Garuda - Garba Rujukan Digital

ESTIMASI CURAH HUJAN HARIAN DENGAN METODE AUTO ESTIMATOR (Kasus Jayapura dan sekitarnya) Yunus Subagyo Swarinoto; Husain Husain
Jurnal Meteorologi dan Geofisika Vol 13, No 1 (2012)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Salah satu citra satelit cuaca yang digunakan secara operasional oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG) saat ini adalah citra MTSAT. Pengamatan awan dari satelit cuaca MTSAT dapat digunakan untuk menafsirkan (estimasi) hujan. Estimasi curah hujan berdasarkan pada suhu puncak awan yang diperoleh dari citra satelit MTSAT kanal IR-1 (infrared) dengan menggunakan metode Auto Estimator telah dilakukan di Jayapura dan sekitarnya. Sebagai bahan kajian digunakan citra satelit cuaca MTSAT kanal IR-1 bulan Januari dan Februari 2010. Untuk keperluan validasi dibutuhkan data observasi stasiun-stasiun meteorologi/ klimatologi Dok II Jayapura (97698), Sentani Jayapura (97690), dan Genyem Jayapura (97692). Hasil estimasi curah hujan ini dibandingkan dengan data curah hujan actual untuk mengetahui kedekatan hubungan antar keduanya. Untuk menguji keakuratan hasil dihitung nilai error (Root Mean Square Error, RMSE) dan persentate hari hujan. Hasil menunjukkan bahwa hubungan antara curah hujan hasil estimasi dengan curah hujan aktual di Jayapura dan sekitarnya pada Januari 2010 lemah dengan RMSE berkisar 117.8–215.5 mm/hari dan pada bulan Februari 2010 cukup kuat dengan RMSE berkisar 26.4–38.8 mm/hari. Tingkat akurasi estimasi hari hujan pada bulan Januari >70% dan pada bulan Februari 2010 berkisar 42.8–85.7%. MTSAT data are used by BMKG for operational purposes. MTSAT channel IR-1 can be used to estimate rainfall on surface. The rainfall estimation is derived based on the cloud top temperature by using the Auto Estimator Methode. The area of study is chosen at Jayapura and its surrounding. The period of sattellite data used are January and February 2010. Validation of the rainfall estimation is done by using observed rainfall data taken from observation stations: Dok II, Sentani, and Genyem. Results shows that the relation between estimated rainfall and observed rainfall in Jayapura and its surrounding is weak on January 2010 (117.8–215.5 mm/day of RMSE) but stronger in February 2010 (26.4–38.8 mm/day of RMSE). The accuracy of the rainfall day estimation in January 2010 is about >70% and 42.8–85.7% in February 2010.

PEMANFAATAN SUHU UDARA DAN KELEMBAPAN UDARA DALAM PERSAMAAN REGRESI UNTUK SIMULASI PREDIKSI TOTAL HUJAN BULANAN DI BANDAR LAMPUNG Yunus Subagyo Swarinoto; Sugiyono Sugiyono
Jurnal Meteorologi dan Geofisika Vol 12, No 3 (2011)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Simulasi prediksi curah hujan bulanan (RR) dengan menggunakan prediktor suhu udara (T) dan kelembapan udara (RH) telah dicoba dilakukan di Stasiun Meteorologi Radin Inten II Bandar Lampung. Evaluasi dilakukan dengan membandingkan dan menghitung besarnya penyimpangan prediksi total hujan bulanan terhadap total hujan aktualnya. Simulasi prediksi total hujan bulanan ini digunakan dua metode regresi, yaitu regresi linier sederhana dan regresi linier berganda. Hasil pengolahan data menunjukkan bahwa simulasi prediksi total hujan bulanan tahun 2009 di daerah studi didapatkan rerata RMSE = 98 mm/bulan menggunakan prediktor suhu udara, RMSE = 7 mm/bulan menggunakan prediktor kelembapan udara, dan RMSE = 69 mm/bulan menggunakan prediktor suhu udara dan kelembapan udara sekaligus. Monthly rainfall prediction simulation (RR) using air temperature (T) and relative humidity (RH) as predictors, has been done at Meteorological Station Radin Inten II Bandar Lampung. Evaluation of prediction was examined by comparing and computing between the prediction output and observation values. Both linear and multi-linear regression methods were used in data processing. Results show the monthly rainfall prediction simulation of 2009 having the mean of RMSE = 98 mm/month using air temperature data as predictor, RMSE = 7 mm/month using relative humidity data as predictor, and RMSE = 69 mm/month using both air temperature and relative humidity data as predictors at onces.

