Jurnal Meteorologi dan Geofisika
Jurnal Meteorologi dan Geofisika (JMG) is a scientific research journal published by the Research and Development Center of the Meteorology, Climatology, and Geophysics Agency (BMKG) as a means to publish research and development achievements in Meteorology, Climatology, Air Quality and Geophysics.
Articles
157 Documents
<![CDATA[EVALUASI MODEL WAVEWATCH-III MENGGUNAKAN DATA SATELIT ALTIMETRI DAN OBSERVASI ]]>
<![CDATA[Muhammad Najib Habibie]]>;
<![CDATA[Wido Hanggoro]]>;
<![CDATA[Donaldi Sukma Permana]]>;
<![CDATA[Roni Kurniawan]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 17 No. 3 (2016) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v17i3.322
<![CDATA[Model gelombang menjadi komponen utama dalam memberikan informasi prediksi gelombang dewasa ini. Hal ini terjadi akibat terbatasnya pengamatan in-situ yang dilakukan untuk mengamati lautan secara umum. Model prakiraan gelombang telah mengalami evolusi, mulai dari generasi pertama dan berkembang sampai model generasi tiga. Model generasi ketiga merupakan penyempurnaan dari model gelombang sebelumnya dimana model ini merupakan sebuah model spektral lengkap dengan representasi eksplisit pada proses fisik yang relevan terhadap evolusi gelombang dan yang memberikan gambaran dua dimensi dari laut secara lengkap. Salah satu model generasi ketiga ini adalah WAVEWATCH-III. Pada penelitian ini dilakukan evaluasi model WAVEWATCH-III di Manokwari, Saumlaki, Selat Bangka dan Surabaya untuk mengetahui performanya. Model diseting pada dua domain, domain global dan wilayah Indonesia dengan resolusi 0,5° dan 0,125° dan dirunning selama setahun (2012). Luaran model kemudian dibandingkan dengan data AVISO serta data observasi insitu. Hasil penelitian menunjukkan korelasi antara luaran model dengan data AVISO di 4 titik yang dianalisa umumnya nilainya dibawah 0,5. Hanya di beberapa tempat yang menunjukkan korelasi yang besar diantaranya adalah Saumlaki dan Manokwari. Kedua lokasi ini terletak pada laut yang relatif terbuka, hal ini menunjukkan bahwa pada lokasi yang relatif terbuka AVISO dapat digunakan untuk verifikasi model, akan tetapi pada perairan yang sempit (Surabaya dan Bangka) AVISO kurang baik untuk verifikasi model. Terdapat bias antara luaran model dengan observasi insitu yang berada di pantai yang dangkal sehingga model tidak dapat merepresentasikan kondisi faktual dengan sempurna. Hal ini menunjukkan bahwa dengan resolusi 0,5° dan 0,125° model belum dapat digunakan untuk verifikasi gelombang di daerah pantai. Dari perbandingan antara observasi insitu dengan luaran model pada dua resolusi yang berbeda menunjukkan bahwa pada resolusi yang lebih tinggi, luaran model menunjukkan hasil yang lebih mendekati observasinya.]]>
<![CDATA[ANALISIS RESPON IONOSFER TERHADAP GERHANA MATAHARI 9 MARET 2016 DARI DATA GPS PALU ]]>
<![CDATA[Bambang Sunardi]]>;
<![CDATA[Buldan Muslim]]>;
<![CDATA[Untung Merdijanto]]>;
<![CDATA[Damianus Tri Heryanto]]>;
<![CDATA[Joni Efendi]]>;
<![CDATA[Yoga Andrian]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 17 No. 3 (2016) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v17i3.328
