Megasains (Journal)
Not a member yet
113 research outputs found
Sort by
THE RELATIONSHIP BETWEEN EARTHQUAKES AND VOLCANO ERUPTIONS CASE STUDY OF MOUNT SINABUNG ERUPTION IN 2010 AND 2013
No full textAktivitas vulkanik tidak terlepas dari aktivitas seismik dan kondisi tektonik di kawasan sekitarnya. Tujuan dari makalah ini adalah untuk menyelidiki hubungan antara gempa bumi dan letusan gunung berapi. Hasilnya menunjukkan bahwa setelah gempa bumi Mw9.0 di Aceh pada tahun 2004, yang diikuti oleh gempa susulan besar berikutnya, telah menghasilkan perubahan tegangan Coulomb yang positif di wilayah tersebut. Perubahan tersebut memicu terganggunya Gunung Sinabung pada tahun 2010 yang sudah tidak aktif selama empat abad. Penampang melintang Gunung Sinabung sebelum erupsi tahun 2013 juga menunjukkan perubahan positif tegangan Coulomb di bagian bawah Gunung Sinabung hingga kedalaman 85 km dengan lobus hingga 5 x 10-3 batangVolcanic activity is inseparable from seismic activities and tectonic conditions in the surrounding area. The aim of this paper is to investigate the relationship between earthquakes and volcanic eruptions. The results indicate that after the Mw9.0 Aceh earthquake in 2004, followed by subsequent large aftershocks, has produced positive Coulomb stress changes in the region. Those changes have triggered the disruption of Mount Sinabung in 2010, which has been inactive for four centuries. The cross section that divided Mount Sinabung before the eruption in 2013 also showed positive changes in the Coulomb stress at the lower part of Mount Sinabung, up to a depth of 85 km with lobes up to 5 x 10-3 bar
PEMANFAATAN PEMODELAN NEURAL PROPHET DALAM MEMPREDIKSI PARAMETER PM10 (STUDI KASUS DKI JAKARTA)
Full text linkAir quality is a serious issue in developing countries, especially in DKI Jakarta, driven by the increasing number of motor vehicles and industrial activities. This research examines the effectiveness of the Neural Prophet model in predicting PM10 concentrations as the primary air quality indicator. Daily data from DKI Jakarta\u27s Air Quality Monitoring Station for the period 2018-2022 was used, with the model evaluated. Initial data underwent processing involving date format adjustments and the removal of irrelevant variables. The model was configured with predefined hyperparameters and tested using a holdout technique, splitting the data into a 95% training set and a 5% testing set. Model evaluation showed a significant reduction in errors, indicating effective learning. Time series data exhibited annual fluctuations, primarily peaking from June to October. The model\u27s predictions aligned reasonably well with actual data, albeit with uncertainty at some points. This research demonstrates that Neural Prophet can predict PM10 concentrations with adequate accuracy, potentially serving as a tool for air quality management and planning in DKI Jakarta.Kualitas udara adalah permasalahan serius di negara-negara berkembang, terutama di DKI Jakarta, yang dipicu oleh jumlah kendaraan bermotor yang semakin meningkat dan aktivitas industri. Penelitian ini menguji keefektifan model Neural Prophet dalam memprediksi konsentrasi PM10 sebagai indikator utama kualitas udara. Data harian dari Stasiun Pemantau Kualitas Udara DKI Jakarta selama periode 2018-2022 digunakan, dengan model dievaluasi. Data awal mengalami pengolahan dengan penyesuaian format tanggal dan penghilangan variabel yang tidak relevan. Model dikonfigurasi dengan hyperparameter yang telah ditentukan dan diuji menggunakan teknik holdout, dengan membagi data menjadi 95% data latihan dan 5% data uji. Evaluasi model menunjukkan penurunan signifikan dan menunjukkan pembelajaran yang efektif. Data deret waktu menunjukkan fluktuasi tahunan, terutama mencapai puncak dari Juni hingga Oktober. Prediksi model cukup sejalan dengan data aktual, meskipun dengan ketidakpastian pada beberapa titik. Penelitian ini menunjukkan bahwa Neural Prophet dapat memprediksi konsentrasi PM10 dengan akurasi yang memadai, berpotensi sebagai alat untuk manajemen, dan perencanaan kualitas udara di DKI Jakarta
