*email: dindarosyia@gmail.com
ABSTRAK
DOI; Peralatan pengamatan meteorologi otomatis telah banyak digunakan
10.30595/jrst.v6i2.13541 untuk menggantikan peralatan pengamatan manual. Hal tersebut
berkaitan dengan kemampuan peralatan otomatis dalam meningkatkan
Histori Artikel: resolusi temporal dan kerapatan jaringan pengamatan. Akan tetapi,
penelitian terdahulu menunjukkan adanya hasil yang beragam terkait
Diajukan: kemampuan peralatan pengamatan otomatis dalam merepresentasikan
07/04/2022 kondisi meteorologi. Oleh karena itu, penelitian ini bertujuan untuk
mengetahui kemampuan AWS dan termometer digital dalam
Diterima: merepresentasikan data suhu udara dan curah hujan di Stasiun
02/11/2022 Klimatologi Palembang. Data yang digunakan merupakan data harian
pada bulan Agustus dan Desember 2021. Hasil analisis time series,
Diterbitkan: korelasi pearson, dan analisis eror menunjukkan AWS dapat
25/11/2022 merepresentasikan data observasi lebih baik dibanding termometer
digital. Berdasarkan lima parameter suhu udara yang diuji, suhu udara
minimum menunjukkan simpangan yang paling tinggi. Sementara itu,
data curah hujan menunjukkan adanya simpangan acak yang meliputi
kondisi overvalues, undervalues, dan pengukuran curah hujan saat tidak
terjadi hujan. Simpangan curah hujan menunjukkan nilai yang lebih tinggi
di Bulan Desember.
ABSTRACT
Automatic meteorological observation equipment has been widely used to replace manual observation
equipment. This relates to the ability of automated equipment to increase the temporal resolution and
density of the observation network. However, previous studies have shown varied results regarding the
ability of automated observation equipment to represent meteorological conditions. Therefore, this study
aims to determine the ability of AWS and digital thermometers in representing air temperature and rainfall
data at the Palembang Climatology Station. The daily data is used for the month of August and December
2021. The results of time series analysis, Pearson correlation, and error analysis show that AWS can
represent observation data better than digital thermometers. Based on the 5 air temperature parameters
tested, the minimum air temperature shows the highest deviation. Meanwhile, rainfall data shows random
deviations which include overvalues, undervalues, and rainfall measurements when there is no rain.
Precipitation deviation shows a higher value in December.
151
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 152
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
paralel alat otomatis sebelum menggantikan klimatologi selanjutnya diolah dengan statistik
peralatan manual (WMO, 2020). Oleh karena itu, sederhana untuk memperoleh nilai rata-rata
penelitian ini bertujuan untuk mengkaji hasil harian (persamaan 1).
pengamatan parameter cuaca dari AWS dan Suhu maksimum diperoleh dengan
termometer digital pada Stasiun Klimatologi mencari nilai suhu tertinggi dari periode
Palembang terhadap data pengamatan pengamatan klimatologi harian (pukul 7, 13, dan
klimatologi untuk bulan Agustus dan Desember 18 WS). Sedangkan suhu maksimum absolut
2021. diperoleh dari pembacaan termometer
maksimum selama periode pengamatan 24 jam.
2. METODE PENELITIAN Sama seperti suhu maksimum, suhu minimum
2.1 Data diperoleh melalui identifikasi nilai suhu
Data yang digunakan dalam penelitian terendah selama periode pengamatan
ini berasal dari peralatan pengamatan otomatis klimatologi. Sementara itu, suhu minimum
dan konvensional di Stasiun Klimatologi absolut diperoleh melalui pembacaan
Palembang. Peralatan pengamatan otomatis thermometer minimum yang
terdiri dari Automatic Weather Station (AWS) merepresentasikan suhu minimum absolut
dan Termometer Digital, sedangkan peralatan selama periode pengamatan 24 jam.
pengamatan konvensional berupa termometer Data curah hujan yang digunakan dalam
raksa dan penakar hujan observatorium, penelitian ini merupakan data curah hujan
metadata sebagaimana tersaji pada Tabel 1. harian yakni berupa akumulasi curah hujan
Adapun parameter cuaca yang dikaji adalah dalam satu hari (periode 24 jam). Data curah
suhu udara rata-rata, suhu udara maksimum, hujan dinyatakan dalam satuan milimeter (mm)
suhu udara minimum, suhu udara maksimum yang merepresentasikan ketinggian hujan yang
absolut, suhu udara minimum absolut, dan jatuh pada luasan 1 m2, jika air tidak meresap,
curah hujan. mengalir, atau menguap.
