai penyimpangan (error) terhadap data observasi, sehingga menurunkan nilai akurasi data yang dihasilkan (Goger dkk, 2016). Kondisi awal serta batas ketentuan yang digunakan sebagai data initial condition, sangat berpengaruh pada hasil keluaran prediksi (Kalnay, 2003). Data prediksi yang baik harus memiliki nilai error yang kecil serta akurasi yang tinggi, agar dihasilkan data keluaran yang menggambarkan kondisi sebenarnya (Junnaedhi, 2008). Sistem prediksi cuaca numeric yang paling familiar digunakan adalah Weather Research and Forecasting (WRF). Prediksi cuaca numeric berbasis WRF memiliki kelebihan dalam hal fleksibilitas serta lebih efisien, karena dapat dioperasikan pada perangkat PC (Personal Computer) untuk mempelajari hubungan serta dinamika atmosfer pada skala meter hingga ribuan kilometer (Skamarock dkk., 2008). Model prakiraan berbasis WRF dapat disesuaikan dan dikonfigurasikan sesuai kondisi spasial pada suatu daerah, karena model WRF bersifat open source. Namun, model ini masih memiliki kekurangan dalam memprakirakan suatu kondisi cuaca dengan ditandai adanya penyimpangan. Selain faktor kondisi awal, pengaruh resolusi data inputan, dan pemilihan skema juga berpengaruh dalam menentukan penyimpanagan pada hasil model WRF. Solusi untuk meningkatkan akurasi data keluaran WRF model dapat dilakukan melalui proses asimilasi. Asimilasi ini berfungsi untuk mengatur data kondisi awal sesuai dengan karakteristik cuaca pada wilayah kajian, dengan menggunakan semua informasi yang tersedia untuk meningkatkan akurasi produk keluaran WRF (Talagrand, 1997). Asimilasi data pada model WRF dapat dilakukan dengan menggunakan program WRF-Data Assimilation. Program WRFDA tersedia dengan 3 metode, yaitu metode 3DVar, 4DVar dan Ensemble Kalman Filter (Skamarock dkk, 2008) Pada praktikum kali ini, user akan melakukan pengolahan data prediksi cuaca numeric berbasis WRF model dengan menggunakan WRF-Data Assimilation. Asimilasi yang dilakukan pada praktikum ini menggunakan data observasi AWS dari 32 perangkat AWS yang tersedia diwilayah Indonesia.
WRFDA (Weather Research Forecast-Data Assimillation) merupakan salah satu penerapan model prediksi cuaca numerik yang dilakukan dengan menggabungkan dua data, yaitu dari data model dan data observasi. Dalam melakukan proses running WRF- DA, ada beberapa pendekatan yang dilakukan, salah satunya adalah dengan menggunakan pendekatan The Three-Dimensional Variation (3D-VAR). Modul ini akan menjelaskan tentang cara melakukan proses running WRFDA- 3DVAR untuk sebuah data inputan, termasuk proses masuk ke dalam server HPC, pengunduhan data input, pengeditan namelist, hingga menghasilkan output yang diharapkan. Sehingga kedepannya, diharapkan penulis mampu melakukan running sebuah data untuk menganalisis suatu komponen meteorologi menggunakan model WRFDA.
