Skripsi
Skripsi
i
HALAMAN PENGESAHAN
SKRIPSI
ii
PERNYATAAN ORISINALITAS
iii
KATA PENGANTAR
Dengan menyebut nama Allah yang maha pengasih lagi maha penyayang.
Segala puji bagi Allah, Tuhan seluruh alam karena rahmat dan hidayah-Nya penulis
dapat menyelesaikan skripsi ini sesuai dengan waktu yang telah ditentukan. Penulis
menyadari dalam penyusunan skripsi ini tidak lepas dari bimbingan, bantuan dan
dukungan dari berbagai pihak. Untuk itu, izinkan penulis mengucapkan terimakasih
yang sebesar-besarnya kepada:
1. Prof. Ir. Dwikorita Karnawati, M.Sc., Ph.D., selaku Kepala Badan
Meteorologi Klimatologi dan Geofisika;
2. Dr. I Nyoman Sukanta, S.Si., MT. selaku Ketua Sekolah Tinggi
Meteorologi Klimatologi;
3. Adi Mulsandi, S.Si, M.Si., selaku Ketua Program Studi Meteorologi
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika;
4. Imma Redha Nugraheni, SST, M.Si, selaku dosen pembimbing atas arahan,
bimbingan dan semangat serta solusi yang diberikan;
5. Adi Mulsandi, S.Si, M.Si., dan Aditya Mulya, SST, M.Si. selaku dosen
penguji atas kritik dan saran yang diberikan;
6. Seluruh staf, dosen pengajar dan pejabat Sekolah Tinggi Meteorologi
Klimatologi dan Geofisika;
7. Seluruh pegawai Stasiun Meteorologi Sultan Mahmud Badaruddin II -
Palembang atas bantuan yang telah diberikan;
8. Ayah dan Ibu Penulis, yaitu Abubakar Hasan dan Asmara H. Ali, serta
Kakak-kakak yang selalu memberikan motivasi, semangat dan doa, yaitu
Atikah Puspasari, Andriansyah, Ario Natagraha, Iskandar Rustam dan Arly
Febrianti;
9. Rekan-rekan bimbingan, Putri, Prima, Bella, Debinur, Pram, Zen yang
selalu memberikan dukungan serta motivasi untuk penyelesaian skripsi ini;
10. Rekan-rekan taruna/i Sekolah Tinggi Meteorologi Klimatologi dan
Geofisika, khususnya sahabat Meteorologi B 2015;
iv
11. Semua pihak yang telah membantu penyelesaian skripsi ini, yang tidak
dapat penulis sebutkan satu persatu;
Akhir kata, penulis mohon maaf atas segala kekurangan yang terdapat pada
skripsi ini. Besar harapan penulis agar skripsi ini dapat bermanfaat untuk kegiatan
operasional di BMKG.
Penulis
v
DAFTAR ISI
vi
BAB IV HASIL DAN PEMBAHASAN .................................................... 37
4.1 Ketersedian Data ......................................................................... 37
4.2 Hasil Pengolahan 3DCDP ........................................................... 38
4.2.1 Clutter Map ........................................................................... 38
4.2.2 Penerapan 3DCDP menggunakan PPI .................................. 39
4.3 Hasil Pengolahan Bright Band Echo Correction (BBC)............. 39
4.4 Hasil Pengolahan Z-based Attenuation Correction (ZATC) ...... 41
4.5 Hasil Pengolahan Tanggal 28 Mei 2017 ..................................... 41
4.5.1 Validasi ARG Jakabaring 28 Mei 2017 ................................ 42
4.5.2 Validasi ARG KTM Tanjung Lago 28 Mei 2017 ................. 43
4.5.3 Validasi ARG Pangkalan Lampan 28 Mei 2017 ................... 43
4.6 Hasil Pengolahan Tanggal 12 Agustus 2017 .............................. 44
4.6.1 Validasi ARG Pangkalan Lampan 12 Agustus 2017 ............ 44
4.6.2 Validasi AWS Digi Stamet Palembang 12 Agustus 2017 .... 45
4.7 Hasil Pengolahan Tanggal 20 November 2017 ........................... 45
4.7.1 Validasi ARG Prabumulih 20 November 2017 .................... 45
4.8 Hasil Pengolahan Tanggal 12 Desember 2017 ........................... 46
4.8.1 Validasi ARG Pangkalan Lampan 12 Desember 2017 ......... 46
4.8.2 Validasi ARG Prabumulih 12 Desember 2017 ..................... 47
4.9 Hasil Pengolahan Tanggal 29 Maret 2018 .................................. 47
4.9.1 Validasi ARG Gandus 29 Maret 2018 .................................. 47
4.9.2 Validasi AWS Digi Stamet Palembang 25 Maret 2018 ........ 48
4.10 Hasil Pengolahan Tanggal 24 Juni 2018 ................................... 49
4.10.1 Validasi ARG Babat Toman 24 Juni 2018 ......................... 49
