LAPORAN PRAKTIKUM

METEOROLOGI

PENGOLAHAN DATA METEOROLOGI MENGGUNAKAN BAHASA

PEMROGRAMAN PHYTON

OLEH:
NAMA:
SYAKIRA NURRACHMAN FADILLAH
NIM:
08051282025046
KELAS:
B

LABORATORIUM OSEANOGRAFI DAN INSTRUMENTASI

KELAUTAN
JURUSAN ILMU KELAUTAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SRIWIJAYA
2021
 I PEDAHULUAN

1.1 Latar Belakang

Meteorologi merupakan ilmu yang mempelajari atmosfer, khususnya
bagian bawah, yang mana gejala cuaca dan iklim terjadi. Meteorologi merupakan
studi tentang proses dan keadaan atmosfer. Sedangkan fenomena meteorologi
berarti aktivitas cuaca yang dapat diamati dan dijelaskan dengan ilmu meteorologi.
Akivitas tersebut terikat dengan variabel yang ada di atmosfer bumi, seperti
temperatur, tekanan udara, uap air, dan gradien interaksi setiap variabel serta
bagaimana mereka berubah seiring dengan waktu (Khuzey, 2019).
Ilmu cuaca atau meteorologi adalah ilmu pengetahuan yang mengkaji
peristiwa-peristiwa cuaca dalam jangka waktu dan ruang terbatas, sedangkan ilmu
iklim atau klimatologi adalah ilmu pengetahuan yang juga mengkaji tentang
gejala-gejala cuaca tetapi sifat-sifat dan gejala-gejala tersebut mempunyai sifat
umum dalam jangka waktu dan daerah yang luas di atmosfer permukaan bumi.
Pengertian meteorologi yang lain adalah bahwa meteorologi adalah ilmu yang
mempelajari proses fisis dan gejala cuaca yang terjadi didalam atmosfer terutama
pada lapisan bawah yaitu troposfer (Tarmizi, 2019).
Meteorologi berasal dari kata Yunani meteoros, yang artinya benda yang
ada di dalam udara dan logos yang berarti ilmu/kajian. Jadi meteorologi
didefinisikan sebagai ilmu yang mempelajari proses dan gejala cuaca yang terjadi
di dalam atmosfer terutama pada lapisan bawah yaitu troposfer. Kajian masalah
meteorologi diperlukan dalam pembangunan irigasi, objek wisata, tempat
peristirahatan, perkebunan, perikanan, lapangan terbang, pelayaran, proyek
industri dan lain sebagainya (Khuzey, 2019).
Fenomena meteorologi berarti aktivitas cuaca yang dapat diamati dan
dijelaskan. Hujan atau nama lainnya presipitasi merupakan peristiwa alam yang
terjadi pada atmosphere dari perubahan wujud molekul air yang semula berbentuk
awan menjadi cair hingga jatuh ke permukaan bumi. Hujan ditandai terlebih
dahulu dengan terbentuknya awan hingga kepadatan tertentu. Apabila awan sudah
mencapai tingkat kejenuhan yang tinggi maka awan tersebut akan mencair
sehingga jatuhnya air ke permukaan bumi (Silitonga, 2018).
Awan terbentuk akibat adanya peristiwa evaporasi atau penguapan pada
seluruh air di bumi. Sedangkan evaporasi terjadi akibat adanya sumber panas yang
memanasi air di bumi agar dapat berubah wujud menjadi uap air. Temperatur
tanah merupakan faktor kunci dalam proses di permukaan tanah dan memberikan
dampak emisi energi terhadap atmosfere dalam siklus hidrologi (Wijaya, 2020).
Kuantitas terjadinya hujan pada suatu wilayah tergantung pada jumlah
awan yang ada pada wilayah tersebut. Awan bisa saja terbentuk bukan pada
wilayah tersebut melainkan dapat juga terbentuk pada wilayah lain yang terbawa
oleh pergerakan angin. Secara alamiah jumlah hujan yang terjadi pada suatu
wilayah juga terpengaruhi oleh siklus angin di bumi. Selain hal itu, tingkat
presipitasi dipengaruhi pula tingkat ekologi yang ada dalam suatu DAS.
Presipitasi terjadi setelah terbentuknya awan akibat dari peristiwa penguapan
(evaporasi) pada permukaan ait di bumi (Lasminto, 2020).
Variasi iklim, lapisan permukaan tanah dan hubungan antara elemen
hidrologi serta data spasial dengan akurasi yang tinggi dalam penginderaan jauh
dan GIS (geographic information system) dibutuhkan dalam pengamatan
meteorologi. Presipitasi adalah nama umum dari uap yang mengkondensasi dan
jatuh ke tanah dalam rangkaian proses siklus hidrologi. Presipitasi dapat berupa
salju, hujan es, maupun air. Pada daerah tropis yaitu salah satunya Indonesia
memiliki jenis presipitasi air yang dimanakan hujan (Wijaya, 2020).

