Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem pemantauan cuaca otomatis (AWS), telah dibuat untuk memantau cuaca di stasiun cuaca. Sistem dilengkapi oleh 4 buah sensor, yaitu : MPXAZ4115A untuk mengukur tekanan udara, SHT11 untuk mengukur suhu udara dan kelembaban relatif, serta optocoupler untuk mengukur kecepata angin. Data dari sensor kemudian akan diolah di dalam mikrokontroler, lalu ditampilkan secara real time melalui GUI (Graphic User Interface) dengan bahasa pemrograman Python 2.6. Mikrokontroler yang digunakan dalam sistem ini yaitu H8-3069F. Akses atau pengiriman data dilakukan menggunakan kabel yang terhubung ke komputer yang terletak di stasiun cuaca terdekat. Setiap data yang masuk akan tersimpan dalam bentuk file csv (comma, separated, values).

---

A weather monitoring system has been designed to enable observers to monitor weather parameters in weather station. This system is commonly referred to as AWS (Automatic Weather Station), which is an amalgamation of several of the sensors. This study used four sensors namely : air pressure, temperature, air humidity and wind speed. Data from sensors will then be processed in the microcontroller, and then displayed in real time via the GUI (Graphic User Interface) with Python 2.6 programming language. Microcontroller used in this system is H8-3069F. Access or data transfer can be done using cable that has been connected to the computer that placed in the nearest weather station. Each incoming data is stored in the form of a csv file (comma, separated, values)."

"Bidirectional Long-Short Term Memory (BiLSTM) yang merupakan perpanjangan dari LSTM dimana dapat meningkatkan efisiensi model dan akurasi pada skenario klasifikasi berdasarkan time series data atau data deret waktu yang lebih panjang secara berulang. Penelitian ini menggunakan algoritma BiLSTM untuk membangun model prakiraan cuaca harian di Bandar Udara Internasional Soekarno-Hatta. Set data yang digunakan adalah data parameter cuaca udara permukan (synoptic) per jam Stasiun Meteorologi Kelas 1 Soekarno-Hatta periode Januari 2018 – Desember 2022. Terjadi ketidakseimbangan pada set data maka digunakan teknik SMOTE dan ADASYN untuk menangani masalah tersebut. Output penelitian ini adalah kondisi cuaca yang dikategorikan menjadi cerah, cerah berawan, berawan, hujan ringan, hujan sedang, hujan lebat, dan hujan petir. Hasil yang diperoleh akan melalui verifikasi dan evaluasi model dengan mencari nilai akurasi dengan membandingkan prakiraan cuaca hasil output model dengan data cuaca aktual menggunakan tabel kontingensi multikategori. Setelah mendapatkan hasil perbandingan akurasi masing-masing model, diperoleh Model BiLSTM – ADASYN mendapatkan nilai akurasi rata-rata tertinggi dibandingkan model lainnya, yaitu sebesar 83,2%. Penelitian ini diharapkan dapat diimplementasikan dan mampu menaikan nilai verifikasi prakiraan cuaca Bandar Udara Soekarno-Hatta demi mendukung keselamatan penerbangan di Indonesia.

---

Bidirectional Long-Short Term Memory (BiLSTM) which is an extension of LSTM which can improve model efficiency and accuracy in classification scenarios based on time series data or longer time series data repeatedly. This study uses the BiLSTM algorithm to build a daily weather forecast model at Soekarno-Hatta International Airport. The data set used is hourly synoptic weather parameter data for Class 1 Soekarno-Hatta Meteorological Station for the period January 2018 – December 2022. There was an imbalance in the data set, so the SMOTE and ADASYN techniques were used to deal with the problem. The output of this research is weather conditions which are categorized into sunny, sunny, cloudy, cloudy, light rain, moderate rain, heavy rain, and thunderstorms. The results obtained will go through model verification and evaluation by looking for accuracy values ​​by comparing the weather forecast output model results with actual weather data using multi-category contingency tables. After getting the results of comparing the accuracy of each model, it was obtained that the BiLSTM – ADASYN model had the highest average accuracy value compared to other models, which was 83.2%. This research is expected to be implemented and able to increase the value of weather forecast verification at Soekarno-Hatta Airport in order to support flight safety in Indonesia."

