cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta pusat,
Dki jakarta
INDONESIA
Jurnal Sains & Teknologi Modifikasi Cuaca
ISSN : -     EISSN : -     DOI : -
Core Subject : Education,
Arjuna Subject : -
Articles 566 Documents
AWAN HUJAN DI SERPONG : PENGAMATAN DENGAN BOUNDARY LAYER RADAR Findy Renggono
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 1 (2000): June 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i1.2105

Abstract

Kebanyakan kejadian hujan di Serpong, Indonesia (6.4°S, 106.7°E) terjadi setelah lewat tengah hari, walaupun demikian hasil pengamatan dengan penakar hujan otomatis selama 6 tahun menunjukkan adanya puncak hujan di pagi hari. Dari struktur awannyayang dipantau oleh BLR menunjukkan bahwa awan di pagi hari yang muncul adalahkebanyakan dari jenis awan Stratiform. Pada tulisan ini akan disajikan kajian statistik dari jenis awan yang muncul di wilayah ini.Most of the precipitation in Serpong (6.4°S, 106.7°E), Indonesia were occurred in the afternoon, however from the 6 years observation by using automatic rain gauge shows another peak of precipitation in the morning. In this paper, the vertical structure of theprecipitating cloud appeared in this area will be analyzed statistically using the data from Boundary Layer Radar (BLR) observation. The result shows that for the morning precipitation, the occurrence of the stratiform-type clouds were dominant.
MENGAPA HANYA SEDIKIT AWAN KONVEKTIF YANG TUMBUH DI ATAS DAERAH BANDUNG PADA PERIODE 10 DESEMBER 1999 S.D 04 JANUARI 2000? Tri Handoko Seto
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 1 (2000): June 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i1.2106

Abstract

Dalam rangka mengembangkan kemampuannya secara ekstensif, Unit Pelaksana TeknisHujan Buatan BPPT melakukan penelitian teknologi modifikasi cuaca untuk antisipasibanjir. Penelitian ini dilaksanakan dalam kurun waktu musim basah (10 Desember s.d. 04 Januari 2000) di Bandung Jawa Barat dengan harapan dapat diperoleh data yang cukup banyak mengingat setiap data harus memenuhi criteria adanya awan konvektif dengan syarat-syarat tertentu. Akan tetapi dalam kenyataannya, dari 25 hari kerja efektif hanya diperoleh 6 (enam) data yang berarti hanya ada 6 (enam) hari yang dijumpai adanya pertumbuhan awan yang konvektif sesuai persyaratan minimal. Hal ini tentu menjadi pertanyaan yang perlu dijawab secara saintifik. Berdasarkan kajian data meteorologi secara Synoptic nampak bahwa sebenarnya massa udara yang masuk kedaerah target adalah massa udara basah setelah sebelumnya melewati Samudera Hindia. Massa udara ini memasuki wilayah Indonesia dengan membentuk konvergensi untuk kemudian bergerak menuju tekanan rendah di Utara dan Selatan Wilayah Indonesia. Awan-awan konvektif tumbuh didaerah target ketika terdapat depresi-depresi kecil disekitar Pulau Jawa.To develop its technology capability extensively, weather Modification Technical Service Unit (UPT Hujan Buatan) BPPT has done weather modification research forflood anticipation. This research was done on the wet season (December 10 1999 until January 04 2000) in Bandung West Java with hopefully that it be able to be gotten many data because every data has to require criteria existence of convective clouds with many requirements. But in the fact, from 25 effective days, there was only 6 (six) days that were met convective cloud growth according to minimum requirements. The question is what happened at that period? This article tries to answer that question scientifically. Synoptic meteorological data shown that wet air mass come into target area after blow through Hindia Ocean. Those wet air masses come into Indonesia region and form convergence and than blow to low pressure in both of North and South of Indonesia region. Convective clouds grew on the target when there were little depressions around Java Island.
PERCOBAAN MENJALANKAN REGIONAL SPECTRAL MODEL (RSM) DAN VALIDASINYA BAGI DAERAH PANTURA 21 DAN 22 DESEMBER 1998 Mahally Kudsy; R. Djoko Goenawan
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 1 (2000): June 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i1.2107

