ISSN 0215-1952

FLUKTUASI SUHU UDARA DAN TREND VARIASI CURAH HUJAN RATARATA DI ATAS 100 MM DI BEBERAPA WILAYAH INDONESIA
Umara Firman Sub Bidang Manajemen Data Iklim dan Agroklimat Bidang Klimatologi dan Kualitas Udara Badan Meteorologi Klimatologi dan Geofisika

ABSTRAK
Tulisan ini menjelaskan pembuatan garis kecenderungan (trend) dan keterkaitan yang terjadi pada fluktuasi data bulanan suhu udara rata-rata, suhu udara maksimum, suhu udara minimum dengan besaran curah hujan pada beberapa tempat di Indonesia. Di beberapa wilayah Indonesia terjadi kecenderungan kenaikan suhu udara, namun di beberapa wilayah lain justru mengalami penurunan suhu udara. Sedangkan untuk curah hujan, terdapat perbedaan penurunan curah hujan di berbagai wilayah. Hal yang menarik dari penggunaan angka kecenderungan curah hujan selama kurun waktu kurang lebih 25 tahun terakhir ini adalah temuan di Sentani (Provinsi Papua), dan Makasar (Provinsi Sulawesi Selatan) terjadi peningkatan curah hujan yang berjalan seiring dengan penurunan suhu udara. Sementara itu rata-rata curah hujan dari tahun ke tahun memperlihatkan penurunan tertinggi terjadi di Provinsi Jawa Barat. Kata Kunci: curah hujan, fluktuasi, frekuensi, kecenderungan, persamaan 1. PENDAHULUAN 1.2. Latar Belakang Kondisi suhu udara di Indonesia menjadi lebih panas sepanjang abad dua puluh. Suhu udara rata-rata tahunan telah bertambah kira-kira 0.3 oC sejak tahun 1900. Sementara itu tahun 1990 menjadi decade terpanas abad ini. Tahun 1998 menjadi tahun terpanas hampir 1 °C di atas rata-rata tahun 1961-1990. Pemanasan ini telah terjadi di semua musim sepanjang tahun. Curah hujan telah berkurang 2 hingga 3 persen di Indonesia dalam abad ini. Hampir seluruh pengurangan ini terjadi selama periode bulan Desember – Februari. Rata-rata suhu udara di Indonesia mengalami peningkatan berkisar 0,2 - 1 °C yang terjadi sejak tahun 1970 sampai tahun 2008 akibat adanya pemanasan global. Dampak lain pemanasan global yang merupakan salah satu aspek dari perubahan iklim adalah naiknya permukaan air laut yang mengakibatkan menyusutnya luas lahan pertanian. 1.3. Tujuan Tulisan ini disajikan dengan tujuan antara lain untuk : 1. Mengetahui angka kecenderungan curah hujan yang terjadi selama kurun waktu lebih 25 tahun dengan menggunakan nilai dari algoritma kuadrat terkecil (y = mx + b) untuk menghasilkan deret atau rangkaian; 2. Dengan mengetahui naiknya suhu rata-rata bulanan yang terjadi dalam

©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA Vol. 5 No. 3 SEPTEMBER 2009