"Bagian Operasional Badan Meteorologi Klimatologi dan Geofisika hingga saat ini belum memiliki metode baku dalam memprakirakan cuaca jangka pendek. Metode yang selama ini digunakan adalah dengan analogi peristiwa cuaca yang telah lampau. Penelitian ini berusaha menjawab apakah metode pohon keputusan yang dihasilkan algoritma C4.5 dapat digunakan untuk memprakirakan cuaca jangka pendek? Bagaimana tingkat akurasi yang dapat diberikan oleh metode ini? Training data serta testing data yang digunakan dalam penelitian ini berupa data hasil pengamatan unsur cuaca rata-rata harian (temperatur udara, kelembaban udara, tekanan udara, kecepatan angin, arah angin, lama penyinaran matahari, dan curah hujan) yang diperoleh dari Stasiun Meteorologi 745 Kemayoran Jakarta. Sebagai training data digunakan data pengamatan unsur cuaca dari tahun 2002 hingga 2006 sedangkan testing data adalah data tahun 2007 dan 2008. Tingkat akurasi prakiraan cuaca yang dihasilkan metode pohon keputusan ini berkisar pada angka 40% hingga 80% untuk 2 kategori (hujan dan tidak hujan). Sedangkan untuk tingkat akurasi prediksi 6 kategori (tidak hujan, hujan sangat ringan, hujan ringan, hujan sedang, hujan lebat, dan hujan sangat lebat) berkisar pada angka 30% hingga 80%. Perbedaan akurasi dipengaruhi dari jenis musim testing data (musim hujan, pancaroba I, kemarau, dan pancaroba II). Metode pohon keputusan ini dapat digunakan untuk memprakirakan cuaca jangka pendek dimana akurasi yang dihasilkan telah diterima Badan Meteorologi Klimatologi dan Geofisika karena untuk 2 kategori, nilai akurasinya relatif berada diatas 60%.

---

The Operational of Badan Meteorologi Klimatologi dan Geofisika until now have no standardized method in doing short-range weather forecasting. They use analogical method in forecasting what the weather would be the day after. This research is conducted in order to discover whether decision tree method could be used to forecast weather for such a short period of time and also to discover how acurate this method could be. The research uses daily-monitored weather elements data such as temperature, humidity, pressure, wind speed, from where the wind blowing, sunshine, and precipitation. The data was gathered from Stasiun Meteorologi 745 Kemayoran Jakarta. Data measured during 2002-2006 is used as training data, and the one measured during 2007 and 2008 is used as testing data. Prediction accuracy resulted from this decision tree method is around 40% to 80% for 2-category prediction (rain and no-rain). And for 6-category prediction (no-rain, very-light-rain, light-rain, moderate-rain, heavy-rain, and very-heavy-rain), the accuracy is around 30% to 80%. The 6-category prediction accuracy differs from the 2-category prediction because the testing data was measured in different seasons and it causes the accuracy for rainy season testing data is lower than any other season in 6-category prediction. The conclusion that can be made is that decision tree method could be used as one of short-range weather forecasting methods since its prediction accuracy for 2-category is acceptable according to Badan Meteorologi Klimatologi dan Geofisika (relatively above 60%)."

"Nelayan-nelayan kecil yang berada di tengah laut memiliki risiko besar karena tidak adanya saluran komunikasi yang dapat digunakan untuk mendapatkan informasi mengenai cuaca yang ada di lokasinya dan anomali cuaca yang dapat berubah secara tiba-tiba serta ekstrem. Salah satu solusi masalah tersebut adalah dengan sebuah sistem yang dapat memantau cuaca secara otomatis. Penelitian ini berfokus pada pembuatan perangkat lunak untuk sistem tersebut yang berbasis citra dari satelit NOAA dan menggunakan library OpenCV. Perangkat lunak yang telah dibuat dapat memberikan informasi keadaan cuaca di lokasi dan sekitar pengguna berada. Pada pengujian didapatkan hasil bahwa akurasi yang dimiliki adalah sebesar 91,25%. Dari segi waktu, lamanya waktu eksekusi rata-rata dari perangkat lunak ini adalah sebesar 0,211 detik. Pada pengujian ketahanan terhadap noise dengan menggunakan Gaussian noise μ = 0 dan σ yang divariasikan antara 26, 64, dan 128 didapatkan akurasi secara berturut-turut sebesar 82,5%, 60%, dan 52,5%. Uji fungsional serta tampilan antarmuka, mendapatkan nilai rata-rata sebesar 75%.

