analisis indeks kejadian badai guntur di stasiun

Seminar Nasional Teknologi Informasi dan Multimedia 2015
ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
ANALISIS INDEKS KEJADIAN BADAI GUNTUR DI STASIUN
METEOROLOGI CENGKARENG DENGAN METODE
RAPID MINER DAN FUZZY LOGIC GUNA
KESELAMATAN PENERBANGAN
Desi Novianti1), Dewi Anjani2), Ulfah Hernaeny3)
1), 2)
3)
Teknik Informatika Universitas Indraprasta PGRI
Pendidikan Matematika Universitas Indraprasta PGRI
Jl Nangka No.58 Tanjung Barat
Email : [email protected]), [email protected]), [email protected])
Abstrak
Badai Guntur (thunderstorms) merupakan fenomena
cuaca yang berbahaya dan sering terjadi di wilayah
Indonesia, termasuk berdampak buruk pula bagi
aktifitas penerbangan. Kajian mengenai potensi badai
guntur untuk wilayah Indonesia yaitu wilayah
Cengkareng, perlu dilakukan guna mengantisipasi
masalah ini .
Singkatnya durasi hidup badai guntur menyebabkan
kejadian ini sulit sekali di prediksi. Analisis indeks
stabilitas udara adalah salah satu cara yang digunakan
untuk memprediksi peluang kejadian badai guntur.
Metode Total- totals, K-Indeks dan Servere Weather
Threat (SWEAT) indeks merupakan beberapa metode
analisis indeks stabilitas udara yang dikembangkan di
daerah lintang tinggi dan sering digunakan untuk
memprediksi peluang terjadinya badai guntur di
Indonesia.
Pada penelitian ini akan dibuat pengolahan data
dengan Analisis indeks stabilitas udara berdasarkan
ketiga metode diatas, selama periode tahun 2010-2014.
Selanjutnya, dari acuan data analisis diatas, dibuatlah
verifikasi interval baru untuk memprediksi prakiraan
badai guntur tahun 2014-2015 menggunakan metode
rapid miner dan fuzzy logic.
Kata kunci: Badai Guntur, Total- Totals Indeks, K
index, SWEAT Index, Metode Fuzzy Logic dan Rapid
Miner
1. Pendahuluan
Kejadian badai Guntur
merupakan fenomena
meteorologi
yang
berdampak
besar
bagi
kehidupan.Tidak jarang fenomena ini mengakibatkan
jatuhnya korban jiwa serta kerugian material yang besar
seperti salah satu contohnya adalah kejadian badai
Guntur di Jakarta pada tanggal 16 Maret 2011, dimana
mengakibatkan 14 mobil rusak parah tertimpa pohon
Daur hidup badai Guntur menyebabkan prediksi potensi
kejadian badai guntur cukup sulit. Analisa kondisi
atmosfer pada saat kejadian badai guntur akan
membantu prakiraan cuaca dan ilmuwan dalam
menentukan kondisi atmosfer yang mendukung bagi
pertumbuhan badai guntur [4]. Perhitungan indeks –
indeks stabilitas dengan menggunakan beberapa
parameter
termo
dinamika
berguna
untuk
memperkirakan kemantapan atmosfer (atmospheric
stability).
Beberapa ahli telah mengidentifikasi indeks – indeks
kemantapan atmosfer (atmospheric stability) yang
berhubungan dengan perkembangan badai guntur .[8, 10]
Diantaranya Total – totals Index, K-indeks dan Servere
Weather Threat Index (SWEAT). Indeks – indeks
tersebut memiliki interval nilai yang mendeskripsikan
potensi terjadinya badai guntur. Namun, interval –
interval tersebut dirumuskan berdasarkan penelitian di
daerah lintang tinggi yang kondisi atmosfer dan
geografisnya berbeda dengan wilayah Indonesia.
Sehingga diperlukan penelitian lanjutan untuk
mendapatkan interval yang sesuai dengan kondisi di
wilayah Indonesia.
Pada penelitian ini, dilakukan analisis data
Radiosonde dan data pengamatan permukaan dari
Stasiun Meteorologi Cengkareng untuk menentukan nilai
interval Total – totals Index, K-indeks dan Servere
Weather Threat Index (SWEAT) pada periode tahun 2000
– 2013.