<![CDATA[Respon ionosfer terhadap gerhana matahari total 9 Maret 2016 telah diteliti menggunakan data Global Positioning System (GPS) stasiun PALP di Palu. Slant Total Electron Content (STEC) diturunkan dari data jarak kode yang diukur dari satelit GPS dengan PRN 24 pada dua frekuensi yang berbeda. STEC pada tanggal 8 Maret 2016 digunakan sebagai nilai referensi STEC pada kondisi normal atau tidak terpengaruh oleh gerhana matahari. Pengurangan STEC tanggal 9 Maret 2016 saat gerhana terhadap STEC 8 Maret 2016 menunjukkan respon ionosfer terhadap gerhana matahari berupa penurunan STEC sekitar -12 TECU. Selama gerhana matahari terdapat histeresis ionosfer. Laju penurunan STEC saat radiasi matahari berkurang sebelum mencapai gerhana matahari total lebih lambat jika dibandingkan dengan laju kenaikan STEC selama proses kenaikan radiasi matahari dari gerhana matahari total mulai berakhir hingga selesainya gerhana matahari. Setelah gerhana matahari selesai, nilai STEC tidak kembali ke keadaan awal sebelum gerhana matahari terjadi. Hasil penelitian ini mengkorfirmasi hasil penelitian sebelumnya dan melengkapi dengan tambahan adanya histeresis respon ionosfer terhadap gerhana matahari total 9 Maret 2016]]>
<![CDATA[PENERAPAN MODEL WRF UNTUK PREDIKSI AWAL MUSIM HUJAN DI INDONESIA ]]>
<![CDATA[Robi Muharsyah]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 17 No. 3 (2016) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v17i3.329
<![CDATA[Selama ini model WRF telah digunakan di BMKG untuk prediksi hujan harian dalam skala jangka pendek (1-7 hari kedepan). Penggunaan data CFSv2 sebagai boundary condition atau inputan memungkinkan WRF untuk menghasilkan prediksi hujan harian dalam skala jangka panjang (1-6 bulan ke depan). Pada penelitian ini dipilih inisial data CFSv2 selama enam bulan berturut-turut dari Mei hingga Oktober 2014 untuk menghasilkan prediksi hujan 3 bulanan: JJA, JAS, ASO, SON, OND dan NDJ. Selanjutnya diperoleh prediksi hujan 24 dasarian (Jun I 2014 s.d Jan III 2015). Keluaran WRF diatur pada resolusi ~20 Km. Berdasarkan hal tersebut sebanyak 300 dari 342 ZOM dapat dibuat prediksi awal musim hujan 2014/15. Hasil verifikasi keluaran WRF terhadap data observasi menunjukan 148 ZOM (49.33%) SESUAI, 74 ZOM (24.67%) MAJU dan 78 ZOM (26%) MUNDUR. Persentase keluaran WRF untuk kategori SESUAI masih lebih rendah dari prediksi AMH 14/15 yang dibuat oleh BMKG yaitu sebesar 54%.]]>
<![CDATA[RELOKASI DAN DISTRIBUSI b-VALUE GEMPABUMI SWARM JAILOLO, HALMAHERA BARAT ]]>
<![CDATA[Yanuarsih Tunggal Putri]]>;
<![CDATA[Nova Heryandoko]]>;
<![CDATA[Wandono Wandono]]>;
<![CDATA[Rivai Marulak]]>;
<![CDATA[Suwardi Suwardi]]>;
<![CDATA[Zulfikar Zulfikar]]>;
<![CDATA[Barkah Yuniarto]]>;
<![CDATA[Lutfi Pary]]>;
<![CDATA[Basri Kamaruddin]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 17 No. 3 (2016) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v17i3.336
<![CDATA[Aktivitas kegempaan di daerah Jailolo meningkat tajam pada bulan November sampai Desember 2015, dimana terjadi fenomena gempabumi swarm pada rentang waktu tersebut. BMKG pusat Jakarta mencatat 96 gempabumi dengan magnitude antara 2.5 sampai 4.8. Sedangkan stasiun geofisika BMKG wilayah Ternate mencatat 1185 gempabumi dengan magnitude 1.1 sampai 5.1 menggunakan single station. Sejumlah 33 gempabumi dirasakan dengan intensitas antara dua sampai dengan empat MMI dengan beberapa kerusakan pada rumah warga dan sarana umum. Relokasi gempabumi dilakukan menggunakan data BMKG pusat dengan metode MJHD. Relokasi gempabumi ditujukan untuk mengetahui distribusi gempabumi yang terjadi dengan lebih baik. Penghitungan b-value di daerah Jailolo menggunakan data gempabumi single