Pembuatan Faktor Koreksi Data NCEP/NOAA dengan Data Observasi untuk Mengisi Data Kosong
Full text linkBanyaknya data kosong memicu para ahli terus meneliti untuk menemukan metode pengisian data kosong seperti yang dilakukan dalam penelitian ini. Dalam penelitian ini penulis mencoba menemukan metode alternatif pengisian data kosong dengan bantuan data satelit NCEP/ NOAA. Untuk mengisi data kosong, ditentukan faktor koreksi data satelit terhadap data observasi. Data satelit yang berbentuk gridded dilakukan pendekatan dengan interpolasi pembobotan jarak atau Inversed Distance Weighting (IDW). Faktor koreksi yang dihitung dari pengurangan data observasi dan IDW satelit (NCEP/ NOAA) dikumpulkan dalam tabel distribusi frekuensi berkelas terhadap data observasi. Maka akan ditemukan modus, dan selanjutnya faktor koreksi pada wilayah tersebut merupakan median dari modus. Penelitian ini dilakukan di wilayah Kalimantan Barat dengan menggunakan 6 titik observasi yaitu Mempawah, Ketapang, Paloh, Nangapinoh, Sintang dan Putussibau. Hasil penelitian menunjukkan bahwa semakin tinggi elevasi suatu wilayah maka semakin besar nilai koreksinya (elevasi paling tinggi di Putusibau 40-50 mdpl, nilai koreksi paling besar 1.5 oC). Nilai koreksi ini dapat diaplikasikan untuk pengisian data kosong, dengan menjumlahkannya pada data satelit unsur yang samaThe gaps between meteorological observation data have triggered scientists to find methods that can be applied to replace the unavailable data. In this study, the authors tried to find alternative methods to fill in blank data between observation stations with NCEP / NOAA satellite data. To fill in the blank data, a satellite data correction factor was determined from the observation data. Gridded satellite data was approached by interpolating distance weighting (IDW) technique. Correction factors calculated from the reduction in observation data and satellite IDW (NCEP / NOAA) were collected in a
classy frequency distribution table of the observation data. This process would lead to finding the mode, and the correction factor in the region is the median of the model. This research was conducted in the West Kalimantan region using 6 BMKG meteorological observations station including Mempawah, Ketapang, Paloh, Nangapinoh, Sintang, and Putusibau. The results showed that the higher the elevation of an area, the greater correction value (the highest elevation in Putussibau 40-50 meters above sea level, the greatest correction value 1.5°C) achieved. This correction value was possible to be applied to fill in the blank data, by adding them to the satellite data of the same element
Study of Trends in Increase in CO2 Measurement Results at GAW Bukit Kototabang and its Comparison with Global Data
No full textAktivitas manusia pasca revolusi industri telah menggeser fungsi komposisi alamiah Gas Rumah Kaca (GRK) di atmosfer. Konsentrasi GRK yang berlebihan menyebabkan peningkatan temperatur udara di permukaan bumi. Kajian ini bertujuan untuk mengkaji karakteristik Karbon Dioksida (CO2) yang diamati oleh SPAG Bukit Kototabang. Pengukuran CO2 ini menggunakan Air Kit Flask Sampler yang dikirim ke NOAA. Data dianalisis dengan menggunakan metode Statistik Deskriptif dengan 2 periode data CO2 tahun 2005-2018. Periode pertama (2005-2011) laju kenaikan data sebesar 0.1306 ppm/bulan dan periode kedua (2012- 2018) sebesar 0.1988 ppm/bulan serta kenaikan nilai minimum sebesar 3.64% pada periode kedua. Pengukuran CO2 di SPAG Bukit Kototabang masih berada di bawah rata-rata pengukuran Global dan Mauna Loa meskipun memiliki tren kenaikan yang sama.Human activity after the industrial