Hasil Pencarian  ::  Simpan CSV :: Kembali

"Curah hujan merupakan salah satu unsur iklim yang sangat bervariasi terhadap ketinggian dalam distribusi spasial dan temporalnya. Distribusi curah hujan spasial dan temporal didapatkan dari radar cuaca dan stasiun observasi. Melalui pemetaan spasial dan temporal penelitian ini akan mengungkapkan perbandingan distribusi curah hujan antara radar cuaca dengan stasiun observasi curah hujan terhadap ketinggian. Hasil pengolahan data menunjukan distribusi curah hujan terbanyak pada ketinggian 500-1.000 mdpl dimana semakin tinggi ketinggian tempat maka distribusi curah hujannya semakin menurun baik dari hasil radar cauca maupun stasiun observasi. Analisis temporal memberikan hasil kesamaan waktu kejadian curah hujan tertinggi dari radar cuaca dan stasiun observasi pada pukul 12:00 sampai 18:00.

---

Rainfall is one of the climate element that highly variable from elevation in spatial and temporal distribution. The spatial and temporal rainfall distribution obtained from weather radar and observation stations. This research will reveal rainfall distribution comparison between weather radar with rainfall observation station of elevation. Through spatial and temporal mapping of.

The results of data processing shows rainfall distribution at an altitude 500-1.000 meters above sea level where the higher altitude of the distribution of rainfall decreases both from the weather radar and observation stations. Temporal analysis provides results in common occurrence time of the highest rainfall weather radar and weather observation station at 12:00 to 18:00."

"The identification of climate change impacts on rainfall (annual ,seasonnal and monsoon rainfall) was studies using hundreds of rainfall data ranging from 1916 - 2006. The existence of trend in annual and seasonnal rainfall series was detected by statistical test, namely mann - Kendall and the Difference of two populations in monsoon series using Mann - Whitney..."

"Isu perubahan iklim telah menjadi topik yang sering dibicarakan pada saat ini. Salah satu dampak dari perubahan iklim adalah meningkatnya intensitas kejadian cuaca ekstrem, salah satunya kejadian hujan ekstrem. Kejadian ekstrem ini terjadi karena tingginya tingkat evaporasi air laut yang menyebabkan tingginya tingkat presipitasi dan berpotensi mengakibatkan bencana di lokasi tertentu khusunya yang berbatasan langsung dengan laut. Banten berbatasan langsung dengan Samudera Hindia dan Laut Jawa memiliki kerentanan yang relatif tinggi terhadap fenomena hujan ekstrem.Metode yang digunakan dalam penelitian adalah klasifikasi kejadian hujan ekstrem berdasarkan indikator hujan ekstrem Zhang dan Feng serta BMKG menjadi empat klasifikasi yaitu R50, R75, R100, dan R125 yang kemudian dianalisis menggunakan metode analisis deskriptif.Hasil penelitian menunjukkan bahwa hujan ekstrem umumnya terjadi di wilayah yang memiliki elevasi yang relatif tinggi dengan kelas lereng yang relatif curam dan umumnya hujan ekstrem terjadi pada musim hujan.

---

The issue of climate change has become a topic that is often discussed nowadays. One of the impacts of climate change is increasing the intensity of extreme weather events, one of which extreme rainfall events. Extreme events occur due to the high rate of evaporation that causes high rate of precipitation and potentially leads to disaster in some area, especially the areas that directly face the ocean. Banten Province directly adjacent to Java Sea and Hindian Ocean and relatively has a high vulnerability to extreme rainfall.

The method used in the study is the classification of extreme rain events based on indicators of extreme rain Zhang and Feng along with BMKG into four classifications, namely R50, R75, R100, and R125 were then analyzed using descriptive analysis.

The results showed that the extreme rainfall generally occurs in areas that have a relatively high elevation with a relatively steep slope class and extreme rainfall generally occurs during the rainy season."

"Curah hujan bervariasi menurut ruang dan waktu, curah hujan juga dapat bervariasi dengan nilai rata-ratanya yang disebut variabilitas. Penelitian ini bertujuan untuk mengetahui variabilitas curah hujan dan debit sungai serta keterkaitan diantara keduanya di DAK Brantas selama tahun 1998 - 2006. Formula koefisien variasi dalam statistik digunakan untuk menghitung variabilitas terhadap data curah hujan. Hasil penelitian di DAK Brantas menunjukkan variabilitas curah hujan bulanan semakin rendah pada tempat yang semakin tinggi dengan curah hujan rata-rata bulanan semakin tinggi. Sementara itu, variabilitas debit bulanan semakin tinggi pada tempat yang semakin rendah dengan debit rata-rata bulanan semakin tinggi.

---

Rainfall varies over space and time, precipitation can also vary with the average value is called variability. This study aims to determine the variability of rainfall and streamflow as well as the linkages between them in the Brantas watershed during the years 1998 - 2006. Coefficient of variation in the statistical formula used to calculate the variability of rainfall data. The results in the Brantas watershed showing the variability of monthly rainfall is lower in the higher place with monthly rainfall average higher. Meanwhile, the higher the monthly discharge variability in a place that the lower the monthly average discharge greater."