Abstract

Paper ini membahas hasil-hasil dari percobaan menjalankan Regional Spectral Model(RSM) menggunakan data ECHAM. Percobaan menjalankan RSM dilakukan untuk simulasi kondisi cuaca tanggal 21 dan 22 Desember 1998 dan hasilnya dibandingkan dengan kondisi cuaca yang actual. Percobaan dilakukan dengan menggunakan interval 6 jam. RSM mampu membuat prediksi 1-3 bulan kedepan. Luaran dari model untuk area tertentu telah dianalisa dan dikalibrasi dengan menggunakan data satelit dan synop, sementara hubungan dari luaran telah dianalisa secara kualitatif dan kuantitatif. Hasil analisa menunjukkan bahwa prediksi seperti tutupan awan, curah hujan, gerakan ke atas dan surface lifted index sesuai dengan nilai aktual.This paper discusses about the results of experimental run of the Regional Spectral Model (RSM) using the ECHAM data. The run was made to simulate conditions of 21 and 22 December 1998 and the results were compared with the actual condition. The run was made by using 6-hour intervals. The RSM is capable to make 1 to 3-month forecasts. The output of this model for the selected area were analysed and calibrated using satellite and synoptic data, while the relationship of the output was qualitatively and quantitatively analized. The analyses revealed that the results of predictions such as cloud coverage, rainfall, upmotion and the surface lifted index were in accordance to the actual values.
KONFIGURASI KOMPUTER UNTUK MENJALANKAN REGIONAL SPECTRAL MODEL MEMAKAI DATA ECHAM Mahally Kudsy
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 1 (2000): June 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i1.2108

Abstract

Percobaan menjalankan program prakiraan iklim dan cuaca yang dikenal dengan Spectral Regional Model (RSM) dilakukan dengan memakai perangkat keras Digital Workstation pada wilayah dengan ukuran 81x57 dengan resolusi kasar dan resolusi halus. Untuk membuat satu prakiraan diperlukan waktu total sekitar 2 jam dan ruang penyimpanan sebesar kira-kira 500 MB, yang sebagian besar dipakai untuk menyimpanan data ECHAM. Untuk menghasilkan pakiraan 3 bulan kedepan, ruangharddisk minimal untuk menyimpan data adalah 10,5 GB dengan waktu pemakaiankomputer selama 180 jam.Lamanya waktu untuk menjalankan run menjadi kendala untuk menghasilkan prakiraan secara cepat, karena itu disini disarankan agar dipakai komputer dengan prosesor pararelExperimental runs of the climate and weather prediction programme called the Regional Spectral Model were performed on a Digital Alpha Workstation for a region having a size of 81x57 grid-points. The run were made at crude and fine resolutions. To make a one- day prediction, 2 hour run and approximately 500 MB of storage were required. Most of this storage was used for filing the ECHAM data which were used as initial data. To complete a run of 3 month prediction, required computing time was approximately 180 hours and storage size of approximately 10.5 GB. From this result, it is recommended that a more powerful hardware such as Cray or SGI with parallel processors is required to speed up the calculation.
RESPONS ALIRAN MASUK KE DANAU TOWUTI OLEH CURAH HUJAN DI WAWONDULA DAN SEKITARNYA DIANALISA DENGAN ARTIFICIAL NEURAL NETWORK Mahally Kudsy; Mohamad Husni
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 1 (2000): June 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i1.2109

Abstract

Aliran masuk ke Danau Towuti, Kabupaten Luwu, Sulawesi Tengah, dianalisa dengan artificial neural network. Network mempunyai susunan yang terdiri dari 6 node pada layer input, 8 node pada hidden layer, dan 1 node pada layer output. Weight dari network dihitung dengan back propagation of error dan fungsi Sigmoid dipakai sebagai fungsi aktifasi. Dari analisa ditemukan bahwa curah aliran masuk (inflow) sangat dipengaruhioleh curah hujan di daerah-daerah Wawondula, Dam site, Timampu, Palumba, Loehadan Bantilang. Dari ke 6 derah tersebut, perubahan curah hujan di Wawondula mempunyai pengaruh yang sangat kuat terhadap inflowArtificial neural network method was applied in analyses of inflow to Towuti Lake of LuwuRegency, Central Sulawesi. The network was constructed by 6, 8, 1 nodes in input, hidden and output layers. The weights were calculated using back propagation of error and Sigmoid function was used as activation function. It was found that precipitations at Wawondula, Dam site, Timampu, Palumba, Loeha and Bantilang have the strongest influence to the inflow. Of the 6 areas, the precipitation changes at Wawondula has thestrongest effect to the change of the inflow
PENGAMATAN JANGKA PANJANG KONDISI AIR DANAU TOWUTI Yudi Iman Tauhid; Jon Arifian
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 1 (2000): June 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i1.2110