309

LANDASAN TEORI 2. Sepanjang keduanya memiliki dimensi yang sama.2. sirkulasi udara yang menyebabkan kecepatan angin menjadi lebih kencang. Garis Kecenderungan Nilai hasil sepanjang garis kecenderungan dperoleh dengan cara FLUKTUASI SUHU UDARA DAN TREND VARIASI CURAH HUJAN RATA-RATA DI ATAS 100 MM DI BEBERAPA WILAYAH INDONESIA Umara Firman 310 . Jika deret Y dalam baris tunggal. merupakan dampak dari adanya pemaasan global/ perubahan iklim. METODOLOGI 3.kurun periode tertentu di beberapa wilayah di Indonesia menjadi bagian dari indikator adanya pemanasan global/ perubahan iklim.1. Kolom kedua ada hasil dari nilai output (Y). perubahan pola hujan. 2. maksimum. maka setiap X yang diketahui diterjemahkan sebagai sebuah variabel terpisah. naiknya suhu permukaan air laut. Ada dua akibat temperature • dari meningkatnya pencocokan garis lurus menggunakan metode kuadrat terkecil terhadap deret Y dan X yang diketahui. database hujan dan database iklim Grafik persamaan linear dapat dibentuk dengan menggunakan pola sebagai berikut : y = 2. Adanya penguapan. Deret X merupakan opsi dari rangkaian nilai X yang mungkin sudah diketahui dalam persamaan y = m.1. Kolom kiri akan berisi nilai X yang akan diambil dan kolom kanan akan berisi nilai Y yang akan dihitung Label Kolom : Kolom pertama akan ada pilihan dari nilai input (X) yang ditempatkan. DATA • Temperatur bulanan rata-rata. DATA DAN METODE 3.2. Y yang diketahui merupakan nilai Y yang sudah diketahui dalam persamaan y = m. Jika deret Y yang diketahui ada pada kolom tunggal. Jika hanya satu variabel yang digunakan.x + b. 3. Dikatakan T karena menyerupai huruf T. Deret X dapat meliputi satu atau lebih rangkaian variabel. 3. intensitas curah hujan menjadi meningkat.2. Hasil nilai y sepanjang garis lurus untuk deret X yang baru telah ditentukan. maka deret Y dan X dapat mencakup sebuah bentuk. minimum diambil dari database synop. maka deret Y harus merupakan sebuah vektor yang memiliki cakupan dengan ketinggian dari satu baris atau lebar dari satu kolom. • 3. Jika lebih dari satu variabel yang digunakan. PERUBAHAN IKLIM Meningkatnya suhu udara rata-rata. Grafik Persamaan Linear Adanya perubahan tekanan. uap air berkumpul di atas menyebabkan atmosfir basah. maka setiap baris dari X diartikan sebagai variabel yang terpisah.2.1. Hujan bulanan jumlah diambil dari database synop.x + 3 • Yang pertama menggambar ’T-chart”.x +b. pergeseran awal musim kemarau maupun muim hujan.

2. 3 tidak akan sebaik jika mengambil garis dari sumbu X = -3. Kemudian mengalikan X dengan bilangan pecahan. maka harus menghitung persesuaian nilai dari Y.Y). -memilih label atau persamaan yang dilokasikan di luar wilayah yang diplot. 3. Misalkan diambil nilai dari sumbu X = 1. 3. ketika mengubah data yang dibuat dari grafik. garis ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA Vol.ISSN 0215-1952 bersamaan dengan sumbu X dan Y keduanya akan membentuk sebuah titik yaitu (X. 2.3. Hal ini bukan merupakan suatu aturan. jarak perpindahan label atau persamaan disimpan dan digunakan ketika mengubah data ke dalam grafik. perlu dilakukan hal-hal sebagai berikut: -memilih wilayah plot untuk grafik. -dari menu format. namun merupakan metode yang sangat bermanfaat. 3 SEPTEMBER 2009 311 . 0. maka grafik garis lurus berasal . Label data atau persamaan garis kecenderungan tidak dapat ditanggalkan dari titik data. Memverifikasi grafik yang sedang dibuat bahwa akan didapatkan garis lurus (persamaan linear). Mengambil beberapa nilai untuk sumbu X. memilih kecenderungan yang diinginkan. Hanya dengan sebuah sumbu X dan sebuah sumbu Y. 5 No. bagian itu adalah bagian yang awalnya disembunyikan dan ditarik kebelakang ke wilayah plot. 3. Gerakan relatif ini menyebabkan label data atau persamaan garis kecenderungan berhenti berpindah pada wilayah grafik. yang tidak tampak karena perubahan data grafik. Ada juga yang menginginkan penambahan kolom ketiga terhadap ’Tchart” manfaatnya akan tampak jika dispesifikasikan. Persamaan bergerak relatif terhadap perubahan data.x – 2 Langkah pertama adalah membuat ”Tchart”. Untuk persamaan linear dengan pola berikut: Y = (-5/3). Ambil nilai X yang merupakan perkalian 3.4. Kita dapat mengambil nilai dari apapun yang kita inginkan. -menarik yang dipojok untuk menangani wilayah plot yang dipilih ke dalam skala grafik menjadi ukuran yang lebih kecil. -memilih wilayah plot grafik dan memindahkan yang pojok untuk ditempatkan pada wilayah plot yang dipilih untuk menjadikan skala grafik kembali pada ukuran yang asli Sedangkan untuk mengembalikannya hanya persamaan garis kecenderungan saja. tanpa variabelvariabel kuadrat atau variabel-variabel akar pangkat dua atau tambahan lain yang diinginkan. Garis Kecenderungan Ketika label data atau persamaan garis kecenderungan dipindahkan pada suatu grafik. Memulihkan Label Data Untuk memulihkan atau mengembalikan label data atau suatu persamaan garis kecenderungan yang telah tidak tampak karena data grafik diubah. Sekali mengambil nilai X.2. maka dapat dipilih seperti cara yang telah tersebut di atas atau dengan cara yang akan dipaparkan di bawah ini sebagai berikut: -memilih garis kecenderungan pada grafik. sangat baik jika mengambil sedikitnya ada tiga nilai.