Badan Meteorologi Meteorologi Klimatologi dan Geofisika (BMKG) memiliki tugas yaitu menyediakan dan memberikan pelayanan informasi salah satunya informasi meterologi. Informasi meteorologi yang BMKG berikan berguna untuk mendukung keselamatan jiwa dan harta. Untuk memberikan layanan meteorologi tersebut salah satu alat yang dipakai BMKG adalah AWS. AWS melakukan pengamatan parameter meteorologi secara otomatis. Data-data parameter meteorologi selanjutnya akan diolah, data dan informasi disebarluaskan secara luas, cepat, tepat, akurat, dan mudah dipahami. Dalam memberikan pelayanan informasi meteorologi tersebut BMKG dituntut memiliki dan menjaga service availability dan reliability yang tinggi. Untuk menjawab kebutuhan tersebut BMKG melakukan monitoring operasional AWS menggunakan aplikasi software yaitu PRTG. PRTG digunakan untuk memonitoring 33 alat AWS yang terpasang di Indonesia. Monitoring AWS dengan PRTG menggunakan alamat IP yang kemudian melakukan ping. PRTG membantu dalam pemantauan kondisi AWS sehingga pelayanan informasi meteorologi lebih optimal. Pemantauan Kondisi AWS dengan PRTG juga membantu dalam perbaikan dan perawatan peralatan AWS BMKG. Keyword: AWS, meteorologi, BMKG. PRTG
Zenodo (CERN European Organization for Nuclear Research)
Perbandingan Asimilasi Data AMSU-A, MHS, dan Himawari-8 pada Model WRF-3DVAR dalam Prediksi Hujan di Tangerang2021 •
Jurnal Sains & Teknologi Modifikasi Cuaca
Uji Performa WRF Dengan Data Asimilasi Radar, Satelit Dan Synop Untuk Prediksi Hujan DI JakartaAsimilasi data merupakan suatu metode estimasi yang diperoleh dari penggabungan antara output model NWP dan data-data pengukuran. Dalam beberapa tahun terakhir, model mesoscale resolusi tinggi diinisialisasi dengan menggunakan teknik data asimilasi (3DVAR/4DVAR) yang diterapkan untuk mempelajari fenomena meteorologi. Penelitian ini dilakukan di wilayah Jakarta dengan memanfaatkan data observasi sinoptik, data radiance satelit dan data radar Doppler C-Band EEC (Enterprise Electronics Corporation) di Jakarta. Penelitian ini menggunakan model numerik Weather Research and Forecasting (WRF) untuk menjalankan model tanpa asimilasi dan model dengan asimilasi data radar, satelit dan sinoptik menggunakan sistem 3DVAR. Analisis dilakukan secara kuantitatif untuk menguji performa model terhadap data observasi dan analisis spasial dengan mencari nilai selisih curah hujan dengan data GSMaP melalui metode overlay. Hasil membuktikan performa terbaik dari hasil prediksi distribusi hujan spasial ada...
Jurnal Sains & Teknologi Modifikasi Cuaca
Perbandingan Teknik Warm Dan Cold Start Pada Model WRF-3DVAR Asimilasi Data Radar Pada Prediksi Hujan Lebat DI Wilayah Surabaya Dan SekitarnyaPenelitian ini bertujuan untuk mengetahui perbedaan hasil prediksi hujan WRF-3DVAR asimilasi data radar dengan menggunakan teknik warm start (spin-up 12 jam) dan cold start (tanpa spin-up). Kejadian hujan yang dianalisis adalah kejadian hujan lebat tanggal 19-20 Januari 2019 di wilayah Surabaya dan sekitarnya. Data yang digunakan untuk simulasi adalah data Global Forescast System (GFS) dan data reflektivitas radar cuaca BMKG Surabaya produk Constant Altitude Plan Position Indicator (CAPPI). Analisis dilakukan dengan membandingan kondisi awal model pada parameter suhu dan kelembaban udara untuk mengetahui efek dari metode asimilasi data. Uji keandalan model dilakukan dengan melakukan verifikasi dikotomi (hujan/tidak hujan) hasil luaran model WRF dengan data hujan di 4 titik pengamatan, yaitu di Stasiun meteorologi Juanda, Stasiun meteorologi Perak, Stasiun Klimatologi Karangploso, dan Stasiun Geofisika Tretes. Hasil menunjukkan bahwa asimilasi data radar dengan mode cold start mempun...
JITSI : Jurnal Ilmiah Teknologi Sistem Informasi
Monitoring Suhu dan Kelembaban Tanah Serta Penyiraman Otomatis Buah Naga Berbasis AWSIndonesia merupakan negara agraris yang memiliki beraneka ragam jenis tanaman hortikultura salah satunya adalah buah naga. Buah naga merupakan tanaman yang membutuhkan perawatan yang ekstra dengan memberikan perhatian khusus terhadap faktor pertumbuhannya. Salah satu faktor pertumbuhan buah naga adalah suhu dan kelembaban tanah. Buah naga akan tumbuh dengan baik pada suhu berkisar 26-36 derajat celcius. Selain itu tanaman ini harus tumbuh pada tanah yang senantiasa dalam keadaan lembab dan tidak kering serta tidak tergenang air. Hal ini digunakan untuk menghindari terjadinya pembusukan batang atau tanaman mati. Oleh karena itu tanaman ini membutuhkan monitoring suhu dan kelembaban tanah agar bisa dilakukan pemantauan yang berkelanjutan. Tanaman ini juga membutuhkan penyiraman otomatis agar tanah senantiasa lembab.
