Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPerubahan iklim telah menyebabkan kerugian jiwa dan ekonomi akibat fenomena iklim ekstrem seperti banjir, kekeringan, perubahan karakteristik hujan dan kenaikan suhu di Indonesia. Informasi tentang proyeksi iklim yaitu curah hujan dan tren suhu sangat penting untuk melakukan adaptasi, mitigasi serta perencanaan operasional untuk berbagai sektor yang terkena dampak. Dalam studi ini, peneliti menggunakan data observasi dan data model iklim global. Data observasi harian berasal dari 70 stasiun meteorologi di Indonesia selama 20 tahun dari 1986 hingga 2005. Selanjutnya 29 data model iklim global GCM (Global Circulation Model) dari CMIP5 (Coupled Model Intercomparison Project Phase 5) historical dianalisis berdasarkan kesamaan pola spasial dan pola temporal dengan pola pengamatan stasiun meteorologi di Indonesia menggunakan korelasi. Model proyeksi perubahan iklim masa depan hingga tahun 2100 untuk variabel curah hujan dan suhu udara dikoreksi biasnya untuk skenario RCP 4.5 dan RCP 8.5 dari model terbaik yang didapatkan dari korelasi tertinggi. Proyeksi masa depan dibuat dalam index iklim ekstrem berdasarkan ETCCDI (Expert Team on Climate Change Detection and Indices) menjadi index total curah hujan tahunan (Prcptot), hari kering berturut-turut (CDD), hari hujan berturut-turut (CWD), nilai suhu maksimum bulanan (TXx) dan nilai suhu minimum bulanan (TNn). Index iklim ekstrem berdasarkan ETCCDI proyeksi dibandingkan dengan periode historical (1981-2010) sehingga diperoleh seberapa besar persentase perubahan iklim ekstrim pada periode 2011-2040, 2041-2070 dan 2071-2100. Hasil proyeksi masa depan secara temporal dan spasial indek iklim ekstrim meliputi Prcptot, CWD, TXx dan TNn kecuali indek CDD relatif mengalami kenaikan terhadap periode historicalnya.

---

ABSTRACTClimate change has caused life and economic losses due to extreme climate phenomena such as floods, droughts, changes in the characteristics of rain and rising temperatures in Indonesia. Information about climate projections, namely rainfall and temperature trends is very important for adaptation, mitigation and operational planning for the various sectors affected. In this study, researcher used observational data and global climate model data. Daily observational data obtained from 70 meteorological stations in Indonesia for 20 years from 1986 to 2005. Furthermore, 29 global model GCM (Global Circulation Model) from CMIP5 (Coupled Model Intercomparison Project Phase 5) historical were analyzed based on similarity of spatial patterns and temporal patterns with pattern of observation of meteorological stations in Indonesia using correlation. The projection model of future climate change until 2100 for rainfall variables and air temperature bias corrected for RCP 4.5 and RCP 8.5 scenarios of the best models obtained from the highest correlation. Future projections are made in the extreme climate index based on ETCCDI (Expert Team on Climate Change Detection and Indices) to be an index of total annual rainfall (Prcptot), consecutive dry days (CDD), consecutive wet days (CWD), maximum monthly temperature values (TXx) ​​and minimum monthly temperature values (TNn). Extreme climate index based on projection ETCCDI compared to historical period (1981-2010) so that the percentage of extreme climate change is obtained in the period 2011-2040, 2041-2070 and 2071-2100. The results of temporal and spatial predictions of extreme climate indices include Prcptot, CWD, TXx and TNN except that the CDD index has relatively increased over the historical period."

"Penelitian ini bertujuan untuk memberikan persepsi baru dalam pengukuran ketahanan pangan dengan menggunakan volatilitas harga pangan. Pendekatan data iklim digunakan untuk menganalisis pola volatilitas harga bersama dengan variabel sosial dan ekonomi. Proyeksi perubahan iklim dilakukan untuk melihat wilayah yang rentan dalam produksi pangan selanjutnya persepsi petani diukur untuk melihat kesiapan mereka untuk menghadapi perubahan iklim. Ditemukan pola adaptasi petani terhadap dampak perubahan iklim pada ketidakpastian harga pangan khususnya tingkat rumah tangga. Selanjutnya data dinamika iklim digunakan sebagai nilai input untuk pembuatan model prediksi volatilitas harga pangan. Dengan menggunakan metode statistik dan teknik jaringan syaraf tiruan, estimasi volatilias harga berhasil dihasilkan berserta dengan nilai prediksinya, luaran yang dihasilkan digunakan untuk mengoptimalkan sistem pangan yang lebih berkelanjutan.

---

This study aims to provide a new perception of food security by using food price volatility to measure sustainability. The climate data approach is used to analyze patterns of price volatility along with social and economic variables. Climate change projections are carried out to look at areas that are vulnerable to food production, then farmers' perceptions are measured to see their readiness to face climate change. The pattern of farmers' adaptation to climate change on food price uncertainty, especially at the household level, was found. Furthermore, climate dynamics data are used as input values for prediction models of food price volatility. The Model using statistical methods and neural network techniques, the estimation of price volatility is successfully generated along with the predictive value, and the resulting output is used to optimize a more sustainable food system."