Verifikasi dilakukan dengan Periode penelitian mencakup data harian
membandingkan data hasil pengamatan selama bulan Agustus dan Desember 2021. Data
peralatan otomatis terhadap data pengamatan bulan Agustus dipilih untuk merepresentasikan
klimatologi secara konvensional. Pengamatan musim kemarau, sedangkan data bulan
klimatologi dilakukan pada pukul 7, 13, dan 18 Desember digunakan untuk merepresentasikan
waktu setempat (WS). Data hasil pengamatan musim penghujan.
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 153
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
𝑇𝑟 =
2 𝑥 𝑇7+𝑇13+𝑇18
(1) 2.4.4. Analisis Eror
4 Analisis eror dilakukan dengan
menghitung nilai RMSE (Root Mean Square
Keterangan: Eror). RMSE merupakan suatu ukuran kesalahan
Tr : Suhu rata-rata harian yang didasarkan pada selisih antara dua buah
T7 : Suhu jam 7 WS nilai yang bersesuaian dan banyak digunakan
T13 : Suhu jam 13 WS dalam mengkaji performa model (Chai et al.,
T18 : Suhu jam 18 WS 2014). Nilai RMSE yang semakin besar
menunjukkan nilai kesalahan yang semakin
2.4.2. Analisis Time Series tinggi atau nilai estimasi model yang semakin
Time series adalah setiap variabel yang tidak tepat. Berikut adalah persamaan yang
terdiri dari sekumpulan data yang dicatat atau digunakan untuk menghitung RMSE (Swarinoto
diobservasi sepanjang waktu yang berurutan dan Husain, 2012):
(Arsyad, 1994). Analisis time series dapat
digunakan untuk memahami atau memodelkan
mekanisme stokastik yang muncul dalam suatu ∑𝑛 (𝑦̂𝑖 − 𝑦𝑖 )2
seri data yang diamati (Hanke et al, 2005). 𝑅𝑀𝑆𝐸 = √ 𝑖=1 (3)
𝑛
Dalam penelitian ini analisis time series
digunakan untuk mengetahui pola fluktuasi data
pengamatan otomatis terhadap data Keterangan:
konvensional. 𝑦̂𝑖 : Data pengamatan otomatis
𝑦𝑖 : Data pengamatan konvensional
2.4.3. Analisis Korelasi
Analisis korelasi dilakukan untuk 3. HASIL DAN PEMBAHASAN
mengetahui kuat lemahnya hubungan 3.1 Pola Time Series
keterkaitan antara dua variabel yang dapat Suhu rata-rata observasi konvensional
diketahui melalui nilai koefisien korelasi. Dalam di bulan Agustus berkisar antara 24 hingga 29
penelitian ini digunakan metode Korelasi C (Gambar 1a). AWS memiliki rentang suhu
Pearson untuk memperoleh nilai koefisien rata-rata yang sama dengan observasi
korelasi antara data hasil pengamatan otomatis konvensional, sedangkan termomenter digital
dan konvensional. Adapun persamaan Korelasi (TD) memiliki rentang suhu yang lebih tinggi,
Pearson (Supranto, 2008) adalah sebagai yakni 25 hingga 30 oC. Suhu rata-rata AWS dan
berikut: TD mampu mengikuti pola suhu observasi
konvensional.
𝑛 ∑ 𝑥𝑦−(∑ 𝑥)(∑ 𝑦)
𝑟= (2)
√{𝑛 ∑ 𝑥 2 −(∑ 𝑥)2 }{𝑛 ∑ 𝑦 2 −(∑ 𝑦)2 }
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 154
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
Gambar 1. Time series suhu udara observasi manual, AWS, dan termometer digital:
a) suhu udara rata-rata Agustus, b) suhu udara rata-rata Desember, c) suhu maksimum Agustus, d) suhu
maksimum Desember, e) suhu minimum Agustus, f) suhu minimum Desember, g) suhu maksimum
absolut Agustus, h) suhu maksimum absolut Desember, i) suhu minimum absolut Agustus, j) suhu
minimum absolut Desember
Meskipun demikian, suhu rata-rata TD 1d). Sementara itu, suhu maksimum TD masih
cenderung lebih tinggi dari suhu observasi menunjukkan pola-pola overvalues dan
konvensional. Pola yang sama juga terjadi pada undervalues terhadap data observasi
bulan Desember dimana rentang suhu rata-rata konvensional.