revolution has shifted the function of the natural composition of greenhouse gases (GHGs) in the atmosphere. Excessive GHG concentrations cause an increase in air temperature on the earth\u27s surface. This study aims to examine the characteristics of Carbon Dioxide (CO2) observed by the Bukit Kototabang SPAG. This CO2 measurement used the Air Kit Flask Sampler sent to NOAA. Data were analyzed using Descriptive Statistics method with 2 periods of CO2 data for 2005-2018. The first period (2005-2011) showed the rate of increase in data amounted to 0.1306 ppm per month and the second period (2012-2018) amounted to 0.1988 ppm per month and the increase in the minimum value of 3.64%. CO2 measurements in the Bukit Kototabang SPAG were still below the global and Mauna Loa measurements despite having the same upward tren
Comparison of Minimum Period Length of Climatological Data for Climate Analysis Using Mackus\u27s, n-hat and Multistage Nonfinite Population (MNP) Methods
No full textFenomena 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.Abstract. Climatic phenomenon is one of factors that affects to condition of agriculture in Indonesia. Analysis of the climate variability is necessary to anticipate the extreme climate phenomenon that will have an impact on food production. Analysis of climate variability requires sufficient data in order to obtain an accurate analysis. Sufficient data is data that has a length period of sufficient length minimum data. Many method for calculating the minimum length of the data have been introduced including Mackus, n-hat and Multistage Nonfinite Population (MNP). The data processing Lhoksumawe meteorological stations from 1992 to 2011 using three methods showed different results. Data processing with methods Mackhus obtain different results and unstable for the minimum length of the data between the data monthly, 3 monthly, seasonal and yearly, while the n-hat method and MNP get the results tend to be stable because it is not affected by the amount of population data.
 
STUDY OF DROUGHT LEVEL IN BALI IN THE EL NINO YEAR USING THE STANDARDIZED PRECIPITATION INDEX (SPI) METHODS
No full textPenelitian ini dilakukan untuk mengetahui pola curah hujan bulanan di wilayah Bali, mengetahui tingkat kekuatan El Nino terhadap curah hujan di Bali dan untuk mengetahui tingkat kekeringan secara meteorologis di wilayah Bali ketika terjadi El Nino. Tingkat kekeringan di wilayah Bali diukur menggunakan metode SPI (Standardized Precipitation Index). Intensitas El Nino ditentukan dengan menggunakan nilai Anomali Suhu Muka Laut daerah Samudera Pasifik Ekuator bagian tengah atau daerah Nino 3,4. Penelitian ini menggunakan data curah hujan bulanan 53 (lima puluh tiga) titik pos hujan yang tersebar merata diseluruh Bali dan data suhu muka laut daerah El Nino 3,4 periode tahun 1991- 2010. Kondisi curah hujan bulanan dan panjang musim di wilayah Bali sangat bervariasi, bagian tengah wilayah Bali adalah daerah yang memiliki nilai curah hujan bulanan yang lebih tinggi dan lama musim hujan lebih panjang jika dibandingkan dengan wilayah lainnya. El Nino yang terjadi pada tahun 1997/1998 dengan Intensitas Kuat, sedangkan El Nino yang terjadi pada tahun 2009/2010 dengan Intensitas Lemah – Sedang.. El Nino dengan Intensitas Kuat (1997/1998) curah hujan seluruh wilayah Bali mengalami penurunan dari normalnya dengan sifat hujan bawah normal. El Nino dengan intensitas lemah-sedang (2009/2010) sifat hujan yang terjadi di wilayah Bali sangat bervariasi dari Bawah Normal hingga Atas Normal. El Nino dengan Intensitas Kuat (1997/1998) kondisi kekeringan agak kering hingga sangat kering konsisten terjadi di bagian selatan Bali, pesisir pantai Gianyar, Klungkung dan sebagian Karangasem. El Nino tahun 2009/2010 dengan Intesitas Lemah-Sedang umumnya kondisi kekeringan di wilayah Bali dalam kategori NormalThis