---

Traditional fishermen who are in the middle of the sea have great risk because of the absence of communication channels that can be used to obtain information about weather in the location and weather anomalies that may change suddenly and extreme. One solution to the problem is with a system that can monitor the weather automatically. This research will focus on the software development for the system based on imagery from NOAA satellites and it uses OpenCV library.

The software has been created to provide information about the weather conditions on the user’s location and around of its location. On testing, it showed that the accuracy is at 91.25%. In terms of time, the length of the average execution time of this software is at 0.211 seconds. In the resistance to noise testing by using a Gaussian noise μ = 0 and σ which varied between 26, 64, and 128 obtained accuracy in a row amounted to 82.5%, 60%, and 52.5%. Functional testing and interface, obtain an average value of 75%."

"Skripsi ini mengkaji variasi reinterpretasi kosmologi yang tertuang dalam pranata mangsa yang merupakan acuan bercocok tanam yang dipakai oleh petani di pulau Jawa secara turun temurun. Selain itu, skripsi ini juga menjabarkan mengenai reinterpretasi pengetahuan lokal petani mengenai cuaca atau yang disebut sebagai weather lore, yaitu ujaran-ujaran mengenai tanda-tanda alam untuk membaca cuaca yang disampaikan secara lisan. Reinterpretasi yang dilakukan oleh petani yang tergabung dalam anggota kelompok Tani Mulya, Desa Segeran Kidul tersebut merupakan respon mereka dalam menghadapi kondisi perubahan cuaca yang ekstrem atau yang biasa dikenal sebagai fenomena El-Niño dan La-Niña yang menyebabkan kondisi alam menjadi tidak lazim. Keberagaman reinterpretasi tersebut secara individual, dituangkan dalam strategi bercocok tanam yang dilakukan oleh petani kelompok Tani Mulya. Skripsi ini juga mendeskripsikan bagaimana kelompok Tani Mulya memperoleh sebuah introduksi pengetahuan baru berupa pengukuran curah hujan dan analisis agroekosistem. Meskipun program pengukuran curah hujan tersebut belum mampu membentuk sebuah skema baru berupa analisis mendalam mengenai curah hujan dan implikasinya pada lahan dan pertumbuhan tanaman, namun hal tersebut mampu membuat para petani termotivasi untuk menafsirkan ulang pengetahuan yang telah mereka miliki sebelumnya dan memunculkan minat mereka untuk mempertajam kemampuan pengamatan dan analisis mendalam terhadap lingkungan mereka. Dalam mendeskripsikan kisah para petani pengukur curah hujan itu, skripsi ini juga ditunjang oleh data sekunder melalui studi pustaka.

---

This article probes cosmological reinterpretation variation that occurred in pranata mangsa. Those cosmological reinterpretation becomes a guide to farming. which used by Javanese farmers hereditarily. Moreover, this thesis explains the reinterpretation of farmer’s local knowledge about the weather or commonly referred to as weather lore that is the knowledge of natural sign for predicting the weather that delivered orally. The reinterpretation which done by the farmers in the group Tani Mulya, Segeran Kidul Village is their response to face the changes of weather condition which causes the unstability of natural conditions. The variety of reinterpretation applied individually with on the farming strategy of the group Tani Mulya.

This thesis also describes how the Tani Mulya group get the introduction for new knowledge such as measuring the rainfall. Even though that rainfall measurement program could not form the new schema like deep-analysis of rainfall, it motivates the farmers to reinterprate their knowledge and raises their interest to improve their observation and deep-analytical skill on their environment. In describing the story of those rainfall measuring farmers, this thesis also supported by secondary data which obtained from literature."

