Pengertian Data

Data adalah catatan atas kumpulan fakta. Dalam penggunaan sehari-hari data berarti

suatu pernyataan yang diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran
atau pengamatan suatu variabel yang bentuknya dapat berupa angka, kata-kata, atau citra.
Dalam Kamus Besar Bahasa Indonesia, data adalah keterangan yang benar dan nyata
mengenai sesuatu. Sesuai dengan pengertian umum dari keterangan atau informasi, informasi
yang baik adalah informasi yang dapat diterima oleh penerima pada waktu dan tempat yang
tepat sehingga informasi dapat digunakan sebagai bahan masukan ke dalam proses yang
dilakukan dan dapat meningkatkan nilai luaran yang diinginkan (Wirjohamidjojo, Soerjadi.
2014. Metadata Dalam Meteorology Klimatologi. Jakarta: Puslitbang BMKG)

Data cuaca adalah keterangan tentang keadaan atmosfer pada setiap saat yang
menyatakan keadan atmosfer pada saat itu dan digunakan pada saat itu pula. Data cuaca
diperoleh dengan cara pengamatan, pengukuran pada setiap saat, dan perhitungan atau
analisis yang dilakukan di Stasiun Pengamatan Cuaca. Sedangkan data iklim adalah
kumpulan data cuaca yang digunakan pada waktu-waktu lain. Data iklim adalah adalah data
cuaca yang tidak digunakan pada saat pengamatan; oleh karena itu data iklim digolongkan
sebagai data yang lambat (delay data). Data iklim dihasilkan dari pengukuran setiap saat
secara terus menerus tanpa terputus dalam suatu selang waktu. (Wirjohamidjojo, Soerjadi.
2014. Metadata Dalam Meteorology Klimatologi. Jakarta: Puslitbang BMKG). Data geofisika
adalah keterangan tentang gejala alam yang berkaitan dengan gempa bumi tektonik, tsunami,
gravitasi, magnet bumi, kelistrikan udara dan tanda waktu.

Untuk keperluan pertukaran data, data disusun dalam bentuk sandi, dan untuk laporan
umumnya disusun dalam format tertentu. Misal data cuaca permukaan dikenal dengan nama
"data sinop", dan data iklim dalam bentuk sandi klimat.

Baik data meteorologi maupun data klimatologi keduanya adalah memuat keterangan
tentang cuaca. Hanya saja pada umumnya data meteorologi merujuk kepada cuaca yang
digunakan pada saat itu, sedangkan data klimatologi merupakan merujuk kepada penggunaan
bukan saat itu. Dari pandangan tersebut maka data cuaca termasuk dalam data meteorologi,
dan data iklim termasuk dalam data klimatologi.

Dalam hal upaya untuk memperoleh data yang baik Organisasi Meteorologi Dunia
(WMO) mensyaratkan antara lain:
  Diperlukannya pengamat yang berkualitas sesuai dengan tugas pengamatan cuaca,
 Pengelola data yang cakap sesuai dengan tugas pekerjaannya,
 Alat ukur yang peka dan teliti yang selalu dirawat dan dikalibrasi secara berkala,
 Penempatan atau pemasangan alat pada tempat yang memenuhi aturan
pemasangannya,
 Tatacara (prosedur) pengamatan yang benar,
 Penggunaan sarana dan fasilitas penyimpanan data yang memungkinkan data tidak
berubah dan aman.

Data MKG yang baik adalah yang mempunyai kebenaran dan kewajaran yang tinggi.

Kebenaran (gross error checking), adalah keyakinan akan benarnya data yang bersangkutan.
Dalam meteorologi dan klimatologi untuk menilai kebenaran data diperlukan keterangan
lebih lanjut, diantaranya:

1. Kebenaran tempat pengamatan, kriterianya antara lain nama stasiun, nomer stasiun,
kategori stasiun, posisi stasiun, ketinggian (altitut) stasiun, daerah administrasi
stasiun.
2. Kebenaran waktu pengamatan, kriterianya antara lain: tahun, bulan, tanggal, jam,
untuk menyatakan kepastian antara lain kapan pengamatan mulai dilakukan dan kapan
berakhirnya pengamatan, dan sebagainya.
3. Kebenaran kategori data meliputi jenis format data.