1.2 Tujuan
Tujuan dilakukannya praktikum ini adalah :
1. Mahasiswa dapat mengolah data meteorologi menggunakan bahasa
pemrograman python.
2. Mahasiswa dapat mengetahui fungsi dari bahasa pemrograman python untuk
pengolahan data meteorologi.

1.3 Manfaat
Manfaat dilakukannya praktikum ini adalah :
1. Mahasiswa memahami pengolahan data meteorologi menggunakan bahasa
pemrograman python.
2. Mahasiswa memahami fungsi dari bahasa pemrograman python untuk
pengolahan data meteorologi.
 II TINJAUAN PUSTAKA

2.1 Data Meteorologi

Informasi dan data meteorologi merupakan informasi yang diperoleh dari
hasil pengamatan meteorologi, udara serta geofisika. Informasi tingkat 1 ialah
informasi mentah yang diperoleh dengan observasi langsung memakai
perlengkapan manual atau otomatis. Sebaliknya informasi tingkat 2 ialah hasil
pengolahan informasi dari informasi level 1 serta informasi yang langsung
dihasilkan dalam wujud digital sedangkan informasi tingkat 3 ialah informasi
yang diolah dari informasi tingkat 2 dalam wujud data. Akses data merupakan
aktivitas mendapatkan informasi serta ataupun data yang berikutnya digunakan
supaya bisa diolah untuk kepentingan riset ataupun penelitian serta meminimalisir
terjadinya musibah alam (Azka et al 2018).
Ilmu cuaca atau meteorologi adalah ilmu pengetahuan yang mengkaji
peristiwa-peristiwa cuaca dalam jangka waktu dan ruang terbatas, sedangkan ilmu
iklim atau klimatologi adalah ilmu pengetahuan yang juga mengkaji tentang
gejala-gejala cuaca tetapi sifat-sifat dan gejala-gejala tersebut mempunyai sifat
umum dalam jangka waktu dan daerah yang luas di atmosfer permukaan bumi
(Quadratullah et al, 2017).
ECMWF (European Centre for Medium-Range Weather Forecasts) adalah
website yang mengeluarkan model prediksi cuaca yang dikemas dalam bentuk
data forecast high resolution (HRES). Akan tetapi, walaupun begitu data yang
dikeluarkan oleh ECMWF sendiri masih berskala global. Sehingga perlu
dilakukan downscaling agar dapat diterapkan secara global. ECMWF
dikembangkan untuk mensimulasikan proses dinamika atmosfer (Pramujo, 2017).
ECMWF (The European Centre for Medium-Range Weather Forecasts)
telah menjalankan sistem perkiraan musiman real-time sejak tahun 1997. Sistem
musiman yang ditingkatkan sekitar 5 tahun terakhir. ECMWF menggunakan
model sirkulasi umum global yang dikenal sebagai Sistem Peramalan Terpadu
untuk menghasilkan perkiraan ansambel probabilistik pada waktu menjelang
beberapa tahun ke depan. ECMWF juga dikembangkan untuk mensimulasikan
proses dinamika atmosfer (Roberts et al. 2018).
2.2 Curah Hujan
Curah hujan dan suhu permukaan laut memiliki variabilitas yang tinggi
sehingga membutuhkan data observasi yang panjang dengan sebaran spasial yang
memadai. Fenomena IOD dapat menyebabkan penurunan maupun peningkatan
suhu permukaan laut yang disertai dengan penurunan maupun peningkatan curah
hujan. Curah hujan merupakan salah satu unsur iklim yang sangat penting, namun
keberadaannya secara spasial dan temporal masih sulit diprediksi. Selain sifatnya
yang dinamis, proses fisis yang terlibat juga sangat kompleks (Nabilah, 2017) .
Curah hujan merupakan parameter meteorologi yang sangat berpengaruh
dalam kehidupan. Indonesia merupakan negara beriklim tropis yang berada di
equator sehingga mendapatkan penyinaran matahari yang maksimal. Oleh karena
itu, Indonesia memiliki penguapan dan intensitas curah hujan yang cukup tinggi.
Saat ini, pengamatan secara insitu sangat kurang representatif untuk digunakan
sebagai prakiraan karena jangkauannya yang sangat sempit sehingga memerlukan
instrumen pendukung yang dapat memberikan gambaran yang lebih baik terkait
distribusi hujan dan sebagai penunjang akurasi prakiraan, salah satunya adalah
satelit. Namun, data satelit juga belum tentu sepenuhnya benar karena resolusi dan
kondisi dari setiap wilayah berbeda (Azka, 2018).
Curah hujan mempunyai variabilitas yang besar dalam ruang dan waktu.
Pada skala waktu keragaman curah hujan dibagi atas tipe harian, bulanan dan
tahunan. Variasi curah hujan harian lebih dipengaruhi oleh faktor lokal, variasi
bulanan dipengaruhi oleh angin darat dan angin laut, aktivitas konveksi, arah
aliran udara di permukaan serta variasi sebaran daratan dan lautan. Variasi curah
hujan tahunan dipengaruhi oleh perilaku atmosfir global, siklon tropis dan lain-
lain (Prasetyo, 2017).
Curah hujan dapat didefinisikan sebagai ketinggian air hujan yang
terkumpul dalam tempat yang datar, tidak menguap, tidak meresap, dan tidak
mengalir. Curah hujan dengan 1 (satu) milimeter artinya dalam luasan satu meter
persegi pada tempat yang datar tertampung air setinggi satu milimeter atau
tertampung air sebanyak satu liter. Intensitas curah hujan dikatakan besar apabila
hujan lebat dan kondisi ini sangat berbahaya karena dapat menimbulkan banjir
dan longsor (Sutawinaya, 2017).
 Intensitas curah hujan yang tinggi dapat menyebabkan bencana, untuk itu
perlu dilakukan peramalan untuk memperkirakan seberapa besar curah hujan yang
akan datang. Faktor penyebab utama bencana banjir adalah adanya intensitas
curah hujan yang sangat tinggi, sehingga kapasitas sungai-sungai tidak mampu
menampung kapasitas air yang besar. Mengingat faktor curah hujan merupakan
faktor yang sangat dinamis sebagai faktor utama penyebab banjir dibandingkan
dengan faktor lainnya, seperti faktor kondisi daerah aliran sungai dan saluran
drainase (Astawa, 2017).

