TIM REDAKSI BULETIN METEO NGURAH RAI
KATA PENGANTAR
Pelindung Kepala Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali Erasmus Kayadu, S.Si, M.Si
Puji syukur kami panjatkan ke hadirat Tuhan Yang Maha Kuasa atas diterbitkannya Buletin Meteo
Penasehat
Ngurah Rai edisi Februari 2015 ini. Pembuatan buletin
Drs. A.A. Gede Trikumara S.
ini dilakukan sebagai ikhtiar untuk mengevaluasi
Pande Putu Pardana Ni Wayan Siti, S.Sos
sekaligus menginformasikan kejadian cuaca khususnya
Pemimpin Redaksi
di lingkup Bandara I Gusti Ngurah Rai selama kurun
Agus Yarcana Wakil Pemimpin Redaksi Decky Irmawan, SE, M. Kom Dewa Gede Agung Mahendra, S. Kom
waktu sebulan terakhir. Penerbitan buletin ini diharapkan dapat memberi nilai tambah kepada masyarakat terutama kepada
Sekretaris Redaksi Agit Setiyoko, S.T Ni Made Dwi Jayanti, S. Kom Tim Redaksi
pengguna layanan cuaca penerbangan. Seperti sebuah awal, tentu saja masih diperlukan
Sangsang Firmansyah, SP
perbaikan di sana-sini. karenanya saran dan kritik
Muh. Khamdani, SP
membangun diperlukan guna menjadikan kualitas
Tatang Hadi Suprobo, SH, SP Devi Ardiyansah, SP
buletin ini ke depan menjadi semakin baik.
I Putu Sumiana, S.Si Kadek Sumaja, S.Si Tim Percetakan/Distributor I Wayan Subakti, A.Md Putri Kusumastuti, A.Md
Badung, Februari 2015
Kadek Winasih, A.Md
Kepala Stasiun Meteorologi Kelas I
Devi Dwita Meiliza, SE
Bandar Udara Ngurah Rai Bali Alamat Redaksi Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali Gedung GOI Lt. II Bandara Ngurah Rai Denpasar Bali 80361 Telp. 03619359754
Erasmus Kayadu, S.Si, M.Si
Fax. 03619351124
NIP. 196102121984031001
Email :
[email protected] Website www.ngurahrai,bali.bmkg.go.id
1
DAFTAR ISI
TIM REDAKSI BULETIN METEO NGURAH RAI .............................................................. 1 KATA PENGANTAR ......................................................................................................... 1 DAFTAR ISI...................................................................................................................... 2 I. DAFTAR ISTILAH .......................................................................................................... 4 II. PENDAHULUAN........................................................................................................... 8 III. ANALISIS DINAMIKA ATMOSFER DAN LAUT ..........................................................10 A. ENSO (El Nino Southern Osclation).........................................................................10 B. MJO (Madden-Jullien Oscilation) .............................................................................11 C. Sirkulasi Monsun .....................................................................................................13 D. Suhu Muka Laut.......................................................................................................15 IV. PROFIL PARAMETER CUACA STASIUN METEOROLOGI KELAS I BANDAR UDARA NGURAH RAI BALI ............................................................................................17 A. Curah Hujan.............................................................................................................17 B. Suhu Udara..............................................................................................................17 B.1 Suhu Udara Rata-Rata Harian............................................................................17 B.2 Suhu Udara Maksimum ......................................................................................18 B.3 Suhu Udara Minimum.........................................................................................18 C. Kelembaban Udara..................................................................................................19 D. Tekanan Udara........................................................................................................20 E. Penyinaran Matahari................................................................................................ 21 F. Penguapan Air .........................................................................................................21 G. Arah dan Kecepatan Angin Permukaan...................................................................22 H. Keadaan Visibility dan Cuaca Bermakna .................................................................23 I. Crosswind, Headwind dan Tailwind ...........................................................................23 V. EVALUASI KINERJA STASIUN METEOROLOGI KELAS I BANDAR UDARA NGURAH RAI BALI..........................................................................................................................26 A. Evaluasi Kinerja Tiap Kelompok...............................................................................26
2
B. Verifikasi Prakiraan Cuaca .......................................................................................31 C. Evaluasi Kunjungan Website ...................................................................................32 VI. PENENTUAN PRODUK RADAR CUACA PALING TEPAT UNTUK MEMBUAT PERINGATAN
DINI
CUACA
EKSTRIM
DENGAN
MENGGUNAKAN
METODE
ANALYTICAL HIERARCY PROCESS (AHP)...................................................................33 I. PENDAHULUAN .......................................................................................................33 II. TINJAUAN PUSTAKA .............................................................................................. 34 2.1 Fenomena Cuca Ekstrim.....................................................................................34 2.2 RADAR Cuaca...................................................................................................34 2.3 Metode AHP (Analytical Hierarcy Process) .........................................................35 III. METODE PENELITIAN ........................................................................................... 36 IV. HASIL DAN PEMBAHASAN ...................................................................................37 4.1 Uji Konsistensi Hasil Perbandingan Kriteria ........................................................37 4.2 Uji Konsistensi Hasil Perbandingan Alternatif......................................................39 4.3 Penentuan Prioritas Matriks Perbandingan Kriteria ...........................................39 4.4 Penentuan Prioritas Matriks Perbandingan Alternatif ..........................................42 4.5. Penentuan Alternatif Terbaik..............................................................................43 V. KESIMPULAN DAN SARAN ....................................................................................44 5.1 Kesimpulan.........................................................................................................44 5.2 Saran..................................................................................................................44 VI. DAFTAR PUSTAKA ................................................................................................ 44
3
I. DAFTAR ISTILAH
Aerodrome Warning adalah berita meteorologi yang berisi peringatan untuk berhati-hati atau mengambil langkah-langkah tertentu berkaitan dengan prakiraan akan adanya cuaca signifikan atau fenomena ekstrem di sekitar Bandar udara. AUSMI (Australian Monsoon Index) merupakan indeks yang mengukur sirkulasi monsun Australia yang terjadi dengan menghitung rata-rata angin zonal (timur barat) pada ketinggian 850 mb pada area (5oLS-15oLS, 110oBT-130oBT) (Kajikawa dkk., 2009). Indeks AUSMI bernilai positif berarti terjadi penguatan sirkulasi monsunal dengan ditandai angin paras 850 mb pada area (5oLS-15oLS, 110oBT-130oBT) cenderung bergerak dari barat, sebaliknya indeks AUSMI bernilai negatif berarti terjadi pelemahan sirkulasi monsunal dengan ditandai angin paras 850 mb pada area (5oLS-15oLS, 110oBT-130oBT) cenderung bergerak dari Timur – Tenggara. Crosswind adalah angin yang arahnya dari samping benda yang bergerak misalnya pesawat yang sedang dalam penerbangan. El Nino adalah fase negatif dari ENSO yang dicirikan dengan anomali suhu muka laut yang lebih hangat di wilayah Samudera Pasifik Ekuatorial bagian timur dibandingkan dengan di bagian baratnya dan ditandai dengan nilai SOI negatif. ENSO (El Nino Southern Oscillation) adalah fenomena interaksi lautan-atmosfer skala global dengan variabilitas interannual yang terjadi karena adanya penyimpangan (anomali) suhu muka laut di wilayah Samudera Pasifik Ekuatorial. FKLIM71 adalah formulir yang di dalamnya dicatat data klimatologi bulanan pada stasiun station meteorologi atau klimatologi. Flight Forecast adalah prakiraan cuaca untuk penerbangan yang dikumpulkan dalam satu berkas dokumen prakiraan cuaca penerbangan dan diserahkan kepada penerbang sebelum terbang. Headwind adalah angin yang bertiup dari arah depan berlawanan dengan arah benda, misalnnya pesawat yang sedang dalam penerbangan. ITCZ (Inter Tropical Convergence Zone) adalah area di sekitar wilayah tropis yang dicirikan dengan pola pumpunan (konvergensi) angin dalam skala yang luas dan dapat berpotensi terjadi cuaca buruk di sepanjang wilayah yang dilewatinya. La Nina adalah fase positif dari ENSO yang dicirikan dengan anomali suhu muka laut yang lebih hangat di wilayah Samudera Pasifik Ekuatorial bagian barat dibandingkan dengan di bagian timurnya dan ditandai dengan nilai SOI positif. 4
MET REPORT adalah singkatan dari “meteorological report”. Digunakan dalam bahasa laporan cuaca penerbangan yang menyatakan bahwa laporan yang dibuat adalah laporan rutin dari hasil pengamatan cuaca. METAR adalah kata sandi yang digunakan untuk menunjukkan bahwa sandi atau keterangan yang mengikutinya adalah informasi cuaca yang sedang berlangsung di Bandar udara. METAR dibuat secara rutin, biasanya dibuat secara berkala setiap 30 menit sekali, untuk dikirim ke atau dipertukarkan dengan Stasiun Meteorologi Penerbangan lainnya, dan/atau dikirim ke Pusat-Pusat Data dan Analisis yang ditentukan. MJO (Madden Jullian Oscillation) adalah fenomena atmosfer skala global dengan variabilitas intraseasonal yang menunjukkan potensi area konvektif kuat dan menjalar dari barat ke timur di sepanjang wilayah ekuatorial. Monsun suatu pola sirkulasi angin yang berhembus secara periodik pada suatu periode (minimal tiga bulan) dan pada periode yang lain polanya akan berlawanan. Di Indonesia dikenal dengan dua istilah monsun yaitu Monsun Asia dan Monsun Australia. Monsun Asia berkaitan dengan musim penghujan di Indonesia, sedangkan Monsun Australia berkaitan dengan musim kemarau. OLR (Outgoing Longwave Radiation) adalah energi gelombang panjang dari permukaan
bumi
yang
dipancarkan
ke
angkasa.