Abstract

Dalam tulisan ini, dikemukakan kajian awal mengenai kondisi air Danau Towuti berkenaan dengan turunnya duga muka air (DMA) secara drastis. Dengan menggunakan data harian dari 13 tahun pengamatan seperti curah hujan, duga muka air dan out flow, kemudian dihitung kesetimbangan air daerah aliran danaunya. Hasil-hasil pengamatan secara tahunan adalah, curah hujan = 2982 mm, in flow = 1821 mm, out flow = 1829 mm, penguapan = 1185 mm dan perubahan storage = - 24 mm.In this paper, a preliminary assessment of Lake Towuti water condition is outlined due to the water level is decreased drastically in recent time. Using the daily data from 13 yearsobservation such as rainfall, water level and out flow, then each component of the catchment water balance is calculted. The results of observation for annual values are, rainfall = 2982 mm, in flow = 1821 mm, out flow = 1829 mm, evaporation = 1185 mm and delta storage = - 24 mm.
ANALISIS DEBIT DI DAERAH ALIRAN SUNGAI BATANGHARI PROPINSI JAMBI Sunu Tikno
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 1 (2000): June 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i1.2111

Abstract

Ketersediaan data debit (aliran sungai) di setiap wilayah Daerah Aliran Sungai (DAS) adalah sangat penting bagi kegiatan program perencanaan dan pengembangan sumberdaya air. DAS Batanghari yang yang terletak di Propinsi Jambi, dengan luas total4,537,881 Ha, yang terbagi menjadi 6 (enam) Sub DAS yaitu: Batanghari Hulu; BatangTebo; Batang Tabir; Batang Sumai; Batang Merangin-Tembesi dan Batanghari Hilir dimana secara keseluruhan mempunyai potensi sumberdaya air yang cukup tinggi.Dalam analisis debit ini menggunakan dua pendekatan yaitu : analisis debit rerata bulanan dan analisis kurva duration debit (discharge duration curve). Hasil analisis kurva duration debit untuk estimasi debit andalan (probability 80%) di beberapa Sub DAS adalah sebagai berikut: Batang Tebo sebesar 60 m3/det; Batang Tabir sebesar 27 m3/det; Merangin Tembesi sebesar 53 m3/det dan Batanghari Hilir-Muara Tembesi sebesar 1000m3/det.Availability of discharge (stream flow) data at any region or catchment area were veryimportant for development and planning of water resources program. Batanghari catchment area which consist of 6 sub catchment area i.e. Batanghari Hulu, BatangTebo, Batang Tabir, Batang Sumai, Batang Merangin Tembesi and Batanghari Hilir andtotal cathment area was 4.537.881 Ha. Discharge analysis within Batanghari catchmentarea was conducted consist two of part analysis i.e. monthly average discharge and duration curve of discharge. Result of duration curve analysis for mainstay discharge(80% probability) for several sub catchment area i.e. Batang Tebo: 60 m3/sec.; BatangTabir: 27 m3/sec.; Merangin Tembesi: 53 m3/sec. and Batanghari Hilir-Muara Tembesi:1000 m3/sec.
POLA HUJAN RATA-RATA BULANAN WILAYAH INDONESIA; TINJAUAN HASIL KONTUR DATA PENAKAR DENGAN RESOLUSI ECHAM T -42 Edvin Aldrian
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 2 (2000): December 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i2.2124

Abstract

Kajian temporal dari sifat iklim Indonesia berdasarkan pola curah hujan rata-rata bulanan telah dilakukan dengan mengacu pada beberapa parameter ECMWF seperti angin 850 mb, OLR dan suhu permukaan. Parameter ECMWF tersebut dapat menjelaskan hampir semua pola kecuali daerah yang terdapat pola gangguan lokal. Dengan kajian temporal ini, penulis menemukan ITCZ, daerah siklon di utara Australia dan aktivitas monsun yang dominan pada beberapa bulan. Hasil lainnya menunjukkan adanya perioda transisi pada bulan April dan Oktober yang dapat dimengerti dari pola angin 850 mb dan suhu permukaan. Juga dijelaskan bahwa puncak hujan tahunan di Bali ke Timor lebih banyak dipengaruhi oleh siklon tropis di utara Australia daripada monsun Asia.Temporal assesment of Indonesian climate characteristic based on monthly rainfall pattern was done with several ECMWF (European Center for Medium Range Weather Forecast) parameters; i.e. wind field of 850 mb, Outgoing Longwave Radiation (OLR) and surface temperature. Those ECMWF parameters could explain almost all rainfall pattern with some exceptional areas which are due to their local disturbances. With this temporal assesment, the author found Inter Tropical Continental Zone (ITCZ), cyclonic area in north of Australia and monsoon activities which are dominant in some specific months. One results of this research shows transitional period existence in April and October which are fully understood by analysis of 850 mb wind and surface temperature. It is also explained that peak of rainfall pattern in Bali - Timor area are much characterized by tropical cyclones in north of Australia rather than by Asian monsoon.
HUBUNGAN ANTARA ANOMALI SUHU PERMUKAAN LAUT DENGAN CURAH HUJAN DI JAWA Erwin Mulyana
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 2 (2000): December 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i2.2125