Untuk database synop. PEMBAHASAN 4. tabel hujan 3 jam-an. Kemudian dibentuk format hujan harian jumlah time series pada setiap stasiun atau daerah yang ingin dibuatkan grafik garis kecenderungannya. Persamaan Garis Kecenderungan Polinomial Untuk mendapatkan koefisien dari polinomial dari derajat n dengan mencocokan data. 3.mu] = polyfit(x. Dibentuk juga temperatur bulanan maksimum. µ2 ] = dua vektor elemen. Dalam database synop. seberapa baik alur model data tersebut. [p.-memilih pilihan tab. data yang diambil merupakan data 3 jam-an dari observasi stasiun meteorologi yang kemudian dikirim ke pusat melalui CMSS. 2. Di mana SSR merupakan jumlah dari square sisa yif(xi) dan SSY merupakan jumlah square dari perbedaan yi-mean(y). perlu dilakukan pengambilan data dari tiga database dalam kurun waktu periode yang sepanjang-panjangnya dengan data yang lebih lengkap dan kota-kota tertentu mewakili suatu daerah. terdapat katalog stasiun dan katalog data 3 jam-an dari tahun 1977. FLUKTUASI SUHU UDARA DAN TREND VARIASI CURAH HUJAN RATA-RATA DI ATAS 100 MM DI BEBERAPA WILAYAH INDONESIA Umara Firman 312 .2. Persamaan Nilai R-square Model dari persamaan y = f(x) dan data real (xi. koefisien polinomial pada: Di mana: µ2 = mean (x). minimum. RSQ (R-Squared) diartikan sebagai 1-SSR/SSY. dan rata-rata time series. µ2 = std (x).n) Mengembalikan koefisien polinomial p dan struktur S untuk penggunaan polynomial untuk memperoleh estimasi error. [µ1. -kemudian memilih ok.1 Mengambil Data Iklim Dalam Database Untuk Parameter Temperatur dan Curah Hujan Dalam mengolah data menjadi time series analisis dalam bentuk trendline atau garis kecenderungan grafik.y.y. 4.yi). Dengan kata lain.+pnx+pn+y [p.S.S] = polyfit(x. hasilnya p merupakan vektor baris dari panjang n+1 yang berisi koefisien polinomial dalam kekuatan menurun. P(x) = p1xn +p2xn-1+. Di sisi yang lain ada ukuran yang lebih baik pada kualitas kecocokan yang dinamakan Qsquared.4. p(x(i)) to y(i).n). dan tabel hujan harian di atas tahun 2000. Jika error pada data y normal independen dengan varian konstan. dan menghapus tampilan persamaan pada kotak cek grafik.. Data dalam format sandi tersebut kemudian diterjemahkan. dipilah atau diklasifikasikan menjadi beberapa parameter yang dibutuhkan dan ditarik ke dalam database synop.5.. Dengan demikian R-Squared merupakan ukuran seberapa banyak variasi dapat dihubungkan ke model untuk dihadapkan dengan fluktuasi acak.