2.3 Python
Python merupakan salah satu alat yang direkomendasikan untuk
menganalisis data apalagi data yang cukup besar diperlukan suatu alat untuk
menghitung dan menganalisis supaya lebih efektif dan efisien. Dukungan
perpustakaan Python yang ditingkatkan (terutama panda) telah membuatnya
menjadi alternatif yang kuat untuk tugas analisis data. Dikombinasikan dengan
kekuatan Python dalam pemrograman tujuan umum, itu adalah pilihan yang
sangat baik sebagai bahasa tunggal untuk membangun aplikasi data-sentris
(Pamungkas, 2020).
Dengan menggunakan Phyton, administrator jaringan tidak perlu
mengkonfigurasi sendiri setiap perangkat jaringan. Administrator hanya perlu
membuat infrastruktur yang tetap dan dengan menerapkan scripting otomatisasi.
Python merupakan bahasa pemrograman yang berorientasi obyek dinamis, mudah
dipahami, dan dapat digunakan untuk bermacam-macam pengembangan
perangkat lunak. Python hadir dengan pustaka-pustaka standar yang dapat
diperluas serta dapat dipelajari hanya dalam beberapa hari (Ngantung, 2021).
Python salah satu bahasa pemrograman dari beberapa bahasa
pemrograman seperti java, C, C++ dan lain-lain. Python merupakan bahasa
pemrograman yang freeware atau perangkat bebas tidak ada batasan dalam
penyalinannya atau mendistribusikannya. Python merupakan salah satu dari
bahasa pemrogramam tingkat tinggi. Python terkenal pada kalangan programer
karena penggunaannya yang lebih sederhana dari bahasa pemrograman lainnya.
Selain itu, Python memiliki struktur sintak yang rapi dan mudah dipahami oleh
programer (Wiratmaja, 2021).
 III METODOLOGI

3.1 Waktu dan Tempat

Praktikum Meteorologi ini dilaksanakan secara virtual pada hari senin
tanggal 20 November 2021 pada pukul 13.00 WIB sampai dengan selesai.
Bertempat di Jalan Sukatani 1, komplek griya bukit sukatani blok A-2 RSS. RT
24 RW 08, kelurahan Sukamaju, kecamatan Sako, Palembang, Sumatera Selatan
(-2,9307511, 104,7658620).