MODEL SISTEM PREDIKSI ENSEMBLE TOTAL HUJAN BULANAN DENGAN NILAI PEMBOBOT (KASUS WILAYAH KABUPATEN INDRAMAYU) Yunus Subagyo Swarinoto; Yonny Koesmaryono; Edvin Aldrian; Aji Hamim Wigena
Jurnal Meteorologi dan Geofisika Vol 13, No 3 (2012)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Manajemen air menjadi sangat penting khususnya di wilayah yang rentan terhadap ketersediaan air. Mengingat hujan di atas normal dapat mengakibatkan banjir, sedangkan hujan di bawah normal mengakibatkan kekeringan. Untuk itu prediksi unsur iklim hujan ini menjadi penting. Model sistem prediksi ensemble berbasis model sistem prediksi tunggal ANFIS, Wavelet-ANFIS, Wavelet ARIMA, dan ARIMA total hujan bulanan telah disimulasikan di wilayah Kabupaten Indramayu. Model sistem prediksi ensemble total hujan bulanan ini dibentuk dengan teknik pembobotan. Nilai pembobot didasarkan pada nilai koefisien korelasi Pearson (r) yang diperoleh selama masa pelatihan dengan series data 1991-2000. Hasil pengolahan data 2001-2009 menunjukkan kisaran nilai r didapat 0,45-0,83 untuk ANFIS; 0,20-0,53 untuk Wavelet-ANFIS; 0,50-0,95 untuk Wavelet-ARIMA; 0,14-0,66 untuk ARIMA; dan 0,58-0,94 untuk Ensemble. Secara spasial, luaran model sistem prediksi ensemble total hujan bulanan di wilayah Kabupaten Indramayu menunjukkan hasil yang konsisten lebih baik daripada luaran model sistem prediksi tunggal pembentuknya. Water management is very important especially for region which is vulnarable to the water availability. Above normal rainfal condition causes flood, meanwhile below normal one triggers to the drought occurences. Coping with this situation, the rainfall prediction output is needed. The ensemble prediction system model (EPSM) based on several single prediction system models (SPSMs) such as ANFIS, Wavelet-ANFIS, Wavelet ARIMA, and ARIMA on monthly rainfall total, has been simulated within Indramayu district. The EPSM was developed and based on the weighting technique. This weighting is computed based on the value of Pearson correlation coefficient (r) which has been gained during the training period of 1991-2000. Results of 2001-2009 model running show the value of r are 0,45-0,83 for ANFIS; 0,20-0,53 for Wavelet- ANFIS; 0,50-0,95 for Wavelet-ARIMA; 0,14-0,66 for ARIMA; and 0,58-0,94 for the Ensemble. Spatially, the output of EPSM of rainfall total within Indramayu district show consistently better results comparing to the output of origin SPSMs.

SIMULASI PREDIKSI PROBABILITAS AWAL MUSIM HUJAN DAN PANJANG MUSIM HUJAN DI ZOM 126 DENPASAR Yunus Subagyo Swarinoto; Erwin Eka Syahputra Makmur
Jurnal Meteorologi dan Geofisika Vol 11, No 1 (2010)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v11i1.56

Simulasi prediksi probabilitas Awal Musim Hujan (AMH) dan Panjang Musim Hujan (PMH) terkait kondisi Indonesia SSTA, Nino34 SSTA, dan IODM SSTA sebagai prediktor telah dilakukan di Zona Musim (ZOM) 126 Denpasar. Lokasi ini dipilih karena memiliki pola curah hujan dasarian maupun bulanan pola monsunal, sehingga terdapat perbedaan yang jelas antara kondisi Musim Hujan (MH) dengan kondisi Musim Kemarau (MK). Kejadian puncak dan lembah curah hujan pada lokasi ini berlangsung sekali dalam satu tahun. Puncak hujan berlangsung bersamaan dengan MH dan sebaliknya lembah hujan berlangsung bersamaan dengan MK. Untuk ZOM 126 Denpasar, simulasi prediksi probabilitas ini dihitung berdasaran pada kondisi seluruh prediktor sebagaimana tersebut di atas. Time lag 3, 2, dan 1 bulan digunakan pada data dasarian awal yang diolah. Data yang memiliki nilai koefisien determinasi R2 terbesar dari persamaan regresi multi linear yang dibentuk berdasarkan pada kondisi prediktor di atas selanjutnya digunakan dalam menentukan simulasi prediksi probabilitas AMH dan PMH. Hasil menunjukkan bahwa kondisi Indonesia SSTA sangat berperan dalam menentukan nilai probabilitas maju-mundur AMH dan panjang-pendek PMH di ZOM 126 Denpasar, khususnya pada saat Nino34 dan IODM SSTA lemah. Sementara itu kondisi Nino34 SSTA dan IODM Anomaly memiliki peran sebagai penguat/pelemah terhadap probabilitas kejadian AMH dan PMH di ZOM 126 Denpasar. The probability forecast simulation of Rainy Season Onset and the Lenght of Season based on Indonesia SST, Nino34 SST, and IODM SST Anomalies as predictors, have been done over Seasonal Forecast Area (SFA) 126 Denpasar. This SFA was chosen as a case in relation to it’s monsoonal rainfall pattern. In this SFA there were clearly different condition between Rainy and Dry Seasons. Basically the peak of Rainy and Dry Seasons only happen once a year. The peak of Rainy Season commonly takes place during early year but Dry Season occurs in the middle year. The probability forecast simulation of SFA 126 Denpasar was computed base on predictors condition at once. Time lag of 3, 2, 1 month(s) of predictors preceded the earliest onset of season have been examined. Time lags used data which have the most significant value of determination coefficient R2 (taken from multi linear regression equation) should be denoted as input for providing the probability forecast simulations. Results show that Indonesia SSTA has significantly played a role for determining the onset of seasons over SFA 126 Denpasar, whether earlier onset or longer ones, especially during the weak of Nino34 and IODM SSTAs. Meanwhile the other predictors condition were denoted to strengthen and weaken the onset of seasons.

