Garuda - Garba Rujukan Digital

KAJIAN AWAL UJI STATISTIK PERBANDINGAN SUHU UDARA DARI PERALATAN OTOMATIS DAN MANUAL Kharisma Aprilina; Tri Astuti Nuraini; Ardhasena Sopaheluwakan
Jurnal Meteorologi dan Geofisika Vol 18, No 1 (2017)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Penelitian ini bertujuan untuk mengetahui perbedaan secara statistik hasil pengukuran suhu udara menggunakan peralatan otomatis (Automatic Weather Station/AWS) dengan hasil pengukuran suhu udara secara manual atau sinoptik. Data yang diuji adalah data per-tiga-jam-an yang berasal dari data AWS dan data sinoptik dari 12 (dua belas) stasiun milik Badan Meteorologi Klimatologi dan Geofisika (BMKG) yaitu Bengkulu, Dabo Singkep, Gunung Sitoli, Lhokseumawe, Meulaboh, Ranai, Rengat, Sibolga, Tanjung Pandan, Tarakan, Tarempa, dan Tegal dari bulan Februari-Juni 2016. Uji normalitas menggunakan metode Anderson-Darling dan Shapiro-Wilk menghasilkan keputusan data AWS dan data sinoptik dari seluruh stasiun yang diujikan tidak berdistribusi normal pada taraf signifikansi α = 0,05. Uji homogenitas menggunakan uji Levene menghasilkan keputusan bahwa kedua data di stasiun Bengkulu, Dabo Singkep, Gunung Sitoli, Lhokseumawe, dan Rengat homogen pada taraf signifikansi α = 0,05, sedangkan kedua data di stasiun Meulaboh, Ranai, Sibolga, Tanjung Pandan, Tarakan, Tarempa, dan Tegal tidak homogen pada taraf signifikansi α = 0,05. Uji beda statistik menggunakan metode Wilcoxon-Mann-Whitney menghasilkan keputusan bahwa antara data AWS dan data sinoptik tidak berbeda nyata pada taraf signifikansi α = 0,05 pada semua stasiun kecuali stasiun Lhokseumawe dan Ranai kedua data berbeda nyata pada taraf signifikansi α = 0,05. This study aims to determine the statistical differences between measurements of air temperature using the automatic instrument (Automatic Weather Station/AWS) and air temperature measurements using the manual instrument. The data that is used in this study are three-hourly data collected from February to June 2016 in 12 (twelve) synoptic stations of the Indonesian Agency for Meteorology Climatology and Geophysics (BMKG), which are Bengkulu, Dabo Singkep, Gunung Sitoli, Lhokseumawe, Meulaboh, Ranai, Rengat, Sibolga, Tanjung Pandan, Tarakan, Tarempa, and Tegal. Normality tests performed using the Anderson-Darling and Shapiro-Wilk methods conclude that AWS data and synoptic data from all stations are not normally distributed with a significance level of α = 0.05. Meanwhile, homogeneity test using the Levene's test concludes that both types of data in Bengkulu, Dabo Singkep, Gunung Sitoli, Lhokseumawe, and Rengat are homogeneous in their variance at the significance level α = 0.05, while in Meulaboh, Ranai, Sibolga, Tanjung Pandan, Tarakan, Tarempa, and Tegal the two types of data are not homogeneous in their variance with a significance level of α = 0.05. The test of statistical significance, which is performed using the non-parametric Wilcoxon-Mann-Whitney test, concludes that there is no significant difference (with a significance level of α = 0.05) between the AWS data and synoptic data for all stations, except for Lhokseumawe and Ranai stations.

