numerical weather predictionngurahrai.bali.bmkg.go.id/file/buletin/49c0dda461...sebanyak 12%. jumlah...

1 Meteodrome, Maret 2019

VOLUME IV NOMOR 02 FEBRUARI 2020 ISSN 2548-9801

BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKASTASIUN METEOROLOGI KELAS I I GUSTI NGURAH RAI

BMKG

NUMERICAL WEATHER

PREDICTION

DOMINASI ANGIN BARATAN DI AWAL TAHUN 2020

MENYAMBUT FEBRUARI DENGAN HUJAN

PERAN NUMERICAL WEATHER PREDICTION DALAM MENDUKUNG

PENGEMBANGAN ENERGI BARU DAN TERBARUKAN

Foto : @widapparamita


WEATHER SERVICE FOR FLIGHT SAFETY

3 Meteodrome, Februari 2020

Sapa EditorNUMERICAL WEATHER PREDICTION

Peran Penting Numerical Weather Prediction

Numerical Weather Prediction (NWP) merupakan model prakiraan cuaca berbasis perhitungan dinamis dan numerik. NWP menggunakan seperangkat persamaan yang menggambarkan aliran fluida yang dalam hal ini adalah masa udara di atmosfer dan diterjemahkan dengan Metode numerik ke dalam kode komputer untuk mempermudah perhitungan dan penggambaran kondisi cuaca ke depannya. NWP menjadi salah satu solusi bagi prakirawan untuk memprediksi cuaca yang tidak terjangkau oleh titik pengamatan stasiun meteorologi. Hal ini tentu saja dapat mengefisiensi waktu dan biaya. Selain menjadi acuan bagi prakirawan, NWP ternyata juga dapat berkontribusi dalam pengembangan energi baru dan terbarukan. Penasaran? semua seluk beluk NWP akan kami sajikan dalam buletin edisi kali ini yang mengangkat tema ‘Numerical Weather Prediction’.Akhir kata, selamat membaca dan semoga segala yang kami sajikan dalam buletin edisi kali ini dapat bermanfaat bagi pembaca.

Tim Redaksi

Diterbitkan oleh:Stasiun Meteorologi Kelas I Ngurah Rai - Denpasar

Gedung GOI Lt. II Bandara Ngurah Rai DenpasarKodepos 8036103619359754 | 036170160103619351124 | 03619356665

[email protected]

Website:http://ngurahrai.bali.bmkg.go.id/

Sapa EditorDAFTAR ISI

04Suhu, Kelembaban, dan

Tekanan Udara :Suhu, Tekanan dan Kelembaban

Udara Januari 2020

03Sapa Editor :

Peran Penting Numerical Weather Prediction

07Analisis Angin :

Dominasi Angin Baratan di Awal Tahun 2020

11Analisa Kejadian Cuaca

Bermakna :Menyambut Februari dengan

Hujan

16Fokus :

Peran Numerical Weather Prediction dalam Mendukung Pengembangan

Energi Baru dan Terbarukan

REDAKSI

Pelindung Kepala Stasiun Meteorologi Kelas I I Gusti Ngurah RaiPenasihat Kepala Seksi Observasi Kepala Seksi Data dan Informasi Kepala Sub Bagian Tata UsahaPemred Apritarum FadianikaEditor dan Design Pande Hadi Wiguna Made Nanda Putri A. M.Tim Redaksi Sangsang Firmansyah Putu Eka Tulistiawan Tanti Prasetya Prima Dewi I Wayan Subakti Dewa Gede Agung Mahendra Gede Sudika Pratama Apritarum Fadianika Ni Made Dwijayanti Kadek Winasih Bonggo Pribadi Kadek Sumaja Rahma Fauzia Yushar Ni Luh Putu Sri Ariastuti I Kadek Mas Satriyabawa Aulia Siti Syahdian Luh Novita Ari Wardani Dewa Ayu Kade Wida Alexandra FishwarantaDistribusi & Percetakan Devi Dwita Meiliza Putri Kusumastuti I Made Oka Puspa

21Artikel Sains :

Pengaruh Perubahan Iklim Terhadap Kebakaran Hutan di

Indonesia

Cover by : @widapparamita

SUHU, TEKANAN, DAN KELEMBABAN UDARA JANUARI 2020

Oleh : PUTU EKA TULISTIAWAN

T, P, RHJANUARI 2020

Sumber foto: https://pixabay.com/id/photos/celsius-berskala-celcius-mengukur-2125/


Suhu Udara Bulan Januari 2020 di Stasiun Meteorologi Kelas I I Gusti Ngurah Rai

Bulan Januari 2020, Bali khususnya wilayah sekitar Bandara I Gusti Ngurah Rai selama ti-gapuluh satu hari terdapat sembilan kali hari hujan pada dasarian I, enam kali hari hujan pada dasarian ke II dan lima kali hari hujan pada dasarian ke III jika kita bandingkan dengan bulan Desember 2019 pada dasarian I bulan Desember 2019 (sepuluh hari pertama di bulan

Desember 2019) tercatat terjadi 2 hari hujan, kemudian pada dasarian II tercatat terjadi 5 hari hujan, dan selanjutnya pada dasarian III tercatat terjadi 4 hari hujan disini terlihat bahwa dibulan januari terjadi peningkatan hari hujan. Lalu bagaimana dengan keadaan suhu, tekanan, dan kelembaban udara bulan Januari 2020? Berikut kita simak ulasannya.