[All parameter synop now].Nosta)="97014") AND (([All parameter synop now]. Avg([All parameter synop now].Tahun)>=1970 And (SourceJumlahHujan.Nosta. [All parameter synop now].Tahun. Nosta = [Katalog Synop Utama].Tahun. FROM SourceJumlahHujan INNER JOIN [Katalog Synop Utama] ON SourceJumlahHujan.NamaStasiun. [All parameter synop now].Bulan. FROM [All parameter synop now].Temp) AS MinOfTemp. [Katalog Synop Utama]. [All parameter synop now]. Untuk temperatur bulanan rata-rata time series digabungkan antara katalog data ”All parameter synop now” dengan katalog stasiun ”Katalog Synop Utama”: SELECT [All parameter synop now]. WHERE ((([All parameter synop now].ISSN 0215-1952 Untuk temperatur bulanan maksimum time series digabungkan antara katalog data ”All Parameter Synop Now” dengan katalog stasiun ”Katalog Synop Utama”.Nosta. SELECT SourceJumlahHujan. [All parameter synop now].Nosta = [Katalog Synop Utama].NamaStasiun.Bulan.Nosta)="96035") AND ((SourceJumlahHujan.Temp) AS AvgOfTemp. [All parameter synop now]. SELECT [All parameter synop now]. [Katalog Synop Utama]..Nosta)="97014") AND (([All parameter synop now]. [All parameter synop now].NamaStasiun.Tahun)<=2008)). [All parameter synop now]. WHERE (((SourceJumlahHujan.Tahun)<=2000)) GROUP BY SourceJumlahHujan.Nosta. 5 No.Nosta. SELECT [All parameter synop now].Propinsi. [Katalog Synop Utama]. Untuk temperatur bulanan minimum time series.Nosta. SourceJumlahHujan.Tahun.Tahun)<=2008)).Bulan.Nosta. WHERE ((([All parameter synop now]. SourceJumlahHujan.Tahun. [All parameter synop now]. 3 SEPTEMBER 2009 313 . WHERE ((([All parameter synop now].Tahun.[Nama Stasiun]. digabungkan antara katalog data ”All Parameter Synop Now” dengan katalog stasiun ”Katalog Synop Utama”.NamaStasiun.NamaStasiun.NamaStasiun.Tahun. [All parameter synop now]. GROUP BY [All parameter synop now]. Max([All parameter synop now].Bulan.Nosta. [All parameter synop now]. SourceJumlahHujan.[Nama Stasiun].Tahun. [All parameter synop now]. Min([All parameter synop now].Tahun)>=2001 And ([All parameter synop now].Nosta.Nosta)="97014") AND (([All parameter synop now].Nosta = [Katalog Synop Utama]. ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA Vol. [All parameter synop now].Bulan. INNER JOIN [Katalog Synop Utama] ON [All parameter synop now].Nosta = [Katalog Synop Utama].HujanHarian) AS FirstOfHujanHarian.Bulan.Nosta.Nosta. TRANSFORM First(SourceJumlahHujan. FROM [All parameter synop now] INNER JOIN [Katalog Synop Utama] ON [All parameter synop now].Tahun)>=2001 And ([All parameter synop now].Tahun)>=2001 And ([All parameter synop now]. Untuk hujan harian jumlah time series digabungkan antara katalog data ”source jumlah hujan” dengan katalog stasiun ”Katalog Synop Utama”.Tahun)<=2008)).Temp) AS MaxOfTemp. SourceJumlahHujan. [All parameter synop now].Bulan. GROUP BY [All parameter synop now]. FROM [All parameter synop now] INNER JOIN [Katalog Synop Utama] ON [All parameter synop now]. [All parameter synop now].Nosta. GROUP BY [All parameter synop now].Nosta. [All parameter synop now].