"Timbulnya redaman propagasi pada komunikasi sangat mempengaruhi kualitas sinyal, demikian pula pada sistem komunikasi satelit. Dalam tugas tests ini, satelit Ku Band JCSAT-3, khususnya fluktuasi level sinyal beacon dan data curah hujan digunakan sebagai sumber data. Analisa dan prediksi redaman propagasi yang tersusuri dari redaman cerah dan redaman hujan dilakukan dengan bantuan program simulasi sebagai alat bantu analisa yang direalisasikan dengan menggunakan bahasa pemrograman Matlab 5.3 dan Microsoft Exel. Analisa redaman propagasi dilakukan untuk mendapatkan pernaharnan sifat masing-masing redaman dan selanjutnya dimodelkan untuk prediksi di masa depan. Pemodelan pada redaman hujan menggunakan pemodelan distribusi dan pembandingannya dengan model prediksi CCIR 1992, sedangkan redaman cerah menggukan pemodelan ARMA. Hasil pemodelan redaman hujan menunjukkan Bandung lebih mendekati model CCIR zone N, sedangkan pemodelan redaman cerah dapat dilakukan dengan pemodelan metode ARMA orde 6 dengan panjang frame 8 sampling. Hasil ini diharapkan dapat dijadikan pijakan dalam perencanaan komunikasi satelit di Indonesia, khususnya pada daerah frekuensi Ku.

---

Loss propagation consist of rain. Attenuation and clear sky attenuation occurred could influence the quality of the satellite communication. In this paper, the fluctuation of beacon signal level and meteorological parameters as source of data will be analysis. Simulation programs as analysis rolls that realized with using Mat/dab 5.3 and Microsoft Exel do analysis and prediction of loss propagation.

Loss propagation analysis is done to understand each attenuation characteristic and further modeled for prediction. The rain attenuation uses cumulative models and compared to CCIR'92 prediction model, and clear sky attenuation use ARAM model.

The result of rain attenuation model shows Banding is close to CCIR zone N model, whereas clear sky attenuation model can be done by ARMA orde 6 model with 8 sampling each frame length. The result of data analysis of the JCSAT-3 earth station in Bandung for rain attenuation and clear sky attenuation prediction describes the loss propagation character in the Ku band satellite communication. This result could be used for reference in the planing and implementation of the Ku band satellite communication system."

"Model "Quasi-geostropik dua-lapisan" adalah model Prakiraan Cuaca Numeris (Numerical Weather Prediction, NWP) dengan pendekatan geostropik yang biasanya digunakan di lintang sedang, yang menerima keadaan atmosfir baroklinik dengan membolehkan interaksi antara dua lapisan udara. Sedangkan "Wilayahterbatas" (Limited Area Model, LAM) sebenarnya adalah suatu rekayasa untuk membatasi wilayah yang dianalisis sehingga tidak terlalu luas. Variabel cuaca yang dibahas dalam penelitian dengan model ini adalah medan angin (V). Variabel yang lainnya (medan massa, P,T dan p) walaupun dapat dihitung dari medan angin dengan prinsip keseimbangan antara medan angin dan medan massa, tidak dibahas di sini. Dalam tulisan ini, medan angin "Quasigeostropik" disajikan dalam bentuk fungsi arus (streamfunction, Ψ) dan daerah yang dibahas meliputi 45° LU-45° LS dan 90° BT-180° BT, pada lapisan 250 mb dan 750 mb. Sebagai data awal dan data pembanding digunakan data angin dari European Centre for Medium range Weather Forecast (ECMWF) mulai tanggal 11 sampai dengan 23 Desember 1995. Hasil prakiraan menunjukkan bahwa pola gerak angin di belahan bumi utara yang sedang mengalami musim dingin cenderung stabil, sedangkan di belahan bumi selatan terjadi perubahan gerak walupun sangat sedikit. Model "Quasi-geostropik" dengan semi-implicit time differencing menghasilkan perhitungan yang sangat stabil dan tidak terjadi peningkatan maupun penyusutan amplitudo gerak. Verifikasi model ini dihitung dengan kesalahan statistik (RMSE dan Absolut korelasi) antara hasil prakiraan dengan data aktualnya."