Memasuki musim hujan biasanya kita akan merasakan suhu yang lebih hangat daripada bi-asanya terutama pada malam dan dini hari. Hal ini disebabkan karena banyaknya jumlah tut-upan awan sehingga pelepasan panas dari bumi langsung ke atmosfer terhalangi oleh awan. Se-lain itu, pada musim hujan kita juga akan mera-sakan udara yang cenderung lembap. Hal ini dise-babkan karena pada musim hujan bertiup angin baratan yang membawa massa udara yang dingin dan lembap dari daratan Asia melewati Indone-sia. Massa udara ini bersifat dingin dan lembap karena melewati lautan yang luas di Laut Cina Selatan dan mendapatkan banyak suplai uap air dari lautan.

Berdasarkan data hasil observasi Stasiun Mete-orologi Ngurah Rai Denpasar, suhu rata-rata pada bulan Januari 2020 tercatat 28,6 C sedangkan pada bulan desember 29,2 C.

Suhu rata-rata maksimumnya adalah 31,7 C dan suhu rata-rata terendahnya adalah 25,9 C. Suhu maksimum tertingginya yaitu 33,6 C pada tanggal 28 Januari 2020, sedangkan suhu mak-simum terendahnya yaitu 30,0 C pada tanggal 4 Januari 2020. Suhu minimum rata-rata yaitu 25.9 C, suhu minimum tertingginya yaitu 27,0 C sedangkan suhu minimum terendah yaitu 23,8 C.

Kondisi suhu rata-rata, suhu maksimum, suhu minimum, tekanan dan kelembaban udara pada bulan Januari 2020 disajikan dalam ben-tuk grafik seperti berikut. Dari grafik tersebut dapat kita lihat bahwa suhu rata-rata, suhu mak-simum dan suhu minimum pada bulan Januari 2019 cenderung berfluktuasi. Terjadi kenaikan dan penurunan suhu selama bulan Januari 2020 namun tidak terlalu signifikan.

0.0

5.0

10.0

15.0

20.0

25.0

30.0

35.0

40.0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

SUH

U U

DAR

A D

ALAM

CEL

SIU

S

TANGGAL

SUHU UDARA BULAN JANUARI 2020

RATA - RATA MAKSIMUM MINIMUM

Suhu, Tekanan & Kelembaban Udara 6

Tekanan Udara Bulan Januari 2020 di Stasiun Meteorologi Kelas I I Gusti Ngurah Rai

Kelembaban Udara Bulan Januari 2020di Stasiun Meteorologi Kelas I I Gusti Ngurah Rai

Suhu rata-rata bulan Januari 2020 lebih ting-gi dibandingkan dengan rata-rata klimatolo-gis 30 tahunnya (normal) dan terlihat cukup signifikan. Suhu rata-rata bulan Januari 2020 mencapai 28,6 C, lebih tinggi dari normalnya yaitu 27,8 C. Suhu minimum bulan Januari 2020 mencapai 25,9 C yaitu lebih tinggi daripada kondisi normalnya yaitu 24,9 C. Hal ini mengin-dikasikan bahwa suhu udara pada malam hing-ga dini hari cenderung lebih hangat daripada kondisi normalnya. Hal yang sama juga terjadi pada suhu rata-rata maksimum dimana pada bulan Januari 2020 mencapai angka 33,6 C, yai-tu lebih tinggi daripada normalnya yaitu 31,0 C. Hal ini juga mengindikasikan bahwa suhu udara pada siang hari cenderung lebih panas daripada kondisi normalnya.

Grafik tekanan udara menunjukkan kondi-si yang berfluktuasi. Dimana pada awal bulan Januari tekanan udara rata-rata mencapai

1010,7 mb dan tekanan udara rata-rata tertinggi terjadi pada tanggal 21 Januari yaitu mencapai 1011,1 mb. Grafik kelembaban udara juga menun-jukkan kondisi yang berfluktuasi. Kelembaban ra-ta-rata tertinggi yaitu 88% terjadi pada tanggal 30 Januari. sedangkan kelembaban rat-rat terendah mencapai 72% terjadi yaitu pada tanggal 19, 24,25 dan 27 Januari.

Untuk tekanan udara rata-rata pada bulan Jan-uari 2020 tercatat 1008,5 mb , Kelembaban udara rata-rata tercatat 76,4 %. Rata-rata klimatologis bulan Januari selama 30 tahun untuk tekanan udara yaitu 1008,4 mb, dan kelembaban udara yai-tu mencapai 82%. Hal ini mengindikasikan bahwa pada bulan Desember 2019 udara cenderung lebih basah dibandingkan dengan kondisi normalnya.

1002.01003.01004.01005.01006.01007.01008.01009.01010.01011.01012.0

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031

MIL

IBAR

TANGGAL

TEKANAN UDARA BULAN JANUARI 2020

TEKANAN UDARA

0102030405060708090

100

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

%

TANGGAL

KELEMBABAN UDARA BULAN JANUARI 2020

KELEMBABAN UDARA


ANALISA ANGINJANUARI 2020

Oleh : I Kadek Mas Satriyabawa

DOMINASI ANGIN BARATAN DI AWALTAHUN 2020

Analisa Angin Januari 2020 8

Data Wind Class Frequency Stasiun Meteorologi Kelas I Ngurah Rai

Windrose Bulan Januari 2020

Berdasarkan analisa windrose kondisi angin bulan Januari 2020 di area Bandara Internasional I Gusti Ngurah Rai dominan angin datang dari Barat

dengan kecepatan sebesar 7-11 knots. Namun selain angin datang dari arah Barat terdapat angin datang dari arah lain yaitu angin datang dari arah Barat Laut, Barat Daya dan Timur yang tidak terlalu dominan. Jumlah presentase dari arah Barat sebanyak 54%, sedangkan jumlah presentase dari arah Barat Laut dan Barat Daya mendekati 11% dan presentase angin dari arah Timur mendekati 10%. Salah satu faktor yang mempengaruhi arah angin Baratan dikarenakan Monsun Asia sudah aktif.