KARAKTERISTIK DAN TREN PERUBAHAN SUHU PERMUKAAN LAUT DI INDONESIA PERIODE 1982-2009 Muhammad Najib Habibie; Tri Astuti Nuraini
Jurnal Meteorologi dan Geofisika Vol 15, No 1 (2014)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Suhu permukaan laut (SPL) merupakan komponen penting yang dapat mengendalikan cuaca dan iklim di wilayah Indonesia. Seiring dengan adanya isu perubahan iklim yang ditandai dengan peningkatan suhu global, maka SPL disinyalir juga berubah. Pada penelitian ini dikaji tentang karakteristik dan tren perubahan SPL di wilayah Indonesia. Tujuan dari penelitian ini adalah untuk mengetahui ada tidaknya perubahan SPL di wilayah Indonesia. Untuk itu dianalisa data SPL selama 28 tahun (1982-2009) dengan metode Mann-Kendall test. Domain yang digunakan adalah 15°LU- 15°LS, 90°BT-145°BT. Berdasarkan hasil penelitian ini diperoleh bahwa karakteristik siklus SPL di wilayah Indonesia berhubungan erat dengan siklus monsun yang bertiup di wilayah ini dimana pada periode monsun Asia SPL di wilayah utara lebih hangat sebaliknya pada periode monsun Australia, di selatan yang lebih hangat dan di sekitar ekuator mengalami SPL paling hangat pada periode peralihan. Secara umum di wilayah Indonesia terutama di inner sea terjadi tren peningkatan SPL dengan probabilitas > 95%. Daerah inlet Arus Lintas Indonesia (ARLINDO) dan South Equatorial Current yang meliputi perairan sekitar Biak, Selat Makassar, Halmahera, dan Laut Banda, pada umumnya mengalami tren peningkatan SPL yang paling tinggi dibandingkan wilayah sekitarnya dengan peningkatan mencapai 0,5-1,1 oC pada periode DJF. Pada masa peralihan dan musim kemarau, hanya di Pasifik bagian barat yang mengalami tren meningkat. Sea Surface Temperature (SST) is an important factor in weather and climate regulation over Indonesia. According to the climate change issue which is characterized by increasing global temperatures, the SST was allegedly increased too. The purpose of this study was to determine the existence of SST change over Indonesia. Mann-Kendall test used to analyze 28 years (1982-2009) SST data. The domain of this research is 15° N-15° S, 90° E-145° E. The result of this research shows that increasing trend of SST occurring over Indonesia waters. It was found that the characteristic of SST in Indonesia is correlated with the monsoon system, whereas in the Asian summer monsoon, the SST of the northern region is warmer. Contrary, in the Australian summer monsoon, the SST of the southern region is warmer. The SST of the equator region is warmest in the transition period. In general, Indonesia's waters experiencing an increasing trend of SST with a probability of over 95%. The Indonesian throughflow and South Equatorial Current on the western part of the Pacific Ocean covering Biak waters, Makassar Strait, Halmahera, and the Banda Sea generally experiencing the highest increasing trend of SST compared with other areas between 0.5 to 1.1°C. In the transitional period and dry season, the SST over Indonesia, largely unchanged, except in the western Pacific.

PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN METODE KALMAN FILTER DENGAN PREDIKTOR SST NINO 3.4 DIPREDIKSI Restu Tresnawati; Tri Astuti Nuraini; Wido Hanggoro
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.v11i2.70

Prediksi Curah Hujan Bulanan di daerah Purbalingga telah dilakukan menggunakan metode Kalman Filter dengan Prediktor SST 3.4. Validasi terhadap prediksi tiga tahun kebelakang (hindcast) 2006, 2007, 2008 menunjukkan nilai koefisien korelasi mencapai 75%. Untuk memperoleh nilai prediktor SST Nino 3.4 diprediksi menggunakan metode ARIMA. Validasi prediksi SST Nino 3.4 selama tiga tahun periode pengujian menunjukkan pada tahun 2006 r=0.91, 2007 r=0.64 dan 2008 r=0.82. Monthly Rainfall Prediction in the area Purbalingga been performed using the method of Kalman Filter with SST Predictor 3.4. Validation of predictions three years before (hindcast) 2006, 2007, 2008 showing the correlation coefficient reached 75%. To obtain Nino 3.4 SST predictor values predicted using ARIMA method. Validation of Nino 3.4 SST predictions for three-year testing period in 2006 showed r = 0.91, 2007 and 2008, r = 0.64 r = 0.82