research was conducted to determine monthly rainfall patterns in the Bali region, determine the level of strength of El Nino on rainfall in Bali and to determine the level of meteorological drought in the Bali region when El Nino occurs. The level of drought in the Bali region is measured using the SPI (Standardized Precipitation Index) method. The intensity of El Nino is determined using the Sea Surface Temperature Anomaly value in the central equatorial Pacific Ocean or Nino area of ??3.4. This research uses monthly rainfall data from 53 (fifty three) rain post points spread evenly throughout Bali and sea surface temperature data for the El Nino 3.4 area for the period 1991- 2010. Monthly rainfall conditions and the length of the season in the Bali region vary greatly, the central part of the Bali region is an area that has higher monthly rainfall values ??and a longer rainy season compared to other regions. El Nino which occurred in 1997/1998 with Strong Intensity, while El Nino which occurred in 2009/2010 with Weak - Moderate Intensity. the nature of below normal rain. El Nino with weak-moderate intensity (2009/2010) the nature of the rain that occurred in the Bali region varied greatly from Below Normal to Above Normal. El Nino with Strong Intensity (1997/1998), slightly dry to very dry drought conditions consistently occurred in the southern part of Bali, the coast of Gianyar, Klungkung and parts of Karangasem. El Nino in 2009/2010 with Weak-Moderate Intensity, generally dry conditions in the Bali region were in the Normal categor
RATIO OF UV, PAR AND NIR COMPONENTS TO GLOBAL SOLAR RADIATION IN KOTOTABANG HILL, 2012
No full textPenelitian ini membahas tentang hubungan tiga komponen radiasi matahari (Ultra Violet (UV), Near Infra-red (NIR) dan Radiasi Aktif Fotosintesis (PAR)) dengan radiasi global yang diukur di Bukit Kototabang pada tahun 2012. Hubungan tersebut dilakukan oleh menghitung perbandingan antara radiasi global dengan masing-masing komponen radiasi matahari, serta dengan menentukan nilai koefisien korelasi. Hasil penelitian menunjukkan bahwa perkiraan komponen radiasi matahari global adalah 5% UV, 55% NIR dan 45% PAR. Selain itu, rasio antara UV dan radiasi matahari global menunjukkan bahwa kandungan uap air di Bukit Kototabang relatif tinggiThis study discussed about the relationship between three components of solar irradiance (Ultra Violet (UV), Near Infra-red (NIR) and Photosynthetically Active Radiation (PAR)) and global irradiance measured at Bukit Kototabang in 2012. The relationship was carried out by calculating the ratio between global irradiance and each of the solar irradiance components, as well as by determining the correlation coefficient values. The results indicated that the approximation of global solar irradiance components is 5% UV, 55% NIR and 45% PAR. Also, the ratio between UV and global solar irradiance suggested that the water vapour content in Bukit Kototabang is relatively hig
PREDIKSI KEJADIAN PETIR DENGAN ARTIFICIAL NEURAL NETWORK DI WILAYAH KABUPATEN KEPULAUAN TANIMBAR
No full textVarious research efforts have been made to determine thunderstorm prediction methods, one of which involves using upper air data. However, the use of atmospheric stability threshold values as a reference does not always apply uniformly to all locations due to differences in the characteristics of each region. Therefore, a more objective and precise approach is needed in predicting thunderstorm events, including the application of artificial neural network (ANN) techniques. In this study, the Artificial Neural Network (ANN) method, which is an implementation of artificial intelligence, is used to predict thunderstorm events in the Saumlaki region. The ANN input not only relies on raw data in the form of atmospheric instability index values but also uses feature selection processing to