station dari stasiun geofisika Ternate dilakukan untuk mengetahui distribusi dan karakteristik b-value di daerah tersebut. Hasil relokasi gempabumi menunjukkan gempabumi swarm yang terjadi terkonsentrasi pada 127.4° - 127.6° BT dengan perbaikan pada distribusi kedalaman dimana sebagian besar gempabumi terjadi pada kedalaman kurang dari 20 km. Sedangkan hasil penghitungan nilai b-value menunjukkan daerah dengan konsentrasi gempa memiliki nilai b-value cukup tinggi (± 1.0). Hasil penelitian ini menunjukkan bahwa gempabumi swarm yang terjadi kemungkinan dipengaruhi oleh aktivitas vulkanik. Namun penelitian lebih lanjut diharapkan dapat dilakukan untuk lebih memahami penyebab dan karakteristik gempabumi swarm tersebut.]]>
<![CDATA[Estimasi Data Curah Hujan yang Hilang dengan Metode di R ]]>
<![CDATA[Muflihah Musa]]>;
<![CDATA[Rizky Yudha Pahlawan]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 18 No. 3 (2017) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v18i3.343
<![CDATA[Data hilang seringkali ditemukan pada jenis data dalam jangka waktu yang panjang (runtun waktu), begitupula dengan data curah hujan. Analisis akan sulit dilakukan jika terdapat banyak data hilang dan terletak di pertengahan waktu. Oleh karena itu, kajian ini bertujuan untuk melihat bagaimana hasil estimasi data hilang dengan menggunakan metode di R. Data yang digunakan adalah data curah hujan bulanan tipe monsun, lokal, dan equatorial. Data hilang dilakukan dengan cara simulasi secara acak yang dibagi dalam tiga kategori data hilang, yaitu 5%, 10% dan 17%. Nilai estimasi yang dihasilkan dari metode di R, metode na.StuctTS menghasilkan nilai RMSE terkecil dan korelasi terbesar. Nilai korelasi terbesar, terdapat pada nilai estimasi pada data hilang sebanyak 5% tipe monsun antara 0,78-0,86.]]>
<![CDATA[PENGEMBANGAN MODEL ENSEMBEL GELOMBANG LAUT MRI-III DAN WINDWAVE-05 MENGGUNAKAN KECERDASAN BUATAN ]]>
<![CDATA[Asteria Satyaning Handayani]]>;
<![CDATA[Hastuadi Harsa]]>;
<![CDATA[Roni Kurniawan]]>;
<![CDATA[Sri Noviati]]>;
<![CDATA[Wido Hanggoro]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 18 No. 3 (2017) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v18i3.346
<![CDATA[Kondisi gelombang laut dimodelkan oleh MRI-III dan Windwaves-05. Penelitian ini mengembangkan model ensembel untuk menggabungkan output dua model tersebut. Proses ensembel dilakukan oleh jaringan syaraf tiruan menggunakan metode pembelajaran resilient propagation. Parameter input ensembel adalah ketinggian maksimum dan ketinggian signifikan gelombang yang dihasilkan oleh kedua model, sedangkan parameter output ensembel adalah ketinggian maksimum dan ketinggian signifikan gelombang. Target untuk melatih jaringan syaraf tiruan adalah data yang diperoleh dari perekaman data lapangan di dua lokasi: Sawarna dan Bengkulu. Hasil yang diperoleh menunjukkan bahwa model ensembel ini mampu memberikan output yang lebih mendekati nilai perekaman data langsung di lapangan dibanding output kedua model input secara individu.]]>
<![CDATA[Dampak Siklon Tropis Quang Terhadap Kondisi Oseanografi Perairan Selatan Jawa ]]>
<![CDATA[Yosafat Donni Haryanto]]>;
<![CDATA[Ahmad Fadlan]]>;
<![CDATA[Agus Hartoko]]>;
<![CDATA[Sutrisno Anggoro]]>;
<![CDATA[Muhammad Zainuri]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 18 No. 1 (2017) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v18i1.348