STATISTICAL DOWNSCALING SUHU MUKA LAUT GLOBAL UNTUK PREDIKSI TOTAL HUJAN BULANAN MENGGUNAKAN TEKNIK PLS Yunus Subagyo Swarinoto; Aji Hamim Wigena
Jurnal Meteorologi dan Geofisika Vol 12, No 1 (2011)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v12i1.80

Untuk dapat melakukan prediksi total hujan bulanan di wilayah Kabupaten Indramayu dapat digunakan prediktor data SML yang diperoleh dari model GCM. Keunggulan luaran model GCM adalah dapat diturunkannya data secara spasial maupun secara temporal. Namun demikian, penggunaan data SML skala global secara langsung untuk prediksi total hujan bulanan skala regional sebagai peubah respon sangat tidak sesuai. Mengingat banyak feature skala lokal maupun regional yang tidak dapat disajikan oleh luaran model skala global. Kondisi ini merupakan suatu kelemahan dari luaran model global. Akibatnya diperlukan suatu teknik Statistics Downscaling (SD) untuk mengolah data prediktor agar dapat menghasilkan nilai peubah respon yang sesuai skala lokal maupun regional. Dalam tulisan ini akan disajikan hasil teknik SD dari 49 grid point dengan resolusi 1° x 1° data SML GCM untuk memperoleh nilai prediksi total hujan bulanan di wilayah Kabupaten Indramayu. Pengolahan data SML GCM ini digunakan teknik Partial Least Square Regression (PLSR). Hasilnya menunjukkan bahwa nilai koefisien korelasi Pearson sebesar 0,48 hingga 0,88 dan nilai RMSE sebesar 43 mm per bulan hingga 133 mm per bulan. Lokasi Anjatan menunjukkan hasil terbaik. In order to predict monthly rainfall total over Indramayu district SST data of GCM outputs can be used as a predictor. The advantage of GCM outputs is that data could be derived spatially and temporally. Unfortunately, the used of GCM outputs directly to provide total rainfall prediction for local and regional scales are considered improper because these outputs can not provide some features of local and regional scales. This condition is the disadvantage of global model outputs. In this case, it is necessary to apply Statistical Downscaling (SD) technique. This paper discusses the use of Partial Least Square Regression (PLSR) as SD technique using 49 grid points SST of 1° x 1° resolution of GCM to predict monthly rainfall total in Indramayu district. The results show that Pearsoncorrelation coefficient range is 0,48 to 0,88 and the RMSE range is 43 mm per month to 133 mm per month. Anjatan station shows the best performance.

PENGARUH TIME LAG SML SEBAGAI PREDIKTOR DALAM MODEL SISTEM PREDIKSI ENSEMBLE PEMBOBOT PRAKIRAAN HUJAN BULANAN DI KABUPATEN INDRAMAYU Yunus Subagyo Swarinoto; Yonny Koesmaryono; Edvin Aldrian; Aji Hamim Wigena
Jurnal Meteorologi dan Geofisika Vol 14, No 1 (2013)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v14i1.144