Kewajaran adalah nilai yang mungkin dapat tercapai menurut kebiasaan atau menurut logika.

Data MKG dipengaruhi oleh banyak ragam praktik observasi. Data tergantung pada
instrumen, exposure-nya [penyingkapan, penemuannya], pencatatan prosedur-prosedurnya,
dan banyak faktor lain. Ada suatu kebutuhan untuk menyimpan catatan dari seluruh metadata
ini agar data itu bisa digunakan sebaik mungkin. Pedoman ini akan mengidentifikasi
informasi minimum yang mesti diketahui bagi semua tipe pangkalan, seperti - sebagai contoh
- lokasi dan unit-unit. Informasi tambahan akan memberi keuntungan yang besar baik bagi
para pengguna data maupun bagi para penyedia data. Sebuah daftar lengkap metadata, yang
idealnya mesti disimpan, akan didiskusikan dalam pedoman ini, termasuk pula praktik-
praktik terbaiknya. Suatu metadata yang lengkap menggambarkan sejarah sebuah pangkalan
sejak pendiriannya sampai pada saat ini dan seterusnya. Kebanyakan metadata harus berasal
dari dokumentasi stasiun itu, baik dari dokumen-dokumen saat ini maupun dokumen historis
[sebelumnya], dan beberapa yang lain dapat diperoleh dari data itu sendiri. Untuk
menyediakan kumpulan data berkualitas tinggi, penting kiranya untuk melakukan
dokumentasi pangkalan secara komprehensif dan untuk selalu memperbaharuinya.
Pendiriannya mesti dilakukan bersama-sama oleh manajer-manajer stasiun, tenaga-tenaga
arsip, dan klimatolog, sehingga mereka sadar akan kebanyakan persoalan.

WRF-ARW (Weather Research and Forecasting-Advanced Research WRF)

WRF adalah salah satu model prediksi cuaca numerik skala meso yang digunakan
secara luas dalam prediksi cuaca di seluruh dunia. WRF-ARW (Weather Research and
Forecasting-Advanced Research WRF) merupakan salah satu pengembangan dari WRF yang
dilakukan oleh NCAR (National Center for Atmospheric Research), NCEP (National
Centers for Environmental Prediction) Colorado-Amerika Serikat dan NOAA (National
Oceanic and Atmospheric Administration) yang bekerja sama dengan AFWA (Air Force
Weather Agency) serta instansi lainnya. Model WRF-ARW memberikan beberapa
kemampuan yang lebih baik dibandingkan model cuaca lainnya serta menawarkan kombinasi
bermacammacam opsi fisis.

WRF-ARW merupakan salah satu model NWP dimana didalamnya terdapat

sekumpulan sistem persamaan matematis komputer yang merepresentasikan secara numerik
proses pembentukan cuaca di atmosfer Persamaan-persamaan dalam WRF merupakan
persamaan kompresibel nonhidrostatik, namun WRF juga menyediakan opsi hidrostatik
untuk keperluan penelitian (Skamarock et al., 2005 dalam Mulya, 2014).

PROSES PREDIKSI CUACA DENGAN WRF-ARW

Untuk menjalankan prediksi cuaca dengan data real (bukan simulasi) maka digunakan
WRFARW. Komponen utama WRF-ARW adalah: WPS adalah komponen yang berfungsi
menggabungkan WRF Terrestrial Data (seperti Geogrid) dan Gridded Data (seperti GFS,
FNL/Final Analysis atau NAM/North American Mesoscale Model).

WRF ARW adalah core (program utama) yang berfungsi mengolah prediksi cuaca
berdasarkan keluaran yang dihasilkan oleh WPS dengan berbagai parameter yang dapat
diatur, seperti waktu prediksi (jam-jaman atau harian). Post processing, terdiri dari perangkat
lunak yang berfungsi mengolah tampilan spasial hasil keluaran dari WRF-ARW sehingga
dapat dipahami oleh user secara umum, seperti GrADS (The Grid Analysis and Display
System) atau Vis5D (Visualisasi 5 Dimensi). Selain itu, post processing juga dapat berupa
perangkat lunak yang berfungsi memvalidasi hasil keluaran WRF.