4.10.2 Validasi ARG Sungai Lilin 24 Juni 2018 ........................... 49
4.11 Hasil Pengolahan Tanggal 12 November 2018 ......................... 50
4.11.1 Validasi ARG Gandus 12 November 2018 ......................... 50
4.11.2 Validasi ARG Jakabaring 12 November 2018.................... 51
4.11.3 Validasi AWS Digi Stamet Palembang 12 November
2018 .................................................................................... 51
4.12 Hasil Pengolahan Tanggal 12 Desember 2018 ......................... 52
4.12.1 Validasi ARG Babat Toman 12 Desember 2018 ................ 52
4.13 Validasi Hasil Pengolahan Curah Hujan ................................... 53
vii
DAFTAR TABEL
viii
DAFTAR GAMBAR
ix
Gambar 4. 12 Grafik intensitas curah hujan lokasi ARG Prabumulih 20
November_2017 ................................................................................ 46
Gambar 4. 13 Grafik intensitas curah hujan lokasi ARG Pangkalan Lampan 12
Desember 2017 ................................................................................. 46
Gambar 4. 14 Grafik intensitas curah hujan lokasi ARG Prabumulih 12
Desember_2017 ................................................................................ 47
Gambar 4. 15 Grafik intensitas curah hujan lokasi ARG Gandus 29 Maret 2018 . 48
Gambar 4. 16 Grafik intensitas curah hujan lokasi AWS Digi Stamet Palembang
25 Maret 2018 ................................................................................... 48
Gambar 4. 17 Grafik intensitas curah hujan lokasi ARG Babat Toman 24 Juni
2018................................................................................................... 49
Gambar 4. 18 Grafik intensitas curah hujan lokasi ARG Sungai Lilin 24 Juni
2018................................................................................................... 50
Gambar 4. 19 Grafik intensitas curah hujan lokasi ARG Gandus 12 November
2018................................................................................................... 50
Gambar 4. 20 Grafik intensitas curah hujan lokasi ARG Jakabaring 12
November_2018 ................................................................................ 51
Gambar 4. 21 Grafik intensitas curah hujan lokasi AWS Digi Stamet Palembang
12 November 2018 ............................................................................ 52
Gambar 4. 22 Grafik intensitas curah hujan lokasi ARG Babat Toman 12
Desember 2018 ................................................................................. 52
x
DAFTAR LAMPIRAN
Lampiran 1 Peta Kota Palembang, Sumatera Selatan pada Google Earth ........... 59
Lampiran 2 Hasil keseluruhan pengolahan SRI ................................................... 60
Lampiran 3 Hasil keseluruhan pengolahan PAC .................................................. 62
xi
INTISARI
Oleh
Kata kunci : radar cuaca, quality control, limitasi radar, estimasi curah hujan
xii
ABSTRACT
By
xiii
BAB I
PENDAHULUAN
1
2
yaitu internal quality control dan external quality control. Internal quality control
terbagi menjadi tiga proses antara lain, yaitu quality of calibration, optimizing
scanning strategy dan post processing. Sedangkan, external quality control dapat
dilakukan dengan dua teknik yaitu dual/multi radar doppler (composite) dan
validasi menggunakan pengamatan permukaan lain seperti ARG Automatic Rain
Gauge), AWS (Automatic Weather Station) dan LD (Lightning Detector) (Adriyanto
dkk., 2017).
Penelitian tentang implementasi quality control di Indonesia telah dilakukan
di Palangka Raya pada tahun 2017 dan di Palu pada tahun 2018. Data radar dengan
implementasi quality control memiliki nilai eror estimasi curah hujan yang lebih
kecil dibandingkan non-quality control. Disimpulkan bahwa implementasi quality
control pada data radar cuaca dapat memperbaiki hasil estimasi curah hujan
(Novytasari, 2017; Fathan, 2018).