TD bernilai lebih tinggi hingga 2 C dibanding Time series suhu minimum Agustus dan
suhu observasi konvensional (Gambar 1b). Pola Desember ditunjukkan oleh Gambar 1e dan 1f.
sebaliknya terjadi di pertengahan hingga akhir Suhu minimum TD menunjukkan nilai yang lebih
bulan Desember, ketika suhu rata-rata AWS tinggi dari suhu minimum konvensional dan
menunjukkan nilai yang lebih rendah dibanding AWS. Suhu minimum TD berkisar antara 24-28
suhu observasi konvensional. C di bulan Agustus dan 23-30 C di bulan
Suhu maksimum harian di bulan Desember, sedangkan suhu minimum observasi
Agustus berada pada rentang 25 hingga 33 C berada pada kisaran 23-26 C dan 22-26 C di
(Gambar 1c). Suhu maksimum AWS dan TD bulan Agustus dan Desember. Kondisi
berada pada rentang yang tidak jauh berbeda sebaliknya terlihat pada suhu minimum AWS
yakni 26-33 C dan 25-34 C. Pola suhu yang didominasi kondisi undervalues atau lebih
maksimum AWS terlihat lebih mampu rendah dari suhu minimum observasi.
mengikuti pola suhu maksimum observasi, Time series suhu maksimum absolut
sedangkan pola suhu maksimum TD cenderung Agustus dan Desember ditunjukkan oleh
bernilai lebih rendah atau lebih tinggi dari Gambar 1g dan 1h. Dibanding parameter-
observasi konvensional. Di bulan Desember, parameter lain, suhu maksimum absolut AWS
suhu maksimum AWS lebih mampu dan TD memiliki pola dan rentang yang lebih
merepresentasikan suhu maksimum observasi dekat dengan observasi konvensional.
yang berada pada rentang 27-34 C (Gambar
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 155
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
Gambar 2. Time series curah hujan observasi manual dan AWS: a) Komparasi CH Observasi dan AWS
Agustus, b) Komparasi CH Observasi dan AWS Desember
Rentang suhu maksimum absolut Time series curah hujan harian bulan
observasi bulan Agustus dan Desember berkisar Agustus dan Desember ditunjukkan oleh
antara 28-35 C. Meskipun pola dan rentang Gambar 2a dan 2b. Pada bulan Agustus yang
suhu maksimum absoult AWS dan TD masih termasuk dalam periode musim kemarau,
berdekatan dengan observasi, namun masih AWS menunjukkan 8 kali perekaman curah
terlihat adanya kecenderungan overvalues suhu hujan harian saat tidak terjadi hujan. Kondisi
maksimum absolut AWS dan TD. Kecenderungan tersebut salah satunya terjadi pada tanggal 4
overvalues dari AWS dan TD masih terjadi di Agustus dimana AWS mencatat hujan setinggi
bulan Desember. Selain overvalues, suhu 45 mm, sedangkan observasi konvensional tidak
maksimum absolut TD juga menunjukkan mencatat adanya hujan (CH=0) (Gambar 3a).
beberapa kondisi undervalues. Rentang pengukuran curah hujan AWS ketika
Pola suhu minimum absolut Agustus tidak terjadi hujan (CH observasi = 0) berkisar
dijelaskan oleh Gambar 1i. Time series suhu antara 2-45 mm. Selain itu, AWS juga
minimum absolut menunjukkan adanya menunjukkan 7 kondisi overvalues dan 6 kali
perbedaan rentang suhu yang jelas antar kondisi undervalues di bulan Agustus (Gambar
instrumen. Suhu minimum absolut AWS 3a). Kondisi overvalues dan undervalues masing-
menunjukkan time series yang konsisten berada masing berada pada rentang 0.4-14.3 mm dan
di bawah data observasi konvensional, 0.2-8.5 mm.
sedangkan TD mendominasi kondisi overvalues Pada bulan Desember, kondisi
terhadap observasi konvensional. Rentang suhu perekaman curah hujan AWS harian saat tidak
minimum absolut observasi, AWS, dan TD terjadi hujan masih sama yakni 8 kali, dengan
masing-masing adalah 23-25 C, 22-25 C, dan nilai pengukuran CH 0.5-19.5 mm (Gambar 3b).