KlimAllUpdated_tbl. KlimAllUpdated_tbl. TMax.Tahun. KlimAllUpdated_tbl. KlimAllUpdated_tbl.[10].SourceJumlahHujan. PIVOT TMax. KlimAllUpdated_tbl.[31] FROM KlimAllUpdated_tbl INNER JOIN KatalogStasiunBaru ON KlimAllUpdated_tbl.[30].[13]. TMax. TMax. SELECT TMax.[01].Elevasi.Tahun.namasta. KlimAllUpdated_tbl. KlimAllUpdated_tbl. Untuk temperatur maksimum bulanan: TRANSFORM Max(TMax. KlimAllUpdated_tbl.[19].Nosta.[21].Max) AS MaxOfMax.[28].[16].Nosta WHERE (((KatalogStasiunBaru. KatalogStasiunBaru. [Katalog Synop Utama].Tanggal.Bulan.Tahun)<="2000") AND ((KlimAllUpdated_tbl.[14]. KlimAllUpdated_tbl. Untuk parameter hujan yang diambil dari database iklim di bawah tahun 2000.Nosta = KatalogStasiunBaru. TMax.[18].Tahun)>="1970" And (KlimAllUpdated_tbl.[27]. KlimAllUpdated_tbl. SourceJumlahHujan.Bulan.elemen)="RRR")).[15]. FLUKTUASI SUHU UDARA DAN TREND VARIASI CURAH HUJAN RATA-RATA DI ATAS 100 MM DI BEBERAPA WILAYAH INDONESIA Umara Firman 314 .namasta.Namsta.[09].[02]. SourceJumlahHujan. KlimAllUpdated_tbl. KlimAllUpdated_tbl. KlimAllUpdated_tbl. KlimAllUpdated_tbl.[22].Nosta. KatalogStasiunBaru.[07].[17]. TMax. KlimAllUpdated_tbl. KlimAllUpdated_tbl.Nosta. GROUP BY TMax.[29]. ORDER BY TMax.[12]. KlimAllUpdated_tbl. TMax.Bulan PIVOT SourceJumlahHujan. KlimAllUpdated_tbl. KlimAllUpdated_tbl. FROM Tmax. KlimAllUpdated_tbl. Untuk melengkapi data pada periode di bawah tahun 2000.[03]. KlimAllUpdated_tbl.[26].[06].Nosta)="02097") AND ((KlimAllUpdated_tbl.[20].Bulan.[23]. KlimAllUpdated_tbl.Tahun. maka diambil data parameter suhu udara dan curah hujan dari database iklim dan hujan.Nosta.[05].Propinsi ORDER BY SourceJumlahHujan. SourceJumlahHujan. KlimAllUpdated_tbl. KlimAllUpdated_tbl. sedangkan RRR merupakan kode untuk hujan: SELECT KatalogStasiunBaru.Tahun.Bujur. KlimAllUpdated_tbl.Tahun.[24].[25].[11]. KlimAllUpdated_tbl. KatalogStasiunBaru.Tahun. KatalogStasiunBaru. digabungkan antara data katalog stasiun ”KatalogStasiunBaru” dan katalog data ”KlimAllUpdated_tbl. KlimAllUpdated_tbl. KlimAllUpdated_tbl.Bulan.[04].Nosta. KlimAllUpdated_tbl. KlimAllUpdated_tbl. KlimAllUpdated_tbl.[08]. KlimAllUpdated_tbl. KlimAllUpdated_tbl.Lintang.

0 22.0 27.005x + 25.0 24.3.435 R2 = 0.0 29.ISSN 0215-1952 4. 3 SEPTEMBER 2009 315 .0 28. 5 No.0 19 81 19 82 19 83 19 84 19 85 19 86 19 87 19 88 19 89 19 90 19 91 19 92 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05 20 06 20 07 20 08 Linear (T-Avg) o y = 0.3 C Ye ars Frekuensi hujan tahunan diatas 100 mm di wilayah Makassar: Tahun 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 FrekuensiTahunan 8 5 5 8 7 7 6 7 6 6 6 6 7 6 9 3 5 9 9 9 7 5 7 6 6 7 8 5 ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA Vol. Trendline Tisean Makassar Trend of The Monthly Average Temperature at Makassar T-Avg 30.0 23.0 26.2057 Annual Av e rage = 26.0 25.