Nilai
besar/kecil
dari
OLR
mengindikasikan jumlah tutupan awan yang rendah/tinggi. Pilot Balon (Pibal) adalah pengukuran dan perhitungan arah dan kecepatan angin dengan pelacakan balon meteorologi menggunakan theodolite. PW (Precipitable Water) adalah banyaknya uap air yang berpotensi menjadi hujan. Siklon tropis adalah sistem tekanan rendah dengan angin berputar siklonik yang terbentuk di lautan wilayah tropis dengan kecepatan angin maksimal 34,8 (tiga puluh empat koma delapan) knots atau 64,4 (enam puluh empat koma empat) km/jam (kilometer per jam) di sekitar pusat pusaran. SOI (Southern Oscillation Index) adalah indeks yang menunjukkan aktifitas ENSO dan mengindikasikan adanya perkembangan atau intensitas kejadian El Nino atau La Nina di Samudera Pasifik. SOI dihitung berdasarkan perbedaan tekanan permukaan laut antara Tahiti dan Darwin. SPECI adalah kata sandi yang digunakan untuk menunjukkan bahwa sandi atau keterangan yang mengikutinya adalah informasi tentang adanya fenomena khusus pada suatu saat di suatu Bandar udara dan atau di sekitarnya. SPECI dibuat untuk dikirim ke
5
atau dipertukarkan dengan Stasiun Meteorologi Penerbangan lainnya, dan/atau dikirim ke Pusat-Pusat Data dan Analisis yang ditentukan. TAFOR adalah singkatan dari “terminal forecast”. Sandi meteorologi yang menunjukkan bahwa berita yang tertulis di belakangnya adalah tentang prakiraan cuaca Bandar udara. TAFOR memuat informasi tentang akan terjadinya cuaca di suatu Bandar udara pada waktu yang akan datang. Unsur cuaca yang diprakirakan meliputi angin permukaan, banglas, fenomena cuaca, awan, dan perubahan signifikan dari satu atau lebih unsur tersebut selama selang waktu prakiraan. Tailwind adalah angin yang bertiup dari arah belakang sejajar dengan arah benda, misalnya pesawat yang sedang dalam penerbangan. WYMI (Webster-Yang Monsoon Index) merupakan indeks yang mengukur sirkulasi monsun Asia yang terjadi dengan menghitung perbedaaan rata-rata angin zonal (timur barat) pada ketinggian 850 mb dan 200mb pada area (0oLU-20oLU, 40oBT-110oBT) (Webster dkk., 1992). Indeks WYMI bernilai negatif berarti terjadi penguatan sirkulasi monsunal Asia dengan ditandai angin paras 200 mb pada area (0oLU-20oLU, 40oBT110oBT) cenderung lebih besar nilainya dibanding angin paras 850mb. Sehingga dominan arah angin paras 200 mb adalah Timur Laut-Timur. Indeks WYMI bernilai positf berarti terjadi pelemahan sirkulasi monsunal Asia dengan ditandai angin paras 200 mb pada area (0oLU-20oLU, 40oBT-110oBT) cenderung lebih kecil nilainya dibanding angin paras 850mb. Sehingga dominan arah angin paras 200 mb adalah Barat Daya-Barat. WXREV adalah informasi meteorologi yang berisikan rangkuman keadaan cuaca selama 24 jam pada stasiun meteorologi atau klimatologi.
6
7
II. PENDAHULUAN
Benua maritim Indonesia yang hangat mengakibatkan banyak fenomena atmosfer skala global dan regional mempengaruhi cuaca dan iklimnya. Fenomena atmosfer ENSO (El Nino Southern Oscillation) yang terjadi di Samudra Pasifik, IOD (Indian Ocean Dipole) yang terjadi di Samudra Hindia, osilasi Madden-Jullien (Madden-Jullien Oscilation), daerah pumpunan antar tropis (Inter Tropical Convergence Zone/ITCZ) serta sirkulasi monsun Asia dan Australia adalah beberapa fenomena skala global dan regional yang mempengaruhi wilayah Indonesia. Luasnya bentangan wilayah Indonesia menyebabkan pengaruh fenomena atmosfer ini tidaklah sama di setiap wilayah. Secara umum pengaruh fenomena-fenomena tersebut dapat dilihat pada Gambar 2.1 dan 2.2 berikut :
Gambar 2.1 Pengaruh Fenomena La Nina dan IOD Positif untuk wilayah Indonesia
Gambar 2.2 Pengaruh Fenomena El Nino dan IOD Negatif untuk wilayah Indonesia
Bali adalah salah satu pulau kecil yang berada di kawasan tengah Indonesia dengan koordinat 9o0’ - 7o50’ LS dan 114o0’ - 116o0’ BT. Luas wilayah daratan Bali 8
adalah 5.636,66 km2, sedangkan luas lautannya 9.634,35 km2, terlihat bahwa luas lautan Bali dua kali lipat luas daratannya. Kondisi ini mengakibatkan keadaan cuaca dan iklim di wilayah Bali dipengaruhi oleh fenomena atmosfer seperti ENSO, MJO dan sirkulasi angin monsun Asia dan Australia. Penyampaian informasi mengenai analisa cuaca di wilayah Bali ini menjadi salah satu tugas dari Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali. Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali merupakan stasiun meteorologi yang terletak di dalam bandar udara. Selain memberikan informasi analisa keadaan cuaca wilayah Bali, juga bertugas untuk memberikan informasi cuaca untuk penerbangan di bandar udara Ngurah Rai Bali. Informasi cuaca penerbangan yang diberikan antara lain METAR, SPECI, Met Report, Special Report, Flight Forecast dan Aerodrome Warning. Informasi lain yang juga dihasilkan oleh Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai adalah informasi pengamatan cuaca synoptik dan udara atas. Semua informasi yang disampaikan ini diharapkan dapat menjadi acuan bagi jasa penerbangan pada khususnya dan masyarakat Bali pada umumnya untuk mengantisipasi perubahan cuaca yang terjadi.
9
III. ANALISIS DINAMIKA ATMOSFER DAN LAUT
Analisis dinamika atmosfer dan laut selama periode Januari 2015 akan memberikan gambaran terhadap fenomena atmosfer dominan yang mempengaruhi perubahan cuaca di wilayah Bali. Secara umum akan ditampilkan kondisi tiap-tiap fenomena atmosfer seperti ENSO, MJO, sirkulasi monsun dan suhu muka laut selama periode Januari 2015 sebagai berikut : A. ENSO (El Nino Southern Osclation) Penentuan fase ENSO dilakukan dengan melakukan analisis terhadap indeks NINO dan SOI yang mengamati perubahan kondisi atmosfer di sekitar samudra Pasifik. Indeks NINO dibagi menjadi 4, dimana tiap indeks menunjukan anomali suhu muka laut untuk wilayah yang berbeda di samudra Pasifik. Untuk wilayah Indonesia, indeks NINO yang digunakan adalah indeks NINO 3.4. Pada periode November 2014 hingga Januari 2015 indeks NINO 3.4 menunjukan nilai antara 0.5ºC s/d 1ºC. Nilai indeks ini juga menunjukan fase ENSO yang negatif dan adanya fenomena El Nino yang terjadi. Intensitas dari fenomena El Nino yang terjadi adalah El Nino lemah (Weak El Nino). Hal ini menunjukan bahwa kondisi El Nino kurang berpengaruh terhadap kondisi cuaca di sekitar wilayah Indonesia bagian Timur dan Tengah. Secara lengkap indeks NINO terlihat pada Gambar 3.1 berikut :
Gambar 3.1 Indeks NINO Tahun 2014 (Sumber : www.cpc.ncep.noaa.gov/products/precip/CWlink/MJO /enso.shtml)
10
Selain Indeks NINO 3.4, indeks yang juga harus digunakan untuk analisis ENSO adalah indeks SOI. Indeks SOI memiliki batas-batas nilai yang menunjukan ENSO fase negatif atau positif. Untuk ENSO fase negatif indeks SOI bernilai -8 atau lebih, sedangkan untuk ENSO fase postif bernilai 8 atau lebih. Nilai indeks SOI antara -8 s/d 8 adalah keadaan netral. Selama periode Januari 2015, indeks SOI rata-rata 30 harian menunjukan nilai antara -9 s/d -4. Hal ini menunjukan bahwa pada periode Januari 2015 terindikasi adanya fase ENSO negatif dan fenomena El Nino yang aktif di sekitar wilayah samudra Pasifik. Sedangkan nilai indeks SOI rata-rata 30 harian yang terakhir menunjukan nilai -7.8 yang menunjukan bahwa kondisi ENSO kembali netral. Secara lengkap perubahan indeks SOI rata-rata 30 harian terlihat pada Gambar 3.2 berikut :
Gambar 3.2 Indeks SOI Rata-Rata 30 Harian (Sumber : www.bom.gov.au/climate/enso/)
Berdasarkan indeks NINO 3.4 dan SOI tersebut dapat diketahui bahwa selama periode Januari 2015 terindikasi adanya ENSO fase negatif. ENSO fase negatif menunjukan adanya fenomena El Nino yang aktif, tapi intensitasnya masih lemah. Oleh karena itu peluang penurunan curah hujan yang disebabkan oleh fenomena El Nino di sekitar wilayah Indonesia bagian Timur dan Tengah tidak terlalu besar. B. MJO (Madden-Jullien Oscilation) Pada umumnya analisis fenomena atmosfer MJO menggunakan indikasi perubahan nilai OLR yang terjadi di sekitar area ekuator. Perubahan nilai OLR pada periode Januari 2015 yang ditampilkan dengan diagram Hovmoller terlihat seperti Gambar 3.3 berikut :
11
Gambar 3.3 Diagram Hovmoller Nilai OLR Rata-Rata 5 Harian (Sumber : www.cpc.ncep.noaa.gov/products/precip/CWlink/MJO/mjo.shtml)
Dari data OLR di atas berdasarkan letak geografis Indonesia 940 58' 21" BT-141° 01' 10"BT dapat ditentukan bahwa pada awal hingga pertengahan bulan Januari 2015 nilai OLR berkisar dari -2.5 sampai 1 dengan kata lain terdapat banyak tutupan awan di Indonesia. Nilai OLR dari pertengahan hingga akhir Januari 2015 berkisar -1 sampai dengan 0.5 yang menunjukkan jumlah tutupan awan mulai menurun di wilayah Indonesia. Untuk pergerakan MJO selama periode Januari 2015 dapat dilakukan analisis terhadap diagram fase MJO yang terlihat seperti Gambar 3.4 berikut :
Gambar 3.4 Diagram Fase MJO (Sumber : www.cpc.ncep.noaa.gov/)
Dari pergerakan MJO pada gambar di atas dapat disimpulkan bahwa MJO aktif di wilayah Indonesia pada wilayah Maritime Continent 4 dan 5 hanya pada awal Januari 2015 yaitu
12
tanggal 1 sampai 8 Januari 2015. MJO yang aktif menandakan tutupan awan yang banyak dan potensi curah hujan yang tinggi. C. Sirkulasi Monsun Pengaruh sirkulasi monsun terhadap perubahan cuaca di sekitar wilayah Indonesia bagian Tengah dan Timur dapat dianalisa pada AUSMI (Australian Monsoon Index) dan WYMI (Webster-Yang Monsoon Index). Pada periode Januari 2015 WYMI menunjukan fluktuasi yang tidak signifikan, dengan nilai antara -10 s/d 1. Pada awal hingga akhir periode Januari 2015, terlihat nilai WYMI cenderung bernilai negatif. Hal ini menunjukan terjadi penguatan sirkulasi monsunal Asia dan arah angin lapisan 5000ft (850HPa) cenderung dari Barat.. Secara lengkap fluktuasi nilai WYMI terlihat pada Gambar 3.5 berikut :