Monsun Asia terjadi ketika arah angin secara regional bertiup dari arah daratan Asia menuju ke daratan Australia. Pergerakan masa udara ini terjadi karena posisi matahari berada di Belahan Bumi Selatan, sehingga suhu di daratan Australia lebih tinggi daripada di Belahan Bumi Utara.Suhu yang lebih tinggi berarti tekanan di daratan Australia lebih rendah. Perbedaan tekanan inilah yang menyebabkan terjadi perggerakan massa udara dari daratan Asia menuju daratan Australia.

Kondisi angin bulan Januari 2020 yang

dominan datang dari arah Barat menyebabkan runway yang digunakan di Bandara I Gusti Ngurah Rai dominan runway 27 dipilih sebagai

tempat aktivitas lepas landas dan pendaratan pesawat. Untuk kecepatan angin yang terjadi ada di kelas 7-11 knots sebanyak 34.3% dari semua total kejadian kecepatan angin selama bulan Januari 2020.


Grafik pie chart kejadian headwind dan tailwind Januari 2020

Histogram kejadian headwind dan tailwind Januari 2020

Jumlah presentase headwind dan tailwind bulan Januari 2020 dapat dilihat dalam pie chart kejadian headwind dan tailwind, dimana headwind mendominasi sebanyak 76% yang mengalami kenaikan dari bulan sebelumnya sekitar 13%. Jumlah presentase tailwind pada bulan Januari 2020 mencapai 12%, dimana presentase tailwind bulan ini mengalami penurunan sebanyak 7% dari bulan sebelumnya, dan untuk jumlah presentase netral turun 6% dari bulan sebelumnya sehingga bulan Januari 2020 jumlah presentase netral sebanyak 12%.

Jumlah kejadian headwind dan tailwind dapat dilihat pada histogram headwind dan tailwind bulan

Januari 2020. Kejadian headwind bulan Januari 2020 terjadi sebanyak 1135 kali kejadian, dimana kecepatan angin dominan terjadi sebanyak 299 kali kejadian pada rentang 9-11 knots dan kecepatan angin tertinggi terjadi pada kecepatan 33-35 knots dengan kejadian sebanyak 1 kali. Kejadian tailwind selama bulan Januari 2020 terjadi sebanyak 178 kali kejadian. Kecepatan dominan pada tailwind terdapat pada rentang 1-3 knots sebanyak 109 kali kejadian dan kecepatan tertinggi pada tailwind terjadi sebanyak 3 kali pada rentang 10-12 knots.

1010Analisa Angin Januari 2020

Grafik pie chart kejadian crosswind Januari 2020

Histogram kejadian crosswind Januari 2020

Jumlah prosentase untuk parameter crosswind, dapat dilihat dalam pie chart kejadian crosswind Januari 2020, dimana crosswind kanan lebih dominan dibandingkan crosswind kiri dan netral. Sebanyak 39% crosswind kanan terjadi di area runway I Gusti Ngurah Rai, sedangkan untuk presentase kejadian crosswind kiri sebanyak 36% dan jumlah presentase netral sebnyak 25%. Dibandingkan bulan lalu, kejadian crosswind kanan bulan ini mengalami penurunan sebanyak 4%, sedangkan kejadian crosswind kiri mengalami kanaikan sebanyak 5% dan untuk kejadian netral hanya mengalami penurunan sebanyak 1%.

Jumlah kejadian crosswind pada bulan Desember 2019 terjadi sebanyak 1485 kali. Kejadian crosswind kanan terjadi sebanyak 579 kali kejadian dengan kecepatan dominan pada rentang 0-2 knots, dan kecepatan tertinggi pada crosswind kanan sebanyak 1 kali kejadian dengan rentang kecepatan 17-19 knots. Sedangkan kejadian crosswind kiri terjadi sebanyak 535 kali kejadian dengan kecepatan dominan pada rentang 2-4 knots dan kecepatan tertinggi terdapat pada rentang 17-19 knots sebanyak 2 kali kejadian.

11 Meteodrome, Maret 201911 Meteodrome, Agustus 2019Sumber foto : https://www.elsetge.cat/kwalls/wallpaper-hujan/

MENYAMBUT FEBRUARI DENGAN HUJAN

Oleh : Rahma Fauzia Yushar

ANALISA CUACA BERMAKNAJANUARI 2020

1212Cuaca Bermakna Januari 2020

Selamat datang Februari dan se-lamat datang musim hujan yang telah dinanti. Seiring dengan ber-jalannya hari, selama berjalannya

Bulan Januari kemarin, Stasiun Meteor-ologi Ngurah Rai mencatat bahwa telah terdapat 20 hari hujan di area Bandara Ngurah Rai dan sekitarnya. Curah hu-jan total selama sebulan pun menca-pai total 162,4 mm. Meskipun keadaan ini lebih kurang dari keadaan normaln-ya, namun perubahan ini tetap menjadi pertanda baik bagi kita semua. Bagaima-na ulasannya? Mari kita lihat bersama.