5511 2 R = 3E-07 Years Frekuensi hujan tahunan di atas 100 mm di Makassar : The Annual Rain Frequency > 100 mm at Makassar RRR 10 9 8 7 6 5 4 3 2 1 0 y = 0.8 0.The Monthly Rain Frequency > 100 mm at Makassar RRR 1.0022 Linear (RRR) 19 87 19 89 19 81 20 05 19 91 19 97 19 99 19 83 19 93 19 85 19 95 20 01 Years FLUKTUASI SUHU UDARA DAN TREND VARIASI CURAH HUJAN RATA-RATA DI ATAS 100 MM DI BEBERAPA WILAYAH INDONESIA Umara Firman 316 20 03 20 07 .2 0 19 81 19 82 19 83 19 84 19 85 19 86 19 87 19 88 19 89 19 90 19 91 19 92 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05 20 06 20 07 20 08 Linear (RRR) y = -3E-06x + 0.4841 R2 = 0.4 0.0085x + 6.2 1 0.6 0.

4.0 o C 25.0415 1 9 7 9 1 9 8 0 1 9 8 1 1 9 8 2 1 9 8 3 1 9 8 4 1 9 8 5 1 9 8 6 1 9 8 7 1 9 8 8 1 9 8 9 1 9 9 0 1 9 9 1 1 9 9 2 1 9 9 3 1 9 9 4 1 9 9 5 1 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2 2 0 0 3 2 0 0 4 2 0 0 5 2 0 0 6 2 0 0 7 2 0 0 8 Years y = 0.0 19.1402 2 R = 0.5 1 0.0189x + 0.0 23. Trendline Tisean di Papua Trend of Monthly Average Temperatur at papua T-Av g 31.4 0. 5 No.0051 1.0 Linear (T-Av g) y = 0.8 0.0049 Annual Av e rage = 27.899 R 2 = 0.0 27.2 1 0.0129 R2 = 0.5 0 1 9 7 9 1 9 8 0 1 9 8 1 1 9 8 2 1 9 8 3 1 9 8 4 1 9 8 5 1 9 8 6 1 9 8 7 1 9 8 8 1 9 8 9 1 9 9 0 1 9 9 1 1 9 9 2 1 9 9 3 1 9 9 4 1 9 9 1 5 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2 2 0 0 3 2 0 0 4 2 0 0 5 2 0 0 6 2 0 0 2 7 0 0 8 19 7 1 9 9 8 1 0 9 81 1 9 8 19 2 8 1 3 9 8 1 4 9 8 1 5 9 8 1 6 9 8 1 7 9 8 1 8 9 8 1 9 9 9 1 0 9 9 19 1 9 1 2 9 9 1 3 9 94 1 9 9 19 5 9 1 6 9 9 1 7 9 9 1 8 9 9 2 9 0 0 2 0 0 0 2 1 0 0 20 2 0 2 3 0 0 2 4 0 0 2 5 0 0 20 6 0 2 7 0 0 8 Years Linear (RRR) y = 0.5 3 2.6 0.ISSN 0215-1952 4.2 0 ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA Vol. 3 SEPTEMBER 2009 317 .0 Frekuensi hujan bulanan diatas 100 mm di wilayah Papua: The Monthly Rain Frequency > 100mm RRR Linear (RRR) Frekuensi hujan tahunan diatas 100 mm di wilayah Papua : The Annual Rain Frequency>100 mm RRR 3.0001x + 0.5 2 1.0 29.0008x + 26.0 21.

0 22.5.0 24. Trendline Tisean di Manado Trend of The Monthly Average Temperature at Menado T-Avg 29.0 Linear (T-Avg) o y = 0.0 25.9154 R = 0.6 0.118 2 R = 0.0 27.99 2 R = 0.2 0 Linear (RRR) y = -0.0028x + 25.4 0.1395 Annual Av e rage = 25.0161 2 Years The Annual Rain Frequency > 100 mm at Menado RRR 14 12 10 8 6 4 2 0 Linear (RRR) y = -0.0004x + 0.8 0.0535x + 10.0 21.0 26.4.1295 Years .7 C FLUKTUASI SUHU UDARA DAN TREND VARIASI CURAH HUJAN RATA-RATA DI ATAS 100 MM DI BEBERAPA WILAYAH INDONESIA Umara Firman 318 19 73 19 75 19 77 19 79 19 81 19 83 19 85 19 87 19 89 19 91 19 93 19 95 19 97 19 99 20 01 20 03 20 05 20 07 19 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 2099 2000 2001 2002 2003 2004 2005 2006 2007 08 19 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 8 19 3 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 9 19 4 1995 1996 1997 1998 2099 2000 2001 2002 2003 2004 2005 2006 2007 08 Ye ars T he Monthly Rain Frequency > 100 mm at Menado RRR 1.2 1 0.0 23.0 28.