Gambar 3.5 Grafik AUSMI (Sumber : http://bcc.cma.gov.cn/)
Sedangkan pada periode Januari 2015 AUSMI menunjukan fluktuasi yang cukup signifikan, dengan nilai antara -2 s/d 10. Pada awal hingga akhir periode Januari 2015, terlihat nilai AUSMI bergerak dari negatif menuju positif. Hal ini menunjukan terjadi penurunan sirkulasi monsunal Australia dan arah angin lapisan 5000ft (850HPa) cenderung dari Barat. Secara lengkap fluktuasi nilai AUSMI terlihat pada Gambar 3.6 berikut :
Gambar 3.6 Grafik AUSMI (Sumber : http://bcc.cma.gov.cn/)
13
Berdasarkan pola angin lapisan 5000ft (850 HPa) rata-rata pada periode Januari 2015 diketahui bahwa arah angin dominan di sekitar wilayah Indonesia bagian Tengah dan Timur dari arah Barat. Angin baratan ini mengindikasikan bahwa sirkulasi monsunal Asia makin kuat pengaruhnya terhadap keadaan cuaca di wilayah tersebut. Wilayah Bali secara khusus, arah angin rata-rata dari arah Barat Daya-Barat dengan kecepatan ratarata antara 11-13 knots pada periode Januari 2014. Secara lengkap hal ini bisa dilihat pada Gambar 3.7 berikut :
Gambar 3.7 Pola Angin Lapisan 5000ft (850 HPa) Rata-Rata
Sirkulasi monsun Asia yang makin kuat juga dapat dilihat pada pola tekanan udara permukaan rata-rata pada periode Januari 2015. Terlihat bahwa tekanan udara permukaan disekitar wilayah Asia mulai meningkat, sedangkan tekanan udara permukaan disekitar wilayah Australia mulai menurun. Hal ini mengakibatkan aliran massa udara bergerak dari Benua Asia menuju Benua Australia. Untuk wilayah Indonesia, tekanan udara permukaan rata-rata pada periode Januari 2015 berkisar antara 1007-1011 HPa, khusus untuk wilayah Bali, tekanan udara permukaan rata-rata berkisar antara 1008-1009 HPa. Secara lengkap hal ini bisa dilihat pada gambar 3.8 berikut :
14
Gambar 3.8 Pola Tekanan Udara Permukaan Rata-Rata
Pada periode Januari 2015 terjadi peningkatan kandungan uap air yang signifikan di sekitar wilayah Indonesia. Berdasarkan nilai kandungan uap air di atmosfer atau Precipitable Water (PW) rata-rata diketahui bahwa kisaran nilainya antara 39-57 kg/m2. Kisaran nilai PW tersebut tergolong tinggi, sehingga pertumbuhan awan juga tinggi. Hal ini juga berlaku untuk wilayah Bali, dimana kisaran nilai PW antara 47-50 kg/m2. Secara lengkap hal ini bisa dilihat pada gambar 3.9 berikut :
Gambar 3.9 Precipitable Water (PW) Rata-Rata
D. Suhu Muka Laut Suhu muka laut pada periode Januari 2015 di wilayah Indonesia berkisar antara 27o
30.5 C. Beberapa wilayah mempunyai kisaran suhu muka laut antara 29.5-30.5oC, dimana kisaran suhu ini menunjukan potensi penguapan dan pertumbuhan awan yang signifikan. Wilayah Bali pada periode Januari 2015 mempunyai kisaran suhu muka laut
15
antara 28.5-29.5oC, dengan konsentrasi suhu muka laut yang lebih tinggi terdapat di wilayah bagian Selatan. Secara lengkap hal ini bisa dilihat pada gambar 3.10 berikut :
Gambar 3.10 Suhu Muka Laut Periode Januari 2015
16
IV. PROFIL PARAMETER CUACA STASIUN METEOROLOGI KELAS I BANDAR UDARA NGURAH RAI BALI
A. Curah Hujan Pada periode Januari 2015 tercatat jumlah hari hujan di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali sebanyak 27 hari, dengan rincian 25 hari hujan terukur dan 2 hari hujan tidak terukur (TTU). Sedangkan untuk total curah hujan pada periode Januari 2015 sebesar 316,1 mm. Berdasarkan dasarian, maka curah hujan yang tercatat dapat dikelompokan manjadi dasarian I, II dan III. Pada dasarian I tercatat adanya 8 hari hujan dengan jumlah curah hujan 49,5 mm, pada dasarian II tercatat ada 9 hari hujan dengan jumlah curah hujan 150,1 mm, sedangkan pada dasarian III tercatat ada 10 hari hujan dengan jumlah curah hujan 116,5 mm. Curah hujan tertinggi tercatat pada tanggal 15 Januari 2015. Grafik curah hujan pada periode Januari 2014 ditunjukan oleh Gambar 4.1 sebagai berikut : Grafik Curah Hujan Periode Januari 2015
Curah Hujan (mm)
60 50 40 30 20 10 0 1
3
5
7
9
11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar 4.1 Grafik Curah Hujan Periode Januari 2015
B. Suhu Udara Secara umum akan diberikan penjelasan mengenai profil suhu udara rata rata harian, profil suhu udara maksimum dan profil suhu udara minimum pada periode Januari 2015 di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Bali. B.1 Suhu Udara Rata-Rata Harian Suhu udara rata rata harian pada periode Januari 2015 berkisar antara 26,4oC– 29,1oC. Suhu udara rata-rata harian terendah terjadi pada tanggal 15 Januari 2015, sedangkan suhu udara rata-rata harian tertinggi terjadi tanggal 8 dan 10 Januari 2015.
17
Secara umum grafik suhu udara rata rata harian periode Januari 2015 dapat dilihat pada Gambar 4.2 sebagai berikut : Grafik Suhu Udara Rata-Rata Harian Periode Januari 2015
Suhu Udara (oC)
29,5 29,0 28,5 28,0 27,5 27,0 26,5 26,0 25,5 25,0 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar 4.2 Grafik Suhu Udara Rata Rata Harian Periode Januari 2015
B.2 Suhu Udara Maksimum Suhu udara maksimum pada periode Januari 2015 berkisar antara 29,1oC-31,7oC. Selama periode ini, rata-rata suhu udara maksimum tercatat sebesar 30,4oC, dengan suhu udara maksimum tertinggi terjadi pada tanggal 9 Januari 2015 dan suhu udara maksimum terendah terjadi pada tanggal 15 Januari 2015. Secara umum penggambaran tentang suhu udara maksimum pada periode Januari 2015 terlihat pada Gambar 4.3 sebagai berikut :
Suhu Udara (oC)
Grafik Suhu Udara Maksimum Periode Januari 2015 32,0 31,5 31,0 30,5 30,0 29,5 29,0 28,5 28,0 27,5 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar 3.3 Grafik Suhu Udara Maksimum Periode Januari 2015
B.3 Suhu Udara Minimum
18
Suhu udara minimum pada periode Januari 2015 berkisar antara 21,8oC–27,8oC. Selama periode ini, rata-rata suhu udara minimum tercatat sebesar 24,8oC, dengan suhu udara minimum tertinggi terjadi pada tanggal 11 Januari 2015 dan suhu udara minimum terendah terjadi pada tanggal 15 Januari 2015. Secara umum penggambaran tentang suhu udara minimum pada periode Januari 2015 terlihat pada Gambar 4.4 sebagai berikut : Grafik Suhu Udara Minimum Periode Januari 2015
Suhu Udara (oC)
30,0 25,0 20,0 15,0 10,0 5,0 0,0 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar IV.4 Grafik Suhu Udara Minimum Periode Januari 2015
C. Kelembaban Udara Kondisi kelembaban udara rata-rata harian di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali selama periode Januari 2015 berkisar antara 73–86 %. Pada periode ini kelembaban udara rata-rata harian tertinggi terjadi pada tanggal 30 dan 31 Januari 2015, sedangkan kelembaban udara rata rata harian terendah terjadi pada tanggal 8 Januari 2015. Kondisi kelembaban udara rata rata harian periode Januari 2015 ditunjukkan pada Gambar 4.5 sebagai berikut :
19
Kelembaban Udara (%)
Grafik Kelembaban Udara Rata-Rata Harian Periode Januari 2015 90 85 80 75 70 65 1
3
5
7
9
11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar IV.5 Grafik Kelembaban Udara Rata Rata Harian Periode Januari 2015
D. Tekanan Udara Tekanan udara rata-rata harian di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali selama periode Januari 2015 berkisar antara 1006,4–1012,6 HPa. Tekanan udara rata-rata harian tertinggi pada periode ini terjadi pada tanggal 21 Januari 2015, sedangkan tekanan udara rata rata terendah terjadi pada tanggal 9 Januari 2015. Secara umum profil tekanan udara rata rata harian periode Januari 2015 dapat dilihat pada Gambar 4.6 berikut : Grafik Tekanan Udara Rata-Rata Harian Periode Januari 2015 Tekanan Udara (HPa)
1014,0 1012,0 1010,0 1008,0 1006,0 1004,0 1002,0 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar 4.6 Grafik Tekanan Udara Rata Rata Harian Periode Januari 2015
20
E. Penyinaran Matahari Durasi penyinaran matahari di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali selama periode Januari 2015 berkisar antara 0-10,5 jam. Untuk rata rata bulanan durasi penyinaran matahari pada periode ini tercatat mencapai 5,8 jam. Durasi penyinaran matahari terpanjang terjadi pada tanggal 27 Januari 2015, sedangkan durasi penyinaran matahari terpendek terjadi pada tanggal 11 dan 31 Januari 2015. Secara lengkap kondisi durasi penyinaran matahari pada periode Januari 2015 dapat dilihat pada Gambar 4.7 berikut :
Penyinaran Matahari (jam)
Grafik Durasi Penyinaran Matahari Periode Januari 2015 12,0 10,0 8,0 6,0 4,0 2,0 0,0 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar 4.7 Grafik Durasi Penyinaran Matahari Periode Januari 2015
F. Penguapan Air Selama periode Januari 2015 nilai penguapan air di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali berkisar antara 2,5-11,4 mm. Nilai rata rata bulanan penguapan air pada perode ini adalah 5,4 mm. Penguapan air tertinggi terjadi pada tanggal 14 Januari 2015, sedangkan penguapan air terendah terjadi pada tanggal 18 Januari 2015. Secara umum profil penguapan air pada periode Januari 2015 dapat dilihat pada gambar 4.8 berikut :
21
Grafik Jumlah Penguapan Air Periode Januari 2015
Penguapan Air (mm)
12 10 8 6 4 2 0 1
3
5
7
9
11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar 4.8 Grafik Penguapan Air Periode Januari 2015
G. Arah dan Kecepatan Angin Permukaan Profil arah angin permukaan (10 meter) di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali pada periode Januari 2015 dapat dilhat pada windrose angin permukaan pada Gambar 4.9. Berdasarkan windrose angin permukaan tersebut diketahui bahwa arah angin permukaan dominan adalah dari arah Barat (247.5o-292.5o) dengan prosentase mencapai 43.85%. Sedangkan resultan angin yang menunjukan arah angin rata rata pada periode ini tercatat dari arah 263o dengan prosentase 78%.
