Claim Missing Document
Check
Articles

Found 3 Documents
Search

KAJIAN ATMOSFER SAAT MCC (MESOSCALE CONVECTIVE COMPLEX) DI PAPUA BARAT (STUDI KASUS 14 AGUSTUS 2017) Wulandari, Ayu Vista; Swastiko, Wishnu Agum; Silitonga, Andreas Kurniawan; Hariadi, Hariadi
Jurnal Meteorologi Klimatologi dan Geofisika Vol 6 No 1 (2019): Jurnal Meteorologi Klimatologi dan Geofisika
Publisher : Unit Penelitian dan Pengabdian Masyarakat Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (622.22 KB) | DOI: 10.36754/jmkg.v6i1.112

Abstract

Mesoscale Convective Complex (MCC) merupakan salah satu jenis dari Mesoscale Convective System (MCS). MCC membentuk sistem awan badai yang luas akibat dari banyaknya sel tunggal awan Cumulunimbus yang berkumpul dan tumbuh sehingga disebut gugusan awan konvektif berskala meso. Pada 14 Agustus 2017 terbentuk MCC di wilayah Papua Barat dengan masa hidup dari pukul 14.00 hingga 19.00 UTC. Fenomena MCC tersebut menghasilkan hujan yang berlangsung cukup lama dan bersifat terus-menerus. Penelitian ini bertujuan untuk mengkaji kondisi atmosfer saat terjadinya MCC di Papua Barat pada 14 Agustus 2017. Kajian ini menggunakan data reanalysis dari ECMWF berupa parameter komponen angin meridional dan zonal, vortisitas, dan kelembaban udara. Selain itu, juga perlu dikaji dengan menggunakan citra satelit Himawari 8 dan data Radiosonde. Dari komponen angin meridional dan zonal pada pukul 06.00-24.00 UTC terdapat angin yang cukup kencang di Papua Barat dengan arah pergerakan ke barat laut hingga utara. Berdasarkan kajian sementara, nilai vortisitas lapisan 500 mb pada pukul 06.00-24.00 UTC bernilai negatif yang mengindikasikan adanya sirkulasi siklonik pada troposfer bagian tengah. Kondisi tersebut didukung dengan nilai kelembaban udara yang berkisar antara 70-100% yang menunjukkan kondisi lapisan pada saat kejadian relatif basah. Pada citra satelit Himawari menunjukkan adanya gugusan awan Cumulonimbus dengan suhu puncak -80 0C dan berdiameter sekitar 200 km, yang bercampur dengan awan jenis lain. Sehingga, MCC tersebut tergolong pada MCS kategori beta.
UJI AKURASI PRODUK ESTIMASI CURAH HUJAN SATELIT GPM IMERG DI SURABAYA, INDONESIA Azka, Mukhamad Adib; Sugianto, Prabu Aditya; Silitonga, Andreas Kurniawan; Nugraheni, Imma Redha
Jurnal Sains & Teknologi Modifikasi Cuaca Vol 19, No 2 (2018): December 2018
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (455.914 KB) | DOI: 10.29122/jstmc.v19i2.3153

Abstract

Curah hujan merupakan parameter meteorologi yang sangat berpengaruh dalam kehidupan. Saat ini, pengamatan secara in situ sangat kurang representatif untuk digunakan sebagai analisis karena jangkauannya yang sangat sempit sehingga memerlukan instrumen pendukung seperti satelit agar dapat memberikan gambaran yang lebih baik terkait distribusi hujan. Namun, data satelit juga belum tentu sepenuhnya benar karena resolusi dan kondisi dari setiap wilayah berbeda. Penelitian ini bertujuan untuk mendapatkan nilai akurasi, bias, korelasi, root mean square error (RMSE), dan mean absolute error (MAE) data estimasi curah hujan GPM IMERG dengan data curah hujan pengamatan langsung. Penelitian ini dilakukkan di Surabaya dengan menggunakan data estimasi curah hujan GPM IMERG dan data curah hujan pengamatan langsung dari Stasiun Meteorologi Kelas I Juanda Surabaya selama tahun 2017 mewakili musim hujan, musim kemarau, dan periode transisi. Hasil penelitian menunjukkan bahwa data curah hujan produk GPM IMERG memiliki korelasi yang sangat baik untuk memperkirakan akumulasi curah hujan bulanan. Sedangkan, untuk akumulasi harian, memiliki korelasi yang sangat rendah. Sementara itu untuk akumulasi sepuluh harian, data curah hujan produk satelit GPM IMERG memiliki korelasi yang baik terutama di periode musim hujan dan musim kemarau, akan tetapi memiliki korelasi yang rendah selama periode transisi dari musim hujan ke musim kemarau atau sebaliknya. Pada umumnya, produk ini sangat bagus dalam menentukan ada atau tidaknya hujan, tetapi performanya sangat rendah dalam menentukan besarnya intensitas curah hujan.
PERFORMA MODEL WRF ASIMILASI DATA SATELIT CUACA PADA KEJADIAN CURAH HUJAN LEBAT DI JABODETABEK Ismail, Prayoga; Silitonga, Andreas Kurniawan; Fadlan, Ahmad
Jurnal Sains & Teknologi Modifikasi Cuaca Vol 19, No 2 (2018): December 2018
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (619.813 KB) | DOI: 10.29122/jstmc.v19i2.3141

Abstract

Prediksi cuaca numerik saat ini terus dikembangkan untuk memenuhi kebutuhan prakiraan curah hujan beresolusi tinggi. Namun, prediksi cuaca numerik di Indonesia masih bermasalah dalam hal akurasi model numerik. Beberapa penelitian sebelumnya menunjukkan bahwa akurasi pemodelan sangat dipengaruhi oleh error pada data kondisi inisial. Penelitian ini mengkaji upaya untuk memperbaiki data inisial model Weather Research and Forecasting (WRF) dengan menggunakan prosedur asimilasi radiance satelit untuk prakiraan curah hujan di wilayah Jabodetabek untuk empat studi kasus pada musim yang berbeda selama 2017. Enam eksperimen model dijalankan dengan data satelit AMSUA, MHS, HIRS4, dan ATMS menggunakan WRFDA 3DVar. Penelitian ini dilakukan dengan analisis pengaruh asimilasi terhadap data inisial model, analisis skill model berdasarkan diagram taylor, kriteria curah hujan, curah hujan spasial, dan akumulasi curah hujan time series dibandingkan dengan data observasi curah hujan BMKG dan data curah hujan GSMaP. Hasil penelitian menunjukkan bahwa eksperimen DA AMSUA, MHS, dan MIX dapat memodifikasi data kondisi inisial model dengan baik. Sementara itu, hasil verifikasi diagram taylor mengungkapkan bahwa eksperimen DA-MHS memiliki performa terbaik dibandingkan dengan asimilasi lainnya, sedangkan verifikasi prediksi curah hujan berdasarkan kriteria hujan, verifikasi spasial, dan akumulasi curah hujan time series pada eksperimen DA-AMSUA adalah yang terbaik dengan skill model yang cukup konsisten di wilayah Jabodetabek pada berbagai musim.