2381x + 9.2311 319 .0 19 8 2 19 8 3 19 8 4 19 8 5 19 8 6 19 8 7 19 8 8 19 8 9 19 9 0 19 9 1 19 9 2 19 9 3 19 9 4 19 9 5 19 9 6 19 9 7 19 9 8 19 9 9 20 0 0 20 0 1 20 0 2 20 0 3 20 0 4 20 0 5 20 0 6 20 0 7 20 0 8 Linear (T-Avg) o y = 0.8 0.2 C Ye ars The Monthly Rain Frequency > 100 mm at Banjarbaru RRR 1. 5 No.2593 2 R = 0.0 22.4 0.2 1 0.ISSN 0215-1952 4.004x + 25. 3 SEPTEMBER 2009 19 96 19 98 20 00 20 02 20 04 20 06 20 08 19 82 19 83 19 84 19 85 19 86 19 87 19 88 19 89 19 90 19 91 19 92 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05 20 06 20 07 20 08 Years The Annual Rain Frequency > 100 mm at Banjarbaru RRR 12 10 8 6 4 2 0 Linear (RRR) y = -0.7622 R 2 = 0.6 0. Trendline Tisean di Banjarbaru Trend of The Monthly Average Temperature at Banjarbaru T-Avg 32.0944 19 82 19 94 19 92 19 90 19 84 19 86 19 88 Ye ars ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA Vol.686 2 R = 0.0928 Annual Av e rage = 26.6.0016x + 0.0 24.0 28.0 30.2 0 Linear (RRR) y = -0.0 26.0 20.

if nargout > 0 varargout{1} = fig.'String')).4.EdTRata2.'String')). TRata8=str2double(get(myform.EdTRata1. handles = guihandles(fig).EdTRata2.EdT -Rata2.'String')). dan Minimum • Layar tampilan untuk user: if nargin == 0 fig = openfig(mfilename. TRata3=str2double(get(myform. TRata2=str2double(get(myform.EdTRata2.EdTMak1. TRata10=str2double(get(myform.EdTRata2. TRata7=str2double(get(myform.'String')).EdTRata2.EdTRata2.'String')).EdTRata2. varargin) myform = guidata(gcbo). TMak4=str2double(get(myform. and store it.'String')). Maksimum. guidata(fig. end elseif ischar(varargin{1}) % INVOKE NAMED SUBFUNCTION OR CALLBACK try if (nargout) [varargout{1:nargout}] = feval(varargin{:}). FLUKTUASI SUHU UDARA DAN TREND VARIASI CURAH HUJAN RATA-RATA DI ATAS 100 MM DI BEBERAPA WILAYAH INDONESIA Umara Firman 320 .EdTMak3. TMak2=str2double(get(myform. Menghitung Suhu Udara Ratarata. % Generate a structure of handles to pass to callbacks. handles.'String')).EdTMak2. end end • Rancangan Perhitungan Udara Rata-rata: Suhu % -----------------------------------------------------------------function varargout = pushbutton1_Callback(h.'String')). TRata9=str2double(get(myform.EdT -Rata2. TRata11=str2double(get(myform.'String')).'String')). TRata4=str2double(get(myform.'String')). TRata12=str2double(get(myform.'String')).'String')). TRata5=str2double(get(myform.'String')).EdTRata2. TMak5=str2double(get(myform. eventdata.'String')). TMak3=str2double(get(myform. % FEVAL switchyard else feval(varargin{:}). TMak1=str2double(get(myform.'reuse').'String')).'String')).EdTMak5.EdTMak4. TRata1=str2double(get(myform.7. TRata6=str2double(get(myform. % FEVAL switchyard end catch %disp(lasterr). handles).EdT -Rata2.

