Sistem Informasi Geografis TINJAUAN PUSTAKA

ditangani dengan metode manual. Selain itu jika menggunakan metode manual akan lebih mahal, menghabiskan waktu lebih banyak dan tidak mungkin dilakukan secara praktis. SIG mampu mengatasi berbagai macam masalah yang ada dalam dunia nyata, karena SIG menyimpan informasi real world sebagai kumpulan dari tematik layer yang dapat di link secara geografis. Data merupakan unsur yang penting pada SIG dimana keandalan suatu informasi yang disajikan akan sangat bergantung kepada kualitas datanya. SIG dapat diuraikan menjadi beberapa subsistem yang merupakan unsur dalam pengolahan data pada SIG. Subsistem tersebut seperti berikut ini: 1. Masukan Data Subsistem ini bertugas untuk mengumpulkan dan mempersiapkan data spasial dan atribut dari berbagai sumber. Subsistem ini pula yang bertanggungjawab dalam mengkonversikan atau mengtransformasikan format data aslinya kedalam format yang dapat digunakan oleh SIG Sistem Informasi Geografis. 2. Manajemen Data Subsistem ini mengorganisasikan baik data spasial maupun atribut ke dalam sebuah basis data sedemikian rupa sehingga mudah dipanggil, diupdate, dan diedit. 3. Manipulasi dan Analisa Data Subsistem manipulasi dan analisa data berfungsi untuk menentukan informasi yang bisa diberikan oleh SIG, bentuk data yang diperlukan harus ditentukan sebagai bagian dari kebutuhan sistem. Subsistem ini melakukan manipulasi dan pemodelan data untuk menghasilkan informasi yang diharapkan. 4. Keluaran Data Subsistem keluaran data berfungsi untuk menampilkan atau menghasilkan keluaran seluruh atau sebagian basisdata baik dalam bentuk softcopy maupun bentuk hardcopy seperti: tabel, grafik, peta dan lain-lain.

2.5. Model Prediksi Cuaca WRF Weather Research and Forecasting

Numerical Weather Prediction NWP merupakan sebuah pemahaman tentang bagaimana cara memprediksi cuaca menggunakan model atmosfer dan tehnik komputasi. Dalam hal ini model yang digunakan menggunakan pendekatan bahwa atmosfer kita merupakan suatu fluida, sehingga untuk memprediksi cuaca yang akan datang dapat didekati dengan persamaan-persamaan dinamika fluida dan termodinamika dengan menggunakan sample data initial condition pada waktu tertentu. Walaupun banyak model NWP yang berkembang saat ini, namun biasanya mempunyai konfigurasi yang sama. Biasanya perbedaan mendasar yang sering terlihat adalah model grid serta pendekatan fisik maupun dinamik atmosfer yang digunakan pada tiap-tiap model. Perkembangan penelitian dan peramalan cuaca terkini cenderung digunakan untuk pengamatan dinamika dan proses fisis atmosfer adalah model Weather Research and Forecasting WRF, dimana model WRF adalah suatu usaha multi-Institusional yang mengembangkan suatu sistem asimilasi data skala meso dan peramalan yang lebih akurat, efisien dan ter-skalakan Michalakes et al. 1999. Weather Research Forecasting WRF merupakan model Numerical Weather Prediction NWP yang lengkap dan relatif lebih mudah digunakan, walaupun untuk menjalankan sebuah model cuaca atau iklim masih membutuhkan pengetahuan dasar tentang ilmu cuaca dan ilmu komputer. WRF adalah salah satu model prediksi cuaca numerik skala meso yang saat ini sering digunakan secara luas dalam prediksi cuaca di seluruh dunia. WRF-ARW The Advanced Research-WRF yang merupakan salah satu post processing dari WRF dikembangkan oleh NCAR National Center for Atmospheric Research yang bekerja sama dengan National Centers for Environmental Prediction NCEP Colorado USA, dan didukung oleh Forecast System Laboratory of the NOAA NOAAFSL, Air Force Weather Agency AFWA serta instansi lainnya dengan versi pertamanya WRF versi 1.0 yang di rilis Desember 2000. Gambar 3 . Penerapan sistem NWP Tidak semua proses di atmosfer bisa diselesaikan secara eksplisit dari persamaan gerak pada model numerik. Ada proses - proses di atmosfer yang memiliki skala spasial dan temporal lebih kecil dari skala grid dari model sub-grid. Sehingga dalam setiap model NWP terdapat parameterisasi terhadap parameter cuaca yang perhitungannya tidak bisa dilakukan langsung dengan suatu rumusan matematis Jascourt et al. 2000. Skema-skema parameterisasi ini mencoba membuat simulasi seperti kondisi nyata. Kombinasi dari parameterisasi yang berbeda akan memberikan hasil keluaran model yang berbeda pula.

2.6. Model Dispersi Asap WRF-Chem

WRF-Chem adalah model WRF dikopel ditambah dengan chemistry kimia. Model tersebut dapat mensimulasikan emisi, transportasi, pencampuran, dan transformasi kimia jejak gas dan aerosol bersamaan dengan proses meteorologi. Model ini digunakan untuk investigasi skala regional kualitas udara, analisis program lapangan, dan interaksi skala-awan antara awan-awan dan kimia Peckam et al. 2013 Perbedaan dengan WRF biasa berasal dari bagian chemistry pada model yang diperlukan dalam penambahan data input grid emisi. Data input tambahan ini