reduce the dimensionality of multivariate input data, minimizing the loss of input data. This process focuses only on essential information and eliminates linear dependencies between features, a technique known as Principal Component Analysis (PCA). The research results indicate that ANN with PCA technique has a higher level of accuracy in predicting thunderstorm events in the Saumlaki region.Berbagai penelitian diusahakan dalam menentukan metode prediksi thunderstorm, salah satunya dengan menggunakan data udara atas. Meskipun demikian, pemanfaatan nilai ambang batas stabilitas atmosfer sebagai patokan tidak selamanya berlaku sama untuk semua lokasi karena perbedaan karakteristik masing-masing wilayah. Dengan demikian, pendekatan yang lebih obyektif dan tepat diperlukan dalam melakukan prediksi kejadian thunderstorm, termasuk teknik penerapan jaringan syaraf tiruan (artificial neural network). Dalam penelitian ini, metode Artificial Neural Network (ANN), yang merupakan implementasi kecerdasan buatan digunakan untuk memprediksi kejadian thunderstorm di wilayah Saumlaki. ANN masukan tidak hanya menggunakan data mentah berupa nilai indeks labilitas atmosfer, tetapi juga menggunakan olahan seleksi fitur yang mereduksi dimensi input data multivariat dengan meminimalisir lenyapnya data masukan, sehingga informasi sebagai data input yang baru hanya berfokus pada informasi utama dan menghilangkan ketergantungan linier antar fitur. Teknik ini dikenal sebagai Principal Component Analysis (PCA). Hasil penelitian menunjukkan bahwa ANN dengan teknik PCA memiliki tingkat akurasi lebih besar dalam memprediksi kejadian thunderstorm di wilayah Saumlaki
Evaluasi Luaran Model S2S (Subseasonal To Seasonal) Ecmwf Dalam Menangkap Variabilitas Hujan Ekstrem Di Sumatera Barat
Full text linkExtreme rain events pose challenges regarding disaster preparedness. Accurate rain prediction is one of the contributions to reducing the impact of extreme events. Predictions on subseasonal to seasonal (S2S) have been developed to fill the gap between short-term weather predictions and long-term seasonal forecasts. This study aims to assess the performance of the S2S model in predicting extreme rainfall events with extreme indices R95p, R99p PRCPTOT, and Rx1day. The data used are the S2S ECMWF data and observational data that were tested at the Stasiun Klimatologi Sumatera Barat and Stasiun Meteorologi Minangkabau during 2017-2022 period. Bias correction of S2S ECMWF data is corrected using the Distribution Mapping method. The results showed that the correlation value at Stasiun Klimatologi Sumatera Barat for daily rainfall ranged from 0.16 to 0.47 and ranged from 0.05 to 0.86 for monthly rainfall. Corrected model data correlation values at the Stasiun Meteorologi Minangkabau ranged from 0.24 to 0.41 for daily rainfall and ranged from 0.27 to 0.62 for monthly rainfall. The RMSE value at the Stasiun Klimatologi Sumatera Barat is smaller than Stasiun Meteorologi Minangkabau. The calculated extreme indices show underestimated values for the R95p, R99p, and overestimated values for the PRCPTOT, and Rx1day.Kejadian hujan ekstrem memberikan tantangan mengenai pengelolaan sumber daya air, pencegahan banjir, dan kesiapsiagaan bencana. Prediksi hujan yang akurat menjadi salah satu penyumbang untuk mengurangi dampak dari kejadian ekstrem. Beberapa tahun terakhir, prediksi pada skala waktu yang diperpanjang atau subseasonal to seasonal (S2S) dikembangkan untuk mengisi celah antara prediksi cuaca jangka pendek dan perkiraan musiman jangka panjang. Penelitian ini bertujuan untuk menilai kinerja model S2S dalam memprediksi kejadian curah hujan ekstrem dengan indeks ekstrem R95p, R99p PRCPTOT, dan Rx1day. Data yang digunakan yaitu data model S2S ECMWF dan data observasi yang diuji pada Stasiun Klimatologi Sumatera Barat dan Stasiun Meteorologi Minangkabau selama