23-27 C. Pada bulan Desember, time series suhu Sementara itu, kondisi overvalues dan
minimum absolut observasi dan TD undervalues menunjukkan peningkatan
menunjukkan pola dan rentang yang lebih dekat dibanding bulan Agustus, yakni masing-masing
dibanding bulan Agustus (Gambar 1j). Suhu sebesar 13 dan 8 kali (Gambar 3b). Kondisi
minimum absolut observasi dan TD berkisar overvalues dan undervalues masing-masing
antara 22-26 C. Sementara itu, suhu minimum berada pada rentang 0.5-31 mm dan 0.3-109.5
absolut AWS masih konsisten pada kondisi mm.
undervalues, dengan rentang suhu 16-24 C.
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 156
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
Gambar 3. Selisih curah hujan AWS dan Observasi manual: a) Bulan Agustus, b) Bulan Desember. Tanda
(*) merepresentasikan pengukuran CH AWS saat CH Obs nol (tidak ada hujan)
3.2 Analisis Korelasi dan Eror maksimum 27-30 C. Pada bulan Desember,
Sebaran suhu rata-rata AWS dan suhu sebaran suhu maksimum AWS terhadap
rata-rata termometer digital (TD) terhadap suhu observasi konvensional menunjukkan pola yang
observasi bulan Agustus ditunjukkan oleh lebih linear dibanding TD (Gambar 5c dan 5d).
Gambar 4a dan 4b. Keduanya menjelaskan Sebaran suhu maksimum TD terhadap observasi
hubungan positif dimana peningkatan suhu konvensional menunjukkan nilai yang lebih
rata-rata observasi diikuti oleh peningkatan bervariasi pada rentang 29-31 C.
suhu rata-rata AWS dan TD. Nilai keterkaitan Sebaran suhu minimum AWS dan TD di
suhu rata-rata AWS dan TD terhadap data bulan Agustus ditunjukkan oleh Gambar 4e dan
observasi dijelaskan oleh nilai korelasi pearson 4f. Suhu minimum AWS memiliki sebaran yang
(r). Nilai r AWS adalah 0.983, sedikit lebih tinggi linear terhadap observasi konvensional. Nilai
dibanding nilai korelasi TD sebesar 0.962. korelasi pearson AWS menunjukkan nilai yang
Pola sebaran data AWS dan TD tinggi yakni 0.974 dan RMSE yang rendah yaitu
menunjukkan pola yang cukup linear yakni 0.41 C. Sementara itu, sebaran suhu minimum
berada di sekitar garis regresi. Simpangan data TD kurang mampu merepresentasikan suhu
AWS terhadap data observasi sebesar 0.288 C observasi, khususnya pada rentang 24-25 C.
juga bernilai lebih rendah dibanding simpangan Nilai korelasi suhu minimum dan RMSE TD
TD terhadap data observasi sebesar 0.992 C. masing-masing sebesar 0.723 dan 1.675 C.
Sebaran suhu rata-rata AWS dan TD di bulan Pada bulan Desember, sebaran suhu minimum
Desember (Gambar 5a dan 5b) menunjukkan AWS dan TD menunjukkan variasi yang lebih
pola yang tidak jauh berbeda dari bulan tinggi dibanding bulan Agustus. Meskipun
Agustus. Nilai korelasi dan RMSE AWS juga sebaran suhu minimum AWS terhadap
menunjukkan keterkaitan yang lebih baik observasi masih cukup linear, nilai r mengalami
terhadap data observasi dibanding TD. penurunan dan nilai RMSE meningkat (Gambar
Sebaran suhu maksimum AWS dan TD di 5e dan 5f). Hal tersebut menunjukkan
bulan Agustus dijelaskan oleh Gambar 4c dan simpangan suhu minimum AWS yang lebih
4d. Hubungan positif terlihat antara suhu tinggi di bulan Desember. Simpangan data yang
maksimum AWS dan TD terhadap suhu lebih tinggi juga terlihat pada sebaran suhu
maksimum observasi konvensional. Nilai minimum TD terhadap suhu minimum
korelasi AWS dan TD bernilai cukup tinggi konvensional dengan nilai RMSE sebesar 1.834
terhadap data observasi yakni 0.935 dan 0.913. C dan nilai korelasi 0.719.
