Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDalam pola angin permukaan harian di suatu daerah, terdapat pengaruh angin lokal dan angin musim (muson). Angin lokal dalam Meteorologi termasuk dalam sistem sirkulasi udara skala meso, sedang angin musim termasuk dalam sistem sirkulasi skala synop. Dalam sistem sirkulasi udara skala meso, pengaruh variasi topografi atau jenis permukaan, pemanasan atau pendinginan permukaan tidak dapat diabaikan, sedang untuk skala synop pengaruh-pengaruh tersebut dapat diabaikan. Tesis ini membahas tentang pola angin permukaan di Jakarta dengan pendekatan model persamaan primitif satu lapisan. Angin permukaan dinyatakan dalam jumlah komponen skala meso dan skala synop. Komponen angin skala synop dianggap tetap, sedang angin skala meso berubah menurut perubahan suhu harian, Perubahan angin skala meso dan suhu harian ditentukan berdasarkan persamaan kekekalan momentum dan persamaan tendensi suhu. Dalam model dua dimensi horizontal tersebut, persamaan kontinyuitas tidak digunakan, dan persamaan dinyatakan dalam sistem koordinat sigma. Tekanan udara ditentukan dengan mengintegrasi persamaan hidrostatis mulai dari permukaan hingga lapisan yang dipengaruhi oleh permukaan. Pada model ini diperlukan data udara atas (suhu, arah dan kecepatan angin lapisan 850 mb) dan topografi wilayah. Untuk mewakili kondisi musim angin barat dan timur, digunakan data Aerogram tanggal 4 Januari 1996 dan 29 Juli 1996 dari stasiun Meteorologi Cengkareng. Dengan metode Beda Berhingga, hasil integrasi selama 24 jam menunjukkan, bahwa pola angin permukaan pada awal pembentukan angin laut banyak didominasi oleh angin musim, baik di darat maupun di laut. Sebaliknya pada saat angin laut atau darat cukup kuat, pengaruh angin musim kurang dominan. Bentuk garis pantai yang membentuk teluk serta variasi topografi di darat memberi pengaruh terhadap variasi arah dan kecepatan angin permukaan, baik di darat maupun di sekitar teluk. Hasil evaluasi menunjukkan masih adanya penyimpangan antara hasil pengamatan dan hasil perhitungan, Penyimpangan dengan kriteria baik 44,1 %, cukup baik 22,2 % dan kurang baik 34,7 %."

"ABSTRAK Udara yang stabil dan Berdasarkan konsep kesetimbangan energi spektral dua dimensi dalam arah dan frekuensi telah dikembangkan suatu model numerik untuk prakiraan permukaan gelombang laut di perairan Indonesia dan sekitarnya, meliputi perairan dengan batas lintang 20° S-20°N dan batas bujur 900E-1450E. Persamaan dalam model mengandung fungsi sumber yang terdiri dari proses utama masukan dan atmosfir dan tiga macam proses disipasi. Proses utama masukan dari atmosfir adalah pertumbuhan eksponensial gelombang. Sedangkan ketiga macam proses disipasi adalah disipasi gesekan, disipasi angin berlawanan dan disipasi gelombang pecah. Perhitungan dilakukan dengan metoda beda-hingga yang telah dikoreksi dari Eiji dan Isozaki (1972). Masukan bagi model adalah angin permukaan yang diestimasi dari angin lapisan 850 produk NWP. Hasil eksperimen dengan produk NWP dari ECMWF dalam bulan Januari dan bulan Agustus 1996, menunjukkan bahwa hasil prakiraan gelombang mempunyai korelasi yang baik dengan data kapal. "

"Model "Quasi-geostropik dua-lapisan" adalah model Prakiraan Cuaca Numeris (Numerical Weather Prediction, NWP) dengan pendekatan geostropik yang biasanya digunakan di lintang sedang, yang menerima keadaan atmosfir baroklinik dengan membolehkan interaksi antara dua lapisan udara. Sedangkan "Wilayahterbatas" (Limited Area Model, LAM) sebenarnya adalah suatu rekayasa untuk membatasi wilayah yang dianalisis sehingga tidak terlalu luas. Variabel cuaca yang dibahas dalam penelitian dengan model ini adalah medan angin (V). Variabel yang lainnya (medan massa, P,T dan p) walaupun dapat dihitung dari medan angin dengan prinsip keseimbangan antara