Abstract

Perubahan suhu permukaan laut di Samudera Pasifik (ENSO) sangat berpengaruhterhadap curah hujan hampir di seluruh belahan dunia termasuk Indonesia. Dari analisadata curah hujan di Jawa tahun 1961-1993 dengan anomali suhu permukaan laut disekitar Indonesia menunjukkan bahwa terdapat korelasi negatif di bagian timur dan sentral Samudera Pasifik bagian equator dan Samudera Hindia sekitar 10 LS;80 BT,sedangkan di Laut Flores menunjukkan korelasi positif. Ketika suhu permukaan laut dibagian timur dan sentral Samudera Pasifik bagian equator serta di Samudera Hindiameningkat (anomali positif), curah hujan di Jawa mengalami penurunan. Sebaliknya ketika terjadi penurunan suhu, curah hujan di Jawa mengalami peningkatan. Sedangkan untuk Laut Flores, ketika terjadi peningkatan suhu permukaan laut (anomali positif), curah hujan di Jawa meningkat dan apabila terjadi anomali negatif, curah hujan di Jawa menurun. Korelasi yang sangat tinggi antara curah hujan di Jawa dengan anomali suhu permukaan laut di Samudera Pasifik dan Samudera Hindia terjadi pada bulan September-Nopember, Sedangkan untuk Laut Flores terjadi pada bulan Juli-September.The El Nino and Southern Oscillation is a large scale pattern of rainfall fluctuation almost in all the globe. Jawa rainfall (1961-1993) and sea surface temperature anomaly have been examined. There are significant correlation between Jawa rainfall and sea surface temperature anomaly in east and central equatorial Pacific Ocean, Indian Ocean near 10 LS;80 BT and Flores Sea .The negative correlation is found in east and central equatorial Pacific Ocean and Indian Ocean, while the positive correlation is found in Flores Sea. When the positive anomaly sea surface temperature in east and central equatorial Pacific occur, the Jawa rainfall is decreased, in the contrary if negative anomaly occurs, the Jawa rainfall increase. In Flores Sea, if the sea surface temperature is increased, the Jawa rainfall is increased, and if the sea surface temperature is decreased, the Jawa rainfall is decreased. The highest correlation between Jawa rainfall and sea surface anomaly in Pacific and Indian Ocean is in September-November season, and in the Flores Sea in July-September season.
PEMODELAN KONDISI UDARA ATAS DENGAN BACK-PROPAGATION NEURAL NETWORK DAN PEMANFAATANNYA UNTUK PENENTUAN HARI SEMAI Mahally Kudsy
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1 No. 2 (2000): December 2000
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v1i2.2126

Abstract

Jaringan syaraf buatan dengan penyebaran ke belakang dipakai untuk memodelkan hubungan parameter udara atas yang dihasilkan dengan rawinsonde dengan kelayakanhari semai. Data rawinsonde dari periode 1995-1999 dari Semarang dan Bandungdipakai untuk melatih jaringan. Jaringan terdiri dari 10 buah simpul pada layer input, 40simpul pada layer tersembunyi dan 2 buah simpul pada layer output. Jumlah simpul yang optimal pada layer tersembunyi untuk memodelkan 10 parameter udara atas adalah 40 buah. Banyaknya iterasi yang optimal untuk mencapai konvergensi dengan kesalahan rata-rata kuadrat 0.05 adalah 700 kali. Jaringan yang dihasilkan dapat menghasilkan prakiraan kelayakan hari semai atau tidak dengan tingkat ketelitian yang lebih besar dari 75%.A back -propagation artificial neural network was used to model the relationship between upper-air parameters obtained by rawinsonde and the seeding day favorability. A series of data obtained from rawinsonde launched at Semarang and Bandung from 1995-1999 period was used as input or training data. The network comprised of 10, 40 and 2 simpuls located at the input, hidden and output layers respectively. The optimum number of hidden units of this network was 40. The training iteration required to reach convergence with RMS error of 0.05 was 700. The network resulted can predict the seeding favorability greater than 75% accuracy.

