Analisis variabilitas iklim curah hujan di Arab Saudi menggunakan spektral density function menunjukkan adanya siklus bervariasi dengan periode 26 tahun pada tujuh stasiun pengamatan. Fungsi korelasi dan spektral density mengungkap pola yang berbeda di antara stasiun dengan skala integral waktu korelasi antara 0,7 hingga 1,8 tahun.
Agar bisa [1] mendapatkan informasi tentang kedalaman laut (Bathimetri), [2] struktur dan lingkungan pengendapan sedimen di bawah permukaan dasar laut (seabed), [3] mengidentifikasi informasi abiotik ukuran sedimen (grain size) dan sebarannya maka digunakanlah Sistem BATHY-2010 Chirp Sub Bottom Profile and Bathymetric Echo Sounder terpasang di lambung kapal dan Gravity core . Transduser dari sub-bottom profiler jenis pinger ini terdiri dari elemen piezoelektrik kecil yang memancarkan gelombang pendek, tunggal dan frekuensi tinggi (frekuensi bandwidth yang sempit 3.5 kHz) ketika diaktifkan oleh dorongan listrik.
Data batimetri, data rekaman akustik dan sampel contoh inti sedimen diperoleh dari hasil survey pada tanggal 10-24 Juni 2014 di Perairan Utara Kepulauan Aru menggunakan KR GEOMARIN III Kementerian Energi dan Sumberdaya Mineral, Pusat Penelitian Pengembangan Geologi Kelautan (PPPGL). Secara morfologi daerah penelitian dibagi menjadi dua lokasi, yaitu daerah Dataran pada bagian Timur dan daerah Rendahan sangat dalam pada bagian Barat. Pada bagian Timur morfologi yang terbentuk terdiri dari closure atau punggungan, kisaran kedalaman -1.5 hingga -100 meter dibawah permukaan air laut, sedangkan morfologi pada bagian Barat merupakan morfologi rendahan dengan kedalaman kisaran -101 hingga -3735.5 meter dibawah permukaan air laut (Palung Aru).
Analisis tekstur yang dilakukan terhadap sampel sedimen di lokasi penelitian menunjukan adanya empat tipe sedimen, yaitu kerikilan, pasiran, lanauan dan lempungan. Secara keseluruhan dari empat lokasi pengambilan contoh didominasi oleh lanauan 53.1 %, pasiran 39.3 %, kerikilan 5.7 % dan lempungan 1.95 %. Berdasarkan hasil analisa fraksinasi sedimen pada empat titik pengambilan core, teridentifikasi adanya dua tipe substrat, yaitu lanau pasiran (tiga core), pasiran (satu core). Hasil identifikasi fasies ditemukan dua belas jenis yaitu: Subparallel, Sigmoid, Chaotic Fill, Downlap, Erosional Truncation, Prograded Fill, Divergent, Complex, Hummocky, Wavy parallel Subparallel between parallel, Divergent fill. Fasise dominan yakni Subparallel, Sigmoid, Chaotic Fill sedimentasi pada channel dengan energi yang sangat tinggi. Hasil identifikasi pola refeksi akustik ditemukan pola refleksi discontinuity (tidak adanya keberlanjutan/putus-putus) dan pola continuity (kemenerusan) sinyal akustik pada endapan sedimen. Pola discontinuity menandakan bahwa frekuensi yang diterima endapan rendah, sedangkan continuity menandakan frekuensi yang diterima tinggi.
jika terjadi kesalahan dan kekeliruan dalam penulisan silahkan tinggalkan pesan di email amriuspi@gmail.com.
Semoga Bermanfaat, sekian dan terima kasih
Agar bisa [1] mendapatkan informasi tentang kedalaman laut (Bathimetri), [2] struktur dan lingkungan pengendapan sedimen di bawah permukaan dasar laut (seabed), [3] mengidentifikasi informasi abiotik ukuran sedimen (grain size) dan sebarannya maka digunakanlah Sistem BATHY-2010 Chirp Sub Bottom Profile and Bathymetric Echo Sounder terpasang di lambung kapal dan Gravity core . Transduser dari sub-bottom profiler jenis pinger ini terdiri dari elemen piezoelektrik kecil yang memancarkan gelombang pendek, tunggal dan frekuensi tinggi (frekuensi bandwidth yang sempit 3.5 kHz) ketika diaktifkan oleh dorongan listrik.