Urut-urutan instalasi dan operasi WRF-ARW dapat dijabarkan sebagai berikut:

1. Mengunduh source code untuk model WRF berupa versi terakhir dari WPS dan
WRF-ARW pada alamat situs http://www.mmm.ucar.edu/wrf/users
download/get_source.html
2. Melakukan ekstrak file-file tersebut dengan perintah gunzip: gunzip
WRFV3.TAR.gz tar -xf WRFV3.TAR gunzip WPS.TAR.gz tar -xf WPS.TAR
3. Didalam direktori WRFV3 terdapat beberapa direktori dan file yaitu: clean
(untuk membersihkan file yang telah dieksekusi), compile (untuk
mengkompilasikan kode WRF), configure (untuk mengkonfigurasikan file-file
wrf), makefile (level-atas dari makefile), registry (direktori untuk file WRF
registri directory, arch (direktori ketika mengkompilasi opsi yang digabungkan,
run (direktori dimana kita menjalankan WRF), test (direktori yang terdiri dari
tujuh direktori kasus yang digunakan untuk menjalankan WRF). Kemudian
mengkompilasikan file-file pada direktori WRFV3 tersebut dengan perintah
configure dan compile.
4. Sedangkan pada direktori WPS terdapat beberapa sub-direktori diantaranya
geogrid (untuk membuat teresterial data), ungrib (untuk mengekstrak GRIB data
dan mengubahnya ke format file menengah), metgrib (untuk
menginterpolasikan data meteorologi secara horizontal ke dalam domain), util
(terdiri dari beberapa utilitas), dan arch (direktori yang berisi opsi-opsi instalasi).
Untuk mengkompilasikannya dengan menjalankan perintah configure dan
compile. Gambaran umum alur program saat dijalankan adalah sebagai berikut:
WRF dijalankan setiap hari untuk memprediksi hari berikutnya selama kegiatan TMC
dengan domain yang mencakup Provinsi Riau dan Sumatera Barat. Kemudian prediksi
tersebut dibandingkan dengan tampilan radar pada kesesokan harinya untuk melihat
kesesuaian dan kearutan prediksi WRF-ARW.

WPS WRF ARW

geogrid.exe

metgrid.exe real.exe wrf.exe

 Gambaran umum alur program WRF

Gambar 2 adalah hasil pengujian keakuratan tampilan spasial prediksi curah hujan WRF
tanggal 13 Juli 2010 (yang dijalankan satu hari sebelumnya) dengan perbandingan dengan
citra mobil radar UPT Hujan Buatan (dioperasikan pada hari yang sama):

Sedangkan tampilan gambar 3 adalah contoh pengujian keakuratan tampilan spasial

prediksi curah hujan WRF tanggal 13 Juli 2010 (yang dijalankan satu hari sebelumnya)
dengan perbandingan dengan data analisa TRMM: Gambar 4 adalah studi kasus validasi
secara manual prediksi curah hujan WRF-ARW dengan hasil analisa TRMM pada tanggal
9 Maret 2010 untuk wilayah Sulawesi:

Berdasarkan hasil tersebut dapat diketahui bahwa hasil prediksi yang diperoleh masih jauh
dari akurat, jika dibandingkan dengan hasil analisa tutupan awan yang diperoleh dari data
radar maupun TRMM. Untuk itulah perlu dilakukan proses yang dinamakan parameterisasi.
Parameterisasi model cuaca dan iklim dalam prediksi cuaca numerik mengacu pada metode
menggantikan proses yang terlalu kecil atau kompleks secara fisik yang direpresentasikan
dalam model dengan proses disederhanakan. Hal ini dapat dibandingkan dengan proses
lainnya-misalnya aliran skala besar dari suasana-yang secara eksplisit diselesaikan dalam
model. Hal ini terkait dengan berbagai parameter yang digunakan dalam proses yang
disederhanakan. Contohnya besarnya curah hujan, dalam model dengan proses
disederhanakan. Hal ini dapat dibandingkan dengan proses lainnya-misalnya aliran skala
besar dari suasana-yang secara eksplisit diselesaikan dalam model. Hal ini terkait dengan
berbagai parameter yang digunakan dalam proses yang disederhanakan. Contohnya besarnya
curah hujan,