Korelasi hubungan Z-R dan estimasi curah hujan pada radar cuaca doppler
C-Band BMKG di Stasiun Meteorologi Kelas II Sultan Mahmud Badaruddin II -
Palembang hasil estimasi curah hujan masih cenderung underestimate dan perlu
dilakukan quality control (Siregar, 2018). Hal tersebut menjadi alasan penulis
dalam melakukan penelitian terkait implementasi quality control pada data radar
wilayah Palembang dan sekitarnya dikarenakan data radar di Palembang
berdasarkan penelitian tersebut dinilai kurang baik dan perlu dilakukan koreksi.
Hasil data radar dari proses quality control dan non-quality control divalidasi
dengan membandingkannya terhadap data curah hujan dari beberapa ARG/AWS
yang berada di Palembang dan sekitarnya. Diharapkan penelitian ini dapat
dimanfaatkan prakirawan operasional dalam memprakirakan dan memperbaiki
keakuratan estimasi curah hujan.
Bab ini memaparkan hasil dari pengolahan data dan analisis serta
pembahasan hasil penelitian.
5. BAB V PENUTUP
Bab ini menguraikan kesimpulan dari keseluruhan hasil pembahasan skripsi
ini dan saran untuk kemajuan penelitian sejenis di masa mendatang.
BAB II
DASAR TEORI
7
8
Daerah tropis memiliki tiga jenis curah hujan (Tjasyono dan Harijono,
2013) yaitu:
1. Curah hujan konvektif disebabkan oleh konveksi bebas akibat
pemanasan, proses dinamik seperti konvergensi atau pemaksaan fisis di
atas pegunungan. Hujan konveksi dibentuk dari arus udara ke atas yang
cepat, maka sering mencapai paras atmosfer yang tinggi, biasanya kuat
dan kadang-kadang terbentuk hujan batu es (hailstone).
2. Curah hujan siklonik dihasilkan dari konvergensi horizontal pada udara
lembap dalam area sirkular yang membentuk badai tropis dengan pusat
tekanan rendah, dimana ada maksimum vortisitas. Curah hujan yang
dipengaruhi arus siklonik mencakup daerah yang luas, karena masa hidup
badai tropis dapat bergerak ratusan bahkan ribuan kilometer.
3. Curah hujan orografik disebabkan oleh kondensasi dan pembentukan
awan udara lembap yang dipaksa naik oleh barisan pegunungan.
Pembentukan curah hujan orografik dapat dibantu oleh proses
konveksional di daerah tropis. Sering ditemui pada lereng di atas angin
(windward slopes) arus udara lembap yang terus menerus berhembus
seperti angin pasat. Untuk lokasi pegunungan yang mengalami monsoon
(angin musiman) maka distribusi geografik curah hujan orografik dapat
berubah secara tegas (markedly) karena lereng di atas angin barisan
pegunungan berubah menjadi lereng di bawah angin (leeward side).
Curah hujan orografik tidak seperti curah hujan siklonik, tidak bergerak
dan terbatas pada pegunungan.
Pengklasifikasian hujan berdasarkan intensitasnya menurut kriteria
(BMKG, 2010) adalah sebagai berikut:
1. Hujan ringan dengan intensitas 0,1–5,0 mm/jam atau 5–20 mm/hari.
2. Hujan sedang dengan intensitas 5,0–10,0 mm/jam atau 20–50 mm/hari.
3. Hujan lebat dengan intensitas 10,0–20,0 mm/jam atau 50–100 mm/hari.
4. Hujan sangat lebat dengan intensitas > 20,0 mm/jam atau > 100 mm/hari.
10
Pattern) yang diterapkan pada sistem radar cuaca. VCP merupakan satu set
instruksi yang mengendalikan sistem pemindaian antena radar meliputi kecepatan
rotasi antena, PRF (Pulse Repetition Frequency), panjang gelombang (wavelength)
yang digunakan dan jumlah sudut elevasi pemindaian yang digunakan.
Karakteristik fenomena cuaca yang dominan di suatu lokasi dimana radar yang
ditempatkan merupakan faktor penentu VCP yang digunakan (OFCM, 2017).