Data batimetri, data rekaman akustik dan sampel contoh inti sedimen diperoleh dari hasil survey pada tanggal 10-24 Juni 2014 di Perairan Utara Kepulauan Aru menggunakan KR GEOMARIN III Kementerian Energi dan Sumberdaya Mineral, Pusat Penelitian Pengembangan Geologi Kelautan (PPPGL). Secara morfologi daerah penelitian dibagi menjadi dua lokasi, yaitu daerah Dataran pada bagian Timur dan daerah Rendahan sangat dalam pada bagian Barat. Pada bagian Timur morfologi yang terbentuk terdiri dari closure atau punggungan, kisaran kedalaman -1.5 hingga -100 meter dibawah permukaan air laut, sedangkan morfologi pada bagian Barat merupakan morfologi rendahan dengan kedalaman kisaran -101 hingga -3735.5 meter dibawah permukaan air laut (Palung Aru).
Analisis tekstur yang dilakukan terhadap sampel sedimen di lokasi penelitian menunjukan adanya empat tipe sedimen, yaitu kerikilan, pasiran, lanauan dan lempungan. Secara keseluruhan dari empat lokasi pengambilan contoh didominasi oleh lanauan 53.1 %, pasiran 39.3 %, kerikilan 5.7 % dan lempungan 1.95 %. Berdasarkan hasil analisa fraksinasi sedimen pada empat titik pengambilan core, teridentifikasi adanya dua tipe substrat, yaitu lanau pasiran (tiga core), pasiran (satu core). Hasil identifikasi fasies ditemukan dua belas jenis yaitu: Subparallel, Sigmoid, Chaotic Fill, Downlap, Erosional Truncation, Prograded Fill, Divergent, Complex, Hummocky, Wavy parallel Subparallel between parallel, Divergent fill. Fasise dominan yakni Subparallel, Sigmoid, Chaotic Fill sedimentasi pada channel dengan energi yang sangat tinggi. Hasil identifikasi pola refeksi akustik ditemukan pola refleksi discontinuity (tidak adanya keberlanjutan/putus-putus) dan pola continuity (kemenerusan) sinyal akustik pada endapan sedimen. Pola discontinuity menandakan bahwa frekuensi yang diterima endapan rendah, sedangkan continuity menandakan frekuensi yang diterima tinggi.
jika terjadi kesalahan dan kekeliruan dalam penulisan silahkan tinggalkan pesan di email amriuspi@gmail.com.
Semoga Bermanfaat, sekian dan terima kasih
geostudio,Hush
When no one is around, my dear
You'll find me on my tallest tiptoes
Spinning in my highest heels, love
Shining just for you
Hush
I know they said the end is near
But I'm still on my tallest tiptoes
Spinning in my highest heels, love
Shining just for you
I want you to know
I'm a mirrorball
I can change everything about me to fit in
You are not like the regulars
The masquerade revelers
Drunk as they watch my shattered edges glisten
PENGGUNAAN METODE ANALISIS GELOMBANG SEISMIK PERMUKAAN UNTUK PENGEMBANGAN TE...ayu bekti
Β
PENGGUNAAN METODE ANALISIS GELOMBANG SEISMIK PERMUKAAN UNTUK PENGEMBANGAN TEKNIK EVALUASI TANPA RUSAK PERKERASAN LENTUR DAN KAKU DI INDONESIA.
For report file, contact me directly.
geostudio,Hush
When no one is around, my dear
You'll find me on my tallest tiptoes
Spinning in my highest heels, love
Shining just for you
Hush
I know they said the end is near
But I'm still on my tallest tiptoes
Spinning in my highest heels, love
Shining just for you
I want you to know
I'm a mirrorball
I can change everything about me to fit in
You are not like the regulars
The masquerade revelers
Drunk as they watch my shattered edges glisten
PENGGUNAAN METODE ANALISIS GELOMBANG SEISMIK PERMUKAAN UNTUK PENGEMBANGAN TE...ayu bekti
Β
PENGGUNAAN METODE ANALISIS GELOMBANG SEISMIK PERMUKAAN UNTUK PENGEMBANGAN TEKNIK EVALUASI TANPA RUSAK PERKERASAN LENTUR DAN KAKU DI INDONESIA.