WRF Domain Wizard

WRF Domain Wizard adalah program berbasis java dengan tampilan user bergambar
buatan sekelompok ilmuan NOAA. WRF Domain Wizard digunakan untuk menentukan
domain yang kita inginkan, membuat namelist secara otomatis, dan menjalankan WPS secara
otomatis. Sehingga seluruh output dari WRF Domain Wizard ini dapat langsung digunakan
untuk run model WRF. WRF Domain Wizard dapat diunduh dan diinstal melalui
http://www.java.com/getjava/.

WRF Preprocessing System (WPS

WRF Preprocessing System (WPS) adalah sekumpulan tiga program dimana peran
kolektifnya untuk menyiapkan masukan ke program nyata untuk simulasi data nyata. Masing-
masing program melakukan satu tahap persiapan: geogrid mendefinisikan domain model dan
interpolasi data geografis statis ke grid, ungrib mengekstrak bidang meteorologi dari GRIB-
file yang diformat, dan metgrid secara horizontal menginterpolasi bidang meteorologi yang
diekstraksi dengan ungrib ke kisi model yang ditentukan oleh geogrid. Pekerjaan interpolasi
vertikal bidang meteorologi ke tingkat WRF eta dilakukan dalam program nyata.

Aliran data antara program WPS ditunjukkan pada gambar di atas. Setiap program WPS
membaca parameter dari file daftar nama umum, seperti yang ditunjukkan pada gambar. File
daftar nama ini memiliki catatan daftar nama terpisah untuk masing-masing program dan
catatan daftar nama bersama, yang menentukan parameter yang digunakan oleh lebih dari
satu program WPS. Tidak ditunjukkan pada gambar adalah file tabel tambahan yang
digunakan oleh program individual. Tabel ini memberikan kontrol tambahan atas operasi
program, meskipun secara umum tidak perlu diubah oleh pengguna.

Mekanisme build untuk WPS, yang sangat mirip dengan mekanisme build yang digunakan
oleh model WRF, memberikan opsi untuk mengompilasi WPS pada berbagai platform. Saat
perpustakaan MPI dan kompiler yang sesuai tersedia, program metgrid dan geogrid dapat
dikompilasi untuk eksekusi memori terdistribusi, yang memungkinkan domain model besar
diproses dalam waktu yang lebih singkat. Pekerjaan yang dilakukan oleh program ungrib
tidak setuju dengan paralelisasi, jadi ungrib hanya dapat dijalankan pada satu prosesor.

Fungsi Setiap Program WPS

WPS terdiri dari tiga program independen: geogrid, ungrib, dan metgrid. Juga termasuk
dalam WPS adalah beberapa program utilitas, yang dijelaskan di bagian program utilitas.
Penjelasan singkat dari masing-masing dari tiga program utama akan dijelaskan setelah ini.
Geogrid program