Penggunaan data dalam rentang waktu yang lebih lama
diharapkan mampu menghasilkan interval baru yang
lebih baik. Selanjutnya, dari acuan data analisis diatas,
dibuatlah verifikasi interval baru untuk memprediksi
prakiraan badai guntur tahun 2014 dan 2015
menggunakan metode rapid miner dan fuzzy logic.
Penilitian ini memiliki tujuan sebagai, menentukan
interval dari metode Total – totals Index, K-indeks dan
Servere Weather Threat Index (SWEAT) dalam
memprediksi kejadian Badai Guntur di wilayah Stasiun
Meteorologi Cengkareng berdasarkan data Radiosonde
periode tahun 2000 – 2013.
1.2-355
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
Dan memprediksi interval baru menggunakan metode
rapid miner dan fuzzy logic, dimana hasil penelitian ini
menggunakan data Radiosonde dan data pengamatan
permukaan dari stasiun meteorologi cengkareng periode
tahun 2014 dan 2015, sehingga nantinya interval baru ini
dapat diinformasikan kepada para prakirawan yang
bekerja di lingkungan Badan Meteorologi Klimatologi
dan Geofisika (BMKG) dalam memprediksi kejadian
badai
guntur
kedepannya,
guna
keselamatan
penerbangan di wilayah kepulauan Indonesia khususnya.
Badai guntur dapat terjadi dikarenakan hal- hal sebagai
berikut :
a. Pemanasan konvektif yang menyebabkan udara
menjadi lembab diatas permukaan yang panas.
b. Udara dingin dan lembab melintas diatas
permukaan laut yang hangat.
c. Udara dalam keadaan tidak mantap dan
kelembaban tinggi terdorong oleh adanya suatu
gaya sehingga sangat mudah bergerak ke atas.
Indonesia merupakan negara kepulauan yang
menerima radiasi matahari dalam jumlah besar dan
melepaskan panas laten kondensasi dalam jumlah besar
pada saat pembentukan awan cumulus atau awan guruh
(thunder- could). Dikawasan lintang menengah hingga
lintang tinggi, badai guntur terjadi pada akhir musim
dingin hingga awal musim panas, sedangkan di
Indonesia dapat terjadi disembarang waktu tetapi lebih
sering terjadi pada musim peralihan
Daur hidup badai guntur secara umum terbagi dalam 3
(tiga) tahap yaitu :
a. Tahap tumbuh (Cumulus Stage)
Tahap tumbuh ditandai dengan munculnya awan
pertama yang tumbuh menjadi besar yang disebut
dengan awan Cumulus. Pada tahap ini didalam
awan terjadi gerak vertical yang sangat kuat dan
mencapai kondisi maksimum di puncak awan.
Kecepatan naik maksimum sebesar 1 km/menit
yang terdapat dibagian atas. Ketinggian awan
pada tahap ini dapat mencapai 5- 6 km dari
permukaan bumi dan pada puncaknya terdapat
gerakan yang tidak teratur atau golak galik. Umur
tingkat muda sangat singkat hanya berkisar 30
menit.
b.
Tahap Matang
Tahap matang ditandai dengan adanya arus udara
naik ( up draft) dan arus udara turun (down draft).
Arus naik paling kuat terletak dibagian tengah
awan pada ketinggian sekitar 6- 7 km. Pada
bagian ini kecepatan naik mencapai 11.5km/menit, sedangkan pada bagian lain terjadi
arus turun. Arus turun tercepat terletak dibagian
bawah awan dengan kecepatan turun mencapai
0.8 -1 km/menit. Bagian inilah yang paling
berbahaya bagi penerbangan, karena dapat
menyebabkan pesawat yang berada dibawah
bagian ini jatuh atau terperosok. Tahap ini
ditandai pula dengan adanya hujan lebat, kilat,
guntur dan pada kasus tertentu menghasilkan
hujan es. Hujan lebat yang terjadi umumnya
berdurasi singkat antara 15 – 30 menit, sedangkan
kilat terjadi akibat adanya gesekan antar molekul
antara butir es di dalam awan yang akan
menghasilkan loncatan muatan jika muatan
listriknya sangat besar.
c.
