Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains & Teknologi Modifikasi Cuaca Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital
Zakir, Achmad
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PERBAIKAN PREDIKSI CUACA NUMERIK KEJADIAN CURAH HUJAN LEBAT TERKAIT DENGAN KEJADIAN LONGSOR DI BANJARNEGARA MENGGUNAKAN ASIMILASI DATA SATELIT Mulsandi, Adi; Kristianto, Aries; Zakir, Achmad
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 (1426.319 KB) | DOI: 10.29122/jstmc.v19i2.3127

Abstract

Wilayah Banjarnegara terekspos dengan kejadian tanah longsor yang terjadi hampir setiap tahun. Hujan lebat merupakan salah satu faktor penting pemicu terjadinya longsor yang paling mungkin untuk diprediksi, sehingga prediksi hujan lebat yang akurat sangat dibutuhkan dalam sistem peringatan dini longsor. Namun demikian, keterbatasan peralatan pengamatan cuaca di Banjarnegara memberikan kendala tersendiri sehingga dibutuhkan teknik lain dalam pembuatan informasi prediksi cuaca di wilayah ini. Penelitian ini dibuat untuk memberikan kontribusi landasan ilmiah dalam membuat prakiraan cuaca menggunakan model Weather Research and Forecasting (WRF) dengan mengintegrasikan data pengamatan satelit menggunakan WRF Data Assimilation (WRF-DA) untuk memperbaiki kualitas data awal model. Hasil penelitian menunjukan bahwa prosedur asimilasi data satelit cuaca dapat memperbaiki data awal kandungan uap air di atmosfer (+60%) beberapa jam sebelum kejadian hujan lebat. Sehingga hasil prediksi model cuaca numerik dengan menggunakan asimilasi data satelit (DA-SAT) menjadi lebih baik dibandingkan dengan yang tidak menggunakan asimilasi data (Non_DA). Hal ini ditunjukan dengan nilai bias model yang mengecil (-32%) jika dibandingkan dengan data pengamatan penakar hujan stasiun. Hasil perbandingan data series waktu akumulasi curah hujan antara DA-SAT dan Non-DA memperlihatkan adanya perbedaan waktu tercapainya hujan maksimum dan juga perbedaan intensitasnya dimana skema Non-DA lebih lambat (+5 jam) dengan bias (-40%) sementara DA-SAT lebih lambat 0.5 jam dengan bias (+8%). Dapat disimpulkan bahwa asimilasi data satelit dapat memperbaiki kesalahan prediksi jumlah hujan dan waktu kejadiannya. Hasil penelitian ini dapat dijadikan rekomendasi penggunaan asimilasi data satelit dalam pembuatan informasi prediksi cuaca numerik di wilayah Banjarnegara.
Spatial Temporal Analysis of Mesoscale Convective System to Asia-Australia Monsoon in East Java Firdianto, Prasetyo; Sukojo, Bangun Muljo; Zakir, Achmad; Mulsani, Adi
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 19 No. 1 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/inderaja.v19i1.5136

Abstract

Indonesia maritime continent has the formation of clouds that can develop and evolution into MCSs (Mesoscale Convective System). Asian-Australian monsoon has an important influence in determining activities of MCSs. Research gap is analysis of relation between monsoon and MCSs in East Java where is greatly influenced by the monsoon. The data are weather satellite of Himawari, zonal wind and meridional wind ERA-Interim Model 850 mb. Determination of the MCSs follows the physical characteristics in the Maddox algorithm and the AUSMI index follows the Kajikawa algorithm. The method used is quantitative analysis of coefficient of correlation and determination, and qualitative in the form of descriptive analytic. It can be known that the Asian-Australian monsoon has weak influence on the MCSs in the East Java. AUSMI index has the same pattern and phase with frequency of MCSs on seasonal. 
Co-Authors Adi Mulsandi Aries Kristianto Bangun Muljo Sukojo, Bangun Muljo Firdianto, Prasetyo Mulsani, Adi