Tujuan dari geogrid adalah untuk menentukan domain simulasi, dan menginterpolasi
berbagai kumpulan data terestrial ke kisi model. Domain simulasi ditentukan menggunakan
informasi yang ditentukan oleh pengguna dalam catatan daftar nama "geogrid" dari file daftar
nama WPS, namelist.wps. Selain menghitung faktor lintang, bujur dan skala peta pada setiap
titik kisi, geogrid akan menginterpolasi kategori tanah, kategori penggunaan lahan,
ketinggian medan, suhu tanah dalam tahunan rata-rata, fraksi vegetasi bulanan, albedo
bulanan, albedo salju maksimum, dan kemiringan lereng. kategori ke kisi model secara
default. Kumpulan data global untuk masing-masing bidang ini disediakan melalui halaman
unduhan WRF, dan, karena data ini invarian waktu, data tersebut hanya perlu diunduh sekali.
Beberapa kumpulan data hanya tersedia dalam satu resolusi, tetapi yang lain tersedia dalam
resolusi 30 ", 2 ', 5', dan 10 '; di sini,(") menunjukkan detik busur dan(') menunjukkan menit
busur. Pengguna tidak perlu mengunduh semua resolusi yang tersedia untuk kumpulan data,
meskipun bidang yang diinterpolasi umumnya akan lebih mewakili jika resolusi data yang
mendekati domain simulasi digunakan. Namun, pengguna yang berharap untuk bekerja
dengan domain yang memiliki jarak grid yang mencakup rentang yang luas mungkin ingin
mengunduh semua resolusi yang tersedia dari data terestrial statis.

Selain menginterpolasi bidang terestrial, program geogrid cukup umum untuk dapat
menginterpolasi sebagian besar bidang kontinu dan kategoris ke domain simulasi. Kumpulan
data baru atau tambahan dapat diinterpolasi ke domain simulasi melalui penggunaan file
tabel, GEOGRID.TBL. File GEOGRID.TBL mendefinisikan setiap field yang akan
diproduksi oleh geogrid; ini menjelaskan metode interpolasi yang akan digunakan untuk
bidang, serta lokasi di sistem file tempat kumpulan data untuk bidang itu berada.

Keluaran dari geogrid ditulis dalam format WRF I / O API, dan dengan demikian, dengan
memilih format NetCDF I / O, geogrid dapat dibuat untuk menulis keluarannya dalam
NetCDF untuk memudahkan visualisasi menggunakan paket perangkat lunak eksternal,
termasuk ncview, NCL, dan RIP4.

Program ungrib

Program ungrib membaca file GRIB, "membuang" data, dan menulis data dalam format
sederhana yang disebut format perantara. File GRIB berisi bidang meteorologi dengan variasi
waktu dan biasanya berasal dari model regional atau global lain, seperti model NAM atau
GFS NCEP. Program ungrib dapat membaca GRIB Edisi 1 dan GRIB Edisi 2.
File GRIB biasanya berisi lebih banyak bidang daripada yang dibutuhkan untuk
menginisialisasi WRF. Kedua versi format GRIB menggunakan berbagai kode untuk
mengidentifikasi variabel dan level dalam file GRIB. Ungrib menggunakan tabel kode ini -
disebut Vtables, untuk "tabel variabel" - untuk menentukan kolom mana yang akan diekstrak
dari file GRIB dan menulis ke format perantara. Detail tentang kode dapat ditemukan di
dokumentasi WMO GRIB dan dalam dokumentasi dari pusat pembuatnya. Vtabel untuk file
keluaran model GRIB umum disediakan dengan perangkat lunak ungrib.

Vtabel disediakan untuk grid NAM 104 dan 212, format NAM AWIP, GFS, Analisis Ulang
NCEP / NCAR diarsipkan di NCAR, RUC (data tingkat tekanan dan data koordinat hibrid),
keluaran model permukaan tanah AGRMET AFWA, ECMWF, dan kumpulan data lainnya .
Pengguna dapat membuat Vtable mereka sendiri untuk keluaran model lain menggunakan
salah satu Vtables sebagai template; Rincian lebih lanjut tentang arti field di Vtable
disediakan di bagian membuat dan mengedit Vtables.

Metgrid program

Program metgrid secara horizontal menginterpolasi data meteorologi format menengah yang
diekstraksi oleh program ungrib ke domain simulasi yang ditentukan oleh program geogrid.
Output metgrid yang diinterpolasi kemudian dapat diserap oleh program nyata WRF. Rentang
tanggal yang akan diinterpolasi oleh metgrid ditentukan dalam catatan daftar nama "berbagi"
dari file daftar nama WPS, dan rentang tanggal harus ditentukan satu per satu dalam daftar
nama untuk setiap domain simulasi. Karena kerja program metgrid, seperti program ungrib
bergantung pada waktu, metgrid dijalankan setiap kali simulasi baru diinisialisasi.