AWS (Automatic Weather Station) was widely used on climate and weather observations in oil palm plantations. AWS has several advantages over conventional climate and weather observation stations; recording data automatically and continuously. However, some types of AWS could not record sunshine duration data (hours/day). Actually, sunshine duration (hours/day) can be determined from the intensity of solar radiation (W/m 2) using some equations. This study was conducted to determine sunshine radiation based on intensity of solar radiation data that collected from AWS. The study was conducted at Special Agricultural Meteorological Station (SMPK) of Aek Pancur Sub-Station, Indonesian Oil Palm Research Institute (IOPRI), that located at 3 0 28'N and 98 0 47'E in altitude 50 meters above sea level. AWS which was used in this study is Davis Vantage Pro-II Plus. Solar radiation data was collected from January to April 2015. To determine sunshine duration, solar radiation data was processed using a FAO and Observation Method. Estimation of sunshine duration using FAO Method has Root Mean Square Error (RMSE), Mean Bias Error (MBE), Mean Absolute Bias Error (MABE), and Pearson correlation test (r) respectively 1.77;-0.90; 1.37 and 0.90. Meanwhile, RMSE, MBE, MABE and r of sunshine duration estimation using Observation Method are respectively 3.52; 2.62; 2.80 and 0.80. Results of FAO Method validation show that sunshine duration at Aek Pancur Sub-Station can be determined by the equation í µí± = 1,2439 × ((í µí± í µí± í µí± í µí±)−0,25 0,5 í µí±) + 0,1792; where n : sunshine duration, Rs: solar radiation measured by AWS, Ra: extraterrestrial radiation, and N: maximum sunshine duration per month. ABSTRAK Automatic Weather Station (AWS) sudah mulai banyak digunakan dalam pengamatan iklim dan cuaca di perkebunan kelapa sawit. AWS memiliki beberapa keunggulan dibandingkan stasiun pengamatan iklim dan cuaca yang konvensional, salah satunya adalah kemampuan perekaman data secara otomatis dan kontinu. Namun demikian, salah satu kekurangan pada beberapa jenis AWS yaitu tidak tersedianya informasi lama penyinaran (jam/hari). Sebenarnya lama penyinaran (jam/hari) dapat ditentukan dari data irradiasi surya (W/m 2) menggunakan beberapa persamaan. Penelitian ini dilakukan untuk menentukan lama penyinaran berdasarkan data irradiasi yang direkam AWS. Penelitian dilakukan di Stasiun Meteorologi Pertanian Khusus (SMPK) Kebun Aek Pancur PPKS (Pusat Penelitian Kelapa Sawit) yang terletak di 3 0 28' LU dan 98 0 47' BT dengan ketinggian 50 mdpl. AWS yang digunakan adalah jenis AWS Davis Vantage Pro-II Plus. Data irradiasi yang digunakan adalah data dari Januari sampai April 2015. Data tersebut diolah menggunakan metode
Automatic Weather Stations (AWS) merupakan salah satu peralatan otomatis yang digunakan Badan Meteorologi Klimatologi dan Geofisika (BMKG) dalam melakukan pengamatan parameter cuaca. Parameter cuaca yang diamati antara lain curah hujan, kecepatan dan arah angin, temperatur udara, kelembapan udara, tekanan udara, dan radiasi matahari. Data hasil pengukuran dari AWS tersebut akan dikirimkan ke AWS Center BMKG. Data yang dikirim ke AWS Center BMKG perlu dilakukan pengujian untuk mengetahui kualitas data yang dihasilkan oleh AWS. Pengujian data yang dilakukan terdiri atas empat, yaitu uji continous data, uji plausibility, uji konsistensi waktu, serta membandingkan dengan data metar yang disajikan dalam satu aplikasi. Data yang diuji langsung diunduh dari AWS Center BMKG. Aplikasi ini dapat membantu teknisi dalam mengetahui kinerja AWS dari kualitas data AWS. Aplikasi ini juga memberikan laporan berupa nilai dan grafik. Aplikasi ini mudah untuk digunakan sehingga dapat digunakan dalam pengujian data AWS. Kata kunci: AWS, data, aplikasi
