Articles
214 Documents
<![CDATA[Efek Perubahan Zona Agroklimat Oldeman Terhadap Pola Tanam Padi Sumatera Barat ]]>
<![CDATA[Rizky Armei Saputra]]>
<![CDATA[ Megasains Vol 9 No 1 (2018): Vol 9 No 1 (2018) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v9i1.176
<![CDATA[Perubahan curah hujan telah menyebabkan perubahan zona klasifikasi agroklimat Oldeman serta berpengaruh terhadap pola tanam padi sawah tadah hujan di Provinsi Sumatera Barat yang merupakan salah satu sentra padi nasional. Penelitian ini bertujuan untuk mengetahui daerah atau kawasan sentra padi yang mengalami perubahan klasifikasi zona agroklimat Oldeman dan mengetahui daerah yang mengalami perubahan pola tanam serta memverifikasi kesesuaian pola tanam klasifikasi Oldeman dengan pola tanam aktual. Penelitian ini telah dilaksanakan di sentra padi Sumatera Barat. Data yang digunakan data curah hujan 1910-1941 dan 1985-2015 serta analisis perubahan zona agroklimat Oldeman. Zona agroklimat Oldeman 1977 dijadikan sebagai baseline.Penentuan perubahan pola tanam aktual dilakukan dengan survei lapangan untuk memperoleh informasi perubahan pola tanam padi aktual. Hasil penelitian ini menunjukkan terjadi perubahan zona agroklimat Oldeman pada lima kawasan sentra padi Sumatera Barat yaitu daerah Luak Situjuh, Rao, Sijunjung, Sukarami dan Lima Kaum. Luak Situjuh dari tipe B1 menjadi E1, Rao dari D2 menjadi C1, Sijunjung dari C1 menjadi D1, Sukarami dari A1 menjadi B1 dan Lima Kaum dari E1 menjadi menjadi E3. Lokasi yang mengalami perubahan pola tanam padi pada sawah tadah hujan yaitu Luak Situjuh, Panti dan Lima Kaum. Hasil verifikasi pola tanam aktual yang sesuai dengan pola tanam klasifikasi Oldeman terdapat pada empat lokasi yaitu Lubuk Basung, Sungai Dareh, Muara labuh dan Sukarami.]]>
<![CDATA[Aplikasi Distribusi Statistik Dalam Memonitor Kualitas Udara Di Bukit Kototabang ]]>
<![CDATA[Raeni Chindi Defi Ocvilia]]>;
<![CDATA[Mareta Asnia]]>
<![CDATA[ Megasains Vol 9 No 1 (2018): Vol 9 No 1 (2018) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v9i1.178
<![CDATA[Global Atmospheric Watch (GAW) Kototabang merupakan stasiun pemantau kualitas udara yang berada di wilayah equator. Pada beberapa waktu terakhir, adanya peningkatan konsentrasi dari PM10, SO2, dan NO2 pada bulan-bulan tertentu yang dapat mencapai nilai ekstrim atau udara tidak sehat disebabkan oleh kebakaran hutan dan lahan yang sering terjadi di wilayah Pulau Sumatera. Pada penilitan ini distribusi yang digunakan adalah distribusi generalized extreme value (GEV), lognormal, perason V, dan gamma. Pemilihan distribusi ini akan dijelaskan di subbab metode. Distribusi tersebut akan dilakukan pengujian goodness of fit untuk mendapatkan distribusi terbaik yang menggambarkan data polutan di Sumatera Barat. Distribusi terbaik akan digunakan untuk mendapatkan probabilitas terjadinya kualitas udara yang melewati nilai baku mutunya. Distribusi Generalized Extreme Value (GEV) yang telah diuji menggunakan KS dan AD merupakan distribusi terbaik dalam menggambarkan konsentrasi PM10, SO2, dan NO2. Berdasarkan data rata-rata harian konsentrasi PM10, SO2, dan NO2 di Stasiun Pemantau Atmosfer Global (GAW) Bukit Kototabang, dilihat dari sebaran scatter plot dan hasil probabilitas menunjukkan bahwa kondisi partikel udara pada wilayah ini berada dalam kategori yang cukup baik. Hal ini dibuktikan dengan hasil probabilitas untuk PM10 hanya 1% peluang kejadian polusi udara dengan kategori tidak sehat akan terjadi. Probabilitas SO2 yang lebih dari 0.05 ppm hanya 0.1% peluang polusi udara yang akan melebihi nilai baku mutu, dan probabilitas NO2 yang lebih dari 0.005 ppm hanya 1%.]]>