Nilai RMSE TD sebesar 1.191 C, bernilai lebih Sebaran suhu maksimum absolut bulan
tinggi dibanding RMSE AWS. Hal tersebut Agustus ditunjukkan oleh Gambar 4g dan 4h.
terlihat dari pola sebaran data TD yang lebih Suhu maksimum absolut merupakan suhu
bervariasi, khususnya pada rentang suhu tertinggi dalam periode satu hari. Secara
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 157
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
konvensional, suhu maksimum absolut diamati terhadap suhu observasi konvensional masing-
dengan termometer khusus yakni termometer masing adalah 0.927 dan 0.962 dan RMSE
maksimum dan hanya dibaca satu kali dalam bernilai 0.75 dan 0.594 oC (Gambar 5g dan 5h).
periode pengamatan 24 jam. Sebaran suhu Sebaran suhu minimum absolut bulan
maksimum absoult AWS dan TD menunjukkan Agustus dijelaskan oleh Gambar 4i dan 4j. Suhu
pola linear positif terhadap suhu observasi minimum absolut merepresentasikan suhu
dengan nilai korelasi masing-masing adalah terendah dalam periode satu hari. Sama seperti
0.985 dan 0.993. Nilai korelasi yang tinggi juga suhu maksimum absolut, secara konvensional
diikuti oleh RMSE yang rendah dimana nilai suhu minimum absolut juga diamati sekali
RMSE AWS dan TD masing-masing adalah 0.52 dalam periode 24 jam menggunakan
dan 0.601 C. Kondisi serupa juga terjadi di termometer minimum.
bulan Desember dengan korelasi AWS dan TD
Gambar 4. Sebaran suhu udara AWS dan termometer digital terhadap observasi manual bulan Agustus:
a) suhu udara rata-rata AWS, b) suhu udara rata-rata termometer digital, c) suhu maksimum AWS, d)
suhu maksimum termometer digital, e) suhu minimum AWS, f) suhu minimum termometer digital, g)
suhu maksimum absolut AWS, h) suhu maksimum absolut termometer digital, i) suhu minimum absolut
AWS, j) suhu minimum absolut termometer digital
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 158
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
Gambar 5. Sebaran suhu udara AWS dan termometer digital terhadap observasi manual bulan Desember:
a) suhu udara rata-rata AWS, b) suhu udara rata-rata termometer digital, c) suhu maksimum AWS, d)
suhu maksimum termometer digital, e) suhu minimum AWS, f) suhu minimum termometer digital, g)
suhu maksimum absolut AWS, h) suhu maksimum absolut termometer digital, i) suhu minimum absolut
AWS, j) suhu minimum absolut termometer digital
Tidak seperti variabel suhu lainnya, suhu suhu minimum absolut TD mampu
minimum absolut AWS pada bulan Agustus merepresentasikan observasi konvensional
menunjukkan sebaran data yang cukup tinggi lebih baik dibanding AWS di bulan Desember,
dengan nilai RMSE 0.667 C dan korelasi 0.834. yakni dengan RMSE 0.667 C dan korelasi 0.819
Simpangan tersebut semakin meningkat di (Gambar 5j).
Bulan Desember dimana nilai RMSE mencapai Sebaran curah hujan AWS terhadap
2.514 C dan korelasi 0.464. Terlihat adanya observasi konvensional ditunjukkan oleh
kecenderungan undervalues yang jelas untuk Gambar 6. Data curah hujan AWS memiliki pola
suhu minimum dibawah 25 C (Gambar 5i). yang menyebar (sporadis) terhadap data curah
Suhu minimum absolut TD juga menunjukkan hujan observasi. Setelah ditarik garis regresi
sebaran data yang cukup tinggi seperti suhu (best-fit line), terlihat bahwa kedua komponen
minimum absolut AWS pada bulan Agustus, ini memiliki hubungan positif, yaitu peningkatan
yakni dengan RMSE 0.677 C dan korelasi 0.777. curah hujan observasi diikuti oleh peningkatan
Meskipun demikian, simpangan dan korelasi curah hujan AWS dan sebaliknya. Namun,
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 159
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
Gambar 6. Sebaran CH AWS terhadap observasi manual: a) Bulan Agustus, b) Bulan Desember
Analisis korelasi menunjukkan nilai simpangan ±0.5 C yang lebih besar dibanding
keterkaitan curah hujan AWS terhadap TD.