Terdapat dua jenis mode operasional utama dalam pengoperasian radar cuaca, yaitu
clear air mode dan precipitation mode dengan penggunaan VCP yang berbeda pada
kedua mode tersebut, yaitu :
a) Precipitation Mode
mode ini digunakan pada saat terjadi fenomena cuaca seperti hujan dan
badai guntur di area cakupan radar. Penggunaan mode presipitasi
bertujuan untuk mengambil sampel data dengan cepat dan banyak untuk
dapat mendeteksi sekecil apapun perubahan yang terjadi dalam sistem
presipitasi. Pada saat menggunakan mode ini radar menjadi tidak terlalu
sensitif karena kecepatan rotasi antena yang lebih tinggi dengan
menggunakan lebih banyak elevasi. mode VCP yang digunakan pada
saat mode presipitasi adalah mode VCP 11 dan mode VCP 21. Pada saat
terjadi cuaca buruk seperti hujan dengan intensitas yang tinggi yang
berasal dari awan konvektif maka digunakan mode VCP 11, dapat
dilihat pada Gambar 2.2, mode VCP 11 mampu melakukan satu volume
scan secara terus menerus dalam waktu 5 menit dengan 14 sudut elevasi.
Dengan melakukan scanning secara terus-menerus dalam waktu yang
singkat menghasilkan sampel data yang lebih rapat yang bertujuan
untuk mendeteksi perubahan yang terjadi di dalam awan badai secara
detail.
13
Mode VCP 31 menggunakan wavelength yang lebih besar dan PRF yang
lebih kecil. Penggunaan wavelength yang lebih panjang akan
meningkatkan sensitifitas radar. Sedangkan penggunaan PRF yang lebih
kecil akan meningkatkan jangkauan radar, namun menurunkan resolusi
serta range kecepatan radial yang dideteksi oleh radar.
algoritma pada lapisan SRI. Pseudo SRI adalah algoritma data pada
lapisan pseudo SRI (SELEX, 2013).
4. PAC (Precipitation Accumulation)
PAC merupakan produk yang akan melakukan akumulasi dari presipitasi
yang jatuh dalam kurun waktu yang telah ditentukan oleh pengguna. Data
input untuk produk PAC dapat berasal dari berbagai macam produk
utama seperti PPI, CMAX dan SRI.
Keterangan:
Z = faktor reflectivity (mm6/m3)
R = tingkat curah hujan (mm/jam)
21
25
26
4. Melakukan bright band echo correction, untuk input bright band echo
menggunakan pengaturan dasar dari aplikasi Rainbow 5.49.11 seperti yang
ditampilkan pada Gambar 3.3. sebelum menerapkan bright band correction
pada quality control, dilakukan analisis bright band echo pada produk
CMAX. Jika tidak terdapat bright band echo maka tidak dilakukan bright
band echo correction.
6. Mengolah produk SRI sebagai produk utama untuk estimasi curah hujan.
Produk SRI menggunakan relasi Z-R Marshall-Palmer untuk hujan yang
bersal dari awan stratiform dan relasi Z-R Rosenfeld Tropical untuk hujan
yang berasal dari awan konvektif. Pengaturan produk SRI dapat dilihat pada
Gambar 3.5.
7. Untuk mengetahui akumulasi curah hujan dengan interval waktu satu jam,
produk SRI diturunkan menjadi produk PAC dengan interval waktu satu
jam. Produk PAC diturunkan menjadi produk PRT untuk melihat nilai
estimasi curah hujan pada produk PAC. Pengaturan produk PAC disajikan
pada Gambar 3.6.
10. Mengolah data curah hujan yang berasal dari penakar hujan dan produk
radar dalam format ASCII menggunakan aplikasi spreadsheet sehingga
dihasilkan akumulasi curah hujan dengan interval waktu satu jam.
3. Melakukan analisis kuantitatif terhadap produk radar yaitu produk PRT dan
hasil akumulasi curah hujan observasi penakar hujan menggunakan metode
statistik yaitu RMSE, MAE, dan korelasi.
4. Mengambil kesimpulan pengaruh implementasi quality control data radar
berdasarkan analisis kualitatif dan kuantitatif.
3.3 Validasi
Untuk mengetahui hubungan keakurasian antara data radar yang telah
melewati proses quality control dan data non-quality control dengan data
ARG/AWS maka pada penelitian ini dilakukan validasi menggunakan metode Root
Mean Square Error (RMSE), Mean Absolute Error (MAE) dan korelasi.