<![CDATA[Koreksi Bias Hasil Proyeksi MIROC5 Keluaran WRF dengan Metode CDFDM ]]>
<![CDATA[Robi Muharsyah]]>
<![CDATA[ Megasains Vol 9 No 1 (2018): Vol 9 No 1 (2018) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v9i1.179
<![CDATA[Proyeksi Iklim wilayah Indonesia pada tahun 2006 -2040 dari data MIROC 5 telah dihasilkan melalui teknik Dynamical Downscaling menggunakan model WRF. Selanjutnya keluaran model WRF tersebut (data model) dikoreksi biasnya menggunakan Cumulative Distribution Function Downscaling Method (CDFDM) sehingga dihasilkan data terkoreksi. Data observasi berupa curah hujan harian pada 148 stasiun BMKG (2006 – 2015) digunakan sebagai data training pada metode CDFDM. Tingkat akurasi diukur dengan menghitung persentase kesesuaian antara data model dan data terkoreksi terhadap data observasi. Digunakan empat idikasi : Mean daily precipitation (MEA), Intensity of precipitation (INT), Fraction of Wet days (FRE) dan Percentile- 90 (Q90) untuk mengukur tingkat akurasi tersebut. Hasilnya penggunaan metode CDFDM mampu memberikan peningkatan akurasi dengan rata- rata sebesar 15% baik untuk periode JJA maupun DJF]]>
<![CDATA[Perbandingan Akurasi Data Observasi Dengan Hasil Keluaran Model Wrf-Arw Asimilasi Dan Non Asimilasi (Studi Kasus: 7 Januari 2015, Stasiun Meteorologi BIM) ]]>
<![CDATA[Eka Suci Puspita Wulandari]]>
<![CDATA[ Megasains Vol 9 No 1 (2018): Vol 9 No 1 (2018) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v9i1.180
<![CDATA[WRF adalah salah satu model prediksi cuaca numerik skala meso yang digunakan secara luas dalam prediksi cuaca dan kebutuhan penelitian atmosfer. Model ini mempunyai keistimewaan inti dinamik yang berlipat, variasi 3-dimensional (3DVAR) sistem asimilasi data dan arsitektur perangkat lunak yang mengijinkan untuk melakukan komputasi secara paralel dan sistem yang ekstensibel. model WRF dapat digabungkan dengan data observasi yang disebut dengan teknik asimilasi model. Dalam penelitian ini menggunakan data FNL untuk di olah dalam WRF-ARW baik diasimilasi maupun tanpa asimilasi untuk melihat seberapa jauh tingkat akurasi hasil keluaran model WRF terhadap data pengamatan sebenarnya di Stasiun Meteorologi Klas II Padang dengan studi kasus pada tanggal 7 Januari 2015 jam 00.00 UTC hingga 8 Januari 2015 jam 00.00 UTC. Untuk parameter suhu permukaan, RH, kecepatan angin, suhu vertikal dan RH vertikal, hasil keluaran model WRF-ARW setelah diasimilasi mempunyai hasil yang lebih mendekati hasil observasinya dibandingkan hasil keluaran model WRF-ARW sebelum diasimilasi. Untuk parameter titik embun, tekanan dan hujan, hasil keluaran model WRF- ARW setelah diasimilasi mempunyai hasil yang lebih mendekati hasil observasinya dibandingkan hasil keluaran model WRF-ARW sebelum diasimilasi. Untuk parameter arah angin permukaan kedua keluaran WRF-ARW (asimilasi mapun tanpa asimilasi) kurang bisa mempresentasikan dengan baik]]>