Tahap Punah
Tahap punah didominasi oleh arus udara turun
yang meluas keseluruh bagian sel awan. Suhu
udara di dalam sel akan sama dengan
disekitarnya[6]. Tinggi dasar awan perlahan
menghilang dan meninggalkan bagian awan yang
paling tinggi berbentuk rata (Cirrus). Aktifitas
awan semakin melemah yang ditandai hujan yang
mulai mereda menjadi gerimis dan pada akhirnya
awan menjadi mati atau hilang.
Daur hidup sel badai guntur mulai dari tumbuh
kemudian menjadi matang dan pada akhirnya mati
berlangsung selama sekitar 2 jam.
Umumnya
para
ahli
cuaca
dalam
memprakirakan cuaca mempertimbangkan proses
dinamika atmosfer yang didukung dengan kondisi
kemantapan atmosfer (atmospheric stability). Beberapa
literature menyatakan bahwa dalam memperdiksi
kemungkinan terjadinnya badai guntur dapat di gunakan
beberapa metode indeks kemantapan atmosfer,
diantaranya model Total – Total Indeks, K-indeks dan
Severe Weather Threat Index (SWEAT).
Metode
K-indeks
menghitung
potensi
terjadinya badai guntur berdasarkan laju susut suhu
secara vertical, kandungan kelembaban udara di lapisan
bawah dan perkembangan lapisan udara lembab secara
vertikal. Perbedaan suhu antara lapisan 850 dan 500 mb
digunakan untuk menentukan laju susut suhu secara
vertikal.
Sementara itu, suhu titik embun lapisan 850 mb
mengindikasikan kandungan uap air dilapisan bawah
sedangkan selisih nilai suhu 700 mb dan titik embunnya
mengindikasikan perkembangan lapisan udara lembab
secara vertikal. Nilai K-indeks dengan rumus sederhana
menggunakan suhu dan suhu titik embun pada lapisan
atmosfer yang berbeda.[7]
KI = (T850 – T500) + TD 850 – (T700 – TD700)......(1)
Keterangan :
KI
= K-indeks
T850
= Suhu lapisan 850 mb (0C)
T700
= Suhu lapisan 700 mb (0C)
T500
= Suhu lapisan 500 mb (0C)
TD850
= Suhu titik embun lapisan 850 mb (0C)
TD700
= Suhu titik embun lapisan 700 mb (0C)
1.2-356
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
KI Indeks
< 15
15 – 20
21 – 25
26 – 30
31 – 35
36 – 40
>40
S
= Sin(arah angin lapisan 500 mb – arah angin
lapisan 850 mb)
Tabel 1 Kriteria KI
Kemungkinan terjadinya TS
0%
<20%
20 – 40%
40 – 60%
60 – 80%
80 – 90%
Mendekati 100%
Indeks Total – totals digunakan untuk
mengindentifikasi daerah yang berpotensi terbentuk
badai guntur. Indeks ini terdiri dari dua komponen utama
yaitu Vetical Totals (VT) dan Cross Totals (CT). VT
mempresentasikan lapse rate vertikal yang dihitungkan
berdasarkan perbedaan suhu antara lapisan 850 mb dan
500 mb. Sedangkan CT dihitung hampir serupa dengan
VT tetapi dengan menggunakan suhu titik embun lapisan
850mb, sehingga TT merupakan perhitung hampir
serupa dengan VT tetapi dengan menggunakan suhu titik
embun lapisan 850mb, sehingga TT merupakan
perhitungan stabilitas statis dan kelembaban bawah. [3]
TT = T850 + TD850 – 2 T500................... (2)
Keterangan :
TT
= Total – totals indeks
VT
= Vertical Totals
CT
= Cross Totals
T850
= Suhu lapisan 850 mb (0C)
T500
= Suhu lapisan 500 mb (0C)
TD850
= Suhu titik embun lapisan 850 mb
(0C)
TT ≥ 44
TT ≥ 50
TT ≥ 55
Tabel 2 Kriteria TT
Kemungkinan terjadi badai guntur
Kemungkinan terjadi badai guntur hebat
Banyak terjadi badai guntur
TT baik digunakan sebagai predictor tunggal dalam
memprediksi aktifitas kekuatan badai guntur baik pada
kondisi udara panas maupun udara dingin [3].