1
𝑛
𝑅𝑀𝑆𝐸 = √𝑛 ∑ 𝑖=1 (𝑓𝑖 − 𝑜𝑖 )2 (3.1)
Keterangan:
n = Jumlah data
𝑓𝑖 = Nilai curah hujan estimasi ke-i
𝑜𝑖 = Nilai curah hujan observasi ke-i
curah hujan hasil observasi. Curah hujan hasil estimasi dari beberapa produk radar
dan hasil pengamatan AWS dan ARG kemudian di susun dalam bentuk tabel (Tabel
3.2) untuk perhitungan nilai MAE. Persamaan untuk menghitung MAE
menggunakan persamaan 3.2 (Wilks, 2011).
1 𝑛
(MAE = 𝑛 ∑𝑖=1 |(𝑓𝑖 − 𝑜𝑖 )| (3.2)
Keterangan :
n = Banyak data
fi = Curah hujan hasil estimasi ke-i (mm)
oi = Curah hujan hasil observasi ke-i (mm)
n ∑ xy− ∑ x ∑ y
r(x, y) = √n ∑ x2− (∑ x)2√n ∑ y2− (∑ y)2 (3.3)
Keterangan :
𝑟(𝑥,𝑦) = Koefisien korelasi
x = Nilai observasi
y = Nilai estimasi radar
Nilai korelasi ( r ) tidak mempunyai satuan atau dimensi. Nilai positif (+)
atau negatif (–) hanya menunjukkan arah hubungan korelasi tersebut. Nilai positif
(+) menandakan hubungan searah sedangkan hubungan negatif (-) menandakan
hubungan berkebalikan (Sugiyono, 2004). Nilai interpretasi nilai r ditampilkan
pada Tabel 3.3.
Keterangan :
37
38
Gambar 4. 1 Clutter Map dengan elevasi 0.5°, 1.5°, 2.7°, 4.2°, 6.0°, 8.4°,
11.30°, 14.9°, dan 19.5°
Pada Gambar 4.1 adalah gambar clutter map di berbagai elevasi. Pembuatan
clutter map menggunakan data radar pada saat cuaca cerah tanpa awan konvektif
di wilayah penelitian untuk melihat hasil pemindaian radar yang dipengaruhi oleh
clutter, interferensi atau noise. clutter map yang diolah dari raw data radar pada
saat kasus cuaca cerah pada tanggal 18 Agustus 2018.
Pada elevasi 0.5° yang ditunjukkan pada Gambar 4.1 hasil pemindaian radar
dipengaruhi interferensi dan ground clutter. Interferensi yang terjadi berkisar antara
5 - 20 dBZ pada arah tenggara dan sedikit di arah barat daya dengan radius 30 - 200
km dari pusat radar. Sedangkan ground clutter yang terdapat di sekitar radar
disebabkan oleh gedung tinggi yang berada di sekitar radar, clutter di elevasi 0.5°
39
diduga berasal dari gedung-gedung tinggi yang berada di radius 50 km dari pusat
radar, gedung-gedung tinggi tersebut dapat dilihat di gambar yang berasal dari
google earth (lampiran 1). Pada elevasi 1.5° interferensi dan clutter sudah tidak lagi
terpantau, akan tetapi masih ada sedikit interferensi di arah barat daya dari pusat
radar. Pada elevasi 2.7°, 4.2°, 6.0°, 8.4°, 11.30°, 14.9°, dan 19.5° interferensi dan
clutter sudah tidak lagi terpantau.
hujan yang terdapat pola BBE. Dari 8 kasus hujan lebat pada penelitian ini terdapat
2 kasus yang menunjukkan adanya pola BBE, yaitu pada tanggal 12 Desember 2017
dan 12 November 2018.
Pada tanggal 12 Desember 2017 terdapat fenomena BBE pada jam 17.10
UTC. Sebelum terkoreksi terlihat BBE yang terbentuk sekitar 7 ring (Gambar 4.3a).
Sedangkan, pada tanggal 12 November 2018 terlihat BBE yang terbentuk sekitar 6
ring (Gambar 4.4a) pada jam 20.00 UTC. Setelah dilakukan quality control terlihat
perubahan menghilangnya beberapa echo-echo pada ring di sekitar pusat radar dari
masing-masing kasus tersebut (Gambar 4.3b; Gambar 4.4b).