Gambar 4.9
Windrose
Angin
Permukaan
Periode
Januari 2015
Profil kecepatan angin permukaan (10 meter) di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali pada periode Januari 2015 dapat dilihat pada Gambar 4.10. Terlihat bahwa kecepatan angin permukaan secara umum berkisar antara 7-11 knots 22
dengan prosentase sebesar 41.5%. Kecepatan angin permukaan maksimum tercatat terjadi pada tanggal 14 Januari 2015 pada pukul 21.00 UTC, dengan kecepatan mencapai 28 knots
Gambar 4.10 Grafik Distribusi Frekuensi Kecepatan Angin Periode Januari 2015
H. Keadaan Visibility dan Cuaca Bermakna Keadaan visibility dan cuaca bermakna di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali pada periode Januari 2015 dapat dilihat pada Tabel 4.1. Terlihat bahwa berdasarkan dasarian, maka keadaan visibility bermakna (≤ 1 KM dan ≤ 4 KM) lebih sering terjadi pada dasarian II dan III. Sedangkan keadaan cuaca bermakna guntur lebih sering terjadi pada dasarian III, keadaan cuaca bermakna hujan lebih sering terjadi pada dasarian II dan keadaan cuaca bermakna guntur dan hujan lebih sering terjadi pada dasarian III. Tabel 4.1 Tabel Keadaan Visibility dan Cuaca Bermakna Periode Januari 2015 WAKTU DASARIAN I DASARIAN II DASARIAN III JUMLAH
VISIBILITY ≤ 1 KM ≤ 4KM 2 10 2 45 7 31 11
HAZE
KABUT
GUNTUR
HUJAN
GUNTUR & HUJAN
0 0 0
0 0 0
1 1 24
43 109 32
1 1 49
0
0
26
184
51
86
I. Crosswind, Headwind dan Tailwind Informasi crosswind, headwind dan tailwind di Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali pada periode Januari 2015 dibedakan berdasarkan dasarian. Jenis
23
informasi yang diberikan berupa histogram crosswind, histogram headwind dan tailwind, prosentase crosswind kanan dan kiri serta prosentase headwind dan tailwind. Pada periode Januari 2015 histogram crosswind dapat dilihat pada Gambar 4.11. Terlihat bahwa crosswind kiri dengan kecepatan antara 2-3 knots memiliki jumlah kejadian tertinggi yang mencapai 412 kejadian. Untuk kecepatan crosswind maksimum, tercatat kecepatan crosswind kiri mencapai 8-9 knots sebanyak 1 kejadian, sedangkan kecepatan crosswind kanan mencapai 11-12 knots sebanyak 3 kejadian. Histogram Crosswind Periode Januari 2015
Frekuensi Kecepatan
600
511
500
Nilai - : Crosswind Kiri Nilai + : Crosswind Kanan
412
400
319
300 200 100 0
151
147 73 1
46
15
-8-(-9) -6-(-7) -4-(-5)
-2(-3)
-1-0
1-2
3-4
5-6
7-8
8
3
9-10
11-12
Kecepatan Crosswind (kt) Gambar 4.11 Histogram Crosswind Periode Januari 2015
Sedangkan histogram headwind dan tailwind dapat dilihat pada Gambar 4.12. Terlihat bahwa headwind dengan kecepatan antara 7-9 knots memiliki jumlah kejadian tertinggi yang mencapai 442 kejadian. Untuk kecepatan headwind maksimum, tercatat mencapai 25-27 knots sebanyak 2 kejadian. Sedangkan untuk kecepatan tailwind maksimum, tercatat mencapai 3-5 knots sebanyak 16 kejadian.
24
Frekuensi Kecepatan
Histogram Headwind dan Tailwind Periode Januari 2015 500 450 400 350 300 250 200 150 100 50 0
442
Nilai - : Tailwind Nilai + : Headwind
311 252 166
180
156
114 36
16
0
-8-(-6) -5-(-3)
-2-0
1-3
4-6
7-9
11
2
10-12 13-15 16-18 19-21 22-24 25-27
Kecepatan Crosswind (kt) Gambar 4.12 Histogram Headwind dan Tailwind Dasarian I Periode Januari 2015
Prosentase kejadian crosswind kanan dan kiri, headwind dan tailwind pada periode Januari 2015 dapat dilihat pada Gambar 4.13. Crosswind kiri memiliki prosentase kejadian tertinggi yang mencapai 40%, crosswind kanan memiliki prosentase kejadian mencapai 39%, sedangkan prosentase kejadian netral mencapai 21%. Sedangkan untuk prosentase kejadian headwind dan tailwind pada dasarian I, terlihat bahwa prosentase kejadian headwind mencapai 100% dan tidak tercatat adanya prosentase tailwind. Prosentase Crosswind Kanan dan Kiri Periode Januari 2015
Prosentase Headwind dan Tailwind Periode Januari 2015 Tailwind 4%
Crosswind Kanan 40%
Netral 7%
Crosswind Kiri 39% Headwind 89%
Netral 21%
Gambar 4.13 Grafik Prosentase Crosswind Kanan dan Kiri, Headwind dan Tailwind Periode Januari 2015
25
V. EVALUASI KINERJA STASIUN METEOROLOGI KELAS I BANDAR UDARA NGURAH RAI BALI
Evaluasi kinerja secara rutin merupakan salah satu bentuk upaya Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali untuk memenuhi sasaran kinerja berupa tersedianya informasi cuaca penerbangan secara rutin dan informasi significant meteorologi (sigmet) guna mendukung keselamatan transportasi. A. Evaluasi Kinerja Tiap Kelompok Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali memiliki tiga kelompok utama antara lain kelompok prakirawan dan pengolahan, kelompok pengamatan serta kelompok teknisi. Evaluasi tiap kelompok ini dilakukan dengan membandingkan realisasi kegiatan terhadap target awalnya. Secara umum evaluasi kinerja kelompok prakirawan dan pengolahan dapat dilihat pada Tabel 5.1, sedangkan untuk evaluasi kinerja kelompok pengamatan dapat dilihat pada Tabel 5.2. Untuk evaluasi kinerja kelompok teknisi tercatat secara lengkap pada Tabel 5.3.
26
Tabel 5.1 Evaluasi Kinerja Kelompok Prakirawan dan Pengolahan Periode Januari 2015 Sasaran Strategis Tersedianya Informasi Cuaca untuk Pener bangan secara routin dan informasi signifi cant meteorologi (sigmet) guna mendukung kesela matan transportasi
1
Indikator Kinerja PENINGKATAN PENGELOLAAN DATA A. PENGUMPULAN DATA 1 Jumlah Pengumpulan data meteorologi permukaan untuk pemetaan dan analisis tepat waktu(2 kali sehari) 2 Jumlah Pengumpulan data meteorologi udara atas untuk pemetaan dan analisis tepat waktu(2 kali sehari)6 lapiasan 3 Jumlah pengumpulan produk informasi cuaca dan prakiraan cuaca NWP,peringatan dini dari BMKG Pusat (SIGWX 2 lap,windtemp 9 lap,synergie 17 produk,setiap hari 4 Prosentase pelaporan kejadian gunung meletus dalam bentuk volkano activity report kepada Stamet Kelas I Soekarno-Hatta dan Stamet Hasanudin Makasar 5 Prosentase laporan keadaan cuaca pada saat terjadinya kecelakaan pesawat ke Kapus Meteorologi Penerbangan dan Maritim 6 Prosentase pelaporan cuaca ektrim tepat waktu 7 8 9 B. 1 2
Jumlah pembuatan evaluasi dan kajian cuaca ektrim di Bandara Ngurah Rai dan dikirim Ke BMKG Pusat Jumlah pengiriman Taf dan Taf AMD 2 jam sebelumnya dengan keakuratan 80 % Jumlah pembuatan dan pengiriman Trend setiap 30 menit secara tepat waktu PENGOLAHAN DATA Jumlah Aerodrome Climatology Summary ( ACS ) Jumlah Penatausahaan Website a. Berita Website
Target/BL
Realisasi
Prosentase
62 372
62 372
100 100
1891
1891
100
Tiap Kejadian
1
100
Tiap Kejadian 124 1488
1 124 1488
100 100 100
1
1
100
Tiap Kejadian Tiap Kejadian
1
1
100
b. Data Website
31
31
100
c. Data Log User
31
31
100
Jumlah Pengelolaan Data Base a. Degitasi me.48
2 file
2
100
b. Data Fklim 71
1 file
1
100
c. Data Arah dan Kecepatan Angin
1 file
1
100
d. Data Cuaca Khusus
1 file
1
100
e. Data Hujan
1 file
1
100
f. Data penyinaran matahari
1 file
1
100
g. Data Tekanan Udara(QFE,QFF)
1 file
1
100
h. Data Kelembaban Udara(RH)
1 file
1
100
I. Data Suhu udara
1 file
1
100
j. Data Visibility
1 file
1
100
1
PENYIMPANAN DATA Pengiriman dan penyimpanan Megasoft Fklim-71
1 file
1
100
2
Pengiriman dan penyimpanan Megasoft Intensitas Hujan
1 file
1
100
3
C.
27
3 4 5 6 7 D. 1 2 3 4 5 6 7 8 9 E. 1
2 3 4 5 6 7 8 9 10 11 12 13
Penyimpanan Megasoft Synoptik Jumlah data hasil pemodelan yg tersimpan(windtemp,SIGWX) Jumlah citra radar cuaca yang tersimpan Jumlah citra sattelite yang tersimpan Jumlah ACS yang tersimpan ANALISIS DAN PRAKIRAAN Jumlah pemetaan dan analisis cuaca synoptik 2 kali sehari Jumlah pemetaan dan analisis 6 lapisan udara atas,2 kali sehari Jumlah intepretasi produk NWP Jumlah intepretasi citra sattelite tiap jam yg digunakan untuk operasional Jumlah citra radar tiap 10 meneit yang digunakan untuk operasioanl Jumlah prakiraan cuaca kebandaraan yg dikirim via face book (00.06,12,18) utc Prosentase analisis sementara atas kejadian cuaca ektrim dan prediksi cuaca ektrim di Bandara Ngurah Rai Jumlah Tafor 10 Bandara yang menjadi kewenangan(0012,0618,1224)utc Verifikasi TAFOR WADD 4 kali sehari PELAYANAN JASA Jumlah pelaksanaan updating dan penyimpanan produk data dan informasi prakiraan cuaca secara teratur : a. Jumlah desiminasi produk prakiraan media face book b. Jumlah desiminasi produk data dan informasi dengan display c. Jumlah desiminasi prakiraan cuaca bandara media website d. Jumlah desiminasi prakiraan cuaca bandara 3 hari kedepan media website e. Prosentase desiminasi peringatan dini cuaca ektrim media website Jumlah Penyebaran Flight Forecast 8 kali sehari melalui Media website Jumlah desiminasi Trend forecast Metar Jumlah desiminasi Tafor untuk 10 bandara dalam kewenangan Prosentase pembuatan dan penyebaran informasi peringatan dini di bandara ngurah rai media website Jumlah pembuatan evaluasi dan kajian cuaca ektrim di bandara ngurah rai dan dikirim ke BMKG Pusat Jumlah pemberian dan pelaksanaan briefing cuaca penerbangan untuk pengguna,pilot,airline crew sesuai permintaan Jumlah pemberian pelayanan jasa untuk keperluan khusu (asuransi dll) Jumlah pemberian dokumen penerbangan( flight forecast ) Jumlah desiminasi Tafor WADD validity 24 jam (4 kali) sehari Jumlah desiminasi Aerodrome Warning Jumlah desiminasi informasi meteorologi melalui buletin Jumlah Pelayanan Permintaan Data
28
1 file
1
100
1364 4464 744 1 buku
1364 4388 744 1
100 98,3 100 100
62 372 1891 744 4464 124 Tiap kejadian 930 124
62 372 1891 744 4388 124 1 930 124
100 100 100 100 98,3 100 100 100 100
124 31 365 31 Tiap kejadian 248 1488 930 Tiap kejadian Tiap kejadian Tiap kejadian
124 31 31 31 12 248 1488 930
100 100 100 100 100 100 100 100
1 1
100 100
4650 124 12 1 1
100 100 100 100 100
Tiap kejadian 4650 124 Tiap kejadian 1 Tiap permintaan
Tabel 5.2 Evaluasi Kinerja Kelompok Pengamatan Periode Januari 2015 Sasaran Strategis Tersedianya Informasi Cuaca untuk Pener bangan secara routin dan informasi signifi cant meteorologi (sigmet) guna mendukung kesela matan transportasi
Indikator Kinerja A.