medan angin dan medan massa, tidak dibahas di sini. Dalam tulisan ini, medan angin "Quasigeostropik" disajikan dalam bentuk fungsi arus (streamfunction, Ψ) dan daerah yang dibahas meliputi 45° LU-45° LS dan 90° BT-180° BT, pada lapisan 250 mb dan 750 mb. Sebagai data awal dan data pembanding digunakan data angin dari European Centre for Medium range Weather Forecast (ECMWF) mulai tanggal 11 sampai dengan 23 Desember 1995. Hasil prakiraan menunjukkan bahwa pola gerak angin di belahan bumi utara yang sedang mengalami musim dingin cenderung stabil, sedangkan di belahan bumi selatan terjadi perubahan gerak walupun sangat sedikit. Model "Quasi-geostropik" dengan semi-implicit time differencing menghasilkan perhitungan yang sangat stabil dan tidak terjadi peningkatan maupun penyusutan amplitudo gerak. Verifikasi model ini dihitung dengan kesalahan statistik (RMSE dan Absolut korelasi) antara hasil prakiraan dengan data aktualnya."

"ABSTRAK Udara yang stabil dan angin lemah merupakan kondisi-kondisi yang memudahkan untuk terjadinya gejala haze. Adanya haze yang tebal dapat mengurangi jarak pandang dan mengganggu lalu-lintas udara, laut dan kehidupan manusia sehari-hari. Haze dapat berasal dari asap kebakaran dan partikel-partikel padat yang halus akibat musim kemarau panjang serta dari debu letusan gunung berapi. Catatan data meteorologi menunjukkan bahwa pada bulan-bulan Agustus, September dan Oktober tahun 1991 wilayah Sumatera bagian selatan sampai Kalimantan bagian barat mengalami gangguan haze yang parah dengan jarak penglihatan mendatar kurang dari 1 kilometer. Hasil analisis data suhu udara atas, arah dan kecepatan angin serta kemarau yang kering yang diikuti oleh terbakarnya hutan di beberapa wilayah Indonesia, menunjukkan bahwa wilayah-wilayah tersebut memang memenuhi kondisi untuk terjadi haze. Sedangkan akibat adanya haze yang tebal, curah hujan di wilayah-wilayah tersebut meningkat cukup besar. "

"Prakiraan Jangka panjang terutama prakiraan musim untuk daerah Tropis masih sangat sulit dilakukan dan hasilnya masih sangat jauh dari kebenarannya. Banyak model dipakai untuk membuat prakiraan tersebut, dan hasilnya masih jauh dari yang diharapkan. Di Indonesia banyak model yang dipakai untuk membuat prakiaan jangka menengah dan jangka panjang, hasilnya juga kurang menggembirakan. Model-model yang dominan dipakai di Indonesia adalah model statistik murni ( yang dominan adalah time series). Dengan memakai Power Spectrum Analysis pada daerah penelitian (Pulau Jawa) ternyata daerah tersebut mempunyai periodisitas dominan tiga sampai lima tahunan untuk musim kemarau dan tidak kelihatan periodisitasnya dengan jelas pada musim penghujan. Untuk membuat prakiraan musim di P. Jawa , pada penelitian ini digunakan kaidah monsoon dan hubungan tendensi tekanan dalam pernilihan prediktor, yang dapat ditulis melalui persamaan : Y = A + B,X1 + B:X2 + BA, Y = Curah hujan (variabel tak bebas) Xi , X2, X, = Unsur klimatologi lainnya (variabel bebas) Dari kaidah muson dapat dipilih prediktor-prediktor yang mempunyai pengaruh dominan atas perubahan musim tersebut. Ada lima katagori yang mempunyai pengaruh dominan atas perubahan musim antara lain Energi matahari, Muson barat atau timur, kecepatan angin, Hujan dan suhu muka laut. Karena prediktor-prediktor yang dipilih dalam pengolahan kurang lebih 25 unsur maka dengan mempergunakan Step Wise Analysis dicari prediktor mana yang mempunyai korelasi paling tinggi secara berurutan sehingga persamaan diatas bisa lebih ringkas dan ketepatannya semakin baik. Setelah didapat persamaan sebagai model, ramalan dapat diperoleh dengan mencari harga Y setelah variabel bebas X di Subtitusikan ke persamaan tersebut. Diperoleh hasil untuk musim kemarau 1995 mempunyai ketepatan 66%, dan musim hujan 1994/1995 mempunyai ketepatan 72 %."