APLIKASI METODE ENSEMBLE MEAN UNTUK MENINGKATKAN RELIABILITAS PREDIKSI HyBMG Kurnia Endah Komalasari; Yuaning Fajariana; Tri Astuti Nuraini; Rian Anggraeni
Jurnal Meteorologi dan Geofisika Vol 17, No 1 (2016)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v17i1.381

Tingginya variasi curah hujan di Indonesia mengakibatkan sulit untuk menentukan model prakiraan iklim yang memiliki validitas dan reliabilitas terbaik. Penelitian ini dilakukan untuk mendapatkan model prakiraan iklim dengan akurasi yang lebih baik dengan menggunakan metode ensemble mean. Metode ensemble mean menggabungkan hasil prediksi dari empat model prakiraan iklim berbasis statistik yang terintegrasi ke dalam software HyBMG, yaitu ARIMA, ANFIS, Wavelet ANFIS, dan Wavelet ARIMA. Berdasarkan hasil uji coba terhadap data curah hujan dari tahun 2003-2012, ensemble mean dapat meningkatkan performa dari hasil prakiraan iklim dengan single method; hasil prakiraan iklim untuk metode ARIMA dapat meningkat hingga 44.4%, ANFIS 43.4%, Wavelet ARIMA 55.6%, dan Wavelet ANFIS hingga 58.6%. The high rainfall variability in Indonesia makes it difficult to determine the climate forecast models that have the best reliability and validity. This study was conducted to obtain climate forecasting model with better accuracy using the ensemble mean. This method combines prediction results from four statistical climate models integrated within the HyBMG software, i.e. ARIMA, ANFIS, ANFIS Wavelet and Wavelet ARIMA. Based on test results of the 2003-2012 rainfall data, the ensemble mean method is proven to improve the performance of climate forecasts results with only one single method; for ARIMA the improvement is up to 44.4%, ANFIS 43.4%, ARIMA Wavelet 55.6%, and Wavelet ANFIS 58.6%.

APLIKASI METODE ENSEMBLE MEAN UNTUK MENINGKATKAN RELIABILITAS PREDIKSI HyBMG Kurnia Endah Komalasari; Yuaning Fajariana; Tri Astuti Nuraini; Rian Anggraeni
Jurnal Meteorologi dan Geofisika Vol. 17 No. 1 (2016)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v17i1.381

Tingginya variasi curah hujan di Indonesia mengakibatkan sulit untuk menentukan model prakiraan iklim yang memiliki validitas dan reliabilitas terbaik. Penelitian ini dilakukan untuk mendapatkan model prakiraan iklim dengan akurasi yang lebih baik dengan menggunakan metode ensemble mean. Metode ensemble mean menggabungkan hasil prediksi dari empat model prakiraan iklim berbasis statistik yang terintegrasi ke dalam software HyBMG, yaitu ARIMA, ANFIS, Wavelet ANFIS, dan Wavelet ARIMA. Berdasarkan hasil uji coba terhadap data curah hujan dari tahun 2003-2012, ensemble mean dapat meningkatkan performa dari hasil prakiraan iklim dengan single method; hasil prakiraan iklim untuk metode ARIMA dapat meningkat hingga 44.4%, ANFIS 43.4%, Wavelet ARIMA 55.6%, dan Wavelet ANFIS hingga 58.6%. The high rainfall variability in Indonesia makes it difficult to determine the climate forecast models that have the best reliability and validity. This study was conducted to obtain climate forecasting model with better accuracy using the ensemble mean. This method combines prediction results from four statistical climate models integrated within the HyBMG software, i.e. ARIMA, ANFIS, ANFIS Wavelet and Wavelet ARIMA. Based on test results of the 2003-2012 rainfall data, the ensemble mean method is proven to improve the performance of climate forecasts results with only one single method; for ARIMA the improvement is up to 44.4%, ANFIS 43.4%, ARIMA Wavelet 55.6%, and Wavelet ANFIS 58.6%.