Total – totals merupakan predictor tunggal yang paling
baik yang paling baik yang menunjukkan nilai korelasi
yang tinggi terhadap intesitas aktditas konvektif.[5]
Severe Weather Threat Index (SWEAT) dengan
menggunakan kombinasi Total – totals Indeks, suhu titik
embun pada lapisan 850 mb serta kecepatan angin pada
lapisan 850 mb dan 500 mb dalam memprediksi badai
guntur hebat maupun tornado.
Rumus SWEAT adalah sebagai berikut :
SWEAT= 12TD850+20(TT49)2F850+F500+125(S + 0.2)
...................(3)
Keterangan :
TT
= Total – totals indeks
T850
= Suhu lapisan 850 mb (0C)
F850
= Kecepatan angin pada lapisan 850 mb (knot)
F500
= Kecepatan angin pada lapisan 500 mb (knot)
Pada rumus diatas terdapat beberapa ketentuan yaitu
jika:
1. TD850 < 0, diabaikan atau dibuat menjadi 0
2. TT < 49, diabaikan atau dibuat menjadi 0
3. 125 (S+0.2) dibuat menjadi 0 jika syarat- syarat
berikut tidak terpenuhi :
a) Arah angin lapisan 850 mb dari 130- 2500
b) Arah angin lapisan 500 mb dari 210- 3100
c) Arah angin 500 mb dikurangi arah angin 850
mb bernilai positif
d) Kecepatan angin dilapisan 850 dan 500 mb
bernilai ≥ 15 knot
Tabel3 Kriteria
Subtropik
Nilai Indeks
170- 230
231- 250
>250
SWEAT
Indeks
Untuk
Wilayah
Kriteria
Pertumbuhan awan Cumulus
Kemungkinan Terjadi TS
Kemungkinan Terjadi TS Hebat
Fuzzy logic
konsep sistem logika fuzzy adalah:
1. Himpunan tegas, adalah nilai keanggotaan suatu item
dalam suatu himpunan tertentu.
2. Himpunan fuzzy, adalah suatu himpunan yang
digunakan untuk mengatasi kekakuan dari himpunan
tegas.
3. Fungsi keanggotaan, memiliki interval 0-1
4. Variabel linguistik, adalah suatu variable yang
memiliki nilai berupa kata-kata yang dinyatakan
dalam bahasa alamiah dan bukan angka.
5. Operasi dasar himpunan fuzzy, adalah operasi untuk
menggabungkan dan atau memodifikasi himpunan
fuzzy.
6. Aturan (rule) if-then fuzzy adalah suatu pernyataan
if-then, di mana beberapa kata-kata dalam pernyataan
tersebut ditentukan oleh fungsi keanggotaan.
Dalam proses pemanfaatan logika fuzzy, hal yang
perlu diperhatikan adalah cara mengolah input menjadi
output melalui sistem inferensi fuzzy. Inferensi fuzzy
metode atau cara untuk merumuskan pemetaan dari masukan yang diberikan kepada sebuah output. Proses ini
melibatkan: fungsi keanggotaan, operasi logika, serta
aturan IF-THEN. Hasil dari proses ini akan
menghasilkan sebuah sistem yang disebut Sistem
Inferensi Fuzzy (FIS). Pada logika fuzzy, tersedia
beberapa jenis FIS, antara lain Mamdani, Sugeno dan
Tsukamoto.
Metode Sugeno memiliki dua model, yaitu
Orde 0 dan Orde 1. Pada Orde 0, rumusnya adalah:
IF (x1 is a1) ° (x2 is A2) °…°(xn is An)
THEN z= k,
dengan Ai adalah himpunan fuzzy ke i sebagai antaseden
(alasan), ° adalah operator fuzzy (AND atau OR) dan k
1.2-357
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
merupakan konstanta tegas sebagai konsekuen
(kesimpulan). Sedangkan rumus Orde 1 adalah:
IF (x1 is a1) ° (x2 is A2) °…°(xn is An)
THEN z = p1*x1+…+pn*xn+q,
dengan Ai adalah himpunan fuzzy ke i sebagai
antaseden, ° adalah operator fuzzy (AND atau OR), pi
adalah konstanta ke i dan q juga merupakan konstanta
dalam konsekuen.