periode tahun 2017-2022. Data model S2S ECMWF dikoreksi dengan metode Distribution Mapping. Hasil penelitian menunjukkan bahwa nilai korelasi data model terkoreksi di Stasiun Klimatologi Sumatera Barat untuk curah hujan harian berkisar antara 0.16 hingga 0.47 dan berkisar antara 0.05 hingga 0.86 untuk hujan bulanan. Nilai korelasi data model terkoreksi di Stasiun Meteorologi Minangkabau untuk curah hujan harian berkisar antara 0.24 hingga 0.41 dan berkisar antara 0.27 hingga 0.62 untuk hujan bulanan. Nilai RMSE pada Stasiun Klimatologi Sumatera Barat lebih kecil dibandingkan Nilai RMSE pada Stasiun Meteorologi Minangkabau. Indeks ekstrem yang dihitung menunjukkan nilai underestimate untuk indeks R95p, R99p, dan nilai yang overestimate untuk indeks PRCPTOT, dan Rx1day
Projection of Climate Parameters Based on RCP 4.5 and RCP 8.5 Climate Change Scenarios Using Statistical Downscalling in the Sorong City Area
No full textDampak perubahan cuaca dan iklim ekstrim merupakan permasalahan yang paling serius bagi kehidupan masyarakat di dunia. Secara global sudah banyak bukti atau fakta yang menerangkan bahwa perubahan iklim itu sudah terjadi dan nyata. Hanya saja, akhir-akhir ini laju perubahan iklim semakin cepat sehingga berdampak luas ke berbagai aspek kehidupan manusia. Penelitian ini dilakukan di Kota Sorong dikarenakan kota ini memiliki laju pertumbuhan infrastruktur perkotaan yang pesat apabila dibandingkan dengan kota lain di wilayah Papua dan Papua Barat sehingga menarik untuk diangkat sebagai bahan kajian terhadap perubahan parameter iklim. Penelitian ini memuat informasi tentang tren masing-masing parameter iklim seperti: curah hujan, suhu rata-rata, suhu maksimum dan suhu minimum selama 30 tahun (1981-2010), serta proyeksi terhadap kondisi parameter iklim tersebut selama 40 tahun kedepan (2011-2050) menggunakan metode statistical downscaling. Data yang diolah adalah data observasi dan data model skenario RCP 4.5 dan RCP 8.5 yang diperoleh dari CORDEX. Data model skala regional tersebut kemudian dikonversikan ke model skala lokal menggunakan metode stepwise dan menghasilkan persamaan yang dibangun berdasarkan data observasi sehingga menghasilkan suatu nilai proyeksi. Hasil penelitian menunjukan laju perubahan tren wilayah Kota Sorong cenderung naik pada semua parameter iklim yang diujikan serta proyeksi yang dihasilkan sejalan dengan analisis tren yang menunjukan pola kenaikan nilai parameter tersebutThe impact of extreme weather and climate change is the most serious problem for the lives of people in the world. Globally, there has been a lot of evidence or facts that explain that climate change has occurred and is real.Lately the pace of climate change is accelerating so it has broad impact on various aspects of human life. This research was conducted in Sorong City because the city has a rapid growth rate of urban infrastructure compared to other cities in the Papua and West Papua regions so it is interesting to conduct a study of changes in climate parameters. This research contains information about the trends of each climate parameter such as: rainfall, average temperature, maximum temperature and minimum temperature for 30 years (1981-2010), as well as making projections for these climate parameters for the next 40 years (2011-2050) using statistical downscaling method. The processed data are observation data and RCP 4.5 and RCP 8.5 scenario model data obtained from CORDEX. The data model is then scaled using the stepwise method and the results are in the form of equations which are then built with observational data to produce projections. The results showed that the rate of change in the trend of the Sorong City region tended to rise in all climate parameters tested and the projections produced were in line with the trend analysis that showed the pattern of increasing the value of these parameter