Selama dasarian 1, data penga-matan mencatat bahwa terjadi 9 hari hujan dengan total curah hujan ada-lah sebesar 48,3 mm. Sedangkan untuk dasarian 2, data pengamatan mencatat ada 7 hari hujan dengan total curah hujan mencapai 67,6 mm. Terakhir, data penga-matan mencatat bahwa pada dasarian 3 terdapat 4 hari hujan dengan total curah hujan sebesar 46,5 mm. Dengan demiki-an, selama Bulan Januari 2020, terdapat 20 hari hujan dengan jumlah total curah hujan adalah 162,4 mm. Curah hujan ter-tinggi tercatat pada tanggal 12 Januari 2020 pukul 00.00 UTC sebesar 35,4 mm.

Dari data pengamatan curah hu-jan per 3 jam yang dilakukan di tanggal 11 Januari 2020, pengukuran pukul 18.00 UTC menunjukkan bahwa selama 3 jam terjadi hujan sebanyak 21,2 mm. Mel-alui data METAR, dapat dilihat bahwa awan konvektif (Cumulonimbus) telah terbentuk dari pukul 06.00 UTC dan pre-sipitasi mulai terjadi pada pukul 10.00 UTC dengan intensitas ringan. Peningka-tan intensitas hujan dimulai dari pukul 16.00 UTC menjadi hujan lebat dan keadaan tersebut berlangsung selama 2 jam dari pukul 16.00 UTC sampai den-gan 18.00 UTC. Awan Cb sendiri masih

13 Meteodrome, Maret 201913 Meteodrome, Februari 2020

SST 11 Januari 2020 (Sumber : NOAA)

Apabila kita lihat dari Sea Surface Temperature (SST), dapat dilihat bahwa SST di sekitar Bali cenderung berkisar an-tara 28⁰ C - 29 ⁰C yang tergolong hangat dan dapat membantu pembentukan awan konvektif. Untuk anomali SST sendiri berkisar antara -0,5 - 0 yang menunjukkan perubahan yang tidak terlalu signifikan terhadap keadaan normal. Dikutip dari analisis Dinamika Atmosfer yang dikelu-arkan oleh BMKG untuk dasarian II Jan-uari 2020, anomali SST di wilayah Nino 3.4 (yang mencakup wilayah Indonesia

di dalamnya), menunjukkan kondisi ENSO netral. Selanjutnya dapat kita li-hat pada kondisi aliran angin yang di-rilis oleh Bureau of Meteorology (BOM) Australia. Dapat dilihat pada tanggal 11 Januari 2020 pukul 00.00 UTC terdap-at konvergensi (pengumpulan massa udara) di dekat Pulau Bali. Hal ini men-dukung pembentukan awan konvektif -- dalam hal ini Cumulonimbus -- di Pulau Bali yang menyebabkan terjadinya hujan.

SST Januari 2020 (Sumber : BOM)

14Cuaca Bermakna Januari 2020

Diagram fase MJO Januari 2020 (Sumber : BOM)

MJO adalah singkatan dari Mad-den Julian Oscillation. Istilah ini diguna-kan untuk menyebut pergerakan gelom-bang atmosfer. Kondisi MJO dapat kita lihat pada diagram yang telah ditampil-kan. Diagram ini digunakan untuk me-lihat pergerakan MJO selama beberapa fase yang berbeda. Selama Januari, fase MJO cenderung berpindah dari dalam lingkaran dan bergerak ke kuadran 4, 5, 6, dan 7. Fase MJO yang mempengaruhi ter-jadinya hujan di wilayah Indonesia ada-lah di wilayah Maritime Continent. Pada tanggal 10 - 12 Januari 2020, fase MJO berada di kuadran Maritime Continent se-hingga hal tersebut mempengaruhi pem-bentukan awan Cumulonimbus di Bali.

Dari analisis sederhana tersebut, dapat diketahui bahwa terdapat cukup banyak faktor yang mempengaruhi pem-bentukan awan hujan pada tanggal 11 Januari 2020, mulai dari keberadaan massa uap air yang dipengaruhi oleh SST, fase aktif MJO yang berada di kuad-ran 5 (Maritime Continent), serta adanya pergerakan massa udara yang berkumpul (berkonvergen) di dekat Bali. Faktor-fak-tor tersebut mendukung pembentukan awan Cumulonimbus dan menyebabkan terjadinya hujan dengan intensitas ringan - lebat yang berlangsung hampir sepan-jang hari dan sempat menyebabkan jarak pandang mendatar turun ke angka 2000 meter pada pukul 16.00 UTC - 17.00 UTC.