<![CDATA[Uji Keakurasian Estimasi Hujan Menggunakan Hubungan Z-R (Reflektivitas – Rain Rate) Untuk Tipe Awan Hujan Konvektif dan Stratiform di Jakarta ]]>
<![CDATA[I Kadek Nova Arta Kusuma1]]>
<![CDATA[ Megasains Vol 9 No 1 (2018): Vol 9 No 1 (2018) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v9i1.181
<![CDATA[Tipe awan hujan menjadi salah satu hal yang secara signifikan mempengaruhi hubungan reflektivitas - rain rate (Z-R) untuk mencapai keakurasian yang lebih baik. Sementara ini untuk wilayah Indonesia termasuk Jakarta masih menggunakan hubungan Marshall-Palmer pada operasional radarnya tanpa memperhatikan klasifikasi tipe awan hujan. Oleh karena itu penelitian ini bertujuan untuk mengetahui pengaruh pengklasifikasian tipe awan hujan dalam menentukan keakurasian estimasi curah hujan dari hubungan Z-R yang digunakan. Penelitian ini diawali dengan mengklasifikasikan tipe awan hujan menjadi hujan dari awan konvektif dan hujan dari awan stratiform berdasarkan fluktuasi dan batasan rain rate 10 mm/jam. Kemudian tahap selanjutnya yaitu membandingkan kasus hujan dari awan konvektif dan dari awan stratiform terhadap hasil estimasi hujan menggunakan hubungan Marshall-Palmer, WSR-88D Convective dan Rosenfeld Tropical. Hasil penelitian menunjukkan terdapat perbedaan kondisi hujan dari awan konvektif dan stratiform yang sangat mempengaruhi hasil estimasi hujan melalui hubungan Z-R. Penggunaan hubungan Z- R yang berbeda untuk tipe awan hujan yang berbeda sangat diperlukan untuk mencapai keakurasian estimasi yang lebih baik. Kemudian penentuan hubungan Z-R tersendiri di wilayah Jakarta sangat diperlukan untuk keakurasian estimasi yang lebih baik dengan memperhitungkan distribusi ukuran tetes hujannya]]>
<![CDATA[Analisa Kerawanan Kejadian Petir dan Hubungan dengan Pola Curah Hujan di Wilayah Bengkulu Sepanjang Tahun 2017 ]]>
<![CDATA[Angga Vertika Diansari]]>
<![CDATA[ Megasains Vol 9 No 1 (2018): Vol 9 No 1 (2018) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v9i1.182
<![CDATA[Fenomena lepasnya muatan listrik adalah penyebab kejadian Petir. Bengkulu merupakan salah satu kawasan di Indonesia yang cukup berbahaya akan kejadian petir. Hal ini disebabkan oleh letak Provinsi Bengkulu yang berada di sekitar khatulistiwa. Tujuan dari kajian ini adalah : (1) mengetahui tingkat kerawanan bahaya petir di wilayah Bengkulu, (2) mengetahui daerah yang rawan petir di wilayah Bengkulu, (3) menganalisa hubungan antara pola CH dengan kejadian petir di wilayah Bengkulu sepanjang tahun 2017. Data yang digunakan dalam kajian ini adalah data primer yang tercatat oleh Linghting Detector yang kemudian diolah dengan Excel dan dipetakan dengan software GMT. Jenis petir yang dianalisa merupakan jenis CG+ dan CG- karena jenis ini yang paling merusak dan memiliki dampak yang signifikan. Kajian ini memiliki kesimpulan bahwa : (1) wilayah Bengkulu sangat rawan bahaya sambaran petir pada bulan Maret, April, dan Mei 2017, (2) daerah yang memiliki tingkat kerawanan petir tinggi adalah daerah Pendopo, Puguk, dan sekitarnya, (3) kejadian petir memiliki pola yang signifikan dengan jumlah curah hujan (CH) di wilayah Bengkulu]]>