observasi lebih tinggi di bulan Desember
dibanding Agustus, dengan r masing-masing Tabel 1. Persentase selisih suhu Bulan Agustus
bulan adalah 0.742 dan 0.633. Akan tetapi, Suhu Udara Selisih ±0.5 C (%)
simpangan rata-rata curah hujan menunjukkan Rata2 AWS 93.5
nilai yang lebih tinggi di bulan Desember yakni Rata2 TD 16.7
sebesar 25.358 mm dibanding bulan Agustus Maksimum AWS 77.4
9.688 mm. Hal tersebut dipengaruhi oleh Maksimum TD 29.0
perbedaan curah hujan dan periode musim, Minimum AWS 80.6
dimana curah hujan bulan Desember yang Minimum TD 13.3
termasuk ke dalam musim penghujan lebih Maksimum Abs
tinggi dibanding curah hujan bulan Agustus 54.8
AWS
yang masih termasuk musim kemarau. Maksimum Abs
48.4
TD
3.3 Distribusi Frekuensi Selisih Data Minimum Abs
Otomatis dan Konvensional 45.2
AWS
Distribusi frekuensi selisih data suhu Minimum Abs
udara AWS dan TD terhadap observasi 74.2
TD
konvensional di Bulan Agustus ditunjukkan oleh
Gambar 7a dan 7b. Rentang selisih suhu udara Tabel 2. Persentase selisih suhu Bulan
AWS berkisar antara -2 sampai 3.5 C, rentang Desember
selisih tertinggi berasal dari suhu maksimum Suhu Udara Selisih ±0.5 C (%)
harian, yakni 3.5 C lebih tinggi dari observasi Rata2 AWS 67.7
konvensional. Selisih suhu udara TD berkisar Rata2 TD 22.6
antara -3.5 hingga 3.5 C, dengan rentang selisih Maksimum AWS 90.3
tertinggi berasal dari suhu maksimum dan Maksimum TD 19.4
minimum. Persentase selisih data suhu udara Minimum AWS 51.6
pada rentang ±0.5 C juga disajikan pada Tabel Minimum TD 22.6
1. Data AWS menunjukkan proporsi data dengan
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 160
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
Gambar 7. Selisih Data Suhu Udara dan Curah Hujan Otomatis terhadap Data Konvensional: a) selisih
suhu udara AWS Agustus , b) selisih suhu udara termometer digital Agustus, c) selisih suhu udara AWS
Desember, d) selisih suhu udara termometer digital Desember, e) selisih CH Agustus, f) selisih CH
Desember
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 161
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
Distribusi frekuensi selisih data curah (WMO, 2006). Semakin tinggi intensitas hujan
hujan AWS terhadap observasi konvensional di nilai eror dapat bernilai lebih tinggi.
Bulan Agustus dan Desember ditunjukkan oleh
Gambar 7e dan 7f. Rentang selisih curah hujan 4. KESIMPULAN
di bulan Agustus berkisar antara -10 sampai 40 Berdasarkan hasil penelitian dan
mm, sedangkan selisih curah hujan di Bulan analisis yang telah dilakukan, maka dapat
Desember berkisar antara -100 sampai 25 mm. diperoleh kesimpulan sebagai berikut (1) Data
Sebanyak 61.3% data curah hujan AWS di Bulan suhu udara dan curah hujan dari pengamatan
Agustus memiliki selisih ±5 mm terhadap data otomatis menunjukkan hubungan korelasi
observasi. Presentase tersebut lebih tinggi positif terhadap data observasi manual. (2)
dibanding Bulan Desember, dimana 51.6% Pengukuran suhu udara AWS memiliki
datanya memiliki selisih ±5 mm terhadap data kecenderungan undervalues terhadap data
observasi konvensional. observasi, sedangkan termometer digital
memiliki kecenderungan overvalues. (3) Data
3.4 Pembahasan AWS mampu merepresentasikan data observasi
Hasil analisis time series, korelasi dan manual lebih baik dibanding data termometer
eror terhadap suhu udara mengindikasikan digital di semua parameter suhu udara kecuali
adanya hubungan korelasi positif antara suhu suhu udara minimum absolut.(4) Verifikasi data
udara AWS dan termometer digital terhadap curah hujan di Bulan Agustus yang
suhu udara observasi konvensional. Nilai merepresentasikan musim kemarau
korelasi tinggi dan RMSE rendah diperoleh memberikan hasil yang lebih baik dibanding
hampir di semua parameter suhu udara kecuali bulan Desember yang merepresentasikan
suhu udara minimum dan minimum absolut. musim penghujan.