For report file, contact me directly.
ANALISIS PENGARUH INDUSTRI BATU BARA TERHADAP PENCEMARAN UDARA.pdfnarayafiryal8
Β
Industri batu bara telah menjadi salah satu penyumbang utama pencemaran udara global. Proses ekstraksi batu bara, baik melalui penambangan terbuka maupun penambangan bawah tanah, menghasilkan debu dan gas beracun yang dilepaskan ke atmosfer. Gas-gas tersebut termasuk sulfur dioksida (SO2), nitrogen oksida (NOx), dan partikel-partikel halus (PM2.5) yang berbahaya bagi kesehatan manusia dan lingkungan. Selain itu, pembakaran batu bara di pembangkit listrik dan industri menyebabkan emisi karbon dioksida (CO2), yang merupakan penyebab utama perubahan iklim global dan pemanasan global.
Pencemaran udara yang disebabkan oleh industri batu bara juga memiliki dampak lokal yang signifikan. Di sekitar area penambangan, debu batu bara yang dihasilkan dapat mengganggu kesehatan masyarakat dan ekosistem lokal. Paparan terus-menerus terhadap debu batu bara dapat menyebabkan masalah pernapasan seperti asma dan bronkitis, serta berkontribusi pada penyakit paru-paru yang lebih serius. Selain itu, hujan asam yang disebabkan oleh emisi sulfur dioksida dapat merusak tanaman, air tanah, dan ekosistem sungai, mengancam keberlanjutan lingkungan di sekitar lokasi industri batu bara.
Tugas Review - Analysis of Rainfall Climate Variability in Saudi Arabia by Using Spectral Density Function
1. Analysis of Rainfall Climate Variability in
Saudi Arabia by Using Spectral Density Function
Oleh : Amro Elfeki, Nassir Al-Amri dan Jarbou Bahrawi
5 π‘β
International Conference on Water Resources and Arid Environment, Riyadh, Saudi Arabia
Diulas Oleh :
Nurhayati Rahayu (23814305)
2. Pendahuluan [1]
β’ Kondisi iklim global yang semakin bervariasi kini telah banyak
dijadikan topik perbincangan dan pusat perhatian di seluruh
dunia. Beberapa peneliti percaya bahwa perluasan tempat
tinggal manusia, eksplotasi lingkungan (hutan berubah menjadi
lahan garap) dan pertumbuhan industri serta peningkatan
perekonomian merupakan pemicu dari semakin bervariasinya
kondisi iklim global.
β’ Kondisi klimatologi pada saat ini telah membuktikan banyak
pemodelan-pemodelan mengenai proyeksi iklim untuk rentang
waktu yang lama. Di seluruh tempat di belahan dunia
menghadapi berbagai peristiwa cuaca ekstrim, seperti
misalnya hujan estrim atau kekeringan ekstrim.
β’ Oleh karena itu, perlu untuk menganalisa variasi-variasi ini dan
menghitungnya berdasarkan model iklim dalam rangka untuk
membuktikan model prediksi. Pada paper ini, menggunakan
pendekatan spectral density function (SDF) untuk menganalisa
sinyal frekuensi hujan tahunan di barat daya Kerajaan Saudi
Arabia.
Tabel 1. Data Lokasi Geografis Stasiun Klimatologi di Barat Daya Saudi Arabia
Gambar 1. Peta lokasi stasiun
3. Pendahuluan [2]
β’ Pada gambar grafik di samping ini ditunjukkan jumlah curah hujan tahunan
stasiun A121 pada tahun 1965 sampai dengan tahun 2005.
