Garuda - Garba Rujukan Digital

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.

PENENTUAN DOMAIN SPASIAL NWP DALAM PEMBANGUNAN MODEL OUTPUT STATISTICS Urip Haryoko; Hidayat Pawitan; Edvin Aldrian; Aji Hamim Wigena
Jurnal Meteorologi dan Geofisika Vol 14, No 3 (2013)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v14i3.163

Model Output Statistics (MOS) adalah salah satu metode statistical downscaling pada tahap post processing luaran Numerical Weather Prediction (NWP) untuk mendapatkan nilai prakiraan parameter cuaca di sebuah titik stasiun pengamatan. Permasalahan yang timbul dalam MOS adalah penentuan domain spasial NWP yang akan digunakan sebagai prediktor. Pada makalah ini disajikan metode penentuan domain spasial untuk memprakirakan suhu maksimum di wilayah Jabodetabek menggunakan data luaran NWP Global Forecast System (GFS) dari National Oceanic and AtmosphericAdministration (NOAA). Data pengamatan suhu maksimum diambil dari delapan stasiun di Wilayah Jakarta, Jawa Barat dan Banten yang digunakan untuk kalibrasi. Pada tahap awal domain spasial NWP ditentukan berukuran 8x8 grid, selanjutnya dicobakan untuk beberapa domain, yaitu berukuran 2x2, 3x3, 3x4, 4x4 dan 5x5 grid. Tiga metode digunakan untuk menentukan domain spasial, yaitu metode analisis korelasi spasial, singular value decomposition (SVD) dan partial least square regression (PLSR). Analisis ketiga metode secara umum menunjukkan hasil yang hampir sama, yaitu domain dengan ukuran 3x3 adalah yang paling baik. Analisis korelasi spasial menunjukkan luasan dengan korelasi lebih besar dari 0,4 hanya meliputi domain maksimal 3x3. Analisis SVD menunjukkan bahwa keeratan hubungan secara simultan antara data observasi dengan NWP hampir sama, yaitu pada ekspansi pertama. Sedangkan hasil verifikasi analisis PLSR menggunakan korelasi dan root mean square error(RMSE) menunjukkan bahwa grid berukuran 3x3 adalah domain terbaik. Model Output Statistics (MOS) is one of a statistical downscaling methods in post-processing of Numerical Weather Prediction (NWP) output to get weather forecasts at a point of observation stations. The problem in MOS is how to determine the spatial domain of NWP which will be used as a predictor in the development stage. This paper presented the methods for determining the NWP spatial domain to predict the maximum temperature in the Greater Jakarta area using the NWP output of Global Forecast System (GFS) produced by National Oceanic and Atmospheric Administration (NOAA). Maximum temperature observation data was taken in eight stations, around West Java, Banten, and Jakarta. In the first stage, the spatial domain of NWP was defined as 8x8 grids, then attempted for some domains, i.e. 2x2, 3x3, 3x4, 4x4 and 5x5grids. Three methods for determining spatial domain were spatial correlation analysis, singular value decomposition (SVD) and partial least square regression (PLSR). Those three analysis methods generally showed similar results, spatial domains with size 3x3 are the most excellent. Spatial correlation analysis shows that the size of the area which correlates greater than 0.4 only covered a maximum of 3x3 domain. SVD analysis suggests that the simultaneous relationship between the observation data with NWP is almost the same in the first expansion. While the results of the verification PLSR analysis using correlation and root mean square error (RMSE) indicate that the 3x3 grid is the best domain.

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.

MODEL PREDIKSI AWAL MUSIM HUJAN DI SENTRA PADI PANTURA JABAR DENGAN PREDIKTOR REGIONAL DAN GLOBAL Erwin Eka Syahputra Makmur; Yonny Koesmaryono; Edvin Aldrian; Aji Hamim Wigena
Jurnal Meteorologi dan Geofisika Vol 14, No 3 (2013)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v14i3.164

Prediksi awal musim hujan merupakan suatu hal penting yang menunjang beberapa sektor di antaranya di sektor pertanian. Prediksi awal musim dipergunakan sebagai pertimbangan untuk menentukan kegiatan penanam padi khususnya penentuan awal musim tanam. Untuk menentukan awal musim hujan biasanya ditandai dengan perubahan sirkulasi atmosfer yang cukup signifikan misalnya perubahan arah angin, tekanan udara permukaan dan daerah liputan awan. Untuk penelitian ini dipergunakan 17 prediktor yang telah dipilih berdasarkan tes korelasi spasial antara prediktor dan awal musim. Penelitian ini difokuskan di daerah Pantura Jawa Barat yang terdiri dari Karawang, Subang, Indramayu dan Cirebon yang merupakan daerah sentra pangan khususnya beras. Wilayah Pantura memasok sekitar 30% kebutuhan beras untuk Jawa Barat. Dari 17 prediktor yang terpilih kemudian dimasukkan ke dalam model regresi dengan melakukan semua kemungkinan kombinasi sehingga didapatkan model yang terbaik dengan menggunakan indikator mean square error terkecil. Untuk semua model yang disimulasikan diperlihatkan bahwa hampir semua model menghasilkan hasil yang baik baik baik pada kondis tahun normal maupun pada saat terjdinya El Nino dan La Nina.The prediction of the onset of the rainy season is very important for many sectors especially for the agricultural sector to make the best planning for planting calendar to get optimum paddy yield. Monsoon onset is characterized by the change of significant atmospheric circulation such as changes in wind direction, intertropical convergence zone location, etc. This research used 17 predictors which have been selected using spatial correlation test. Pantura Jawa Barat is the main rice production center in West Java province and contributes about 35% of the total production of West Java Province. The selected predictors in the next process become indicators for the variability of rainy season onset and becoming predictors for climate statistical model. Through the many combinations, 4 models are resulted and 1 ensemble model. These models produce a better performance to predict the onset of the rainy season over the northern coastal area of West Java Province even for some extreme years during El Nino or La Nina events.

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search