Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Kondisi iklim tropis terutama curah hujan merupakan fenomena iklim yang sangat kompleks, yang dipengaruhi oleh faktor lokal, regional dan global. Penelitian ini mengkaji variabilitas curah hujan dan pergeseran musim di wilayah Banten sehubungan dengan adanya anomali suhu muka laut di Samudera Pasifik, Samudera Hindia dan perairan Indonesia. Variabilitas curah hujan dan pergeseran musim diolah dari data hujan harian dari 15 lokasi pos hujan selama periode tahun 1981-2010, sedangkan suhu muka laut diolah dari data hasil reanalisis JMA melalui analisis komparatif secara spasial dan temporal dengan tehnik overlay peta dan cross tab dihasilkan bahwa pada saat terjadi Elnino, DM+ dan INA- berakibat terhadap berkurangnya curah hujan di wilayah Banten yang mengindikasikan awal musim kemarau terjadi lebih cepat serta lebih panjang dibandingkan normalnya. Sedangkan sebaliknya kondisi Lanina, DM- dan INA+ berakibat terhadap bertambahnya curah hujan yang mengindikasian awal musim hujan terjadi lebih cepat serta lebih panjang dibandingkan normalnya.

---

The climate tropics system especially rainfall is very complexs climate systems, its affected by local, regional and global factors. This research analyzing of rainfall and seasonal shift variability related with sea surface temperature anomaly over Pasific and Hindian Ocean and also Indonesian sea. Rainfall and seasonal shift analyzed from daily rainfall data derived from 15 location in the years of 1981 to 2010, while sea surface temperature data analyzed from JMA reanalysis through comparative spatial analysis distribution and temporal using map overlay and cross tab tehniques. The results are generally, the impact of Elnino, Dipole Mode Positive and cold is decreasing rainfall in Banten Province. Its indicates dry season occurred earlier and longer than normal condition. While Lanina, Dipole Mode Negative and warm over Indonesian sea indicates to increasing rainfall and the rainy season earlier and longer than normal condition.

Abstrak :
Aplikasi penginderaan jauh dalam bidang meteorologi dan klimatologi sangat membantu terutama dalam memperoleh informasi perkiraan curah hujan pada suatu wilayah, karena cakupan wilayahnya yang luas. Penelitian ini mengkaji mengenai pola curah hujan yang terjadi di Pulau Jawa selama periode normal, El Nino dan La Nina pada bulan Desember, Januari dan Februari menggunakan data curah hujan dari citra satelit MTSAT dengan menginterpretasi dari suhu puncak awan. Hasil penelitian menunjukkan bahwa pola curah hujan yang terjadi menunjukkan pola yang berbeda dimana pada periode normal curah hujan yang tinggi tersebar pada ketinggian 100 ? 1000 m, pada periode El Nino curah hujan yang tinggi tersebar pada ketinggian 100 hingga diatas 1000 m dan pada periode La Nina curah hujan yang tinggi tersebar pada ketinggian 0 ? 500 m. Namun, pola curah hujan tersebut menunjukkan lebih terkonsentrasi di bagian utara Jawa terutama Jawa bagian tengah.

---

Remote sensing application in study of meteorology and climatology is very helpful, particularly in acquisition of rainfall information in an area, because of its wide coverage area. This research is about rainfall pattern in Java Island on the normal, El Nino and La Nina periods for Desember, January and February using rainfall data from MTSAT-1R satellite that interpreted from cloud top temperature. The result showed that rainfall patterns that happened had different pattern where on the period of normal the highest of rainfall can be found at elevation of 100 ?1000 m; on the periode of El Nino, the highest of rainfall can be found at elevation of 100 until > 1000 m; and on the period of La Nina, the highest of rainfall can be found at elevation of 0 ? 500 m. However, the rainfall patterns showed that the highest of rainfalls can be found in the northern of Java, especially in the northern of central Java.