15 Meteodrome, Maret 2019Meteodrome, Februari 2020

Citra Wind Profiler25 Januari 2020

Selain terjadi hujan lebat yang menyebabkan penurunan jarak pandang mendatar, pada Bulan Januari juga terja-di beberapa kejadian wind shear yang ter-deteksi oleh wind profiler. Pada tanggal 25 Januari 2020, prakirawan Stasiun Me-teorologi mengeluarkan 5 kali wind shear warning dengan dasar warning yang dikeluarkan oleh wind profiler. Kejadian tersebut berlangsung dari pukul 04.00 UTC sampai dengan 09.00 UTC. Dapat dil-ihat di citra wind profiler tersebut bahwa terjadi golakan udara di ketinggian 1000 - 2000 feet (300 - 600 meter) yang dise-babkan karena adanya perbedaan arah

dan kecepatan angin. Sedangkan apa-bila dilihat dari data METAR dan radar pada jam kejadian, tidak terdapat awan Cumulonimbus yang dapat menyebab-kan wind shear. Akan tetapi, ketika me-lihat data keluaran LIDAR, pada tanggal tersebut lapisan Planetary Boundary Layer (PBL) terdapat pada ketinggian 490 meter (1600 feet). Oleh karenanya, diduga wind shear terjadi karena adan-ya perbedaan arah dan kecepatan angin serta suhu antara lapisan PBL dengan lapisan udara yang berada di atasnya .

Citra Radar 25 Januari 2020

16

Prakiran Hujan dan Sifat Hujan Februari 2020 (Sumber : Stasiun Klimatologi Jembrana)

Prakiraan sifat hujan yang dirilis oleh Stasiun Klimatologi Jembra-na untuk wilayah Bandara I Gusti Bali menunjukkan bahwa untuk Bu-lan Februari 2020 masih terjadi curah hujan dengan intensitas normal , un-tuk sebagian besar wilayah di Pulau Bali. Sedangkan untuk prakiraan curah hujannya cenderung berkisar antara rendah dan menengah untuk sebagian besar wilayah.

Cuaca Bermakna Januari 2020


Oleh : KADEK SUMAJA

PERAN NUMERICAL WEATHER PREDICTION DALAM MENDUKUNG PENGEMBANGAN ENERGI BARU DAN TERBARUKAN

FOCUS : NUMERICAL WEATHER PREDICTIONJANUARI 2020

Numerical Weather Prediction (NWP) atau dalam bahasa indonesia dikenal den-gan prakiraan cuaca numerik tidak hanya bisa digunakan untuk mendukung keakuratan pelayanan informasi cuaca ke pada masyarakat baik dalam kegiatan sehari hari, transportasi ataupun pertanian, namun bisa juga di aplikasikan un-

tuk memitigasi krisis energi yang akan terjadi dalam 10-50 tahun ke depan. Potensi NWP dapat dikembangkan untuk mendukung penerapan sumber Energi Baru dan Terbarukan (EBT) sebab sebagian besar sumber energi di Indonesia berasal dari bahan bakar fossil yang sifatnya terbatas serta kurang ramah lingkungan dan pengembangan EBT di Indonesia masih mengalami beberapa masalah seperti sangat tergantung pada kondisi alam serta biaya yang saat ini masih mahal. Bagaimana Peran dari NWP ini bisa membantu pengem-bangan EBT di Indonesia demi mencegah krisis energi dan menyelamatkan lingkungan ?

Foto : vox.com

18

Kapasitas Terpasang Pembangkit Listrik per Jenis Energi Tahun 2018 (Sumber : HEESI, 2018)

Sumber energi yang paling besar di negara kita berasal dari bahan bakar fossil, dengan jumlah mencapai lebih dari 90 % (ESDM, 2019). Seperti terlihat pada sumber energi untuk pembangkit listrik di Indonesia tahun 2018, sebagian besar berasal dari pembangkit energi fosil khususnya batubara (50%), diikuti gas bumi (29%), BBM (7%) dan energi terbarukan (14%). Namun berdasar-kan rekapitulasi data Kementerian ESDM, Indo-nesia hanya memiliki cadangan terbukti (proven reserved) untuk minyak bumi hanya 0,2% dari to-tal cadangan minyak dunia yaitu sekitar 3,2 sam-pai 3,3 miliar barel. Sementara, untuk cadangan gas terbukti 1,5% dari total cadangan dunia. ber-dasarkan perhitungan, diprediksi bahwa cadan-gan minyak kita akan habis 12 tahun lagi, gas 50 tahun lagi sedangkan batubara walaupun salah satu cadangan terbesar dunia ada di Indonesia, akan berpotensi habis 40 tahun lagi. Sehingga jika kita terlalu tergantung dengan energy fosil, maka krisis energi tidak akan terelakkan lagi dalam 1-5 dekade ke depan. Kecuali jika kita secara serius mau mengembangkan energi alternatif.

Energi alternatif yang bisa dikembang-kan salah satunya adalah Energi Baru dan Ter-barukan (EBT) yang secara teori tidak akan habis kalau dipakai serta ramah terhadap lingkungan. Ditambah dengan padanya komitmen global dalam pengurangan emisi gas rumah kaca, men-dorong pemerintah untuk meningkatkan peran

EBT secara terus menerus sebagai bagian dalam menjaga ketahanan dan kemandirian energi. Sesuai PP No. 79 Tahun 2014 tentang Kebijakan Energi Nasional, target bauran energi baru dan terbarukan paling sedikit 23% pada tahun 2025 dan 31% pada tahun 2050. Apalagi, Indonesia mempunyai potensi energi baru terbarukan yang cukup besar sehingga berpeluang mampu untuk mencapai target bauran energi primer tersebut

Potensi Energi Terbarukan(Sumber : Ditjen EBTKE, 2018)

