Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTelah berhasil dibuat sebuah alat yang dapat berfungsi sebagai stasiunpenguapan/evaporasi otomatis yang telah terintegrasi dengan pengamatanparameter iklim lainnya yang berhubungan dengan proses evaporasi. Alat inidiberi nama ?Automatic Evaporation Station (AES)?, dengan kemampuanmengukur 6 (enam) parameter klimatologi seperti penguapan, suhu permukaanair, suhu udara, kelembaban udara, curah hujan dan kecepatan angin. Selain itualat AES ini juga dilengkapi dengan 2 (dua) buah sistem kontrol untukmempertahankan ketinggian air di Open Pan Evaporimeter agar tetap 5 cm daribibir panci (sesuai ketentuan dari World Meteorological Organization, WMO).Keberadaan AES ini dapat menggantikan sistem pengamatan penguapankonvensional yang masih dilakukan oleh Badan Meteorologi Klimatologi danGeofisika (BMKG), atau dapat pula digunakan untuk menggantikan stasiun hujankerjasama yang dimiliki BMKG. Pengantian stasiun hujan kerjasama denganstasiun evaporasi otomatis diharapkan akan lebih bermanfaat bila ditinjau darisegi biaya, kemudahan pengoperasian, jumlah parameter klimatologi yang dapatdiukur dan tingkat keakurasian data yang tetap terjaga walau diamati olehpetugas/observer yang tidak memiliki latarbelakang pendidikan khusus dibidangmeteorologi/klimatologi."

"Dalam beberapa dekade terakhir, pesatnya pertumbuhan industri dan meningkatnya kepadatan lalu lintas di wilayah perkotaan termasuk DK Jakarta menimbulkan masalah kualitas udara. Salah satu indikator terjadinya pencemaran udara adalah turunnya hujan asam. Hujan asam terjadi akibat zat polutan berupa SO2 dan NO2 bereaksi dengan air (H2O). Dampak hujan asam antara lain dapat merusak kesuburan tanah sehingga dapat mempengaruhi kualitas hidup manusia dan juga dapat merusak benda maupun infrastruktur. Penelitian ini bertujuan untuk menganalisa sebaran SO2 dan NO2 secara spasial temporal, juga membuat model keasaman air hujan berdasarkan sebaran SO2 dan NO2 di DK Jakarta. Sebaran SO2 dan NO2 diperoleh menggunakan teknik penginderaan jauh dengan memanfaatkan citra Satelit Sentinel 5P. Pengolahan dilakukan menggunakan GEE. Dari hasil analisis bivariat diketahui bahwa sebaran spasial SO2 dipengaruhi oleh curah hujan dan tidak dipengaruhi oleh kecepatan angin. Sedangkan sebaran NO2 dipengaruhi secara signifikan oleh curah hujan dan juga kecepatan angin. Secara temporal, sebaran SO2 pada tahun 2023 memiliki nilai tertinggi di bulan Juni dan sebaran NO2 memiliki nilai tertinggi pada bulan Agustus. Hasil validasi antara data SO2 dan NO2 yang diperoleh melalui penginderaan jauh dengan data observasi pada SPKU milik BMKG, menjelaskan bahwa data penginderaan jauh pada beberapa stasuin tidak konsisten dengan data hasil observasi di SPKU. Model prediksi tingkat keasaman air hujan diperoleh berdasarkan sebaran SO2 dan NO2 pada Tahun 2023 di Jakarta. Hasil regresi linier berganda menunjukan bahwa ada korelasi antara pH air hujan dengan sebaran SO2 dan NO2. Koofisien korelasi bernilai (-) 0,7305 yang berarti korelasi berada dalam kategori kuat. Korelasi bersifat negatif yang menjelaskan bahwa semakin besar kadar SO2 dan NO2 maka pH air hujan akan semakin kecil/ asam. Diperoleh nilai 13% dalam perhitungan MAPE yang berarti model prediksi termasuk kedalam kategori baik dan dapat digunakan untuk memprediksi keasaman air hujan (pH) di Jakarta.

---

In the last few decades, rapid industrial growth and increasing urban traffic density, have caused air quality problems including in DK Jakarta. One indicator of air pollution is acid rain. Acid rain occurs due to pollutants in the form of SO2 and NO2 reacting with water (H2O). The impact of acid rain, among other things, can damage soil fertility, affect the quality of human life, and damage objects and infrastructure. This research aims to analyze the distribution of SO2 and NO2 spatially and temporally, as well as create a rainwater acidity model based on the distribution of SO2 and NO2 in DK Jakarta. The distribution of SO2 and NO2 was obtained using remote sensing techniques using Sentinel 5P Satellite imagery. Processing is carried out using GEE. From the results of the bivariate analysis, it is known that the spatial distribution of SO2 is influenced by rainfall and is not influenced by wind speed. Meanwhile, the distribution of NO2 is significantly influenced by rainfall and wind speed. Temporally, the distribution of SO2 in 2023 has the highest value in June and the distribution of NO2 has the highest value in August. The validation results between SO2 and NO2 data obtained through remote sensing with observation data by BMKG explain that remote sensing data at several stations is inconsistent with observation data. The prediction model for rainwater acidity levels was obtained based on the distribution of SO2 and NO2 in 2023 in Jakarta. The results of multiple linear regression show that there is a correlation between rainwater acidity and the distribution of SO2 and NO2. The correlation coefficient is (-) 0.7305, which means the correlation is in the strong category. The correlation is negative, which explains that the greater the SO2 and NO2 levels, the more acidic the rainwater will be. A value of 13% was obtained in the MAPE calculation, which means the prediction model is included in the good category and can be used to predict rainwater acidity in Jakarta."

"Penelitian ini bertujuan untuk memberikan persepsi baru dalam pengukuran ketahanan pangan dengan menggunakan volatilitas harga pangan. Pendekatan data iklim digunakan untuk menganalisis pola volatilitas harga bersama dengan variabel sosial dan ekonomi. Proyeksi perubahan iklim dilakukan untuk melihat wilayah yang rentan dalam produksi pangan selanjutnya persepsi petani diukur untuk melihat kesiapan mereka untuk menghadapi perubahan iklim. Ditemukan pola adaptasi petani terhadap dampak perubahan iklim pada ketidakpastian harga pangan khususnya tingkat rumah tangga. Selanjutnya data dinamika iklim digunakan sebagai nilai input untuk pembuatan model prediksi volatilitas harga pangan. Dengan menggunakan metode statistik dan teknik jaringan syaraf tiruan, estimasi volatilias harga berhasil dihasilkan berserta dengan nilai prediksinya, luaran yang dihasilkan digunakan untuk mengoptimalkan sistem pangan yang lebih berkelanjutan.

---

This study aims to provide a new perception of food security by using food price volatility to measure sustainability. The climate data approach is used to analyze patterns of price volatility along with social and economic variables. Climate change projections are carried out to look at areas that are vulnerable to food production, then farmers' perceptions are measured to see their readiness to face climate change. The pattern of farmers' adaptation to climate change on food price uncertainty, especially at the household level, was found. Furthermore, climate dynamics data are used as input values for prediction models of food price volatility. The Model using statistical methods and neural network techniques, the estimation of price volatility is successfully generated along with the predictive value, and the resulting output is used to optimize a more sustainable food system."