TMin6=str2double(get(myform. TMak8=str2double(get(myform.'String')). handles.EdAkhir.'String')).EdTMak10.'String'. TMak7=str2double(get(myform. TMin2=str2double(get(myform.'String')). eventdata.'Tem peratur dibawah normal').'String')). TMin8=str2double(get(myform.'String')).EdTMin4.'String')).EdTMin7. 3 SEPTEMBER 2009 321 .'Tem peratur diatas normal').EdTMin2.EdTMin1.EdTMin10.EdTMin3.'String')). varargin) Close. TMak11=str2double(get(myform.EdTMin6.'String'.'String')).'String')).EdTMin9.'String')).'String')). TMin12=str2double(get(myform.num2 str(na_Rata)). 5 No. TMin3=str2double(get(myform. elseif (na < 20) set(myform. % -----------------------------------------------------------------function varargout = pushbutton2_Callback(h.'String'.EdTMak7.'String'. TMak12=str2double(get(myform.EdTMin12. TMak9=str2double(get(myform.'String')).ISSN 0215-1952 TMak6=str2double(get(myform. end.'String')).'Tem peratur normal'). TMin1=str2double(get(myform. TMin5=str2double(get(myform.'String')).EdTMak9.EdNilai.EdTMak12.'String')).EdTMin5.EdTMak11.EdNilai. TMin7=str2double(get(myform. TMin11=str2double(get(myform.EdTMin8.'String')).'String')).EdNilai. TMin9=str2double(get(myform. elseif (na < 20) & (na >= 30) set(myform. set(myform. TMin10=str2double(get(myform.EdTMak8.'String')). TMak10=str2double(get(myform.'String')). if (na_Rata >= 30) set(myform.EdTMin11. TMin4=str2double(get(myform. na_Rata=(T-Rata1+T-Rata2+TRata3+T-Rata4+T-Rata5+T-Rata6 +T-Rata7+T-Rata8+TRata9+T-Rata10+T-Rata11+TRata12).EdTMak6. ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA Vol.

ACUAN http://support.purplemath.tea.id/search?client=firefoxa&channel=s&rls=org. Gunaidi Abdia away. pdf.ht m Graphing Linear Equations: Plotting the points and drawing the line.state.com/harian/0705/19/na s06.com/2008/05/10/penyeba b-variabilitas-hujan-di-indonesia/.excel. http://en.com/tip067. Matlab Programming.org/wiki/Trend_lines http://mbojo. Chart Trendline Equation or Data Label Disappears. determine equation of chart/graph. http://ritter.com/modules/graphlin2.php?t= 84246.wikipedia. -Merancang aplikasi yang dapat menghitung nilai dari parameter yang ditetapkan untuk kemudian hasilnya dapat diolah lagi untuk memperoleh nilai kecenderungan dari Tisean.ozgrid.html.us/student.wordpress.kompas.htm. polyfit Matlab.co.charting/200710/msg00343. http://www.assessment/tak s/math/Grade_9_10_11XL_Math_Chart.techarchive.com/ver1/Iptek/0705/16/100 722.mrexcel.tx. 6.shtml http://www2. http://www. Penerbit Informatika. FLUKTUASI SUHU UDARA DAN TREND VARIASI CURAH HUJAN RATA-RATA DI ATAS 100 MM DI BEBERAPA WILAYAH INDONESIA Umara Firman 322 .net/Archive/Excel/microsoft.htm.microsoft. KESIMPULAN Berdasarkan penjelasan dalam bab-bab tersebut di atas.g oogle. maka dapat diambil beberapa kesimpulan sebagai berikut : -Data yang didapat dari hasil pemantauan dan diolah menjadi suatu informasi bisa memberikan kontribusi untuk kajian yang lebih mendalam ataupun untuk kebutuhan langsung user.mathworks.com/forum/showthread. http://www.publi c.suaramerdeka.html&http://www.5. http://www.mozilla%3AenGB%3Aofficial&hs=KYm&hl=id&q=polyfi t+matlab&btnG=Telusuri+dengan+Goog le&meta=&aq=f&oq=.com/access/helpdesk/help /techdoc/index. http://www. http://www.html?/access/helpdesk/h elp/techdoc/ref/polyfit.com/kb/110499.

Sign up to vote on this title
UsefulNot useful