β’ Pada data diatas ditunjukkan bahwa jumlah curah hujan terendah terjadi
pada tahun 1984 sebesar 16 mm, sehingga mengalami kekeringan yang
sangat panjang. Sedangkan jumlah curah hujan tertinggi terjadi pada
tahun 1972 sebesar 729 mm. Sehingga dapat dihitung rata-rata jumlah
curah hujan sepanjang 42 tahun adalah sebesar 342 mm, standar deviasi
adalah sebesar 144 mm dan coofisien variasi adalah 0,42 menunjukkan
relatif rendah variasi di sekitar rata-rata
β’ Hingga pada akhirnya hasil dari penelitian ini menunjukkan bahwa
komponen berbagai siklus memiliki variasi yang penting. Siklus yang umum
terjadi pada ketujuh stasiun, memiliki periode selama 26 tahun. Siklus ini
memberikan dampak paling besar terhadap variasi iklim curah hujan
pada semua stasiun yang terdapat pada siklus lain.
4. Siklus Presipitasi
β’ Presipitasi adalah peristiwa klimatik yang bersifat alamiah yaitu
perubahan bentuk uap air di atmosfer menjadi curah hujan sebagai akibat
proses kondensasi.
β’ Presipitasi merupakan faktor utama yang mengendalikan proses daur
hidrologi di suatu wilayah DAS (elemen utama yang mendasari
pemahaman tentang kelembaban tanah, proses resapan air tanah dan
debit aliran).
β’ Presipitasi (juga dikenal sebagai satu kelas dalam hidrometeor, yang
merupakan fenomena atmosferik) adalah setiap produk dari kondensasi
uap air di atmosfer. Ia terjadi ketika atmosfer (yang merupakan suatu
larutan gas raksasa) menjadi jenuh dan air kemudian terkondensasi dan
keluar dari larutan tersebut (terpresipitasi).
β’ Presipitasi yang mencapai permukaan bumi dapat menjadi beberapa
bentuk, termasuk diantaranya hujan, hujan beku, hujan rintik, salju, and
hujan es. Virga adalah presipitasi yang pada mulanya jatuh ke bumi
tetapi menguap sebelum mencapai permukaan bumi.
5. Metodologi Penelitian
β’ Penulis menggunakan metode pendekatan tidak langsung (indirect
approach) atau disebut juga sebagai teknik korelogram (correlogram),
langkah-langkah yang dilakukan pada estimasi spektral dengan metode
ini adalah sebagai berikut :
β’ Penyiapan sinyal (data, pre-processing)
β’ Menghitung fungsi korelasi
β’ Transformasi fourier
β’ Penentuan PSD
β’ Terdapat dua metode untuk memecahkan permasalahan pada PSD, antara
lain parametric dan nonparametrik. Pada penelitian ini menggunakan
periodogram, dimana periodogram kerap digunakan pada metode
nonparametrik untuk menghitung estimati PSD pada data time series.
Gambar 2. Skema Teknik Estimasi Power Spectral Density
6. Langkah 1 : Preliminary Data Sinyal
Sinyal yang digunakan memanfaatkan data yang telah
dikumpulkan dari 7 stasiun pengamatan klimatologi (A121,
B101, J102, J113, SA104, SA110 dan SA111) dengan record
data paling pendek adalah dari stasiun A121 sepanjang 42
tahun dan record data paling panjang adalah dari stasiun B101
sepanjang 52 tahun. Data ini dikumpulkan dalam bentuk tabel
yang dapat dibangun melalui aplikasi yang sederhana, seperti
misalnya menggunakan ms. Excel. Adapun proses entri data
dapat ditunjukkan seperti pada gambar di samping ini.
Gambar 2. Input Data Curah Hujan Tahunan
7. Langkah 2 : Fungsi Korelasi Langsung (Autocorrelation)[1]
Fungsi korelasi lansgsung (autocorelation) secara luas digunakan dalam menganalisa suatu sinyal. Dengan menggunakan transformasi
fourier dari autokorelasi, dapat diketahui kerapatan spektrum daya dari fungsi korelasi.