PENINGKATAN PENGAMATAN METEOROLOGI 1 Jumlah pengamatan meteorologi permukaan selama 24 jam dan tepat waktu. 2 Jumlah pengamatan meteorologi udara atas dgn pilot balon 3 kali sehari dan tepat waktu. 3 Jumlah data pengamatan pilot balon dengan ketinggian > 19000 ft 4 Jumlah penyandiaan data meteorologi permukaan 8 kali sehari dan tepat waktu 5 Jumlah penyandian data meteorologi udara atas pibal 3 kali sehari dan tepat waktu. 6 Jumlah pengamatan cuaca khusus radar cuaca 48 kali sehari. 7 Jumlah pengamatan cuaca khusus satelit cuaca 24 jam. 8
B.
C.
Jumlah pengamatan meteorologi permukaan menggunakan peralatan di taman alat dan landas pacu utk pelayanan penerbangan 24 jam. 9 Jumlah Penyandian data METAR tepat waktu 10 Jumlah Penyandian data SPECIAL dan Special Report tepat waktu 11 Jumlah pembuatan Local Routine Report tepat waktu 12 Jumlah entry data base BMKGsoft 24 kali sehari 13 Jumlah pembuatan wxrev tepat waktu 14 Jumlah pengamatan meteorologi selama 24 jam dan tepat waktu untuk unsur : a. Jumlah pengamatan unsur lamanya penyinaran matahari b. Jumlah pengamatan unsur suhu udara c. Jumlah pengamatan tekanan udara d. Jumlah pengamatan unsur angin e. Jumlah pengamatan unsur kelembaban udara f. Jumlah pengamatan unsur jarak pandang g. Jumlah pengamatan unsur penguapan. PENGUMPULAN DATA 1 Jumlah pengiriman berita data sandi meteorologi permukaan 8 kali sehari secara tepat waktu. 2 Jumlah pengiriman berita data sandi meteorologi udara atas pibal 3 kali sehari tepat waktu. 3 Jumlah monitoring dan kualiti kontrol pengiriman berita data meteorologi permukaan 8 kali sehari. 4 Jumlah monitoring dan kualiti kontrol pengiriman berita data meteorologi udara atas 3 kali sehari. 5 Jumlah pengiriman informasi cuaca penerbangan Metar tepat waktu tiap 30 menit 6 Jumlah pengiriman data Climat tanggal 4 setiap bulannya. 7 Jumlah pengiriman berita Local Routine Report 24 jam tepat waktu dengan pengiriman setiap 30 menit. 8 Jumlah pengiriman database BMKGsoft 9 Prosentase pengiriman Spesial Report dan Spesial secara tepat waktu PENGELOLAAN DATA 1 Jumlah pengolahan dan pengarsipan data hasil pengamatan dalam format yang telah ditetapkan : a. Me 45 b. Me 48 c. Form AB d. F Klim 71
29
Target/BL
Realisasi
Prosentase
744 93 32 248 93 1488 744
744 86 15 248 86 1488 744
100 92 47 100 92 100 100
744
744
100
1488 169 1488 744 31
1488 169 1488 744 31
100 100 100 100 100
31 744 744 744 744 744 31
31 744 744 744 744 744 31
100 100 100 100 100 100 100
248 93 248 93 1488 1 1488 744 169
244 86 248 93 1488 1 1488 744 169
98 92 100 100 100 100 100 100 100
1 1 1 1
1 1 1 1
100 100 100 100
2 3 4 5 6 7
e. Pengamatan Angin Permukaan tiap jam f. Pengamatan angin atas 1 dan 2 g. Steadyness Wind h. Metar i. Wx Rev j. Climat k. Penguapan Jumlah hasil kendali mutu data hasil pengamatan tiap jam pengamatan Jumlah pengelolaan database Jumlah data hasil pengamatan synoptik yang tersimpan Jumlah data hasil pengamatan udara atas yang tersimpan Jumlah data hasil pengamatan synoptik dan udara atas yang tersimpan Jumlah pelayanan data
1 1 1 1 1 1 1 744 744 744 93 1 23
1 1 1 1 1 1 1 744 744 744 93 1 23
100 100 100 100 100 100 100 100 100 100 100 100 100
Tabel 5.3 Evaluasi Kinerja Kelompok Teknisi Periode Januari 2015 Sasaran Strategis Tersedianya Informasi Cuaca untuk Pener bangan secara routin dan informasi signifi cant meteorologi (sigmet) guna mendukung kesela matan transportasi
Indikator Kinerja A.
Target/BL
Realisasi
Prosentase
1
1
100
93 93 93 93
93 93 93 93
100 100 100 100
1
1
100
1
1
100
1
1
100
1 2 31
1 2 31
100 100 100
10 5 31
10 5 31
100 100 100
PENINGKATAN PEMELIHARAAN 1 2
3 4 5 6 7 8 9 10 11 12 13 14 15 16
17
Daftar kelompok pengendalian peralatan teknik Pelaksanaan pemeliharaan peralatan berkala : a. Alat Konvensional b. Alat Modern c. Alat elektronik sederhana Pelaksanaan pemeliharaan fasilitas penunjang Pelaksanaan perbaikan peralatan Pelaksanaan monitoring peralatan dan melaporkan hasil monitoring secara berjenjang Pelaporan kerusakan peralatan secara berjenjang Pencatatan dan pengarsipan riwayat peralatan stasiun setiap tahun Pencatatan dan pelaporan perubahan aset peralatan secara berjenjang Pengusulan Kalibrasi ke Balai atau ke BMKG Pusat Pengusulan suku cadang dan peralatan cadangan Pengukuran ketebalan tabung gas dan melaporkan kondisi tabung gas Pengecekan PWS Pelaporan hasil pengamatan polusi udara (sampel debu dan sampel air hujan) Menjaga dan memelihara kebersihan, keamanan dan persyaratan lingkungan Pengecekan Display Info Cuaca Bandara, setiap dinas TP. Pengoperasian/pengamatan Polusi Udara : a. Sampel Debu Pasang/Angkat b. Sampel air hujan Pengoperasian Actinograph
30
B. Verifikasi Prakiraan Cuaca Verifikasi prakiraan cuaca adalah evaluasi kinerja yang digunakan untuk mengukur tingkat keakuratan informasi prakiraan yang diberikan oleh Stasiun Meteorologi Kelas I Bandar Udara Ngurah Rai Bali. Verifikasi dilakukan dengan melakukan perbandingan antara hasil prakiraan cuaca dari informasi TAFOR dengan hasil pengamatan cuaca dari informasi METAR dan SPECI. Pada proses verifikasi, setiap unsur meteorologi hasil prakiraan cuaca mempunyai nilai persyaratan toleransi ketelitian saat dibandingkan dengan hasil pengamatan cuaca. Batasan toleransi ketelitian ini dapat dilihat pada Tabel 5.4 berikut : Tabel 5.4 Tabel Persyaratan Toleransi Ketelitian Pada Verifikasi Prakiraan Cuaca No.
Unsur Meteorologi
Persyaratan Toleransi Ketelitian
1. 2.
Arah Angin Kecepatan Angin
3.
Jarak Pandang
4. 5. 6.
Cuaca/Endapan Jumlah Awan Tinggi Dasar Awan
± 30o ± 5 Kt untuk kecepatan sampai 25 Kt ± 20% untuk kecepatan diatas 25 Kt ± 200 m untuk jarak pandang sampai 700 m ± 30% untuk jarak pandang antara 700 m & 10 Km Terjadi atau tidak ± 2 Oktas ± 30 m (100 ft) untuk tinggi dasar awan sampai 120 m ± 30% untuk tinggi dasar awan antara 120 m & 3000 m (10.000 ft)
Prosentase Minimum Ketelitian 80 % 80 % 80 % 80 % 70 % 70 %
Pada periode Januari 2015, verifikasi prakiraan cuaca menunjukan hasil yang sangat baik dengan kisaran hasil verifikasi antara 67-95%. Secara lengkap hasil verifikasi prakiraan cuaca Stasiun Meteorologi Klas I Bandar Udara Ngurah Rai Bali terlihat pada Tabel 5.5. Terlihat bahwa hasil verifikasi terendah pada periode Januari 2015 adalah verifikasi unsur meteorologi cuaca/endapan sebesar 67 %, sedangkan hasil verifikasi tertinggi adalah verifikasi unsur meteorologi arah angin, kecepatan angin dan tinggi dasar awan sebesar 95 %. Hasil verifikasi ini menunjukan bahwa kualitas informasi prakiraan cuaca yang dihasilkan cukup baik, sehingga diharapkan dapat dimanfaatkan sebesarbesarnya oleh jasa penerbangan di Bandar Udara Ngurah Rai Bali. Tabel 5.5 Tabel Persyaratan Toleransi Ketelitian Pada Verifikasi Prakiraan Cuaca Verifikasi
Standart
Unsur Meteorologi Arah
Kecepatan
Jarak
Angin
Angin
Pandang
Cuaca/Endapan
Jumlah
Tinggi Dasar
Awan
Awan
80%
80%
80%
80%
70%
70%
95%
95%
79%
67%
79%
95%
Minimum Hasil Verifikasi
31
C. Evaluasi Kunjungan Website Website
Stasiun
Meteorologi
Kelas
I
Bandar
Udara
Ngurah
Rai
Bali,
www.ngurahrai.bali.bmkg.go.id, merupakan salah satu bentuk penyampaian informasi meteorologi. Evaluasi terhadap banyaknya kunjungan ke halaman website selama periode Januari 2015 dapat menunjukan jumlah informasi meteorologi yang tersampaikan kepada pengguna. Selama periode Januari 2015 fluktuasi jumlah kunjungan website dapat dilihat pada Gambar 5.1. Terlihat bahwa jumlah kunjungan website terbanyak pada periode Januari 2015 terjadi pada tanggal 22 Januari 2015 dengan 728 kunjungan, sedangkan jumlah kunjungan website terkecil terjadi pada tanggal 1 Januari 2015 dengan 54 kunjungan. Rata-rata kunjungan selama periode Januari 2015 adalah 357/hari.