Data Suhu Muka Laut (SML) dari Japan Meteorological Agency (JMA) dengan resolusi 1° diregresikan dengan prediksi hujan bulanan di wilayah Kabupaten Indramayu Propinsi Jawa Barat. Proses ini dimaksudkan untuk memperbaiki luaran model Sistem Prediksi Ensemble dengan nilai pembobot (SPEP) dalam melakukan prediksi unsur iklim hujan bulanan di wilayah Kabupaten Indramayu dengan memasukkan dinamika fluktuasi SML di sekitar daerah penelitian. Teknik yang digunakan dalam mengkaitkan data SML-JMA dengan nilai prediksi hujan bulanan dimaksud adalah teknik Partial Least Square Regression (PLSR). Model yang diaplikasikan selanjutnya disebut sebagai SPEP-PLSR. Data SML-JMA diolah dengan memperhatikan time lag 1 dan 2 bulan sebelumnya karena efek SML terhadap atmosfer tidak berlangsung secara cepat. Luaran model SPEP-PLSR menunjukkan hasil yang lebih baik secara signifikan terhadap luaran model SPEP untuk time lag 2 bulan. Kondisi ini ditunjukkan oleh nilai yang lebih baik untuk koefisien korelasi Pearson (r) minimum, nilai r rerata, nilai Root Mean Square Erros (RMSE) maksimum, dan nilai RMSE rerata daripada luaran yang dihasilkan oleh SPEP. The Sea Surface Temperature of Japan Meteorological Agency (SML-JMA) with 1° resolution had been regressed with monthly rainfall prediction in Indramayu District of West Java Province. This method was used to improve the quality of the Ensemble Prediction System using Weighting Factor (SPEP) model output to provide the monthly rainfall prediction by inserting the fluctuation of Sea Surface Temperature dynamics. Processing technique done between SML-JMA and monthly rainfall prediction was Partial Least Square Regression method. This model was then called as SPEP-PLSR. Those SML-JMA data were computed based on preceded time lag of 1 and 2 months because the efect of SML did not occur directly into the atmosphere. Results of SPEP-PLSR model outputs showed significantly better in quality compared to the SPEP model outputs itself. The SPEP-PLSR model outputs showed spatially better in minimum Pearson correlation coeficient (r), r average, maximum RMSE, and RMSE average compared to the SPEP model outputs.

EVALUASI KEHANDALAN SIMULASI INFORMASI PRAKIRAAN IKLIM MUSIMAN MENGGUNAKAN METODE ROC (Kasus ZOM 126 Denpasar) Yunus Subagyo Swarinoto
Jurnal Meteorologi dan Geofisika Vol 11, No 2 (2010)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v11i2.71

Evaluasi keandalan simulasi informasi prakiraan iklim musiman dengan menggunakan metode Relative Operating Characteristic (ROC) dilakukan di ZOM 126 Denpasar. Data dasar yang digunakan adalah awal musim hujan yang diturunkan dari data total hujan dasarian. Awal musim hujan simulasi ditentukan berdasarkan pada simulasi Monte Carlo menggunakan distribusi normal terhadap data prediktor untuk bulan Juli (anomali suhu permukaan laut Nino3.4, anomali suhu permukaan laut IODM, anomali suhu permukaan laut wilayah Indonesia) dan sebagai prediktan adalah awal musim hujan dasarian. Awal musim hujan observasi rata-rata di ZOM 126 Denpasar diketahui jatuh pada dasarian 29. Untuk normal awal musim hujan digunakan toleransi 1 (satu) dasarian, sehingga normal terjadinya awal musim hujan di ZOM 126 Denpasar adalah dasarian 28-30. Kejadian awal musim hujan sebelum dasarian 28-30 ditentukan sebagai lebih cepat terjadi (Early Onset, E). Sebaliknya jika awal musim hujan terjadi setelah dasarian 28-30 ditentukan sebagai lebih lambat terjadi (Later Onset, L). Luas kurva di bawah garis ROC ditengarai sebagai tingkat keandalan prakiraan awal musim hujan di ZOM 126 Denpasar. Hasil menunjukkan bahwa tingkat keandalan simulasi prakiraan awal musim hujan di ZOM 126 Denpasar diperoleh 75% untuk terjadinya awal musim hujan lebih cepat (E) dan 74% untuk terjadinya awal musim hujan lebih lambat (L). The accuracy of seasonal rainfall prediction using Relative Operating Characteristic (ROC) had been done for Seasonal Forecast Area (SFA) 126 Denpasar. Based on 10-day rainfall data, the onset of rainy season observation could properly be determined. Tthe onset of rainy season simulation or prediction was provided by using the Monte Carlo simulation method based on normal distribution assumption. The predictors used are Nino34 SST anomaly, IODM SST anomaly, and Indonesia SST anomaly for July. The predictant in this case is onset of rainy season. The onset of rainy season in SFA 126 Denpasar commonly occurs the 29th of 10-day based on 1981-2000 data series. Giving a 10-day tolerance, the average of rainy season onset occurs between 28th – 30th of 10-day as a Normal onset. Rainy season onset occurences before 28th - 30th of 10-day is considered as Early (E) onset. Others are designated as Later (L) onset. Further step, based on contingency tables of E and L onsets, ones are able to compute the values of Hit Rates (HR) and False Alarm Rates (FAR). The area below ROC curve shows the accuracy of the onset of rainy season prediction. Results show that accuracy of rainy season onset prediction in SFA 126 Denpasar is 75% for Early onset and 74% for Later onset.

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search