Menurut kementrian ESDM (2018), total potensi energi terbarukan ekuivalen 442 GW digunakan untuk pembangkit listrik, dimana tenaga air memiliki potensi 94,3 GW, Panas Bumi sebesar 28,5 GW, bio energi sebesar 32,6 GW, surya, angin dan energi laut sebesar 207,8 GWp, 60,6 GW dan 17,9 GW. BBN (Bahan Bakar Nabati) dan Biogas sebesar 200.000 barel per hari (Bph) digunakan untuk keperluan bahan bakar pada sektor transportasi, rumah tangga, komersial dan industri. Namun pemanfaatan EBT untuk pembangkit listrik tahun 2018 hanya sebesar 8,8 GW atau setara dengan 14% dari total kapasitas pembangkit listrik (fosil dan non fosil) yaitu sebesar 64,5 GW (ESDM, 2018). Minimnya pemanfaatan EBT untuk ketenagalistrikan disamping disebabkan harga produksi masih relatif tinggi, sulitnya pendanaan, kurangnya dukungan industri dalam negeri terkait komponen pembangkit EBT, terdapat juga factor alam yang bisa menjadi halangan, terutama cuaca. Jika halangan kondisi cuaca bisa di antisipasi, maka aplikasi EBT akan akan berkembang semakin pesat.

Artikel Utama: Peran Numerical Weather Prediction


sumber: http://puslitbang.bmkg.go.id/

Prediksi cuaca numerik (NWP) adalah metode prakiraan cuaca yang sudah dilakukan dari tahun 1950an dan mengalami perkembangan pesat di tahun-tahun berikutnya (britannica, 2016). NWP menggunakan seperangkat persamaan yang menggambarkan aliran fluida yang dalam hal ini adalah masa udara di atmosfer dan diterjemahkan dengan Metode numerik ke dalam kode komputer untuk mempermudah perhitungan dan penggambaran kondisi cuaca ke depannya (NOAA, 2012). NWP juga berfokus pada pengamatan cuaca saat ini yang digunakan sebagai input ke model komputer numerik melalui proses yang dikenal sebagai asimilasi data untuk diproses dan menghasilkan output suhu, curah hujan, dan ratusan elemen meteorologi lainnya dari lautan hingga atmosfer secara spacial dan temporal. Setiap proses fisis penting yang tidak dapat diprediksi secara langsung membutuhkan skema parameterisasi berdasarkan representasi fisika atau statistik tertentu. Parameterisasi digunakan untuk memperkirakan efek massal dari proses fisis yang terlalu kecil, singkat, kompleks atau kurang dipahami secara eksplisit , serta diwakili oleh persamaan pengatur dan / atau metode numerik.Hampir setiap langkah di NWP mencakup penghilangan, estimasi,

Salah satu contoh persamaan matematis dalam NWP

Selain digunakan untuk memberikan informasi cuaca, prakiraan cuaca numerik (NWP) ini memilik peluang besar untuk diterapkan untuk mendukung proses peralihan ke sumber EBT yang ada. Sebagian besar EBT tersebut seperti energi surya, angin, air dan pasang surut sangat tergantung kepada kondisi cuaca yang cenderung dinamis di wilayah tropis ini. Begitu juga dengan BBN yang berasal dari ta-naman (sawit, jagung dan lain-lain), pertumbuhan tanamannya sangat tergantung pada ketersediaan penyinaran matahari, air, suhu dan kelembaban udara. Keterbatasan data cuaca pada suatu lokasi tertentu juga menjadi masalah tambahan ketika in-gin melakukan analisis kelayakan suatu wilayan un-tuk dibangun pembangkit listrik dari Ebt tersebut. Oleh karena itu diperlukan sebuah model cuaca numerik yang akurat untuk mengatasi kekurangan data cuaca tersebut sehingga mampu memberikan informasi yang cukup sebagai bahan pertimbangan pembangunan Pembangkit listrik. Di mana NWP tidak hanya dapat melakukan perhitungan untuk mendapatkan data cuaca di suatu wilayah yang

20

memiliki inisial data kurang, tetapi juga mampu melakukan prediksi untuk kondisi ke depannya. (Al-Yahyai, Charabi, & Gastli, 2010).

Pembangkit Listrik Tenaga Surya(sumber : www.vox.com)

Penerapan NWP untuk mendukung beroperasinya pembangkit listrik tenaga surya dapat dilakukan dengan memprediksi potensi radiasi surya untuk beberapa tahun ke depan dan untuk wilayah terpencil atau jauh dari zona pengamatan dengan memadukan NWP dengan data satellite yang terpercaya (Yeom et al., 2019). Namun permasalahan muncul ketika perpaduan NWP dan data satellite kurang cukup untuk memantau kekeruhan atmosfer yang berpengaruh pada intensitas penyinaran matahari pada pembangkit listrik tenaga surya. Oleh karena itu penerapan NWP dengan menggunakan temperatur dan RH lingkungan dirasa cukup baik untuk menentukan radiasi matahari dan kekeruhan di atmosfer (Behar, Sbarbaro, Marzo, & Moran, 2019). Disamping itu juga, melakukan pemodelan ketidakpastian radiasi matahari melalui NWP dengan metode asumsi normalitas multivariat dianggap mampu untuk memberikan dukungan yang efektif untuk meningkatkan pengoperasian sistem kelistrikan dengan mengintegrasikan sejumlah besar pembangkit listrik tenaga surya (Murata, Ohtake, & Oozeki, 2018). Basis data radiasi matahari yang akurat diperlukan untuk menentukan kelayakan finansial suatu proyek energi surya. Estimasi yang tepat terhadap sumber daya energi surya di suatu negara sangat penting untuk analisis lokasi, ukuran dan siklus biaya dari sistem energi surya. Model dynamical downscaling dari NWP dapat digunakan untuk melakukan prakiraan radiasi matahari karena dapat memperkirakan kondisi cuaca dalam 72-120 jam ke depan. Ini

memberikan estimasi yang masuk akal dari radiasi matahari yang dapat digunakan untuk memprakirakan energy hasil pembangkit listrik oleh pembangkit listrik tenaga surya (Charabi, Gastli, & Al-Yahyai, 2016; Leroyer, Bélair, Spacek, & Gultepe, 2018).