"Rainfall station should be selected based on the proposed three systems nomely flood forescating, low water monitoring and irrigation area...."

"Beberapa jenis instrumen curah hujan yang banyak dipakai seperti rain gauge, citra satelit, dan radar cuaca masih memiliki kekurangan terutama pada resolusi spasial. Instrumen curah hujan alternatif yang banyak dikembangkan adalah dengan menggunakan model Deep Learning dengan masukan citra tangkapan kamera pengawas. Beberapa studi telah berhasil membangun model untuk mendapatkan nilai curah hujan dengan berbagai performa. Namun salah satu kendala yang ditemui dalam pembangunan sistem estimasi curah hujan adalah latar belakang rintik hujan pada citra kamera pengawas. Objek latar belakang yang lebih mengisi citra dibandingkan rintik hujan membuat model dengan banyak bentuk latar belakang tidak dapat mencapai performa yang diinginkan. Penelitian ini menganalisa pengaruh bentuk latar belakang citra kamera pengawas terhadap performa dari sistem estimasi curah hujan. Sistem estimasi curah hujan dibuat dengan model berarsitektur RFCNN (Rainfall Convolutional Neural Network). Objek latar belakang citra yang dipilih pada penelitian ini terdiri dari gedung, jalan beraspal, atap, dan kombinasi antara keduanya. Data curah hujan referensi didapat dari perangkat tipping bucket dengan resolusi 0,2 mm/menit. Hasil eksperimen menunjukan bahwa gedung menjadi bentuk objek latar belakang yang menghasilkan performa yang terbaik dengan nilai MAE sebesar 0.0823 dan MSE sebesar 0.0164, dengan catatan citra yang digunakan adalah citra grayscale. Hasil dari pengujian model menunjukan performa dipengaruhi oleh eksistensi benda bergerak pada latar belakang rintik hujan.

---

Several types of rainfall measurement instrumens, such as Rain Gauge, satellite imagery, and weather radar, still have limitations, especially in spatial resolution. An alternative rainfall measurement instrumen that has been widely developed is using Deep Learning models with input from surveillance camera images. Some studies have successfully built models to estimate rainfall values with various performances. However, one of the challenges encountered in the development of rainfall estimation systems is the background of surveillance camera images. Objects in the background that occupy a significant portion of the image compared to raindrops make models with certain background shapes unable to achieve the desired performance.This research analyzes the influence of background image shapes from surveillance camera images on the performance of a rainfall estimation system. The estimation system is built using the RFCNN (Rainfall Convolutional Neural Network) architecture. The selected background objects in this study include buildings, paved roads, roofs, and combinations of both. The reference of rainfall data are obtained from a Tipping Bucket device with a resolution of 0.2 mm/minute. The experimental results show that buildings are the background object shape that yields the best performance, with an MAE (Mean Absolute Error) value of 0.0823 and an MSE (Mean Squared Error) value of 0.0164, given that grayscale images are used. The model testing results indicate that performance is influenced by the presence of moving objects in the raindrop background."

"Oldeman membuat penggolongan iklim dengan tujuan membantuusaha pertanian. Klasifikasi Oldeman ditujukan terutamauntuk tanaman padi.Tujuan penelitian in i adalah untuk mengetahui klasif ikasiiklim menurut Oldeman di Jawa Barat.Sedangkan masalah yang diajukan adalah :1). Bagaimana klasif ikasi iklim menurut Oldeman diJawa Barat ? ,/2). Bagaimana kaitan antara klasif ikasi tersebut denganvegetasi ?3). Bagaimana perbandingan (persamaan dan perbedaan)antara klasif ikasi tersebut dengan klas if ikas i yangtelah dibuat oleh Oldeman ?Klas if ikas i 'iklim Oldeman pada wilayah penelitian (JawaBarat) didominasi oleh tipe iklim B1 (pada bagian barat,tengah dan selatan Jawa Barat).Kaitan antara klasif ikasi iklim Oldeman (agroklimatOldeman hasil penelitian) dengan vegetasi (tumbuhan)adalah pada tipe iklim 0Ideman seperti "ini" dimungkinkan/ditemukan adanya tumbuhan seperti "itu" .Persamaan antara klas if ikas i iklim 0Ideman has i1 penelitian dengan klasifikasi iklim Oldeman (Penulis yang lalu)adalah sebagian besar wilayah Jawa Barat didominasi olehtipe iklim B1, dari selatan ke utara, mempunyai pola tipeiklim B,C,D dan E, dari barat ke timur, mempunyai polatipe iklim A, B, C dan D, sedangkan perbedaan yang terjadidisebabkan karena data yang digunakan berbeda dansifat keberurutan dari buIan basah dan buIan kering yangmenghasiIkan tipe iklim, berbeda."