"Dengue adalah penyakit yang disebabkan oleh virus dan disebarkan oleh nyamuk Aedes (Stegomyia). Demam Denggi (Dengue Fever) dan Demam Berdarah Dengue/Dengue Haemorrhagic Fever/Dengue Shock Syndrome (DBD/DHF/DSS) terjadi lebih di 100 negara, dimana lebih dari 2,5 milyar manusia berisiko terinfeksi, diperkirakan 50 juta orang terinfeksi setiap tahun. Di Indonesia kasus Kejadian Luar Biasa (KLB) Demam Berdarah Dengue (DBD) terjadi setiap tahun. Pada tahun 1998 dan 2004 terjadi KLB yang cukup ekstrim dibeberapa propinsi di Indonesia, dengan jumlah kasus mencapai 79.480, tahun 2005 dilaporkan 95.000 kasus, dan pada tahun 2006 hingga bulan Nopember tercatat 73.000 kasus. Secara nasional propinsi DKI Jakarta menduduki posisi tertinggi, diikuti oleh propinsi Jawa Timur, Jawa Barat, Jawa Tengah, dan Sulawesi Selatan (Kusriastuti,2006).Perumusan masalah: penyakit DBD yang muncul disuatu daerah dipengaruhi oleh dinamika respons antara kondisi lingkungan yang mendukung perkembangbiakan vektor dengan variabilitas cuaca musimanPertanyaan penelitian: 1.Apakah ada hubungan antara variabilitas cuaca musiman dengan perkembangan kasus DBD di DKI Jakarta? 2. Apakah ada perbedaan jumlah rata-rata kasus DBD pada daerah dengan kondisi fisik permukiman yang tidak homogen? 3. Berapa ambang batas variabel cuaca yang signifikan terhadap perkembangan Kasus DBD di DKI Jakarta? Tujuan umum: membuat model peringatan dini DBD untuk wilayah Jakarta Timur dalam bentuk peta tematik potensi kasus demam berdarah dengue.Tujuan khusus: 1.Mengetahui pola perkembangan kasus DBD di wilayah Jakarta Timur. .Mengetahui variabilitas cuaca musiman di wilayah Jakarta Timur. 3.Mengetahui kondisi pemukiman yang rentan terhadap munculnya DBD. 4. Mengetahui hubungan antara variabel cuaca musiman dengan kejadian kasus DBD. 5.Membuat model peringatan dini DBD berdasarkan variabel cuaca musiman.Manfaat penelitian: 1.Pengembangan ilmu pengetahuan hubungan variabilitas cuaca musiman dengan perkembangan kasus DBD, 2. menentukan langkah-langkah pencegahan dan penanggulangan penyakit DBD, 3. masukan bagi Pemerintah daerah untuk pencegahan, penanganan, dan penanggulangan DBD 4. pengembangan kajian ilmu kesehatan lingkungan.Penelitian di wilayah Jakarta Timur, dengan pertimbangan wilayah ini cukup mewakili variasi keragamaman dalam arah utara-selatan, dan timur-barat. Metode yang dipergunakan adalah deduktif retrospektif (ex post facto), melalui lima tahap kegiatan, yaitu