Jumlah kunjungan Website
Grafik Jumlah Kunjungan Website Periode Januari 2015 800
728
700 600
586
500 400
422
300 200 100 0
699
54 1
420 396 437 376 366 331 331 295 273 266 260 238 240 228 204 374 353
528
562
423
416 320 305
289
207
126 3
5
7
9
11 13 15 17 19 21 23 25 27 29 31 Tanggal
Gambar 5.1 Grafik Jumlah Kunjungan Website Periode Januari 2015
32
VI. PENENTUAN PRODUK RADAR CUACA PALING TEPAT UNTUK MEMBUAT PERINGATAN DINI CUACA EKSTRIM DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCY PROCESS (AHP) Kadek Sumaja*, Komang Ngurah Suarbawa 1, Decky Irmawan2 Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana, Kampus Bukit Jimbaran, Badung, Bali Indonesia 80361. 2 Stasiun Meteorologi Klas I Ngurah Rai, Gedung GOI Lt.2 Bandara Ngurah Rai Bali Indonesia 80361. * Email :
[email protected] 1
ABSTRAK Untuk memecahkan permasalahan penentuan produk RADAR Cuaca paling tepat untuk membuat peringatan dini cuaca ekstrim yang efisien, efektif , cepat dan tepat maka digunakan metode Analytical Hierarcy Process (AHP), yang merupakan suatu sistem pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Dengan metode ini dapat ditentukan prioritas dari beberapa kriteria dengan melakukan analisa perbandingan berpasangan (Pairwise Comparison) dari masing-masing kriteria dan alternatif yang telah ditentukan. Penentuan prioritas dilakukan dengan menggunakan vektor eigen dari iterasi hasil kuadrat matrik perbandingan berpasangan. Uji konsistensi akan dilakukan pada data yang diperoleh untuk menentukan kelayakan data sehingga data dapat digunakan untuk penentuan prioritas dari perbandingan kriteria, perbandingan alternatif dan penentuan alternatif terbaik yang akan menentukan nilai prioritas dari produk RADAR Cuaca untuk membuat peringatan dini cuaca ekstrim. Dari hasil penentuan alternatif terbaik diperoleh produk PPI memiliki tingkat kepentingan paling tinggi, diikuti produk CMAX, kemudian produk UWT dan yang terakhir adalah produk TRACK . Kata kunci: RADAR Cuaca, AHP, Vector Eigen I. PENDAHULUAN Terjadinya fenomena cuaca yang bersifat tidak normal atau berbeda dari keadaan biasanya cenderung berpotensi menyebabkan bencana dan atau menimbulkan korban jiwa. Salah satu fasilitas yang ditemukan untuk bisa melakukan prakiraan cuaca jangka pendek dalam waktu singkat adalah RADAR Cuaca. Dari sekian banyak produk yang dihasilkan, terdapat empat produk RADAR Cuaca yang sering digunakan untuk untuk membuat peringatan dini cuaca ekstrim yaitu produk PPI, CMAX, UWT, dan TRACK. Masalah muncul pada pemilihan beberapa pilihan produk RADAR Cuaca dalam waktu yang relatif singkat yang mungkin saja antara produk satu dan lainnya mempunyai kelebihan dan kekurangan masing-masing. Dalam penelitian ini, penulis bermaksud menerapkan metode Analytical Hierarchy Process (AHP) untuk menentukan produk RADAR Cuaca paling tepat untuk membuat peringatan dini cuaca ekstrim. Pembahasan difokuskan pada produk RADAR cuaca yang di gunakan, dengan responden merupakan prakirawan di wilayah kerjanya yang dilengkapi fasilitas RADAR. 33
II. TINJAUAN PUSTAKA 2.1 Fenomena Cuca Ekstrim Cuaca ekstrim didefinisikan sebagai kejadian cuaca yang tidak normal, tidak lazim yang dapat mengakibatkan kerugian terutama keselamatan jiwa dan harta (Peraturan Kepala BMKG Kep.009 Tahun 2010). Beberapa unsur yang menyebabkan terjadinya cuaca ekstrem tersebut (Pasal 1) dan dapat dideteksi oleh RADAR CUACA cuaca antara lain. 1. Angin kencang adalah angin dengan kecepatan ≥ 25 knots (45 km/jam). 2. Angin puting beliung adalah angin kencang yang berputar yang keluar dari awan Cumulonimbus (awan hitam yang bergumpal seperti bunga kol) dengan kecepatan ≥ 34.8 knots (64.4 km/jam). 3. Waterspout adalah angin puting beliung yang terjadi di lautan atau wilayah perairan luas lainnya dengan kecepatan ≥ 34.8 knots (64.4 km/jam). 4. Hujan lebat adalah hujan dengan intensitas minimal 50 mm dalam 24 jam atau 20 mm/jam. 5. Hujan es adalah hujan yang bebrbentuk butiran es yang mempunyai garis tengah paling rendah 5 mm dan berasal dari awan Cumulonimbus. 6. Badai tropis kecepatan adalah sistem tekanan rendah dengan angin berputar siklonik yang terbentuk di lautan wilayah tropis dengan kecepatan angin ≥ 34,8 knots atau 64,4 km/jam disekitar pusat putaran. Prediksi cuaca ekstrim dilakukan dengan mempertimbangkan gejala fisis atau dinamis atmosfer yang cenderung akan memburuk atau menjadi ektrim sesuai dengan skala meteorologi (pasal 4). 2.2 RADAR Cuaca RADAR Cuaca adalah alat bantu untuk mengamati cuaca secara khusus berupa hujan, awan, arah, dan kecepatan angin dalam radius yang cukup luas hingga ratusan kilometer (tergantung panjang gelombang yang digunakan) dengan resolusi ± 300m. Output berupa image dapat diinterpretasikan atau dianalisa hingga menghasilkan suatu informasi yang berguna untuk pelayanan jasa meteorologi. (Zakir A. dkk, 2010). Dari sekian banyak produk yang dihasilkan dengan berbagai kegunaan masingmasing dalam berbagai kegiatan analisa dan prakiraan cuaca, adapun Produk RADAR Cuaca yang sering digunakan untuk membuat peringatan dini cuaca ekstrim yang akan digunakan untuk pengolahan lebih lanjut pada penelitian ini adalah produk PPI, CMAX, UWT, dan TRACK.
34
2.3 Metode AHP (Analytical Hierarcy Process) Metode AHP merupakan sebuah hierarki fungsional dengan input utama yang berupa persepsi manusia yang memecahkan suatu masalah yang kompleks dan tidak terstruktur ke dalam kelompok-kelompok yang kemudian diatur menjadi suatu bentuk hierarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis. Menurut Saaty (1994), hierarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. AHP digunakan untuk menentukan prioritas dari beberapa kriteria dengan melakukan analisa perbandingan berpasangan (Pairwise Comparison) dari masingmasing kriteria, dimana untuk melakukan proses komputasi AHP perlu untuk memahami lebih dahulu prinsip kerja AHP, sebagai berikut. 1. Penentuan Komponen Keputusan a) Tujuan/Sasaran yang ingin dicapai b) Kriteria (komponen-komponen yang ingin diperbandingkan antara 1
dan
lainnya) c) Alternatif (komponen yang disediakan dan merupakan pilihan yang akan diperbandingkan satu dengan lainnya berdasarkan kriteria yang ada) 2. Penyusunan hirarki dari komponen keputusan 3. Penilaian Alternatif dan Kriteria 4. Pemeriksaan Konsistensi Penilaian 5. Penentuan Prioritas Kriteria dan Alternatif Kriteria dapat dinilai dengan cara memberi nilai 1-9, seperti tabel 2.1. Tabel 2.1 Bobot Nilai Kriteria
Nilai
Keterangan
1
Sama Penting (Equal)
2
Antara Equal dan Moderate
3
Cukup lebih penting (Moderate)
4
Antara Moderate dan Strong
5
Lebih penting (Strong)
6
Antara Strong dan Very Strong
7
Sangat lebih penting (Very Strong)
8
Antara Very Strong dan Extreme
9
Mutlak lebih penting sekali (Extreme )
35
Dengan struktur hierarki pemilihan produk RADAR Cuaca seperti gambar 2.1.
Gambar 2.1 Hierarki pemilihan produk RADAR Cuaca
III. METODE PENELITIAN Penelitian dilakukan dengan melibatkan responden yang dalam penelitian ini adalah para prakirawan memiliki kapasitas dalam menginformasikan secara dini cuaca ekstrim di beberapa Unit Pelaksana Teknis (UPT) BMKG di Indonesia yang memiliki fasilitas RADAR cuaca. Dengan tujuan memilih produk radar yang paling tepat untuk membuat peringatan dini cuaca ekstrim, ditentukanlah enam kriteria yaitu Realtime
(kesesuaian produk
diakses dengan waktu pengamatannya), Running (kecepatan produk tersebut bisa dihasilkan), Identifikasi (kemudahan produk tersebut digunakan ), Fenomena (jumlah fenomena cuaca yang dapat diidentifikasi), Luasan (luas wilayah fenomena cuaca yang mampu dicakup), dan Verifikasi (kesesuaian hasil prakiraan). Dengan alternatif pilihan dari setiap kriteria tersebut adalah PPI, CMAX, UWT, dan TRACK. Menemukan Masalah
Dekomposisi Masalah
Membuat Struktur Hirarki Pendukung Keputusan
Penentuan Nilai Tiap Komponen Hirarki
Matrik Perbandingan Berpasangan
Menghitung λ maksimum
Menghitung Indeks Konsistensi
Menghitung Rasio Konsistensi (CR)
TIDAK
Menentukan Apakah Nilai CR ≤ 0.1
YA
Penentuan Prioritas
Selesai
Gambar 3.1 Diagram alir pemilihan produk RADAR Cuaca
36
Dalam menggunakan AHP sebagai sistem pendukung keputusan, Saaty (1994) menyusun tahapan-tahapan analisis yang disajikan dalam diagram alir pada gambar 3.1. Sistem ini dimulai dengan menemukan masalah, dekomposisi masalah, membuat struktur hierarki pendukung keputusan, penentuan nilai tipa komponen hierarki, matrik perbandingan berpasangan, menghitung vektor eigen maksimum, menghitung indeks konsistensi, menghitung rasio konsistensi, dan penentuan prioritas. Nilai uji konsistensi diperlukan untuk menghitung konsistensi jawaban responden dengan tahapan sebagai berikut. a) Menentukan vektor eigen dengan cara mengubah matriks ke bentuk desimal kemudian hitung setiap baris matriks hasil perkalian tersebut dan jumlahkan selanjutnya normalisasi matrik tersebut (membagi jumlah tiap baris matriks hasil perkalian dengan jumlah totalnya). ) yaitu dengan mengalikan total
b) Mencari nilai vektor eigen maksimum (
matriks sebelum dinormalisasi dengan eigen vektor.
c) Menentukan Consistency Index (CI) dengan menggunakan persamaan CI = (λmax-n)/(n-1), dengan n menyatakan kuantitas variabel d) Menghitung Consistency Ratio (CR) dengan rumus CR = CI/RI. Hasil penghitungan akan dianggap konsisten apabila nilai konsistensinya ≤ 0.1. Random Indexs (RI) diperoleh dari tabel 3.1. Tabel 3.1 Random Index (RI)
n
1 2
3
4
5
6
7
8
9
10
RC 0 0 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49
IV. HASIL DAN PEMBAHASAN Data yang diperoleh dari hasil pendapat Responden akan diolah menjadi hasil perbandingan kriteria, perbandingan alternatif kriteria realtime, perbandingan alternatif kriteria kecepatan running, perbandingan alternatif kriteria kemampuan identifikasi, perbandingan alternatif kriteria fenomena, perbandingan alternatif kriteria luasan, dan perbandingan alternatif kriteria verifikasi. Dimana sebagai langkah awal untuk menentukan data yang layak dipakai maka perlu dilakuakan uji konsistensi terhadap semua data yang diperoleh. 4.1 Uji Konsistensi Hasil Perbandingan Kriteria Dari data hasil perbandingan kriteria kita akan menyusun matriks kriteria kedalam bentuk matriks reciprocal nya masing-masing, sebagai berikut.
