ANALISIS INDEKS KEJADIAN BADAI GUNTUR DI STASIUN METEOROLOGI CENGKARENG DENGAN METODE RAPID MINER DAN FUZZY LOGIC GUNA KESELAMATAN PENERBANGAN

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