Filter by Year

2000 2022


Filter By Issues
All Issue Vol. 23 No. 2 (2022): December 2022 Vol. 23 No. 1 (2022): June 2022 Vol. 22 No. 2 (2021): December 2021 Vol. 22 No. 1 (2021): June 2021 Vol. 21 No. 2 (2020): December 2020 Vol. 21 No. 1 (2020): June 2020 Vol 20, No 2 (2019): December 2019 Vol. 20 No. 2 (2019): December 2019 Vol. 20 No. 1 (2019): June 2019 Vol 20, No 1 (2019): June 2019 Vol 19, No 2 (2018): December 2018 Vol. 19 No. 2 (2018): December 2018 Vol 19, No 1 (2018): June 2018 Vol. 19 No. 1 (2018): June 2018 Vol 19, No 1 (2018): June 2018 Vol 19, No 2 (2018) Vol. 18 No. 2 (2017): December 2017 Vol 18, No 2 (2017): December 2017 Vol 18, No 2 (2017): December 2017 Vol 18, No 1 (2017): June 2017 Vol 18, No 1 (2017): June 2017 Vol. 18 No. 1 (2017): June 2017 Vol 17, No 2 (2016): December 2016 Vol 17, No 2 (2016): December 2016 Vol. 17 No. 2 (2016): December 2016 Vol 17, No 1 (2016): June 2016 Vol. 17 No. 1 (2016): June 2016 Vol 17, No 1 (2016): June 2016 Vol 16, No 2 (2015): December 2015 Vol. 16 No. 2 (2015): December 2015 Vol 16, No 2 (2015): December 2015 Vol 16, No 1 (2015): June 2015 Vol 16, No 1 (2015): June 2015 Vol. 16 No. 1 (2015): June 2015 Vol 15, No 2 (2014): December 2014 Vol. 15 No. 2 (2014): December 2014 Vol 15, No 2 (2014): December 2014 Vol 15, No 1 (2014): June 2014 Vol. 15 No. 1 (2014): June 2014 Vol 15, No 1 (2014): June 2014 Vol 14, No 2 (2013): December 2013 Vol. 14 No. 2 (2013): December 2013 Vol 14, No 2 (2013): December 2013 Vol 14, No 1 (2013): June 2013 Vol 14, No 1 (2013): June 2013 Vol. 14 No. 1 (2013): June 2013 Vol. 13 No. 2 (2012): December 2012 Vol 13, No 2 (2012): December 2012 Vol 13, No 2 (2012): December 2012 Vol 13, No 1 (2012): June 2012 Vol. 13 No. 1 (2012): June 2012 Vol 13, No 1 (2012): June 2012 Vol. 12 No. 2 (2011): December 2011 Vol 12, No 2 (2011): December 2011 Vol 12, No 2 (2011): December 2011 Vol 12, No 1 (2011): June 2011 Vol 12, No 1 (2011): June 2011 Vol. 12 No. 1 (2011): June 2011 Vol 11, No 2 (2010): December 2010 Vol. 11 No. 2 (2010): December 2010 Vol 11, No 2 (2010): December 2010 Vol 11, No 1 (2010): June 2010 Vol. 11 No. 1 (2010): June 2010 Vol 11, No 1 (2010): June 2010 Vol. 3 No. 2 (2002): December 2002 Vol 3, No 2 (2002): December 2002 Vol 3, No 2 (2002): December 2002 Vol 3, No 1 (2002): June 2002 Vol 3, No 1 (2002): June 2002 Vol. 3 No. 1 (2002): June 2002 Vol. 2 No. 1 (2001): June 2001 Vol 2, No 1 (2001): June 2001 Vol 2, No 1 (2001): June 2001 Vol 1, No 2 (2000): December 2000 Vol 1, No 2 (2000): December 2000 Vol. 1 No. 2 (2000): December 2000 Vol. 1 No. 1 (2000): June 2000 Vol 1, No 1 (2000): June 2000 Vol 1, No 1 (2000): June 2000 More Issue