37
Realtime Running Identifikasi Fenomena Luasan Verifikasi
Realtime 1 32/81 90/139 349/937 115/301 194/483
Running 2 263/495 1 405/793 466/965 91/251 229/534
Identifikasi 1 49/90 1 388/405 1 298/671 269/787 402/929
Fenomena 2 541/790 2 41/579 2 187/743 1 302/731 260/567
Luasan 2 376/609 2 69/91 2 635/686 2 336/799 1 316/725
Verifikasi 2 261/533 2 76/229 2 125/402 2 47/260 2 274/931 1
Dari matriks diatas dapat dilihat nilai perbandingan antar kriteria berdasarkan tingkat kepentingannya. Nilai matriks resiprocal menunjukkan nilai kebalikan tingkat kepentingan kriteria kedua terhadap kriteria pertama dari tingkat kepentingan kriteria pertama terhadap kriteria kedua.
Kemudian nilai pecahan dalam matriks akan diubah kedalam bentuk
desimal untuk mempermudah perhitungan, Hasilnya dapat ditunjukkan pada matriks berikut. Realtime Running Identifikasi Fenomena Luasan Verifikasi
Realtime 1.000000 0.395052 0.647482 0.372466 0.382058 0.401658
Running 2.531314 1.000000 0.510719 0.482902 0.362549 0.428839
Identifikasi 1.544444 1.958025 1.000000 0.444112 0.341804 0.432724
Fenomena 2.684811 2.070813 2.251683 1.000000 0.413133 0.458554
Luasan 2.617406 2.758251 2.925657 2.420525 1.000000 0.435861
Verifikasi 2.489683 2.331876 2.310944 2.180768 2.294308 1.000000
Pada matriks desimal diatas jumlah tiap baris dibagi dengan total jumlah ke enam baris, akan diperoleh bobot relatif yang dinormalkan atau ternormalisasi yang disebut sebagai vektor eigen. Hasilnya dapat ditunjukkan pada matriks berikut. 1.000000 0.395052 0.647482 0.372466 0.382058 0.401658 3.198715
2.531314 1.000000 0.510719 0.482902 0.362549 0.428839 5.316323
1.544444 1.958025 1.000000 0.444112 0.341804 0.432724 5.721109
2.684811 2.070813 2.251683 1.000000 0.413133 0.458554 8.878995
2.617406 2.758251 2.925657 2.420525 1.000000 0.435861 12.157700
2.489683 2.331876 2.310944 2.180768 2.294308 1.000000 12.607578
12.867658 10.514017 9.646485 6.900773 4.793851 3.157636 + 47.880420
Vektor Eigen 0.268745 0.219589 0.201470 0.144125 0.100121 0.065948 + 1.000000
Selanjutnya nilai eigen maksimun diperoleh dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen maksimum ( adalah
) yang diperoleh
= (3.198715 ∗ 0.268746) + (5.316323 ∗ 0.219589) + (5.721109 ∗ 0.201470) + (8.878995 ∗ 0.144125) + (12.157700 ∗ 0.100121) + (12.607578 ∗ 0.065948) = 6.508062
Karena matriks yang terbentuk adalah matriks berorde enam yang terdiri dari enam kriteria maka nilai indeks konsistensi (CI) yang diperoleh adalah CI =
− n
n−1 6.508062 − 6 CI = = 0.101612 6−1
Untuk n=6, indeks konsistensi acak (RI) = 1.24 (tabel Saaty), maka nilai rasio konsistensi (CR) adalah 38
CR =
CI 0.101612 = = 0.081945 RI 1.24
Karena CR < 0,1 berarti data dari responden tersebut konsisten dan bisa dilanjutkan dengan pengolahan data berikutnya untuk mendapatkan nilai bobot kepentingan perbandingan kriteria. 4.2 Uji Konsistensi Hasil Perbandingan Alternatif Dengan menggunakan cara yang sama dengan uji konsistensi hasil perbandingan ), nilai indeks konsistensi (CI), dan
kriteria diperoleh nilai eigen maksimum (
nilai rasio konsistensi (CR) untuk perbandingan alternatif pada semua kriteria. Nilai tersebut dapat dilihat pada tabel 4.1. Tabel 4.1 Nilai
, CI, dan CR untuk perbandingan alternatif pada semua kriteria
Kriteria Kriteria Realtime Running Identifikasi Fenomena Luasan Verifikasi
λmaksimum 6.508062 4.216956 4.263287 4.260440 4.248446 4.262885 4.263878
CI 0.101612 0.072319 0.087762 0.086813 0.082815 0.082815 0.087959
CR 0.081945 0.080354 0.097517 0.096459 0.092017 0.097365 0.097732
Karena untuk semua kriteria nilai CR < 0,1 berarti data dari responden tersebut konsisten dan bisa dilanjutkan dengan pengolahan data berikutnya 4.3 Penentuan Prioritas Matriks Perbandingan Kriteria Dengan menggunakan matriks yang telah dikonversi kedalam bentuk desimal, selanjutnya akan dilakukan penentuan prioritas. Pembobotan pada tiap tingkatan hierarki dilakukan melalui jalan iterasi atau perkalian matriks (baris kalikan dengan kolom). Proses iterasi minimal sebanyak tiga kali karena akan dicari selisih nilai vektor eigen dengan nilai vector eigen dua iterasi berikutnya, dengan banyak maksimum yang relatif hingga diperoleh nilai vektor eigen yang stabil atau selisihnya nol. Iterasi I 1.000000 0.395052 0.647482 0.372466 0.382058 0.401658
2.531314 1.000000 0.510719 0.482902 0.362549 0.428839
1.544444 1.958025 1.000000 0.444112 0.341804 0.432724
2.684811 2.070813 2.251683 1.000000 0.413133 0.458554
2.617406 2.758251 2.925657 2.420525 1.000000 0.435861
2.489683 2.331876 2.310944 2.180768 2.294308 1.000000
1.000000 0.395052 0.647482 0.372466 0.382058 0.401658
2.531314 1.000000 0.510719 0.482902 0.362549 0.428839
1.544444 1.958025 1.000000 0.444112 0.341804 0.432724
2.684811 2.070813 2.251683 1.000000 0.413133 0.458554
2.617406 2.758251 2.925657 2.420525 1.000000 0.435861
2.489683 2.331876 2.310944 2.180768 2.294308 1.000000
x
= 6.000000 4.819623 4.381377 3.023960 2.204057 1.590230
9.164517 6.000000 5.799477 3.948205 3.050163 2.474858
11.209607 7.397698 6.000000 4.180026 3.159832 2.678092
16.312092 11.819935 9.567715 6.000000 4.424487 4.037954
39
24.319137 18.307853 15.412234 9.397742 6.000000 5.481813
26.311284 21.016431 19.047599 12.994673 8.076073 6.000000
Vektor Eigen 0.299467 0.222592 0.193218 0.126905 0.086373 0.071445 1.000000
+
Selanjutnya kita masuk pada iterasi II, langkah-langkah yang dilakukan dalam proses iterasi pada prinsipnya sama dengan iterasi yang telah dilakukan pada tahap pertama. Matriks yang akan dikalikan adalah matriks yang dihasilkan pada iterasi I. Hasil iterasi II 274.051881 199.763084 173.719696 115.008317 81.216014 67.037204
378.681563 277.594437 241.672154 160.158169 112.582360 92.466605
417.804994 306.339756 267.720875 177.761552 125.311713 102.471560
625.162902 457.102673 399.936016 266.040022 187.942539 153.525512
929.907732 677.207203 592.004380 394.254060 279.994477 228.987130
1130.230375 821.367772 714.534806 473.993830 336.689960 277.608296
Vektor Eigen 0.300039 0.218837 0.190894 0.126796 0.089771 0.073663 1.000000
Kemudian dilanjutkan pada iterasi III dengan melakukan proses iterasi yang pada prinsipnya sama dengan iterasi yang telah dilakukan pada tahap sebelumnya dengan matriks yang akan dikalikan adalah matriks yang dihasilkan pada iterasi II. Hasil iterasi III 446521.804845 326048.697458 284370.393629 188784.398228 133442.057989 109508.631465
619194.841695 452138.458860 394344.850268 261793.699068 185047.145355 151856.264461
685835.309180 500797.885945 436787.038364 289971.568106 204966.161053 168201.109901
1026125.459400 749274.484859 653504.432487 433845.455825 306665.213247 251658.282583
1524281.482837 1113016.175694 970750.971772 644457.811469 455541.751721 373832.993466
1842490.087049 1345367.068287 1173390.804656 778978.800615 550626.768683 451870.250013
Vektor Eigen 0.299944 0.219018 0.191022 0.126815 0.089639 0.073561 1.000000
Pada hasil iterasi III selanjutnya dilakukan perhitungan selisih antara hasil iterasi I dan iterasi III untuk melihat konsistensi nilai-nilai vektor eigen hasil normalisasi . Tabel 4.2 Selisih nilai vektor eigen iterasi I dengan III untuk perbandingan kriteria Vektor Eigen I 0.299467 0.222592 0.193218 0.126905 0.086373 0.071445
Vektor Eigen III 0.299944 0.219018 0.191022 0.126815 0.089639 0.073561
Selisih 0.000477 0.003574 0.002196 0.000090 0.003266 0.002116
Hasil pada tabel 4.2 menunjukkan bahwa masih terdapat selisih hingga desimal ke 6 pada semua elemen penyusun matriks, dengan demikian, maka proses iterasi diteruskan ke iterasi IV. Hasil iterasi IV Vektor Eigen 119518895 3950.9100 00
165739220 0795.00000 0 121022214 7308.40000 0 105552865 6231.03000 0
183577807 1352.23000 0 134047890 3149.55000 0 116913568 1832.44000 0
505319106 118.099000
700736015 591.444000
776156549 187.899000
357185897 662.988000
495316760 681.560000
548627927 195.899000
820839596 938.345000
293119838 935.547000
406475087 771.640000
450224184 928.146000
673611058 014.740000
872722908 651.662000 761169377 905.515000
274663256 7304.44000 0 200558175 7695.52000 0 174922349 7830.42000 0 116126066 0274.01000 0
408002609 5720.30000 0 297922117 6365.12000 0 259840999 5897.35000 0 172501187 5953.55000 0 121932835 7056.72000 0 100062553 9715.13000 0
493171581 6629.13000 0 360112211 3543.64000 0 314081806 6880.97000 0 208510145 5863.04000 0 147385845 1511.35000 0 120950226 4127.93000 0
0.299944
0.219018
0.191023
0.126815
0.089639
0.073561 1.000000
40
Pada hasil iterasi IV selanjutnya dilakukan perhitungan selisih antara hasil iterasi II dan iterasi IV untuk melihat konsistensi nilai-nilai vektor eigen hasil normalisasi. Tabel 4.3 Selisih nilai vektor eigen iterasi II dengan IV untuk perbandingan kriteria Vektor Eigen II 0.300039 0.218837 0.190894 0.126796 0.089771 0.073663
Vektor Eigen IV 0.299944 0.219018 0.191023 0.126815 0.089639 0.073561