<![CDATA[Perbandingan Panjang Periode Minimum Data Klimatologi Untuk Analisis IklimDengan Metode Mackus’s, n-hat Dan Multistage Nonfinite Population (MNP) ]]>
<![CDATA[Novvria Sagita]]>
<![CDATA[ Megasains Vol 8 No 1 (2017): Vol 8 No 1 (2017) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v8i1.183
<![CDATA[Fenomena iklim tidak bisa dipungkiri menjadi salah satu faktor yang mempengaruhi kondisi pertanian di Indonesia. Analisis variabilitas iklim diperlukan untuk mengantisipasi adanya fenomena iklim esktrim yang nantinya berdampak pada produksi pangan. Analisis variabilitas iklim memerlukan data yang cukup agar memperoleh analisis yang akurat. Data yang cukup merupakan data yang memiliki panjang periode mencukupi panjang data minimum. Beberepa metode untuk menghitung panjang data minimum telah diperkenalkan diantaranya Mackus, n-hat dan Multistage Nonfinite Population (MNP). Hasil pengolahan data stasiun meterologi Lhoksumawe dari tahun 1992 hingga 2011 menggunakan ketiga metode tersebut menunjukkan hasil yang berbeda. Pengolahan data dengan metode Mackhus memperoleh hasil yang berbeda dan tidak stabil untuk panjang data minimum antar data bulanan, 3 bulanan, musiman dan tahunan, sedangkan metode n-hat dan MNP memperoleh hasil yang cenderung stabil karena tidak terpengaruh dengan jumlah populasi data.]]>
<![CDATA[KONDISI SINOPTIK MESOSCALE CONVECTIVE SYSTEM JENIS SQUALL LINE DI KEPULAUAN BANGKA BELITUNG ]]>
<![CDATA[Akhmad Fadholi]]>
<![CDATA[ Megasains Vol 8 No 1 (2017): Vol 8 No 1 (2017) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v8i1.184
<![CDATA[Pada tanggal 28 hingga 29 Desember 2013 terjadi gangguan cuaca dalam skala meso (Mesoscale Convective System) dalam bentuk Squall Line yang memanjang di atas wilayah Kepulauan Bangka Belitung. Fenomena yang tepantau oleh Multifunctional Transport Satellite pada citra kanal infra merah ini berdampak pada hujan lebat dengan durasi cukup lama hingga teridentifikasi sebagai nocturnal heavy rain yang dibuktikan menggunakan data satelit Tropical Rainfall Measuring Mission. Informasi media menyatakan hujan lebat terjadi selama berjamjam mengguyur Pulau Bangka dan Belitung menyebabkan banjir dan kerusakan lainnya. Analisis kondisi sinoptik menggunakan data reanalysis National Center of Environmental Prediction dan Global Spectral Model, serta data sounding memenunjukkan adanya peran windshear, low level jet, moisture transport, moisture convergence, serta indeks stabilitas yang mengindikasikan potensi pertumbuhan awan konvektif dalam skala luas dan massa hidup yang cukup lama.]]>
<![CDATA[Uji Skema Debu Vulkanis BMKG dan Skema Ash RGB (Studi Kasus: Erupsi Gunung Barujari 04 November 2015) ]]>
<![CDATA[Kadek Setiya Wati]]>
<![CDATA[ Megasains Vol 8 No 1 (2017): Vol 8 No 1 (2017) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v8i1.185