KAJIAN AWAL UJI STATISTIK PERBANDINGAN SUHU UDARA DARI PERALATAN OTOMATIS DAN MANUAL Kharisma Aprilina; Tri Astuti Nuraini; Ardhasena Sopaheluwakan
Jurnal Meteorologi dan Geofisika Vol. 18 No. 1 (2017)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v18i1.396

Penelitian ini bertujuan untuk mengetahui perbedaan secara statistik hasil pengukuran suhu udara menggunakan peralatan otomatis (Automatic Weather Station/AWS) dengan hasil pengukuran suhu udara secara manual atau sinoptik. Data yang diuji adalah data per-tiga-jam-an yang berasal dari data AWS dan data sinoptik dari 12 (dua belas) stasiun milik Badan Meteorologi Klimatologi dan Geofisika (BMKG) yaitu Bengkulu, Dabo Singkep, Gunung Sitoli, Lhokseumawe, Meulaboh, Ranai, Rengat, Sibolga, Tanjung Pandan, Tarakan, Tarempa, dan Tegal dari bulan Februari-Juni 2016. Uji normalitas menggunakan metode Anderson-Darling dan Shapiro-Wilk menghasilkan keputusan data AWS dan data sinoptik dari seluruh stasiun yang diujikan tidak berdistribusi normal pada taraf signifikansi α = 0,05. Uji homogenitas menggunakan uji Levene menghasilkan keputusan bahwa kedua data di stasiun Bengkulu, Dabo Singkep, Gunung Sitoli, Lhokseumawe, dan Rengat homogen pada taraf signifikansi α = 0,05, sedangkan kedua data di stasiun Meulaboh, Ranai, Sibolga, Tanjung Pandan, Tarakan, Tarempa, dan Tegal tidak homogen pada taraf signifikansi α = 0,05. Uji beda statistik menggunakan metode Wilcoxon-Mann-Whitney menghasilkan keputusan bahwa antara data AWS dan data sinoptik tidak berbeda nyata pada taraf signifikansi α = 0,05 pada semua stasiun kecuali stasiun Lhokseumawe dan Ranai kedua data berbeda nyata pada taraf signifikansi α = 0,05. This study aims to determine the statistical differences between measurements of air temperature using the automatic instrument (Automatic Weather Station/AWS) and air temperature measurements using the manual instrument. The data that is used in this study are three-hourly data collected from February to June 2016 in 12 (twelve) synoptic stations of the Indonesian Agency for Meteorology Climatology and Geophysics (BMKG), which are Bengkulu, Dabo Singkep, Gunung Sitoli, Lhokseumawe, Meulaboh, Ranai, Rengat, Sibolga, Tanjung Pandan, Tarakan, Tarempa, and Tegal. Normality tests performed using the Anderson-Darling and Shapiro-Wilk methods conclude that AWS data and synoptic data from all stations are not normally distributed with a significance level of α = 0.05. Meanwhile, homogeneity test using the Levene's test concludes that both types of data in Bengkulu, Dabo Singkep, Gunung Sitoli, Lhokseumawe, and Rengat are homogeneous in their variance at the significance level α = 0.05, while in Meulaboh, Ranai, Sibolga, Tanjung Pandan, Tarakan, Tarempa, and Tegal the two types of data are not homogeneous in their variance with a significance level of α = 0.05. The test of statistical significance, which is performed using the non-parametric Wilcoxon-Mann-Whitney test, concludes that there is no significant difference (with a significance level of α = 0.05) between the AWS data and synoptic data for all stations, except for Lhokseumawe and Ranai stations.

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search