Pembangkit Listrik Tenaga Angin(sumber : https://constructionreviewonline.com)

Informasi mengenai arah dan kecepatan angin rata-rata di suatu wilyah saat ini dan ke depannya sangat penting untuk menentukan kekuatan angin dan kontinuitasnya untuk memutar wind-blade pada pembangkit listrik tenaga angin. Penerapan NWP model WRF dengan menggunakan teknik asimilasi data untuk membuat prakiraan angin pada suatu wilayah dengan ketinggian tertentu menunjukkan kualitas yang cukup baik terutama untuk wilayah dengan ketersediaan data yang sedikit (Sīle, Beķere, Cepīte-Frišfelde, Seņņikovs, & Bethers, 2014; Yeom et al., 2019). Namun, model NWP yang memiliki akurasi tinggi biasanya dijalankan dengan reoslusi spasial yang tinggi dan harus menggunakan peralatan komputasi yang sangat mahal. Hal ini menyebabkan tingginya biaya yang diperlukan jika ingin mendapatkan prakiraan potensi angin di suatu wilayah dengan hasil akurat. Untuk mengatasi masalah ini, Zhang et al.(2015) menawarkan sebuah alternative untuk menggunakan data yang dihasilkan oleh NWP dengan resolusi rendah yang digabungkan dengan metode statistik. Metode alternative ini terbukti menghasilkan estimasi yang akurat untuk distribusi angin dengan periode tiap jam serta karakterisitik variabilitas angin di beberapa lokasi. Sifat angin yang konstan dalam jangka waktu yang lama sangat dibutuhkan untuk menjamin kesinambungan ketersediaan listrik dari pembangkit listrik tenaga angin. Jadi bagaimana cara mengetahui bahwa kondisi angin di wilayah tersebut memiliki nilai

Artikel Utama: Peran Numerical Weather Prediction


kecepatan angin yang konstan? Terdapat sebuah model NWP yaitu Boundary Layer Scaling (BLS) yang dicetuskan oleh Allen et al. (2017) menawarkan prediksi kecepatan angin rata-rata jangka panjang menggunakan data peta angin yang berasal dari data pengamatan jangka panjang , dengan persentase kesalahan rata-rata 1,5%. Penggunaan data NWP yang diskalakan oleh model BLS juga menawarkan peningkatan kepadatan prediksi. Angin kencang yang tiba-tiba (gust) yang terjadi saat cuaca buruk juga dapat menyebabkan lonjakan daya yang dapa mengganggu kinerja peralatan listrik di wind-farm serta menyebabkan kerusakan pada wind-blade serta akibat buruk lainnya. Sehingga perlu diketahui potensi dan waktu kejadian gust di daerah Pembangkit listrik tenaga angin ini. Dengan mengkombinasikan sistem estimasi gust NWP dan proses pasca Kalman filter, dapat digunakan membantu menyediakan prakiraan untuk mendukung wind farm lepas pantai dan instalasi lainnya terutama untuk simulasi peristiwa cuaca ekstrim (Patlakas et al., 2017).

Pembangkit Listrik Tenaga Air (sumber : icare-indonesia.org)

Selain informasi tentang radisasi matahari dan angin, informasi tentang hujan, suhu dan kelembaban juga berperan penting dalam pengembangan EBT. Prakiraan hujan jangka panjang ataupun pendek, apalagi saat terjadi cuaca ekstrim memiliki pengaruh besar terhadap suplai air pada pembangkit listrik tenaga air, yang berpengaruh terhadap pengaturan debit aliran air, kinerja turbin dan peralatan lainnya agar menghasilkan daya yang optimal. Dimana ensemble numerical weather prediction system mampu memberikan prediksi yang akurat untuk hujan jangka pendek dan panjang, juga mampu memberikan prediksi kondisi banjir ataupun warning cuaca buruk (Wu et al., 2016 ; Yu et al., 2016).

ilustrasi bahan Bakar nabati(sumber : https://panrita.news)