41
ARG Jakabaring
40
Curah Hujan (mm)
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
Gambar 4. 8 Grafik intensitas curah hujan lokasi ARG KTM Tanjung Lago
28 Mei 2017
ARG Non-QC QC
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
ARG Prabumulih
60
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
ARG Prabumulih
25
Curah Hujan (mm)
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
ARG Gandus
50
ARG Non-QC QC
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
ARG Non-QC QC
Gambar 4. 18 Grafik intensitas curah hujan lokasi ARG Sungai Lilin 24 Juni
2018
ARG Gandus
60
Curah Hujan (mm)
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
ARG Jakabaring
60
Curah Hujan (mm)
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Waktu (UTC)
ARG Non-QC QC
memperbaiki kualitas estimasi curah hujan. Yaitu, dapat menaikkan nilai korelasi
dan menurunkan nilai eror. Implementasi quality control dapat dikatakan berhasil
jika ada peningkatan nilai korelasi dan nilai eror yang berkurang. Sebaliknya,
implementasi quality control dikatakan tidak berhasil jika terjadi penurunan nilai
korelasi dan nilai eror bertambah. Dengan demikian, dari 16 hasil validasi tersebut
diketahui bahwa terdapat 15 validasi yang menunjukkan bahwa quality control
berhasil dilakukan sehingga persentase keberhasilan quality control pada penelitian
ini adalah 93.75 %. Adapun perhitungan persentase tersebut dilakukan
menggunakan perhitungan matematika sederhana, yaitu jumlah data validasi yang
diamati dibagi dengan total jumlah validasi data kemudian dikalikan dengan seratus
persen.
Korelasi Menurun
Eror Meningkat
BAB V
PENUTUP
5.1 Kesimpulan
Secara keseluruhan implementasi quality control pada data radar cuaca c-
band di Palembang dapat memperbaiki dan meningkatkan kualitas estimasi curah
hujan dengan persentase keberhasilan quality control pada penelitian ini adalah
93.75 %.. Secara kualitas, perbaikan hasil estimasi curah hujan dapat dilihat dari
berhasil dihilangkannya ground clutter dan meningkatnya intensitas curah hujan.
Sedangkan secara kuantitas, perbaikan hasil estimasi dapat dilihat dari
berkurangnya nilai eror pada estimasi curah hujan setelah quality control.
5.2 Saran
Adapun saran yang dapat penulis berikan untuk kepentingan selanjutnya
yang lebih baik adalah sebagai berikut:
1. Perlu dilakukan penelitian khusus mengenai karakteristik BBE di wilayah
Palembang.
2. Perlu dilakukan penelitian khusus mengenai karakteristik noise dan clutter
untuk mendapatkan nilai thresholding yang tepat di wilayah Palembang.
3. Diharapkan pada kajian berikutnya menggunakan studi kasus yang lebih
banyak agar didapatkan hasil yang maksimal dalam penelitian.
55
DAFTAR PUSTAKA
Adriyanto, R., Donaldi S. P., Iddam H. U. dan Wahyu A., 2017, Current Status of
BMKG’s Weather Radar Data Quality Control and In-House Products
Development Slides, BMKG, Jakarta.
Atlas, D., dan Short D. A., 1990, “The Estimation of Convective Rainfall by Area
Integral: 1. The Theoretical and Empirical Basis” dalam Journal of
Geophysics, Vol. 95, 2153-2160.
Battan, L. J., 1973, Radar Observation of the Atmosphere, University of Chicago
Press:Chicago.
BMKG, 2010, Peraturan Kepala Badan Meteorologi Klimatologi dan Geofisika
Nomor: KEP.009 Tahun 2010 tentang Prosedur Standar Operasional
Pelaksanaan Peringatan Dini, Pelaporan, dan Desiminasi Informasi
Cuaca Ekstrem, BMKG, Jakarta.
BMKG, 2016, Peraturan Kepala Badan Meteorologi Klimatologi dan Geofisika
Nomor 3 Tahun 2016 Tentang Organisasi dan Tata Kerja Badan
Meteorologi Klimatologi dan Geofisika, BMKG, Jakarta.
Doviak, R. J., dan Zrnic D. S., 1993, Doppler Radar and Weather Observations,
Academic Press, California.