tahap explorasi, uji homogenitas wilayah pemukiman, pemodelan, validasi, dan pemetaan hasil pemodelan.Hasil penelitian: kasus DBD di wilayah Jakarta Timur mempunyai pola distribusi yang juling kanan (positively skewed), dan menunjukkan pergeseran usia penderita beresiko tinggi, dari usia 4-11 bulan (1979-1998) menjadi usia 15-44 tahun, dengan kecenderungan jumlah kasus yang juga semakin meningkat. Secara klimatologis suhu udara rata-rata berkisar antara 23-31°C, optimum untuk perkembangbiakan dan aktifitas nyamuk, yaitu antara 27-28°C (Koopman, 1991; Ridad, 2007). Kelembapan relatif udara rata-rata cukup tinggi (>70%) hampir sepanjang tahun. Curah hujan dan hari hujan menunjukkan siklus musiman yang nyata pada periode musim hujan yang berlangsung pada bulan Nopember-April, dan periode musim kemarau yang berlangsung pada bulan Mei-Oktober. Munculnya kasus DBD dapat dijelaskan dengan nilai indeks cuaca musiman (IC_DBD) dengan tingkat akurasi 81%. Nilai ambang batas IC_DBD peringatan dini DBD adalah pada kondisi Potensial (78-104). Nilai IC_DBD, cenderung tinggi pada periode menjelang musim hujan hingga awal musim kemarau (Oktober-Mei) dengan puncaknya terjadi pada bulan Januari. Siklus DBD terjadi pada periode Desember hingga Juli, dengan puncaknya terjadi pada bulan April. Kesimpulan: 1. kasus DBD di wilayah Jakarta Timur mempunyai pola distribusi yang juling kanan (positively skewed), dan menunjukkan adanya pergeseran usia penderita yang beresiko tinggi terhadap DBD, dari usia 4-11 bulan (1979-1998) menjadi usia 15-44 tahun, dengan kecenderungan jumlah kasus yang juga semakin meningkat; 2. Variasi musiman suhu dan kelembapan udara relatif stabil dan optimum untuk perkembangan nyamuk, kecuali faktor hujan mempunyai siklus yang nyata pada musim kemarau dan penghujan; 3. Rata-rata jumlah kasus DBD pada kondisi permukiman di Jakarta Timur tidak menunjukkan perbedaan yang signifikan dengan tingkat kepercayaan 95%, 4. Variabilitas cuaca musiman dapat dipergunakan sebagai precursor terhadap kasus DBD dengan tingkat akurasi 81% dengan jeda waktu 2 (dua) bulan; 5. Peta potensi DBD mempunyai ambang batas pada kondisi Potensial (78-104) dengan relasi terhadap kasus sebesar 400-599 kasus.Saran: Model ini dapat dimanfaatkan dan dikembangkan lebih lanjut oleh pemerintah daerah, instansi terkait, peneliti, dan masyarakat luas di daerah endemik DBD sebagai referensi kebijakan pencegahan, penanganan, dan penanggulangan DBD.