Properti dari proses stationer stochastic π(π‘) merepresentasikan domain waktu dan menunjukkan fungsi autokorelasi dari jarak
terpisah (lag) π. terdapat fungsi autokorelasi π π§π§ dapat dituliskan pada persamaan di bawah ini :
π π§π§ π =
πΆππ£(π π‘+π ,π(π‘))
π π§
2 (1)
Dimana :
π(π‘) dan π π‘ + π = proses stochastic dengan dua jarak terpisah oleh Ο
ππ§
2
= varian dari proses stochastic
πΆππ£(π π‘ + π , π(π‘)) = Kovarian dari proses stochastic dengan dua jarak terpisah oleh Ο, yang dihitung dari persamaan di ini :
πΆππ£ π π‘ + π , π π‘ =
1
π(π) π=1
π(π)
π π‘π + π β π [π π‘π β π] (2)
Dimana :
π π = jumlah titik sepanjang jarak terpisah oleh Ο
8. Langkah 2 : Fungsi Korelasi Langsung (Autocorrelation)[2]
Grafik berikut ini menggambarkan koefisien korelasi
antara nilai proses dengan jarak terpisah oleh Ο disebut
dengan correlogram.
Fungsi korelasi langsung memiliki beberapa propertis
berikut ini :
π π§π§ 0 = 1
π π§π§ β = 0
π π§π§ π = π π§π§ βπ 3)
Gambar 4. Grafik Korelogram
9. Langkah 3 : Transformasi Fourier
Dengan transformasi fourier, sering dapat dilihat detil sinyal,
yaitu dengan melakukan analisis dalam domain frekuensi.
Persamaan di bawah ini menunjukkan proses transformasi fourier
dari z(t).
π§ π =
1
2π ββ
β
π π‘ πβπ2πππ‘
ππ‘ (4)
Fungsi kovarians dan fungsi spectral density adalah pasangan
transformasi fourier. Dengan menggunakan pendekatan
hubungan wiener-khincin, diberikan persamaan-persamaan ini :
π π§π§ π =
1
2π ββ
β
πΆπ§π§(π)πβπ2πππ ππ
πΆπ§π§ π = ββ
β
π π§π§(π)π π2πππ
ππ
πΆπ§π§ 0 = ββ
β
π π§π§(π) ππ = ππ§
2 (5)
Dikarenakan spektrum daya mengandung sinusoidal maka
persamaan berikut ini dapat menunjukkannya :
π π§π§ π =
1
π ββ
β
πΆπ§π§ π cos 2πππ ππ (6)
Persamaan diatas dapat diformulasikan kedalam perhitungan
numerik menggunakan aturan integrasi trapezoidal.
π π§π§ π =
βπ‘
2π
[πΆπ§π§ 0 +
2 π=1
πβ1
πΆπ§π§ π cos 2πππβπ‘ + πΆπ§π§(π)cos(2πππβπ‘)] (7)
Dimana :
π =
πππ
π
ππ =
1
2
βπ‘
π = 1,2,3, β¦ , π
10. Langkah 4 : Fungsi Daya Spectral Density (PSD)
Konsep density berasal dari bagian pada daya (varians) dari
lebar interval frekuensi. Spektrum daya mendeskripsikan
tentang distribusi daya (varians) dengan frekuensi proses
random bernilai real dan non-negative.
Spektrum daya π π§π§ π atau fungsi spectral density untuk proses
π(π‘) diekspresikan pada persamaan di bawah ini.
π π§π§ π = Lim
πΏββ
1
πΏ
π§ π . π§β π = Lim
πΏββ
1
πΏ
|π§(π)|2 (8)
Dimana :
L = panjang sinyal pada domain frekuensi
Tanda garis atas = menunjukkan rata-rata dari waktu
z(f) = hasil tranformasi fourier dari proses z(t)
π§β
(π) = Conjugate dari z(f)
Berikut propertis dari spektrum daya :
π π§π§(π) β₯ 0
ββ
β
π π§π§ π ππ = ππ§
2
π π§π§ π = π π§π§(βπ) (9) Gambar 5. Grafik Perhitungan Periodogram
11. Simulasi[1]
Pada simulasi ini, langkah setelah melakukan pengolahan data sinyal
adalah menghitung korelasi langsung sebagaimana ditunjukkan pada
gambar di bawah ini.
Langkah ini membaca record data jumlah curah hujan tahunan yang
telah di input sebelumnya untuk kemudian dilakukan perhitungan korelasi
langsung dengan menggeser input sinyal satu tahun dan meletakkannya
pada kolom yang berbeda lalu koefisien korelasi diantara dua data
tersebut dapat dihitung.