RapidMiner
Rapid Miner merupakan perangkat lunak yang dibuat
oleh Dr. Markus Hofmann dari Institute of Technology
Blanchardstown dan Ralf Klinkenberg dari rapid-i.com
dengan tampilan GUI (Graphical User Interface)
sehingga memudahkan pengguna dalam menggunakan
perangkat lunak ini. Perangkat lunak ini bersifat open
source dan dibuat dengan menggunakan bahasa Java di
bawah lisensi GNU Public License dan Rapid Miner
dapat dijalankan di sistem operasi manapun . Dengan
menggunakan Rapid Miner, tidak dibutuhkan
kemampuan koding khusus, karena semua fasilitas sudah
disediakan.
Rapid Miner dikhususkan untuk penggunaan data
mining. Model yang disediakan juga cukup lengkap,
seperti model Bayesian Modelling, Tree Induction,
Neural Network dan lain-lain.
Pohon keputusan adalah model prediksi menggunakan
struktur pohon atau struktur berhirarki. Konsep dari
pohon keputusan adalah mengubah data menjadi pohon
keputusan dan aturan-aturan keputusan.
Manfaat utama dari penggunaan pohon keputusan adalah
kemampuannya
untuk
mem-break
down proses
pengambilan keputusan yang kompleks menjadi lebih
simpel sehingga pengambil keputusan akan lebih
menginterpretasikan solusi dari permasalahan. Pohon
Keputusan juga berguna untuk mengeksplorasi data,
menemukan hubungan tersembunyi antara sejumlah
calon variabel input dengan sebuah variabel target.
Pohon keputusan memadukan antara eksplorasi data dan
pemodelan, sehingga sangat baik sebagai langkah awal
dalam proses pemodelan bahkan ketika dijadikan sebagai
model akhir dari beberapa teknik lain.
Kelebihan dari metode pohon keputusan adalah:
a. Daerah pengambilan keputusan yang sebelumnya
kompleks dan sangat global, dapat diubah menjadi
lebih sederana dan spesifik.
b. Eliminasi perhitungan-perhitungan yang tidak
diperlukan, karena ketika menggunakan metode
pohon keputusan maka sample diuji hanya
berdasarkan kriteria atau kelas tertentu.
c. Fleksibel untuk memilih fitur dari internal node
yang berbeda, fitur yang terpilih akan membedakan
suatu kriteria dibandingkan kriteria yang lain dalam
node yang sama. Kefleksibelan metode pohon
keputusan ini meningkatkan kualitas keputusan yang
dihasilkan jika dibandingkan ketika menggunakan
d.
metode penghitungan satu tahap yang lebih
konvensional
Dalam analisis multivariat, dengan kriteria dan kelas
yang jumlahnya sangat banyak, seorang penguji
biasanya perlu untuk mengestimasikan baik itu
distribusi dimensi tinggi ataupun parameter tertentu
dari distribusi kelas tersebut. Metode pohon
keputusan
dapat
menghindari
munculnya
permasalahan ini dengan menggunakan criteria yang
jumlahnya lebih sedikit pada setiap node internal
tanpa banyak mengurangi kualitas keputusan yang
dihasilkan.
2. Pembahasan
Dari pengambilan data di meteorologi Klimatologi dan
Geofisika (BMKG) Cengkarang, Jakarta. Data yang
didapat adalah :
a.
b.
c.
d.
e.
f.
g.
h.
i.
j.
T850 = Suhu lapisan 850 mb (0C)
T700 = Suhu lapisan 700 mb (0C)
T500 = Suhu lapisan 500 mb (0C)
TD850= Suhu titik embun lapisan 850 mb (0C)
TD700= Suhu titik embun lapisan 700 mb (0C)
TD500= Suhu titik embun lapisan 500 mb (0C)
F850 = Kecepatan angin pada lapisan 850 mb (knot)
F700 = Kecepatan angin pada lapisan 700 mb (knot)
F500 = Kecepatan angin pada lapisan 500 mb (knot)
Cuaca dan curah hujan
Data diatas, diambil dari juni 2010 sampai dengan juni
2014.