<![CDATA[Benua maritim Indonesia merupakan kawasan kepulauan yang diapit oleh dua samudera dan dua benua yang menjadikannya sebagai pusat dari aktivitas sirkulasi atmosfer dan sirkulasi laut global. Dalam hubungan antara lautan dan atmosfer, interkasi yang terjadi diantara keduanya memiliki peranan penting dalam menentukan dinamika dan kondisi baik pada wilayah lautan maupun lingkungan atmosfer. Pada tanggal 28 April 2015 terbentuk siklon tropis Quang di atas perairan Samudera Hindia. Walaupun siklon tropis Quang tidak melintasi wilayah Indonesia, akan tetapi dampak dari siklon tropis tersebut mempengaruhi kondisi dinamika atmosfer maupun oceanografi. Berdasarkan kondisi tersebut penelitian ini bertujuan untuk menganalisa kondisi oseanografi perairan selatan Jawa pada saat kejadian siklon tropis Quang. Data yang digunakan pada penelitian ini adalah data grib yang berisikan parameter arah dan kecepatan angin dan data klorofil-a dari hasil penginderaan satelit Aqua-MODIS. Siklon tropis Quang mulai menjadi depresi tropis pada tanggal tanggal 28 April 2015 dengan kecepatan angin mencapai 56 km/jam dan menjadi siklon tropis skala 4 dengan kecepatan mencapai 217 km/jam. Kondisi angin permukaan dan tinggi gelombang maksimum laut di perairan selatan Jawa pada umumnya meningkat intensitasnya seiring dengan peningkatan aktivitas siklon tropis Quang dan ikut berkurang intensitasnya ketika siklon tropis mulai punah. Pada kondisi arus permukaan di perairan selatan Jawa memperlihatkan kebalikan dari parameter angin dan gelombang dimana kecepatan arus permukaan berkurang seiring dengan meningkatnya aktivitas siklon tropis Quang. Selama pembentukan siklon tropis Quang hingga punahnya umumnya terjadi fenomena upwelling pada wilayah perairan selatan Jawa.]]>
<![CDATA[PENGOLAHAN DAN PEMULIHAN DATA RADAR CUACA MENGGUNAKAN WRADLIB BERBASIS PYTHON ]]>
<![CDATA[Donaldi Sukma Permana]]>;
<![CDATA[Thahir Daniel F. Hutapea]]>;
<![CDATA[Alfan S. Praja]]>;
<![CDATA[Fatkhuroyan Fatkhuroyan]]>;
<![CDATA[Linda F. Muzayanah]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 17 No. 3 (2016) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v17i3.350
<![CDATA[Informasi dari radar cuaca sangatlah penting bagi BMKG dalam memberikan pelayanan terkait prakiraan cuaca jangka pendek (near real time). Perangkat lunak wradlib berbasis python dapat menjadi salah satu solusi alternatif untuk pemanfaatan, pengolahan dan pemulihan data radar cuaca di BMKG. Beberapa kelebihan yang dimiliki wradlib-python adalah berlisensi sumber terbuka sehingga mengurangi ketergantungan terhadap perangkat lunak dari produsen radar tertentu, dapat mengolah dan menampilkan data radar cuaca secara masif, memulihkan dan menyimpan luaran data radar dalam koordinat kartesian (tidak dalam koordinat polar) dan format NetCDF sehingga memudahkan pengguna dalam pengolahan data radar lebih lanjut. Studi ini hanya memfokuskan pengolahan data radar volumetric (.vol) luaran produk Gematronik dan data NetCDF (.nc) luaran produk Enterprise Electronics Corporation (EEC). Beberapa skrip berbasis python telah dirancang untuk membaca Plan Position Indicator (PPI) dan menghitung nilai Constant Altitude PPI (CAPPI) dari data reflektifitas radar per 10 menit dan memulihkannya menjadi luaran data NetCDF dalam koordinat kartesian. Dalam proses pengolahannya dibutuhkan waktu sekitar 1-3 menit menggunakan Personal Computer (PC) dengan spesifikasi processor setara Intel(R) Core(TM) i7 dengan ukuran luaran data sebesar 4-7 MB tergantung kepada radius jangkauan radar, jumlah PPI dan jumlah ketinggian CAPPI. Oleh karena itu, studi ini merekomendasikan penggunaaan wradlib sebagai alternatif solusi untuk pengolahan dan visualisasi data radar cuaca di Pusat Meteorologi Publik dan untuk pemulihan dan penyimpanan data radar cuaca di Pusat Database BMKG.]]>