3.2 Alat dan Bahan

Adapun alat dan bahan pada praktikum kalu ini, yaitu :
No Alat dan Bahan Fungsi
1. Laptop/Komputer Untuk mengoperasikan data
2. Data Meteorologi Bahan untuk pengolahan data
3. Python Untuk mengolah data
4. Software Visual Studio Code Untuk visualisasi data

3.3 Cara Kerja

Instal terlebih dahulu python di link https:\\python.org lalu klik download

Selanjutnya install juga visual studio code di link http://code.visualstudio.com

lalu klik download for windows

Kemudian buka visual studio code yang telah di install di laptop masing
masing lalu klik file pilih open folder

Lalu buat new folder dengan nama yang di inginkan lalu klik select folder

Setelah itu plih extension kemudian install jupyter dan python di laman
tersebut

Kemudian buka python lalu tekan “ctrl+shift+y” lalu pilih terminal

 Kemudian buka python lalu tekan “ctrl+shift+y” lalu pilih terminal

Selanjutnya ketik ‘pip install jupyter’ untuk menjadi terminal bagi data yang
lain untuk menjalankan program di python

Kemudian ketik ‘pip install matplotlib’ untuk memunculkan grafik histogram

Kemudian ketik ‘pip install xarray’ untuk memasukkan data curah hujan

Kemudian ketik ‘pip install netCDF4’ untuk membuka file dengan format nc
yang telah di unduh

Selanjutnya ke folder yang telah di buat sebelumnya lalu plih new file, buat
nama file sesuai dengan nama yang di inginkan dan jangan lupa ditambah
dengan ‘.ipynb’ lalu enter

Kemudian setelah itu masukkan rumus ‘import xarray as xr’, ‘dset =

xr.open_dataset (“D:\musimbarat.nc”), ‘ print (dset)’ untuk membuka file
total precipitation yang telah di unduh

Kemudian masukkan juga rumus ‘print (dset[‘tp’])’ untuk melihat total

precipitation dari file tersebut

Terakhir masukan rumus ‘dset [‘tp].plot()’ untuk memunculkan grafik

histogram data curah hujan tersebut

Kemudian simpan histogram tersebut di folder yang di inginkan lalu klik save
plot image

Lakukan hal yang sama untuk musim peralihan 1, musim timur, dan musim
peralihan 2
3.4 Analisa Data
1. Sebelumnya buat folder baru dengan nama folder sesuai yang diinginkan.

Syakira Nurrachman Fadillah

08051282025046

2. Buka aplikasi Visual Studio Code.

Syakira Nurrachman Fadillah

08051282025046

3. Klik menu file dan pilih open folder, lalu klik select folder.

Syakira Nurrachman Fadillah

08051282025046
4. Klik extention. Download dan install jupyter serta python.

Syakira Nurrachman Fadillah

08051282025046

5. Tekan ctrl + shift + Y, lalu akan muncul tampilan seperti gambar. Pilih/klik
terminal.

Syakira Nurrachman Fadillah

08051282025046

6. Ketikkan “pip install jupyter”, lalu tekan enter.

Syakira Nurrachman Fadillah

08051282025046
7. Ketikkan “pip install matplotlib”, lalu tekan enter.

Syakira Nurrachman Fadillah

08051282025046

8. Ketikkan “pip install xarray”, lalu tekan enter.

Syakira Nurrachman Fadillah

08051282025046

9. Ketikkan “pip install netCDF4”, lalu tekan enter.

Syakira Nurrachman Fadillah

08051282025046
10. Lalu klik folder yang telah dibuat tadi dan klik new file.

Syakira Nurrachman Fadillah

08051282025046

11. Beri nama file sesuai keinginan dan dengan format “.ipynb”.

Syakira Nurrachman Fadillah

08051282025046

12. Kemudian enter dan akan muncul tampilan seperti di gambar.

Syakira Nurrachman Fadillah

08051282025046
13. Kemudian masukkan script “import xarray as xr”, lalu enter. Ketikkan “dset =
xr.open_dataset(“D:/Januari2018.nc”), lalu enter. Ketikkan “print (dset)”.
Kemudian di running.