2015 •
Peta potensi energi angin lepas pantai yang akurat, memiliki resolusi tinggi, dan tidak tergantung pengukuran insitu sangat dibutuhkan untuk mengurangi biaya pengukuran langsung dan mendorong pengembangan teknologi Pembangkit Listrik Tenaga Angin di Indonesia. Dalam penelitian ini, dilakukan teknik asimilasi data nudging FDDA untuk memperbaiki akurasi model cuaca skala meso WRF di lepas pantai selatan Jawa Barat menggunakan data angin permukaan laut Cross-Calibrated Multi-Platform (CCMP) sebagai data asimilasi. Tes sensitifitas dilakukan dengan membandingkan enam buah parameterisasi Planetary Boundary Layer (PBL) terhadap sampel. Hasil uji menyatakan skema PBL Yonsei University (YSU) menjadi skema yang paling mendekati data stasiun pengamatan dan terpilih untuk dijalankan sepanjang 2008. Hasil model diverifikasi dengan data stasiun pengukuran di Sukabumi. Hasil verifikasi menunjukkan asimilasi data FDDA dapat mereduksi nilai RMSE dan menghasilkan pola distribusi angin mirip dengan d...
Prosiding SNFA (Seminar Nasional Fisika dan Aplikasinya)
PENGARUH ASIMILASI MODEL CUACA WEATHER RESEARCH FORECAST (WRF) DENGAN DATA RADIASI SATELIT TERHADAP ESTIMASI CURAH HUJAN (Studi Kasus Stasiun Meteorologi Pattimura‒Ambon Tanggal 24-25 Juli 2013)2019 •
Abstract: Numerical weather predictions are currently being developed to address the need for high resolution rainfall forecasting. However, numerical weather forecasts in Indonesia are still problematic in terms of the accuracy of numerical models. Several previous studies have shown that modeling accuracy is strongly influenced by errors in the initial condition data. This study examines efforts from the research and development of the Weather Forecast and Forecast (WRF) model of preliminary data using a satellite beam assimilation procedure for forecasting rainfall in the Ambon region for two different case studies in 2018. Six experimental models are carried out by assimilation of sensors AMSU-A and MHS satellites use the WRFDA 3DVar system. This research was conducted by increasing the assimilation analysis on the initial data model, analyzing the model skills in the dichotomy of rainfall predictions, rainfall criteria, spatial rainfall, and time series of rainfall accumulation...
2010 •
Η εφημερίδα των συντακτών, Ανοιχτό βιβλίο, επ. Μ. Φάις
"Τάκης Παπατσώνης και Edgar Allan Poe" [σύντομη εκδοχή]2018 •
Sustainable Development Dimensions and Urban Agglomeration
Impact of Urban Open Spaces on City Spatial Structure (In Case of Isfahan)2022 •
Physical Review Materials
Relationship between ferroelectric polarization and stoichiometry of HfO2 surfacesClionet. Per un senso del tempo e dei luoghi
GUERRA CONTEMPORANEA, SVILUPPO TECNOLOGICO-COMUNICATIVO E IMMAGINARIO VISUALE2023 •
Japanese Journal of Religious Studies
Review of: Ōtani Eiichi 大谷栄一, Nichirenshugi to wa nan datta no ka: Kindai Nihon no shisō suimyaku 日蓮主義とはなんだったのか―近代日本の思想水脈2021 •
Rev. Iberoam. de Tecnol. del Aprendiz.
Sistema Tutor para la Conducción Eficiente de Vehículos de Combustión Superior2012 •
JAMA network open
Clinical Characteristics and Outcomes of Cancer Cases Among Syrian Refugees From Southern Turkey2023 •
2010 •
De Raíz Diversa. Revista Especializada en Estudios Latinoamericanos, UNAM.
Periodismo y violencia en México: perspectiva histórica de una relación traumática. Journalism and violence in Mexico: historical perspective of a traumatic relationship2022 •