<![CDATA[PENENTUAN GROUND MOTION PREDICTION EQUATIONS (GMPEs) DENGAN METODE EUCLIDEAN DAN LIKELIHOOD UNTUK WILAYAH JAWA TIMUR ]]>
<![CDATA[Supriyanto Rohadi]]>;
<![CDATA[Rian Mahendra Taruna]]>;
<![CDATA[Ariska Rudyanto]]>;
<![CDATA[Damianus Tri Heryanto]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 17 No. 3 (2016) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v17i3.357
<![CDATA[Pemilihan dan penentuan Ground Motion Prediction Equations (GMPEs) sangat penting untuk perkiraan kerusakan akibat gempabumi pada wilayah yang memiliki zona seismik aktif. Pada penelitian ini 10 model GMPEs diterapkan pada database strong ground motion dari 12 sensor accelerograph. Data yang digunakan terdiri atas gempabumi dengan magnitudo 5 ≤ Mw ≤ 9 dan jarak kurang dari 500 km yang terjadi di sekitar Jawa Timur dari 2009 hingga 2015. Lokasi dan kedalaman gempabumi direlokasi dengan metode Double Difference untuk meningkatkan kualitas database. Tingkat keakuratan GMPEs dihitung menggunakan metode Likelihood (Scherbaum dkk.,2004) dan Euclidean Distance Ranking (Kale dan Akkar, 2012). Penggunaan dari metode ini menghasilkan beberapa GMPE yang bisa digunakan untuk seismic hazard di Jawa Timur. Validasi dilakukan dengan memetakan nilai Peak Ground Acceleration hasil observasi accelerograph pada periode 2015- 2016 ke dalam kurva atenuasi GMPEs yang terpilih.]]>
<![CDATA[PENGARUH ASIMILASI DATA RADAR C-BAND DALAM PREDIKSI CUACA NUMERIK (Studi Kasus di Lampung) ]]>
<![CDATA[Jaka Anugrah Ivanda Paski]]>
<![CDATA[ Jurnal Meteorologi dan Geofisika Vol. 18 No. 2 (2017) ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengembangan BMKG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31172/jmg.v18i2.361
<![CDATA[Prediksi cuaca merupakan suatu hal yang menjadi kebutuhan saat ini, semakin berkembang zaman kebutuhan akan prediksi cuaca yang akurat semakin besar. Kondisi awal (initial condition) sangat menjadi perhatian dalam prediksi cuaca maka dikembangkan asimilasi data dalam prediksi cuaca numerik dengan data asli dari pengamatan (observasi) sebagai keadaan awal. Kemudian diperkenalkan asimilasi data berbasis data radar cuaca yang memiliki data yang cukup untuk merepresentasikan keadaan cuaca dalam suatu daerah. Tulisan ini membahas bagaimana kemampuan model WRF tanpa asimilasi dan model WRF asimilasi menggunakan data radar dalam prediksi kejadian hujan di Lampung. Dalam penelitian ini menggunakan model numerik Weather Reasearch Forecasting (WRF), baik WRF–ARW (The Advance Research–WRF) untuk menjalankan model tanpa asimilasi dan model WRFDA (WRF Data Assimilation) dengan sistem 3DVar untuk model dengan asimilasi data radar. Analisa dilakukan secara kualitatif dengan melihat nilai prediksi spasial reflektifitas dan distribusi hujan juga secara kuantitatif dengan menguji skil dan keandalan model terhadap data observasi. Hasil menunjukan perbaikan hasil prediksi nilai spasial reflektivitas radar dan distribusi hujan spasial oleh model asimilasi data radar terhadap data model numerik WRF tanpa asimilasi.]]>