<![CDATA[Abstrak. Sejak pertama kali ditemukan, satelit telah menjadi solusi untuk pengamatan wilayah jarak jauh ke tempat yang sulit untuk dijangkau oleh manusia. Dalam perkembangannya satelit digunakan untuk pengamatan cuaca. Sejak pertengahan 2015, Satelit Himawari 8 diluncurkan sebagai pengganti satelit MTSAT-2 yang berakhir masa orbitnya. Penambahkan kanal pada Himawari 8 memungkinkan melakukan pengamatan atmosfer yang lebih luas tidak hanya terbatas pada awan meterologis tapi juga dapat digunakan untuk pengamatan debu vulkanis. BMKG telah mengembangkan sebuah skema untuk mendeteksi debu vulkanis yang menggunakan kanal I4, IR, dan I2 pada satelit Himawari 8. Prinsip utama dari penggunaan kanal ini adalah adanya Brightness Temperature Different (BTD) dari kanal IR dan I2 yang berbeda ketika melewati awan meteorologis dan debu vulkanis. Prinsip ini juga digunakan oleh JMA dalam menentukan skema deteksi debu vulkanis yang bernama skema ash RGB. Perbedaannya adalah pada penggunaan kanal MI pada skema ash RGB. Menurut JMA, kanal MI dapat mendeteksi SO2 yang pada umumnya terkandung dalam debu vulkanis. Dari hasil pengolahan data, baik skema debu vulkanis BMKG maupun ash RGB JMA, keduanya sama-sama dapat menggambarkan sebaran debu vulkanis dengan baik. Akan tetapi, ketika menggunakan skema BMKG, ada kesulitan ketika debu vulkanis berdekatan dengan awan-awan menengah. Hal ini dikarenakan warna merah dari debu vulkanis skema BMKG berwarna hampir sama dengan warna dari awan meteorologis tersebut. Pada jam yang sama skema ash RGB berhasil mengeleminasi awan-awan tersebut sehingga sebaran debu vulkanis dapat diamati dengan lebih baik.]]>
<![CDATA[PEMODELAN STATISTIK DAN SIMPLE RADIATIVE MODEL UNTUK MENDUGA RADIASI MATAHARI GLOBAL HARIAN ]]>
<![CDATA[Asep Firman Ilahi]]>;
<![CDATA[Ardhasena Sopaheluwakan]]>
<![CDATA[ Megasains Vol 8 No 1 (2017): Vol 8 No 1 (2017) ]]>
Publisher : <![CDATA[Stasiun Pemantau Atmosfer Global Bukit Kototabang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46824/megasains.v8i1.186
<![CDATA[Artikel ini mengevaluasi akurasi dan penerapan tujuh radiasi matahari global estimasi yang menggunakan suhu lingkungan harian, curah hujan total dan kelembaban relatif di kawasan tropis benua maritim Indonesia. Dua model yang dievaluasi ini adalah model baru model yang diusulkan (PM) untuk memperkirakan tenaga surya radiasi pada permukaan horizontal. Pertama model PM1 menggunakan suhu-presipitasi sebagai input (berbasis TP) sedangkan PM2 kedua Model yang digunakan adalah suhu-presipitasi-relatif kombinasi kelembaban sebagai input (berbasis TPRH). Semua model dievaluasi berdasarkan kesalahan statistik mis. Fraksi Prediksi dalam satu atau dua faktor (FAC2), Mean Bias (MB), Mean Kesalahan Kotor (MGE), Bias Rata-rata yang Dinormalisasi (NMB), Rata-rata Kesalahan Kotor yang Dinormalisasi (NMGE), Kesalahan Root Mean Square (RMSE), Koefisien determinasi (r) dan Koefisien Efisiensi (COE). Hasil penelitian menunjukkan bahwa berbasis TPRH model memiliki akurasi yang lebih baik dibandingkan berbasis T atau berbasis TP. Model PM2 menunjukkan performa terbaik di antara semua model saat Quej et.al model 2016 memiliki akurasi yang baik namun kurang presisi. Ciri-ciri iklim tropis dimana kelembaban tinggi sangat mempengaruhi radiasi matahari yang masuk ke permukaan sementara atau spasial.]]>