Setelah langkah ini selesai, maka dapat dilanjutkan dengan
melakukan perhitungan fungsi spektral density sebagaimana
ditunjukkan pada gambar di bawah ini
Gambar 6. Perhitungan Korelasi Langsung
Gambar 7. Perhitungan Fungsi Spektral Density
12. Simulasi[2]
Gambar di bawah ini ditunjukkan kalkukasi dari spektrum variasi(periodogram)
Gambar 9. Perhitungan Fungsi Korelasi dan Kaitannya Dengan
Fungsi Spektral Density Stasiun A121 dan J102
Gambar 10. Perhitungan Fungsi Korelasi dan Kaitannya Dengan Fungsi Spektral
Density Stasiun J113 dan SA110
Gambar 11. Perhitungan Fungsi Korelasi dan Kaitannya Dengan
Fungsi Spektral Density Stasiun SA111 dan B101
Gambar 12. Perhitungan Fungsi Korelasi dan Kaitannya Dengan
Fungsi Spektral Density Stasiun SA104
13. Hasil Simulasi
Tabel 2. Parameter statistik dari stasiun pengamatan klimatologi
β’ Tabel di bawah menunjukkan data analisa statistik dari 7 stasiun yang menjadi sampel input sinyal. Skala integral waktu antara
0.7 sampai dengan 1.8 tahun, mengindikasikan skala waktu korelasi terjadinya hujan yang sangat pendek. Rentang jarak
korelasi (π1) tidak menunjukkan kekokohan yang signifikan (rata-rata π1 = 0.13) kecuali stasiun SA110 yang memiliki nilai paling
tinggi yaitu 0.56
β’ Gambar 10-12 menunjukkan fungsi korelasi langsung dari data curah hujan tahunan dengan tiga rentang jarak serta kaitannya
dengan fungsi spektral density.
β’ Gambar-gambar ini memperlihatkan pola yang berbeda. Stasiun J102 dan J113 memperlihatkan korelasi jarak pendek dimana
korelasi berada pada rentang jarak 0 sampai dengan 1 turun secara signifikan. Skala integral dari kedua stasiun ini kurang dari
satu tahun sebagaimana ditunjukkan pada tabel. Sedangkan stasiun A121, SA110, SA111, SA104 dan B101 menunjukkan
korelasi yang lebih panjang dengan skala integral lebih dari satu tahun.
β’ Fungsi spektral density yang ditunjukkan pada gambar 10-12 memperlihatkan periodesitas varians yang berbeda. Periode
umumnya selama 26 tahun untuk semua stasiun. Untuk stasiun A121, B101, dan J113 memiliki varians yang signifikan dengan
mengalami osilasi 3,25 tahun. Stasiun A121, B101,J102, J113 & SA111 juga mengalami osilasi rata-rata 2 tahun. Terdapat pula
osilasi yang unik pada stasiun SA104 dengan periode 8.7 tahun dan SA110 dengan periode 13 tahun dan 6.5 tahun.
14. Kesimpulan
β’ Pada penelitian ini telah didokumentasikan informasi pada struktur temporal jumlah curah hujan tahunan pada
daerah Barat Daya Kerajaan Saudi Arabia dengan menggunakan metode korelasi langsung dan analisa
spektral.
β’ Skala temporal yang bervariasi diperoleh dengan variansi signifikan relatif dan hal ini membuktikan bahwa sulit
untuk mengidentifikasi struktur pada spektral dari seluruh stasiun, kecuali siklus 26 tahun terjadi di semua stasiun.
Rata-rata osilasi unik signifikan yang terjadi pada semua stasiun adalah 26, 13, 6.5, 3.5 dan 2 tahun.
β’ Sinyal random stationer menggunakan pendekatan metode secara tidak langsung dan telah melibatkan semua
tahap hingga menghasilkan PSD. Dalam menghitung estimasi PSD dalam time series, penelitian ini menggunakan
periodogram dimana ini adalah merupakan ciri khas pada metode nonparametrik. Penulis telah membuktikan
bahwa sinyal random mengandung sinusoida, maka spektral adalah tunggal (single), berada pada bidang real
dan bernilai non-negatif.
Terima Kasih