Abstrak :
Indonesia merupakan benua maritim, terletak antara Samudera Hindia dan Pasifik. Karena itu, interaksi laut dan atmosfer berperan penting dalam pembentukan fenomena cuaca/iklim. Pemahaman yang baik terhadap parameter laut-atmosfer skala intra-musiman menarik diteliti karena mempengaruhi kehidupan masyarakat khususnya sektor perikanan tangkap dan sesuai dengan program WMO Sub-Seasonal to Seasonal Project. Penelitian ini bertujuan untuk mengidentifikasi kekuatan hubungan, mengkaji variasi serta mendapatkan siklus/periodisitas untuk Suhu Permukaan Laut SPL , angin meridional dan curah hujan pada periode maksimum seratus hari, di 10 perairan utama Indonesia. Data diperoleh dari satelit NOAA dan TRMM tahun 2002-2015. Data diolah dan dianalisis korelasinya maupun variasinya. Setelah melakukan Fast Fourier Transform, analisis spektral menggunakan Power Spectral Density ditampilkan melalui periodogram. Hasilnya menunjukkan bahwa Laut Flores, Laut Banda dan Laut Arafura memiliki hubungan yang paling kuat untuk curah hujan dengan SPL dan angin meridional. Ketiga perairan tersebut juga memiliki nilai SPL dan curah hujan terendah dan relatif mudah diprediksi karena nilainya pada hari ke-n tidak jauh berbeda dengan nilai pada hari ke n-1. Laut Halmahera memiliki curah hujan yang tinggi karena mendapatkan pengaruh lebih besar oleh aliran arus laut hangat dari warm pool di utara Papua dari pada pengaruh oleh Monsun Australia. Angin meridional di perairan barat Indonesia dipengaruhi/terkait dengan Madden Julian Oscillation. Kekuatan periodisitas SPL, angin meridional dan curah hujan di perairan barat maupun timur Indonesia tidak selalu sebanding karena terdapat time lag.

---

Indonesia is a maritime continent, lies between the Indian and Pacific Ocean. Therefore, the interaction of ocean and atmosphere plays an important role in the formation of the phenomenon of the weather climate. A good understanding of ocean atmosphere parameters of intra seasonal scale interesting to study because it affects people 39 s lives, especially fisheries sector and according to the WMO program Sub Seasonal to Seasonal Project. This study aims to identify the strength of the relationship, review variations and get the cycle periodicity for Sea Surface Temperature SST , meridional wind and rainfall on the maximum period of one hundred days, in 10 major Indonesian waters. Data obtained from NOAA satellites and TRMM years 2002 2015. The data is processed and analyzed the correlation and its variations. After doing a Fast Fourier Transform, spectral analysis using Power Spectral Density displayed through periodogram. The results show that the Flores Sea, Banda Sea and Arafura Sea has the strongest relationship for rainfall with SPL and meridional wind. These waters also have a lowest value for SST and rainfall and relatively more predictable because of its value in day n is not much different from the value on day n 1. Compared with Australian Monsun, Halmahera Sea has a high rainfall because it is more influenced by the flow of warm sea currents from warm pool in the north of Papua. Meridional wind in the waters of western Indonesia influenced with the Madden Julian Oscillation. The periodicity strength of SST, meridional winds and rainfall in western and eastern waters of Indonesia are not always comparable because there is a time lag.

Abstrak :
ABSTRAK
Hujan menjadi salah satu parameter cuaca yang paling banyak diperhatikan karena fenomena kejadiannya secara signifikan dapat mempengaruhi aktivitas manusia, termasuk dalam bidang pertanian, perkebunan, perikanan, transportasi dan lain-lain. Selain itu informasi curah hujan sangat penting untuk melakukan analisis cuaca, khususnya dalam menganalisis kejadian banjir yang disebabkan oleh hujan lebat sehingga perlu adanya informasi terkait curah hujan yang tepat dan akurat. Penelitian ini bertujuan untuk mendapatkan model estimasi curah hujan yang optimal dengan beberapa metode machine learning. Machine learning merupakan aplikasi artificial intelligence (AI) yang menyediakan sistem pembelajaran bagi mesin untuk belajar secara otomatis tanpa diperintahkan secara eksplisit. Machine learning yang digunakan dalam penelitian ini adalah multi-layer perceptron (MLP), support vector regression (SVR) dan random forest (RF). Data radar dan jarak dari radar digunakan sebagai input model, untuk data target/validasi digunakakan data pengamatan hujan otomatis disekitar pengamatan Radar Polarisasi Tunggal di Yogyakarta. Hasil model akan dievaluasi nilai galat dan tingkat akurasinya, sehingga didapatkan metode machine learning yang optimal dalam mengestimasi curah hujan