Untuk sumber energi biomass yang bisa diolah menjadi biofuel, tumbuh kembang tanaman juga tergantung pada informasi suhu, kelembaban dan hujan. Pemodelan NWP juga dapat memberikan informasi tentang kondisi suhu, kelembaban udara dan evapotranspirasi beberapa waktu ke depan (Medina et al., 2018). dimana jika dipadukan dengan informasi ketersediaan air hujan akan mampu mendukung pengembangan perkebunan yang menjadi sumber utama biofuel.Untuk pengelolaan biogas, kecepatan pembusukan atau dekomposisasi bahan organik oleh bakteri juga ditentukan oleh kondisi suhu dan kelembaban udara, yang juga bisa di prediksi menggunakan pemodelan NWP. Sebagai kesimpulan Numerical Weather Prediction (NWP) selain untuk membuat pelayanan cuaca publik juga dapat di aplikasikan untuk meghadapi krisis energi di masa depan depan dengan mendukung penerapan sumber Energi Baru dan Terbarukan (EBT). Disamping melakukan verifikasi dari hasil prakiraan NWP ,untuk hasil yang lebih akurat dan handal, prakirawan juga diharapkan untuk menerapkan model prediksi berganda. Salah satu yang dapat dilakukan adalah dengan membandingkan beberapa prakiraan NWP yang berbeda. Misal, membandingkan prakiraan dari model regional dengan model global, atau membandingkan prakiraan dari model yang menggunakan data awalan yang bervariasi, skema parameterisasi yang berbeda, atau model NWP dari di pusat data yang berbeda. Prediksi ensemble yang merupakan alat yang relatif baru untuk operasional prakiraan dapat digunakan untuk melakukan perbandingan yang lebih cepat dan berbasis ilmiah dari beberapa model prakiraan. Jadi, dengan digunakannya produk prediksi ensemble ke toolkit NWP, diharapkan prakirawan akan memiliki tingkat informasi yang lebih banyak untuk membantu memanfaatkan panduan NWP secara lebih handal.

22

ARTIKEL SAINSJANUARI 2020

PENGARUH PERUBAHAN IKLIM TERHADAP KEBAKARAN HUTAN DI INDONESIA

Oleh: Made Nanda Putri A. M

Indonesia mengalami kebakaran hutan terparah pada tahun 1997 El Nino Southern Oscillation (ENSO) yang menyebabkan lingkungan di beberapa negara tetangganya diselimuti oleh kabut asap dan kematian orangutan dalam jumlah yang besar. El

Nino juga menyebabkan cuaca ekstrem di Sumatera Selatan pada tahun 2015 yang menyebabkan naiknya suhu laut di Samudera Hindia. Kondisi ini menunda datangnya musim hujan sehingga menyebabkan kekeringan yang mengakibatkan kurangnya supply air di dalam tanah dan kebakaran hutan. Sebagai akibat dari keterlambatan dan pendeknya musim hujan, potensi terjadinya kebakaran hutan di Indonesia pada tahun 2015 semakin besar. Kebakaran lahan menghasilkan asap dengan jumlah yang sangat besar dan secara periodik menyelimuti sebagian besar pulau-pulau yang berada di Asia Tenggara sehingga menyebabkan gangguan yang serius terhadap sistem transportasi, jarak pandang, dan gangguan kesehatan.

Kebakaran hutan pada tahun 2015 menghanguskan sekitar 2,6 juta hektar hutan, lahan, dan daratan lainnya. Berdasarkan efek global, kebakaran ini menghasilan Green House Gas (GHG) emission sebanyak lebih dari 15,95 juta ton gas CO2 per hari. Efek terparah yang pernah dialami Indonesia akibat dari polusi udara tingkat tinggi yaitu kecelakaan pesawat Garuda Indonesia di Sumatera pada tanggal 26 September 1997 yang menewaskan seluruh

penumpang dan awak kabin sebanyak 234 orang. Beberapa kementerian dan department di Indonesia, termasuk dalam hal ini BMKG sudah mengembangkan Fire Danger Rating System (FDRS) sejak 1999 dan dioperasikan di Riau, Kalimantan Barat, sejak tahun 2003 untuk pencegahan, monitoring, dan mitigasi kebakaran hutan. Beberapa manfaat dari FDRS ini yakni mengembangkan informasi monitoring terhadap kebakaran hutan, meningkatkan implementasi hukum,

Artikel Sains


Potensi penyebaran asap di Sumatera pada Tahun 2015 selama 6 bulan dari sebelum hingga setelah terjadinya kebakaran hutan pada September 2015 yang disebabkan oleh El Nino

meningkatkan kolaborasi investasi antara industri dan pemerintah, meningkatkan kapasitas wilayah pedesaan, dan sebagainya. FDRS memiliki sebuah table interpretasi untuk kelembaban kandungan udara dan kode kekeringan untuk menganalisis dan menginterpretasi kandungan udara, cuaca, dan kebakaran di titik-titik kebakaran. Setelah Proses analisis, FDRS akan memberikan informasi mengenai cakupan area yang terdampak. Informasi ini akan membantu pihak yang berwenang dalam mebuat keputusan mengenai dampak (ignition), prioritas (impacts), waktu (spread), dan sumber daya (control). Setelah itu, pihak berwenang akan mengambil tindakan penanggulangan berdasarkan dari keputusan yang mereka buat.

Fire Danger Rating System – FDRS

Walaupun perubahan iklim bukan penyebab utama kebakaran hutan, akan tetapi perubahan iklim dapat menyebabkan kebakaran hutan menjadi semakin buruk karena efek El Nino yang dapat menyebabkan kekeringan dan kurangnya supply air tanah sehingga mengakibatkan kebakaran hutan yang kecil menjadi sangat besar. Maka dengan adanya FDRS diharapkan dapat membantu pemerintah dalam meningkatkan pencegahan, monitoring dan mitigasi kebakaran hutan di Indonesia.

numerical weather predictionngurahrai.bali.bmkg.go.id/file/buletin/49c0dda461...sebanyak 12%. jumlah...

Documents