Syakira Nurrachman Fadillah

08051282025046

14. Kemudian ketikkan pada script kedua yaitu “print (dset[‘tp’]), lalu di running.

Syakira Nurrachman Fadillah

08051282025046

15. Kemudian ketikkan pada script ketiga yaitu “dset [‘tp’].plot()”, lalu running.

Syakira Nurrachman Fadillah

08051282025046
16. Kemudian akan muncul tampilan grafik histogram.

Syakira Nurrachman Fadillah

08051282025046

17. Simpan gambar grafik dengan cara klik expand image, kemudian sesuaikan
gambar yang ingin disimpan.

Syakira Nurrachman Fadillah

08051282025046

18. Kemudian klik “export to different formats”, lalu pilih save as type dengan
PNG. Dan pilih tempat penyimpanan sesuai selera, lalu beri nama dan klik “save
plot image”.

Syakira Nurrachman Fadillah

08051282025046
19. Plot gambat sudah berhasil di simpan.

Syakira Nurrachman Fadillah

08051282025046
 IV HASIL DAN PEMBAHASAN

4.1 Musim Barat

Grafik tersebut menunjukan total precipitation atau total curah hujan di

Nusa Barung di Provinsi Jawa Timur pada bulan Januari tahun 2018 dengan letak
geografisnya 8° 26' 16" sampai 8° 23' 40" Lintang Selatan dan 113° 18' 11"
sampai 113° 26' 42" Bujur Timur dengan koordinat -5 N, 110 W, -11 S, dan 117 E.
Berdasarkan diagram, dapat diketahui bahwa curah hujan di bulan Januari berkisar
antara 0.000m sampai kira-kira 0.02m. Hasil pengolahan data meteorologi berupa
histogram dengan curah hujan total. Terlihat bahwa total precipitation tertinggi di
Nusa Barung pada bulan Januari adalah pada 0.000m dengan nilai 20000, dan
terendah terdapat pada 0.02m dengan nilai kurang dari 2500. Terlihat dari waktu
dan juga data yang didapatkan, pada bulan Januari terjadi musim barat.

4.2 Musim Peralihan 1

 Grafik tersebut menunjukan total precipitation atau total curah hujan di
Nusa Barung di Provinsi Jawa Timur pada bulan Mei tahun 2018 dengan letak
geografisnya 8° 26' 16" sampai 8° 23' 40" Lintang Selatan dan 113° 18' 11"
sampai 113° 26' 42" Bujur Timur ( -5 N, 110 W, -11 S, dan 117 E). Berdasarkan
diagram, dapat diketahui bahwa curah hujan di bulan Mei berkisar antara 0.000m
sampai kira-kira 0.012m. Hasil pengolahan data meteorologi berupa histogram
dengan curah hujan total. Terlihat bahwa total precipitation tertinggi di Nusa
Barung pada bulan Mei adalah pada 0.000m dengan nilai lebih dari 15000, dan
terendah terdapat pada 0.012m dengan nilai kurang dari 2500. Terlihat dari waktu
dan juga data yang didapatkan, pada bulan Mei terjadi musim peralihan 1.

4.3 Musim Timur

Grafik tersebut menunjukan total precipitation atau total curah hujan di

Nusa Barung di Provinsi Jawa Timur pada bulan Juni tahun 2018 dengan letak
geografisnya 8° 26' 16" sampai 8° 23' 40" Lintang Selatan dan 113° 18' 11"
sampai 113° 26' 42" Bujur Timur (-5 N, 110 W, -11 S, dan 117 E). Berdasarkan
diagram, dapat diketahui bahwa curah hujan di bulan Juni berkisar antara 0.000m
sampai kira-kira kurang dari 0,05m. Hasil pengolahan data meteorologi berupa
histogram dengan curah hujan total. Terlihat bahwa satu-satunya total
precipitation di Nusa Barung pada bulan Juni adalah pada 0.000 dengan nilai lebih
dari 600000, nilai ini merupakan nilai tertinggi dibandingkan nilai pada bulan
lainnya. Terlihat dari waktu dan juga data yang didapatkan, pada bulan Juni
terjadi musim timur.
4.4 Musim Peralihan 2