Data yang telah didapat diproses, dengan tahapan :
a. Melakukan perhitungan K- Indeks untuk
menentukan potensi terjadinya badai guntur pada
juni 2010 – juni 2014. Perhitungan K- Indeks telah
selesai dilaksanakan, potensi badai guntur sudah
didapat.
b. Melakukan perhitungan Total-total Indeks, untuk
mengindentifikasi daerah yang berpotensi terbentuk
badai Guntur. Perhitungan Total-total Indeks telah
selesai dilaksanakan, daerah yang berpotensi
terbentuk badai guntur sudah didapat.
c. Melakukan
perhitungan
SWEAT
untuk
memprediksi badai guntur hebat maupun tornado.
d. Melakukan pengolahan data dengan rapid miner dan
fuzzy logic.
RapidMiner digunakan membentuk interval
dimana didapat data sebagai berikut :
KI > 32.650
| KI > 33.750
| | SWEAT > 189.945
| | | KI > 35.950: NO {NO=8, Y=0}
| | | KI ≤ 35.950
| | | | SWEAT > 257.821: Y {NO=1, Y=1}
| | | | SWEAT ≤ 257.821: NO {NO=2, Y=0}
| | SWEAT ≤ 189.945
| | | TT > 44.150: Y {NO=1, Y=3}
| | | TT ≤ 44.150: NO {NO=2, Y=0}
1.2-358
baru,
Seminar Nasional Teknologi Informasi dan Multimedia 2015
ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
| KI ≤ 33.750: Y {NO=0, Y=2}
KI ≤ 32.650: NO {NO=11, Y=0}
Gambar 2. Aturan 1-18 hasil dari fuzzy logic
Dibawah ini adalah contoh tabel dari analisis fuzzy,
dimana dengan metode fuzzy tingkat prediksi badai
guntur hampir 78% sama dengan TS yang sebenarnya.
Tabel4. Contoh Data TT, KI, SWEAT menggunakan
Fuzzy Logic
Gambar 1. hasil dari rapid miner tahun 2
Dari hasil proses rapidminer, maka didapat interval baru
untuk terjadinya badai Guntur yaitu, terjadi badai gantur
apabila nilai :
TT >=43, KI >=34 dan Sweat <=155 atau sweat >222
Setelah didapat interval yang baru, kemudian data diolah
menggunakan metode fuzzy logic Sugeno, Penelitian
diawali dengan pengelompokan masing-masing variabel
menjadi tiga himpunan, dengan masing-masing
himpunan memiliki rentang nilai tertentu. Karena
menggunakan operator AND, maka penentuan nilai
keanggotaan (α-predikat) dilakukan dengan mengambil
nilai minimum dari hasil operasi pembentukan aturan
fuzzy. Rumusan fungsi keanggotaan :
Untuk bahu kiri :
Untuk segitiga :
Untuk bahu kanan
Dengan rumusan tersebut maka didapat aturan sebanyak
84 aturan untuk memprediksi badai guntur.
3. Kesimpulan
Berisi berbagai kesimpulan yang di ambil berdasarkan
penelitian yang telah dilakukan.Berisi pernyataan singkat
tentang hasil yang disarikan dari pembahasan. Saran
dapat dituliskan pada bagian paling akhir.
Dari penelitian ini dapat disimpulkan bahwa:
a. Penelitian
ini
memprediksi
interval
baru
menggunakan metode rapid miner dan fuzzy logic,
dimana hasil penelitian ini menggunakan data
Radiosonde dan data pengamatan permukaan dari
stasiun meteorologi cengkareng periode tahun 2014
dan 2015, sehingga nantinya interval baru ini dapat
diinformasikan kepada para prakirawan yang
bekerja di lingkungan Badan Meteorologi
Klimatologi dan Geofisika (BMKG) dalam
memprediksi kejadian badai guntur kedepannya,
guna keselamatan penerbangan di wilayah
kepulauan Indonesia khususnya.
b.
Dengan hasil yang telah didapat, maka akan
terciptalah sebuah perangkat lunak olahan baru yang
dapat berfungsi memprediksi indeks badai guntur
kedepannya.
Diharapkan nantinya akan menjadi sebuah software
yang open source. Dan dapat dimanfaatkan dalam dunia
1.2-359
Seminar Nasional Teknologi Informasi dan Multimedia 2015
ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
pendidikan terutama pembelajaran fisika untuk siswa
dan guru menegah (SMP) dan siswa menengah atas
(SMA).