---

Dengue is a disease caused by viruses and transmitted by Aedes mosquito (Stegomyia). Dengue Fever and Dengue Haemorrhagic Fever/Dengue Shock Syndrome (DBD/DHF/DSS) occurred in more than 100 countries, more than 2,5 billion people at risk and estimated 50 millions people infected every year. In Indonesia, Unusual Event of Dengue Haemorrhagic Fever cases happen annually. In 1998 and 2004 extreme Unusual Events occurred in some of Indonesian provinces with 79.480 cases, in 2005 with 95.000 cases and in January to November 2006 with 73.000 cases. Nationally, DKI Jakarta is at the first level experienced the epidemic, followed by East Java, West Java, Central Java and South Sulawesi (Kusriastuti, 2006).Problem formulation: The DHF that occurred at a certain area is specifically influence by the dynamical response between environmental conditions that support vector breeding and seasonal weather variability.Research question: 1. Is there any corresponds between seasonal weather variability and the growth of Dengue Haemorrhagic Fever in DKI Jakarta? 2. Is there any differences in the number of Dengue Haemorrhagic Fever occurrences over non homogeny settlement area ? 3. How much is the threshold of weather variables significance with the growth of Dengue Haemorrhagic Fever in DKI Jakarta?General purpose: creating a Dengue Haemorrhagic Fever early warning model of East Jakarta area by creating thematic maps of Dengue Haemorrhagic Fever potency.Special purposes: 1. Understanding the growth pattern of Dengue Haemorrhagic Fever in East Jakarta. 2. Understanding seasonal weather variability of East Jakarta. 3. Understanding the mean number of DHF case that occurred at non homogeny settlement condition, 4. Understanding corresponds between seasonal weather variables and Dengue Haemorrhagic Fever cases. 5. Creating a Dengue Haemorrhagic Fever early warning model based on the seasonal weather variables.Benefits: 1. Developing the study on the correlation between seasonal weather variability and the growth of Dengue Haemorrhagic Fever cases. 2. Determining prevention and control methods of Dengue Haemorrhagic Fever disease. 3. Giving input for local governments to prevent and control the Dengue Haemorrhagic Fever 4. Developing study on the environment health. Study at East Jakarta area is considering that the area is represents enough for East-West and South-North variability variation. Deductive retrospective (ex post facto) method is used, divided into five stages including exploration, homogeneity test of settlement area, modeling, validation and model mapping.Results: Dengue Haemorrhagic Fever cases distribution pattern in East Jakarta is positively skewed and shows age shifting of high risk patient, from 4-11 months (1979-1998) to 15 ? 44 years, with tendency to become increased in quantity. Climatologically, the average temperature is at 23-31°C, optimum for mosquito?s activity and growth at about 27-28°C (Koopman, 1991; Ridad, 2007). Average relative humidity is high enough (>70%) almost at the whole year. Precipitation rate and rain days amount clearly shows seasonal cycle at the rainy season period at November to April and dry season period at May to October. The emerging of Dengue Haemorrhagic Fever cases could be explained by seasonal weather index value (IC_DBD) which accuracy reaches 81%. Threshold value of IC_DBD for issuing early warning is at the potential condition (78-104). IC_DBD value is relatively high at the formerly rainy season to the formerly dry season (October to May) and reaches its top value at January. Dengue Haemorrhagic Fever cycle occur at December to July and peak at April.Conclusions: 1. Dengue Haemorrhagic Fever cases distribution pattern in East Jakarta is positively skewed and shows age shifting of high risk patient, from 4-11 months (1979-1998) to 15 ? 44 years, with tendency to become increased; 2. Seasonal variation of temperature and humidity are relatively stable and optimum for the growth of the mosquito, with exception of clear rain factor at the rainy and dry season; 3. There is no significance differences in the mean number of occurrences of DHF cases at 95% significant level degree ; 4. Possibility of the seasonal weather variability as a precursor for Dengue Haemorrhagic Fever cases with accuracy reached 81% with 2 (two) months break; 5. Threshold for the Dengue Haemorrhagic Fever thematic maps is at the potential condition (78-104) corresponds with 400-599 Dengue Haemorrhagic Fever cases. Suggestions: This model possible to be utilized and further developed by local governments, related institutions, scientist and society at the endemic area of Dengue Haemorrhagic Fever as a reference for prevention and control policy for the fever."