Grafik tersebut menunjukan total precipitation atau total curah hujan di

Nusa Barung di Provinsi Jawa Timur pada bulan Oktober tahun 2018 dengan letak
geografisnya 8° 26' 16" sampai 8° 23' 40" Lintang Selatan dan 113° 18' 11"
sampai 113° 26' 42" Bujur Timur (-5 N, 110 W, -11 S, dan 117 E). Berdasarkan
diagram, dapat diketahui bahwa curah hujan di bulan Oktober berkisar antara
0.000m sampai kira-kira 0.006m. Hasil pengolahan data meteorologi berupa
histogram dengan curah hujan total. Terlihat bahwa total precipitation tertinggi di
Nusa Barung pada bulan Oktober adalah pada 0.000m dengan nilai lebih dari
20000, dan terendah terdapat pada 0.06m dengan nilai kurang dari 2500. Terlihat
dari waktu dan juga data yang didapatkan, pada bulan Oktober terjadi musim
peralihan 2.
 V KESIMPULAN

1. Pada praktikum Meteorologi kali ini membahas tentang pengolahan data

meteorologi yang diolah dengan software Visual Studio Code dan Python.
2. Python merupakan bahasa pemrograman yang berorientasi obyek dinamis,
mudah dipahami, dan dapat digunakan untuk bermacam-macam pengembangan
perangkat lunak.
3. Titik koordinat yang di ambil berada pada -5 N, 110 W, -11 S, dan 117 E di
Nusa Barung.
4. Pengolahan data meteorologi curah hujan ini menggunakan software tambahan
yaitu Jupyter, Matplotlib, Xarray, dan Netcdf4.Sgd.
5. Pengolahan data curah hujan meliputi musim barat, musim peralihan 1, musim
timur, dan musim peralihan 2.
 DAFTAR PUSTAKA

Anggoro MD, Pramujo B. 2017. Kajian waktu hidup dan pergerakan awan
konvektif berbasis citra radar dan model ECMWF. Meteorologi
Klimatologi dan Geofisika Vol. 4(3): 25.

Azka MA, Sugianto PA, Silitonga AK, Nugraheni IR. 2018. Uji Akurasi Produke
Stimasi Curah Hujan Satelit Gpm Imerg di Surabaya, Indonesia. Jurnal
Sains & Teknologi Modifikasi Cuaca., Vol. 19(2): 83–88

Khuzey, Tarmizi. 2019. Pengaruh Aspek Astronomi Terhadap Terjadinya

Perubahan Cuaca dan Iklim Berdasarkan Pengamatan Badan
Meteorologi, Klimatologi Dan Geofisika Kelas 1 Bandung. Karya Tulis.
Nabilah F, Prasetyo Y, Sukmono A. 2017. Analisis Pengaruh Fenomena El Nino
Dan La Nina Terhadap Curah Hujan Tahun 1998 - 2016 Menggunakan
Indikator Oni (Oceanic Nino Index). Jurnal Geodesi Undip., Vol. 6(4):
402-412.
Ngantung RK, Pakereng MAI. 2021. Model Pengembangan Sistem Informasi
Akademik Berbasis User Centered Design Menerapkan Framework Flask
Python. Jurnal Media Informatika Budidarma., Vol. 5(3): 1051-1062.
Pamungkas FS, Prasetya BD, Kharisudin I. 2020. Perbandingan Metode
Klasifikasi Supervised Learning pada Data Bank Customers
Menggunakan Python. Prosiding Seminar Nasional Matematika 3: 689-
694.
Roberts CD, Senan R, Molteni F, Boussetta S, Mayer M, Keeley SP. 2018.
Climate model configurations of the ECMWF Integrated Forecasting.
Geosci. Model Dev., Vol. 11: 3681–3712.
Sutawinaya IP, Astawa INGA, Hariyanti NKD. 2017. Perbandingan Metode
Jaringan Saraf Tiruan Pada Peramalan Curah Hujan. Jurnal Logic., Vol.
17(2): 92-97.

Quadratullah MI, Asrizal A, Kamus Z, 2017. Analisis unsur-unsur cuaca

berdasarkan hasil pengukuran Automated Weather System (AWS) tipe
Vaisala MAWS 201. Skripsi thesis, Universitas Negeri Padang.

Wijaya RC, Lasminto U. 2020. Model Analisis Faktor Sebaran Data Curah Hujan
Tahunan. Jurnal Teknik Sipil., Vol 4(1): 13-23.

Wiratmaja IGH, Wijaya IWS, Pramana IDMA, Aditya IKGR. 2021. Program
Menghitung Banyak Bata pada Ruangan Menggunakan Bahasa Python.
TIERS Information Technology Journal., Vol.2(1): 12-22.
Wiryawan RA, Rosyid NR. 2019. Pengembangan Aplikasi Otomatisasi
Administrasi Jaringan Berbasis Website Menggunakan Bahasa
Pemrograman Python. Jurnal SIMETRIS., Vol. 10(2): 741-752.