Kontrol atas bagaimana setiap bidang meteorologi diinterpolasi disediakan oleh file
METGRID.TBL. File METGRID.TBL menyediakan satu bagian untuk setiap bidang, dan
dalam satu bagian, dimungkinkan untuk menentukan opsi seperti metode interpolasi yang
akan digunakan untuk bidang tersebut, bidang yang bertindak sebagai topeng untuk
interpolasi bertopeng, dan grid yang berulang. (misalnya, U, V di ARW; H, V di NMM) yang
bidang interpolasi.

Keluaran dari metgrid ditulis dalam format WRF I / O API, dan dengan demikian, dengan
memilih format NetCDF I / O, metgrid dapat dibuat untuk menulis keluarannya dalam
NetCDF untuk memudahkan visualisasi menggunakan paket perangkat lunak eksternal,
termasuk versi baru RIP4 .
GrADS
Grads adalah aplikasi interaktif yang digunakan untuk memudahkan akses, manipulasi
dan visualisasi dari suatu data ilmu kebumian. Aplikasi ini dikembangkan oleh bagian riset
National Aeronautics and Space Administration (NASA) dan Center for Ocean-Land-
Atmosphere Studies (COLA) dan NSF. Penelitian ini menggunakan GraDS. Selain itu proses
penentuan nilai variabel juga dapat dilakukan dengan membuat script kemudian dijalankan
pada aplikasi ini.

Data Input dan Output Model

Data yang diperlukan dalam menjalankan model WRF ada 2 yaitu:

1. Data statik (lower boundary data)
Data statik digunakan sebagai batas bawah model yang terdiri atas: data topografi
(ketinggian tempat), data tata guna lahan (land use), data tipe tanah (soil type), data fraksi
tanaman (vegetation fraction), data sebaran daratan lautan (land-sea mask).

2. Data dinamik (initial and lateral boundary condition)

Data dinamik digunakan sebagai inisial dan lateral boundary condition. Data ini biasanya
diambil dari output prediksi model global GFS (Global Forecast System), ECMWF
(European Center for Medium - Range Weather Forecast) atau data analisis global seperti
NCEP FNL dan NCEP Reanalysis.

Format data yang diterima oleh model WRF untuk data input dan output bisa bermacam-
macam. Untuk data statik WRF menggunakan format simple binary. Untuk input berupa data
dinamik, WRF bisa menerima format grib dan netCDF. Sedangkan untuk output, WRF
biasanya menggunakan format nonstandard netCDF. Meskipun tidak standar, akan tetapi
WRF menyediakan software untuk mengubah format outputnya agar bisa dibuka oleh
graphic tools seperti GrADS atau Vis5D (Hadi dkk., 2011).

Teknik Downscaling dan Nesting

Downscaling merupakan suatu teknik untuk menaikkan resolusi model dengan cara
menurunkan skala grid pada model global menjadi skala regional pada domain yang
diinginkan. Resolusi model global yang digunakan dalam penelitian ini adalah 1°x1° atau
sama dengan 111 km x 111 km. Dengan melakukan downscaling, maka resolusi model akan
meningkat sesuai dengan yang kita inginkan, misalnya menjadi 30 km x 30 km. Downscaling
tidak hanya memotong data (cropping) dari domain besar ke domain yang lebih kecil, akan
tetapi melakukan interpolasi data dari satu grid besar menjadi grid-grid yang lebih kecil
dengan nilai yang belum tentu sama dengan nilai grid induknya.

Parameterisasi

Parameterisasi merupakan suatu proses yang diperlukan model untuk menjelaskan

fenomena-fenomena yang terjadi di dalam grid model. Model NWP tidak bisa menjelaskan
proses-proses yang muncul di dalam sebuah kotak grid. Seperti adanya gaya gesek yang
besar saat aliran melewati pohon yang tinggi, turbulen eddy yang muncul di sekitar gedung-
gedung atau penghalang lainnya, dan gaya gesek yang jauh lebih kecil di atas area yang
terbuka.