Selisih 0.000095 0.000181 0.000128 0.000018 0.000132 0.000101
Hasil pada tabel 4.3 menunjukkan bahwa masih terdapat selisih hingga desimal ke 6 pada semua elemen penyusun matriks, dengan demikian, maka proses iterasi diteruskan ke iterasi V. Hasil iterasi V 85630962735240 50000000000.000 000 62527437707710 00000000000.000 000 54535030983125 40000000000.000 000 36204285023976 90000000000.000 000 25591076785983 30000000000.000 000 21000975555222 10000000000.000 000
118746152498898 00000000000.000 000 867080366287819 0000000000.0000 00 756248078825966 0000000000.0000 00 502051993023019 0000000000.0000 00 354876531755819 0000000000.0000 00 291224688623026 0000000000.0000 00
131526854483046 00000000000.0000 00 960404617428785 0000000000.00000 0 837643400848285 0000000000.00000 0 556088075610490 0000000000.00000 0 393072053026129 0000000000.00000 0 322569333290580 0000000000.00000 0
19678628241091 100000000000.0 00000 14369267402988 400000000000.0 00000 12532553255899 100000000000.0 00000 83200123292336 00000000000.00 0000 58810186207720 00000000000.00 0000 48261794268182 40000000000.00 0000
292319102686983 00000000000.0000 00 213450414431834 00000000000.0000 00 186166671642866 00000000000.0000 00 123590857484045 00000000000.0000 00 873604635977506 0000000000.00000 0 716911982974510 0000000000.00000 0
3533395886106 4700000000000. 000000 2580073656865 2200000000000. 000000 2250282467572 4800000000000. 000000 1493899725951 5800000000000. 000000 1055966236374 1600000000000. 000000 8665645960384 140000000000.0 00000
Vektor Eigen 0.299944
0.219018
0.191023
0.126815
0.089639
0.073561
1.000000
Pada hasil iterasi IV selanjutnya dilakukan perhitungan selisih antara hasil iterasi II dan iterasi IV untuk melihat konsistensi nilai-nilai vektor eigen hasil normalisasi . Tabel 4.4 Selisih nilai vektor eigen iterasi III denganV untuk perbandingan kriteria Vektor Eigen III 0.299944 0.219018 0.191022 0.126815 0.089639 0.073561
Vektor Eigen V 0.299944 0.219018 0.191022 0.126815 0.089639 0.073561
Selisih 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
Hasil pada tabel 4.4 menunjukkan bahwa tidak terdapat selisih hingga desimal ke 6 pada semua elemen penyusun matriks, dengan demikian maka proses iterasi dihentikan pada iterasi V. Nilai pembobotan yang digunakan adalah nilai eigen hasil normalisasi iterasi V, sehingga tiap-tiap elemen penyusun kriteria dapat di susun sebagai berikut.
41
Tabel 4.5 Nilai bobot tiap-tiap elemen penyusun kriteria Kriteria Realtime running Identifikasi Fenomena Luasan Verifikasi
Bobot 0.299944 0.219018 0.191022 0.126815 0.089639 0.073561
Pada perhitungan perbandingan kriteria setelah iterasi ke-5 seperti pada tabel 4.5 diperoleh nilai kriteria realtime yang paling penting dengan bobot kepentingan 29.99%, kemudian kriteria running dengan bobot kepentingan 21.90%, diikuti oleh kriteria identifikasi dengan bobot kepentingan 19.10%, kriteria fenomena dengan bobot kepentingan 12.68% , luasan dengan bobot kepentingan 8.96% dan kriteria verifikasi dengan bobot 7.36%. Nilai bobot perbandingan kriteria jika ditampilkan dalam struktur hierarki dapat dilihat pada gambar 4.1 di bawah ini.
Gambar 4.1 Nilai bobot perbandingan kriteria dalam struktur hierarki
Dari struktur hierarki diatas dapat dilihat nilai bobot untuk setiap kriteria dengan nilai bobot tertinggi adalah kriteria Realtime. Langkah selanjutnya yaitu melakukan sintesis atau penentuan prioritas untuk menentukan bobot dari setiap alternatif PPI, CMAX, UWT dan TRACK sebagai penyusun kriteria realtime, running, identifikasi, fenomena, luasan, dan verifikasi. 4.4 Penentuan Prioritas Matriks Perbandingan Alternatif Setelah melakukan penetapan prioritas pada perbandingan kriteria, selanjutnya penetapan prioritas atau pilihan dilakukan pada alternatif. Dengan melakukan prosedur dan jumlah iterasi yang sama seperti proses sistesis atau penentuan prioritas matriks perbandingan kriteria , maka nilai bobot tiap-tiap alternatif penyusun semua kriteria untuk tiap-tiap elemen alternatif penyusun kriteria realtime, running, identifikasi, fenomena, luasan, dan verifikasi dapat disusun seperti tabel 4.6. Tabel 4.6 Nilai bobot tiap-tiap alternatif penyusun semua kriteria Alternatif/Kriteria
Realtime
Running
Identifikasi
Fenomena
Luasan
Verifikasi
PPI
0.502322
0.429882
0.474861
0.392853
0.444380
0.395799
CMAX
0.279508
0.309711
0.282572
0.370737
0.336548
0.355616
UWT
0.105493
0.140844
0.128509
0.137017
0.124478
0.145322
TRACK
0.112678
0.119563
0.114057
0.099394
0.094594
0.103263
42
Dari tabel 4.6 dapat dilihat bobot setiap alternatif untuk setiap kriteria, dimana nilai bobot PPI dan CMAX dominan memiliki nilai tertinggi, diikuti oleh UWT dan TRACK. Setelah didapatkan nilai bobot perbandingan kriteria dan bobot dari setiap alternatif PPI, CMAX, UWT dan TRACK sebagai penyusun kriteria realtime, running, identifikasi, fenomena, luasan, dan verifikasi, akan dilanjutkan perhitungan matrik gabungan untuk menentukan alternatif terbaik. 4.5. Penentuan Alternatif Terbaik Setelah matriks individu tersusun untuk masing-masing kriteria dan alternatif, maka akan terbentuk profil hierarki beserta pembobotannya seperti gambar 4.3.
Gambar 4.3 Nilai bobot perbandingan kriteria dan alternatif dalam struktur hierarki
Langkah selanjutnya yaitu menetukan alternatif terbaik dengan menggabungkan antara hasil pembobotan pada kriteria dan pembobotan alternatif berdasarkan kriteria. Untuk itu akan dibuat matriks gabungan dengan menyusun matriks hasil pembobotan alternatif berdasarkan kriteria yang telah dilakukan sebelumnya, kemudian lakukan perkalian silang dengan masing-masing bobot kriteria yang diperoleh pada analisis perbandingan kriteria, sebagai berikut.
PPI CMAX UWT TRACK
0.502322 0.279508 0.105492 0.112678
0.429882 0.309711 0.140844 0.119563
0.474861 0.282572 0.128509 0.114057
0.392853 0.370737 0.137017 0.099394
0.444380 0.336548 0.124478 0.094594
0.395799 0.355616 0.145322 0.103263
x
0.299944 0.219018 0.191023 0.126815 0.089639 0.073561
= PPI CMAX UWT TRACK
0.454299 0.308989 0.126261 0.110451
Dari hasil diatas diperoleh PPI memiliki tingkat kepentingan paling tinggi dengan bobot 45.43%, diikuti produk CMAX dengan bobot kepentingan 30.9%, kemudian produk UWT dengan bobot kepentingan 11.05% dan yang terakhir produk TRACK dengan bobot kepentingan 11.01%.
43
V. KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan pengolahan data dan pembahasan yang telah dilakukan, didapatkan beberapa kesimpulan sebagai berikut: 1. Metode Analytical Hierarchy Process (AHP) dapat membantu pengambilan keputusan dalam penentuan produk RADAR Cuaca paling tepat untuk membuat peringatan dini cuaca ekstrim secara obyektif, meskipun berasal dari pendapat yang berbeda-beda. 2. Sesuai hasil penentuan prioritas pemilihan alternatif produk dalam penentuan produk RADAR Cuaca paling tepat untuk membuat peringatan dini cuaca ekstrim, diperoleh produk PPI memiliki tingkat kepentingan paling tinggi, diikuti produk CMAX, kemudian produk UWT dan yang terakhir produk TRACK. 5.2 Saran Kepada pembaca jika ingin melakukan penelitian lebih lanjut tentang AHP disarankan menggunakan menggunakan
kriteria dan alternatif lebih banyak
untuk
memperoleh hasil yang lebih baik dan menggunakan program aplikasi tambahan seperti Expert Choice, Super Decisions dan lain sebagainya agar lebih mudah dalam melakukan perhitungan dan mengurangi kesalahan dalam penggunaan angka yang banyak. Disarankan untuk melakukan penelitian yang sama tetapi dengan menggunakan metode dari sistem pendukung keputusan yang lain supaya bisa dibandingkan hasilnya dengan penelitian ini.
VI. DAFTAR PUSTAKA Peraturan Kepala BMKG No: KEP.009 Tahun 2010 tentang Prosedur Standar Operasional Pelaksanaan Peringatan Dini, pelaporan dan Diseminasi Informasi Cuaca Ekstrim. Oktober 2010. Saaty, Thomas L. 1994. Fundamentals of decision making and priority theory with analytic hierarchy process. RWS Publications. Pittsburgh PA 15260, USA. Sinaga, Johannes. 2009. Penerapan Analytical Hierarchy Process (AHP) dalam Pemilihan Perusahaan Badan Usaha Milik Negara (BUMN) sebagai Tempat Kerja Mahasiswa Universitas Sumatera Utara (USU). Skripsi. Utari, Lis. 2011. Rancang Bangun database Nilai Siswa tingkat Sekolah Menengah Memilih Kendaraan dengan Metode Analytic Hierarchy Process dan Super Decision. Jurnal Ilmiah Teknologi dan Informasi Volume 2 – Mei 2011. Herujono, 2000. Modul Pendahuluan Radar Cuaca. Badan Pendidikan dan Latihan Perhubungan Akademi Meteorologi dan Geofidika (AMG). Jakarta Zakir, A., Sulistya, W., dan Khotimah M. K., 2010. Prespektif Operasional Cuaca Tropis. Badan Meteorologi Klimatologi dan Geofisika. Jakarta Rinehart, R. E., 1997. RADAR for Meteorologists. Rinehart Publishing. Collumbia Enterprise Electronics Corporation. (2007). EDGE 5 Manual. Enterprise Electronics Corporation. Alabama, USA
44