---

ABSTRACT
Rain is one of the weather parameters that is the most widely considered because the phenomenon of its occurrence can significantly affect human activities, including in agriculture, plantations, fisheries, transportation and others. In addition, rainfall information is very important to do weather analysis, especially in analyzing the occurrence of floods caused by heavy rains so there is a need for accurate and accurate rainfall related information. This study aims to obtain an optimal rainfall estimation model with several machine learning methods. Machine learning is an artificial intelligence (AI) application that provides a learning system for machines to learn automatically without explicit instruction. The machine learning used in this study is multi-layer perceptron (MLP), support vector regression (SVR) and random forest (RF). Radar data and distance from the radar are used as input models, for target/validation data used automatic rain observation data around the Single Polarization Radar observation in Yogyakarta. The results of the model will be evaluated for error values ​​and their level of accuracy, so that an optimal machine learning method is obtained in estimating rainfall.

Abstrak :
Di Indonesia, perubahan pola iklim sangat mempengaruhi produksi pertanian di. Salah satu upaya untuk mengatasi dampak perubahan iklim dalam pertanian saat ini adalah melalui pendekatan taktis dengan pengembangan metode dalam pemodelan dan peramalan. Dalam studi ini digunakan metode ARIMA sebagai model kombinasi untuk meramalkan rata-rata curah hujan dasaharian di enam stasiun Kota Batu, Malang, Jawa Timur. Keakuratan model dalam prediksi diukur berdasarkan kriteria RMSE di mana model terbaik yang dipilih adalah model dengan RMSE terkecil. Model ARIMA pada enam stasiun curah hujan menunjukkan akurasi yang lebih baik untuk 54 periode ke depan dibandingkan dengan model Ensemble ARIMA.

Abstrak :
ABSTRAK
Tulisan ini mengaji variasi luaran dari keagenan petani pengukur curah hujan Indramayu yang melakukan diseminasi pembelajaran agrometeorologi pada warga komunitasnya. Penyebarluasan pembelajaran agrometeorologi dilakukan dalam situasi minimnya pendampingan pemerintah Kabupaten Indramayu bagi petani dalam menghadapi konsekuensi perubahan iklim. Dengan menggunakan metode etnografi, tulisan ini menunjukkan bahwa variasi luaran dari keagenan petani terwujud dalam pengetahuan dan tindakan pihak-pihak yang memperoleh dampak dari transmisi pengetahuan. Pemfokusan pada luaran dapat memperlihatkan aspek individual dan faktor kontekstual yang memengaruhi munculnya variasi. Keagenan bukanlah faktor determinan yang mewujudkan luaran pada individu. Luaran juga dipengaruhi oleh pengayaan skema pengetahuan dan pilihan rasional individu.

---

ABSTRACT
"This manuscript examines variation of outcomes of Indramayu rainfall observer farmers rsquo agency who conduct dissemination of agrometeorological learning on their community. Dissemination of agrometeorological learning is done in a situation of minimal assistance from Indramayu Regency rsquo s government. Using ethnographic method, this manuscript shows that the variation of outcomes of farmer rsquo s agency is manifested in knowledge and practices of those who are affected by the transmission of knowledge. Focusing on outcomes can reveal individual aspects and contextual factors that influence the emergence of variation. Agency is not a determinant factor that manifest outcomes in individuals. Outcomes are also influence by the enrichment of knowledge schemes and individual rational choice.