Model harus menghitung efek agregat dari permukaan yang mempengaruhi aliran level
bawah dengan sebuah single number yang dapat sejalan dengan bentuk gaya gesek di
persamaan prediksi angin. Sehingga diperlukan parameterisasi untuk menghitung efek-efek
tersebut tanpa secara langsung memprediksinya (Hadi dkk., 2011).

Parameterisasi kumulus

Parameterisasi kumulus merupakan salah satu cara dalam meninjau pembentukan awan dan
hujan yang terjadi akibat pemanasan (konveksi) dalam suatu model. Macam-macam skema
parameterisasi kumulus menurut Hadi dkk. (2011) adalah sebagai berikut:

1. Skema Kain-Fritsch

Skema Kain-Fritsch didesain untuk ukuran grid 20-25 km. Skema ini memuat proses fisik
awan yang sangat lengkap dalam parameterisasi konvektif. Skema ini mengasumsikan nilai
CAPE yang besar sehingga memungkinkan pertumbuhan awan hingga lapisan atas. Akan
tetapi skema ini juga memperhitungkan efek downdraft dan updraft yang sangat penting
dalam proses pembentukan awan.

2. Skema Betts-Miller-Janjic

Skema Betts-Miller-Janjic mengasumsikan kondisi inisial CAPE yang tidak terlalu

besar. Terdapat struktur termodinamika quasi-equilibrum dimana lingkungannya berpindah
akibat konveksi. Skema ini menyediakan kelembaban yang banyak sehingga curah hujan
yang dihasilkan pada awal perhitungan memiliki nilai yang lebih banyak dari pada skema
lain. Proses konveksi yang tidak terjadi secara terus menerus menyebabkan total curah hujan
yang lebih kecil dari pada skema lain.

3. Skema Grell-Devenyi
Skema Grell-Devenyi merupakan skema yang dimodifikasi sehingga mirip seperti Kain-
Fritsch. Skema ini sangat baik untuk grid 10-12 km, dengan memperhitungkan efek
downdraft akan tetapi tidak memperhitungkan efek entrainmentdetrainment.

java

Java adalah sebuah bahasa pemrograman dasar dalam sebuah pembuatan aplikasi. Java juga
merupakan bahasa pemrograman yang dapat di jalankan di berbagai komputer ataupun
berbagai telepon genggam. Kemudian, bahasa pemrograman java ini sendiri bisa digunakan
untuk membuat sebuah game ataupun aplikasi untuk perangkat lunak maupun komputer
sekalipun.
Salah satu penggunaan terbesar Java adalah dalam pembuatan aplikasi native untuk
Android. Selain itu Java pun menjadi pondasi bagi berbagai bahasa pemrograman seperti
Kotlin, Scala, Clojure, Groovy, JRuby, Jython, dan lainnya yang memanfaatkan Java Virtual
Machine sebagai rumahnya.
Pada mulanya, untuk belajar ataupun mengenal bahasa pemrograman Java ini sendiri
memerlukan beberapa software pendukung yaitu adalah JDK dan juga JRE. JDK (Java
Development Kit) adalah perangkat lunak yang digunakan untuk melakukan proses kompilasi
dari kode java ke bytecode yang dapat dimengerti dan dapat dijalankan oleh JRE (Java
Runtime Envirotment). Sedangkan JRE adalah perangkat lunak yang digunakan untuk
menjalankan aplikasi yang dibangun menggunakan java. Versi JRE harus sama atau lebih
tinggi dengan JDK yang dugunakan untuk membangun aplikasi java.
Selain software pendukung tersebut, untuk mengetikan ataupun mengkompile sebuah
bahasa pemrograman Java ini juga memerlukan software pendukung sendiri. Software yang
biasanya sering digunakan antaralain adalah netbeans, eclipse atau juga bisa dengan
menggunakan textpad. Biasanya untuk pemula, lebih banyak yang menggunakan textpad
karena tidak memiliki “auto complete” pada penulisan kode – kode Java tersebut