Utoyo Ajie Linarka
Badan Meteorologi Klimatologi dan Geofisika (BMKG)

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

PEMANFAATAN SATAID UNTUK ANALISA BANJIR DAN ANGIN PUTING BELIUNG: STUDI KASUS JAKARTA DAN YOGYAKARTA Hastuadi Harsa; Utoyo Ajie Linarka; Roni Kurniawan; Sri Noviati
Jurnal Meteorologi dan Geofisika Vol 12, No 2 (2011)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (471.554 KB) | DOI: 10.31172/jmg.v12i2.101

Abstract

Japan Meteorology Agency (JMA) mengembangkan aplikasi SATAID (Satellite Animation and Interactive Diagnosis) untuk menampilkan citra satelit dan mendapatkan nilai beberapa parameter meteorologi di dalamnya. Pada makalah ini dibahas mengenai pemanfaatan aplikasi tersebut terkait kejadian banjir di Jakarta 1 Februari 2008 dan angin puting beliung di Yogyakarta 18 Februari 2007. Prosedur yang dilakukan pada kajian ini dapat dipakai sebagai bahan pertimbangan dalam melakukan analisa berdasar citra satelit yang diperoleh dari aplikasi SATAID tersebut. Japan Meteorology Agency (JMA) developed SATAID (Satellite Animation and Interactive Diagnosis) application to display and to retrieve some meteorology parameter values in satellite image data. This paper studies the use of  the application in analyzing the Jakarta flood February 1st, 2008 and the Yogyakarta Tropical cyclone February 18th, 2007. The procedure described in this paper can be applied in another issues as a reference material in analyzing SATAID image data.
PEMANFAATAN DATA LUARAN MODEL PRAKIRAAN CUACA CONFORMAL-CUBIC ATMOSPHERIC MODEL (CCAM) SEBAGAI INPUT MODEL GELOMBANG WIND WAVE-05 Roni Kurniawan; Suratno Suratno; Hastuadi Harsa; Muhammad Najib Habibie; Utoyo Ajie Linarka
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 | Full PDF (13706.201 KB) | DOI: 10.31172/jmg.v12i1.88

Abstract

Pada kajian ini dilakukan uji coba pemanfaatan data model cuaca CCAM untuk dijadikan sebagai input model WindWave-05. Data kondisi awal yang digunakan adalah dari data GFS, NCEP-NOAA tanggal 20 dan 23 Oktober 2010, diperoleh data angin hasil luaran model CCAM pada sigma level 1 dan  GFS pada ketinggian 10 meter untuk  prediksi 7 hari per 6 jam (dari jam ke 0 sampai 168). Adapun wilayah kajian adalah 90°-141°BT dan 15°LS–12°LU. Hasil kajian diperoleh bahwa data CCAM dapat digunakan sebagai input WindWave-05. Hasil verifikasi visual dari luaran model WindWave-05 menggunakan input data GFS dan CCAM menunjukkan kemiripan pola spasial, namun diperoleh perbedaan intensitas nilai yang cukup besar, hal ini dapat disebabkan oleh perbedaan pengertian level ketinggian angin yang digunakan, dimana CCAM menggunakan sigma level 1 yang berada pada kisaran nol meter, sedangkan pada GFS level ketinggian angin 10 meter. Terkait dengan ketersediaan data, output CCAM dapat dijadikan sebagai alternatif untuk input Windwave-05, akan tetapi perlu dilakukan penelitian lanjutan untuk memperoleh parameter angin yang lebih sesuai dan dilakukan validasi dengan data observasi. This research accomplished the utilization of the CCAM output as input data for WindWave-05 model. The initial conditions data is the GFS NCEP-NOAA at 20 and 23 October 2010, and the wind data predictions from the CCAM model at sigma level 1 and GFS at 10 meters of altitude, for 7 days per 6 hours (from 0 to 168 hours), for the corresponding time scale. The coverage area of this study is 90°-141°E and 15°S-12°N. The results  showed that CCAM output can be used as input for WindWave-05. Visual verification method showed that the outputs of WindWave-05 have similar spatial patterns when using GFS and CCAM as input. The differences occured in the output of intensity values for each dataset. This occurred due to the difference of understanding the level of altitude winds that are used. CCAM used sigma level 1 to mesure the heights in the range of zero meters, while the GFS model used 10 meters of height. The results also proved that CCAM's output can be used as an alternative data for WindWave-05. Nevertheless, it is suggested to perform further research to obtain a more suitable, verified, and validated wind parameters according to the observation data.
PENENTUAN PREDIKTOR UNTUK PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN METODE STATISTICAL DYNAMICAL DOWNSCALING Dodo Gunawan; Utoyo Ajie Linarka
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.v12i1.89

Abstract

Pemilihan prediktor terbaik untuk curah hujan di 15 pos pengamatan di Indramayu telah dilakukan menggunakan metode statistical downscaling. Teknik Singular Value Decomposition (SVD) yang diaplikasikan pada metode ini menggunakan data curah hujan bulanan dari GPCP dan CMAP, serta data tekanan udara, precipitable water, tekanan udara permukaan laut, suhu, dan komponen angin zonal luaran NCEP/NCAR reanalisis sebagai input. Dari metode ini diperoleh hasil bahwa  angin zonal adalah prediktor terbaik untuk memprediksi rata-rata curah hujan bulanan di 15 pos pengamatan di Indramayu. Selanjutnya, digunakan data input NCEP/NCAR reanalisis yang telah di-downscale menggunakan CCAM (dynamical downscaling) resolusi ~60 km  untuk wilayah Indonesia. Kombinasi dua metode ini (dynamical dan statistical downscaling) terbukti mampu meningkatkan akurasi prediksi curah hujan bulanan dan menurunkan nilai RMSEP di 15 pos pengamatan tersebut. Selection of best predictor for 15 rain gauge station in Indramayu has been investigated using statistical downscaling method. The Singular Value Decomposition technique is applied using monthly rainfall data from GPCP and CMAP, and air pressure, precipitable water, sealevel air pressure, temperature zonal wind component from NCEP/NCAR reanalysis as an input. From this method is shown that the zonal wind component is the best predictor to predict monthly rainfall at 15 rain gauge observation in Indramayu. Furthermore, the NCEP/NCAR reanalysis downscaled using CCAM (dynamical downscaling, ~60 km resolution) is used as an input for Indonesia region. The combination of these two methods (dynamical dan statistical downscaling) proven the ability to increase monthly rainfall prediction accuracy and to reduce RMSEP values at these 15 raingauge observation site.