Pendidikan Matematika, lulus tahun 2010. Saat ini
menjadi Dosen di Universitas Indraprasta
Daftar Pustaka
[1] Agusnaba. “Belajar Cepat Fuzzy Logic Menggunakan Matlab”.
Yogyakarta : Andi. 2009
[2] Alford P, “Tropical Area Prediction System (TLAPS) Guide.
BMTC”, Melbourne. 1992
[3] AWS/TR-79/006, “The Use Of The Skew T, Log P Diagram In
Analysis and Forecasting”. Air Weather Service, Illinois. 1979
[4] Bayong Tjasyono H.K dan Ir. Sri Woro B.Harijono, M.Sc.
Meteorologi Indonesia Volume 2 Awan dan Monsum. Badan
Meteorologi Klimatologi dan Geofisika, Jakarta 2006.
[5] Bonner, W. D., R. M. Reap dan J. E. Kemper. Preliminary
Results on Serve Storm
Prediction by Sreening Regression
Using Forecast Predictions. Meteor. Soc., pp. 36-41, 1971.
[6] Byers, H.R. General Meteorology. Third Edition, Mc.Graw-Hill
Book Company Inc.1959.
[7] George, J.J., dkk. Weather Forecasting for Switzerland.
Academic Press, New York. 1960.
[8] Huntrieser H., Schiesser H., Schmid W., Waldvogel A.
Comparison of Traditional And Newly Develop Thunderstorm
Indices for Switzerland. Weather and Forecasting Vol. 12 pp. 108
– 125. 1997
[9] Marinaki, A., M. Spiliotopoulos dan H. Michalopoulou.
Evaluation of Atmospheric Instabillity Indices in Greece.
Advances in Geosciences ( 2006 ) pp. 131 – 135.
[10] Miller, R.C. Notes in Analysis and Severe Storm Forecasting
Procedures of the Air Force Global Weather Central. 1972 Air.
[11] Rapid Miner 5.0 user Manual Books. 2010
[12] Soepangkat, 1994. Pengantar Meteorologi. Balai Pendidikan dan
Latihan Meteorologi dan Geofisika, Jakarta 1994.
[13] Sturges, H. 1926. The Choice of a Class – Interval. J. Amer.
Stastist. Assoc. (1926), Vol 21 pp.65 – 66.
[14] Wirjohamidjojo, Soerjadi. Meteorologi Praktik. Badan
Meteorologi dan Geofisika, Jakarta 2006.
[15] Wirjohamidjojo, Soerjadi dan Mezak A. Ratag. . Kamus Istilah
Meteorologi Aeronautik. Badan Meteorologi dan Geofisika,
Jakarta 2007.
[16] Zakir, Achmad, Widada Sulistya dan Mia Khusnul Khotimah.
Perspektif
[17] Operasional Cuaca Tropis. Badan Meteorologi Klimatologi dan
Geofisika, Jakarta 2010.
Biodata Penulis
Desi Novianti, memperoleh gelar Sarjana Teknik
Informatika
(S.T),
Jurusan
Teknik
InformatikaUniversitas Gunadarma, lulus tahun 2006.
Memperoleh
gelar
Magister
Teknik
Elektro
Telekomunikasi (M.T) Program Pasca Sarjana Magister
Teknik Elektro Universitas Gundarma, lulus tahun 2009
.Saat ini menjadi Dosen di Universitas Indraprasta PGRI
Dewi Anjani, memperoleh gelar Sarjana Komputer
(S.Kom), Jurusan Teknik Informatika Universitas
Indraprasta PGRI, lulus tahun 2009. Memperoleh gelar
Magister Komputer (M.Kom) Program Pasca Sarjana
Magister Manajemen Information Sistem , lulus tahun
2012.Saat ini menjadi Dosen di Universitas Indraprasta
PGRI .
Ulfah Hernaeny, memperoleh gelar Sarjana Pendidikan
Matematika (S.Pd), Jurusan Pendidikan Matematika,
lulus tahun 2006. Memperoleh gelar Magister
Pendidikan (M.Pd) Program Pasca Sarjana Magister
1.2-360