Suhu udara minimum hasil pembacaan
termometer digital menunjukkan karakteristik DAFTAR PUSTAKA
overvalues yang jelas terhadap suhu minimum
Ahmad, L. et al. (2017). Experimental
observasi. Sementara itu, suhu minimum AWS
Agrometeorologi: Automatic Weather
menunjukkan kecenderungan undervalues tetapi
Station. Experimental Agrometeorologi: A
masih berada pada rentang suhu yang dekat
Practical Manual. 83-87.
terhadap observasi.
Suhu minimum absolut dari Allard, J. et al. (2016). A Comparison of
pengukuran AWS dan termometer digital juga Temperature Data from Automated and
menunjukkan hasil yang kurang Manual Observing Networks in Georgia
merepresentasikan suhu observasi manual. and Impacts of Siting Characteristics. J.
Hasil pengamatan AWS menunjukkan Atmos. Oceanic. Technol. 33, 1473-1494.
karakteristik undervalues dari suhu minimum
Arsyad, L. (1994). Peramalan Bisnis. BPFE-
absolut dengan simpangan eror yang lebih
Yogyakarta: Yogyakarta.
tinggi di bulan Desember. Sementara itu, suhu
minimum absolut dari termometer digital masih Badan Meteorologi Klimatologi dan Geofisika
menunjukkan pola overvalues, tetapi memiliki (BMKG). (2016). Peraturan KBMKG
nilai korelasi dan RMSE yang lebih baik di bulan Nomor 04 Tahun 2016 Tentang
Desember dibandingkan data AWS. Hasil Pengamaran dan Pengelolaan Data Iklim
pengukuran suhu minimum yang lebih rendah di Lingkungan BMKG. BMKG: Jakarta.
dari suhu observasi sejalan dengan penelitian
Campbellsci, (2012). Automatic Weather Station
Kharki et al (2010) di Nepal. Kondisi tersebut
(AWS) and Meteorologic Instruments,
diduga dipengaruhi oleh perbedaan sensitivitas
Diambil dari alamat website:
dan desain dari shelter cuaca (thermoplastic dan
https://s.campbellsci.com/documents/a
kayu).
u/solution-brochures/weather-system-
Analisis time series, korelasi, dan eror
category.pdf, Diakses pada 12 Maret
curah hujan menunjukkan simpangan acak yang
2022.
cukup tinggi. Kondisi tersebut diantaranya
berupa hasil pengukuran curah hujan AWS yang Chai, T., Draxler, R.R., (2014), Root mean square
lebih tinggi/lebih rendah terhadap data error (RMSE) or mean absolute error
observasi dan pengukuran curah hujan AWS (MAE)?-Arguments against avoiding
saat tidak terjadi hujan (CH Observasi = 0). RMSE in the literature, Geosci. Model Dev,
Kondisi tersebut umumnya disebabkan oleh 7, 1247–1250.
kesalahan pengukuran sistematis non-linear
yang sangat bergantung pada intensitas hujan Hanke, J.E., Wichern, D.W. (2005). Business
Forecasting. Prentice Hall: New York.
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 162
Dinda Rosyia Wibawanty, Wandayantolis, Ishak
Verifikasi Kinerja Alat Automatic Weather System (AWS) dan Termometer Digital terhadap Observasi Manual di Stasiun Klimatologi
Palembang
JRST (Jurnal Riset Sains dan Teknologi) - Vol.6 (2) 2022 - (151-163) 163