Fathan, M., 2018, “Verifikasi Pengaruh Implementasi Quality Control Terhadap
Akurasi Perhitungan Akumulasi Curah Hujan Pada Radar Cuaca X-band
Solid State Polarisasi Ganda Palu”, Skripsi, Program Studi Meteorologi,
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jakarta.
Holleman, I., 2006, Bias Adjustment of Radar-Based 3-Hour Precipitation
Accumulations, Technical Report TR-290, KNMI.
Kabeche, F. dkk., 2012, Design and Test of an X-band Optimal Rain Rate Estimator
in the Frame of the RHYTMME Project, ERAD 2012
Novytasari, H., 2017, “Kajian Implementasi Quality Control Data Radar Guna
Meningkatkan Kualitas Estimasi Curah Hujan di Wilayah Palangka Raya”,
Skripsi, Program Studi Meteorologi, Sekolah Tinggi Meteorologi
Klimatologi dan Geofisika, Jakarta.
Nazir, M., 1998, Metode Penelitian, Ghalia Indonesia, Jakarta.
OFCM, 2017, meteorological Handbook no. 11 WSR-88D Meteorological
Observations Part c WSR-88D Products and Algorithms, Office of The
Federal Coordinator for Meteorological Services FCM-H11C-2017, Silver
Spring:USA.
Peters, G., B. Fischer, M. Clemens, 2010, Rain Attenuation of Radar Echoes
Considering Finite-Range Resolution and Using Drop Size Distributions,
Jurnal of Atmospheric and Oceanic Technology, Vol. 27, 829-843.
Rauber, R.M. dan Nesbitt, S. W., 2018, Radar Meteorology: A First Course, John
Wiley Sons, Hoboken.
Rinehart, R. E., 2010, Radar for Meteorologist – fifth edition, Nevada
SELEX, 2013, Software Manual Rainbow 5 Product & Algorithms, SELEX
SIGmbH, Jerman.
56
57
Siregar P. S., 2018, “Kajian Akurasi Hubungan Z-R untuk Estimasi Curah Hujan
Berdasarkan Klasifikasi Tipe Awan Hujan pada Radar Cuaca Palembang”,
Skripsi, Program Studi Meteorologi, Sekolah Tinggi Meteorologi
Klimatologi dan Geofisika, Jakarta.
Sucahyono, D. dan Rubudiyanto K., 2013, Cuaca dan Iklim di Indonesia,
Puslitbang BMKG:Jakarta.
Sugiyono, 2004, Metode Penelitian Administrasi, Alfabeta, Bandung.
Suryana, 2010, Metodologi Penelitian Model Praktis Penelitian Kuantitatif dan
Kualitatif, Universitas Pendidikan Indonesia:Jakarta.
Szturc, J., Katarzyna O., dan Jurczyk A., 2012, “Quality Control Agorithms Applied
on Weather Radar Reflectivity Data” dalam Intech, Chapter 12.
Tjasyono, H. K. B., dan Harijono S. W. B., 2013, Atmosfer Ekuatorial, Puslitbang
BMKG:Jakarta.
Wijayanto, A., 2008, Analisis Korelasi Produk Moment Pearson,
eprints.undip.ac.id, diakses pada tanggal 8 Februari 2018.
Wilks, D. S., 2006, Statistical Method in the Atmospheric Sciences Second Edition,
Elsevier, USA.
Wilks, D. S., 2011, Statistical Methods in the Atmospherics Sciences, Elsevier: UK
Wirjohamidjojo, S., dan Swarinoto Y.S., 2013, Meteorologi Sinoptik, Puslitbang
BMKG:Jakarta.
Wirjohamidjojo, S., dan Swarinoto Y.S., Iklim Kawasan Indonesia, 2010,
Puslitbang BMKG:Jakarta.
WMO, 2017, Handbook on Use of Radio Spectrum for Meteorology: Weather,
Water and Climate Monitoring and Prediction, WMO:Geneva.
Zakir, A., Sulistya W., dan Khotimah M. K., 2009, Perspektif Operasional Cuaca
Tropis, BMKG:Jakarta.
Zawadzki, I I., 1984, “Factors Affecting the Precision of Radar Measurements of
Rain” dalam Conference on Radar Meteorology, 22nd, pp. 251 – 256,
Zurich, Switzerland.
___________, 1975, On Radar-Raingage Comparison, Journal of Applied
Meteorology, Vol. 14, 1430-1436.
58
59
60