Pembimbing Ir Syamsul Arifin, MT Dr. Ir. Aulia Siti Aisyah, MT. Sidang Tugas Akhir

Sidang Tugas Akhir. Pembimbing Ir Syamsul Arifin, MT Dr. Ir. Aulia Siti Aisyah, MT.

LATAR BELAKANG. Kecelakaan transportasi Laut. Informasi Cuaca Maritim. Nelayan. Short Message Service. Low-End Handset.

TUJUAN DAN PERMASALAHAN Masalah  Bagaimana merancang sistem prediksi cuaca maritim dengan logika fuzzy untuk para nelayan Jawa Timur.  Bagaimana merancang sistem informasi cuaca maritim untuk para nelayan dengan media komunikasi Short Message Service.. Tujuan  Membangun sistem prediksi cuaca untuk para nelayan dengan logika fuzzy.  Membangun Sistem informasi peramalan cuaca maritim tersebut untuk para nelayan dengan media komunikasi short message service..

 Obyek analisa yaitu di wilayah nelayan jawa timur bagian. .  .  . utara dari daerah pantai hingga 12 mil lepas pantai Pasuruan , Situbondo, dan Pasuruan Data diambil berupa data sekunder cuaca maritim berupa kecepatan angin, kecepatan arus, tinggi gelombang laut di BMKG II Perak dengan tiga titik daerah di lepas pantai. Prediksi cuaca maritim berupa kecepatan arus dan ketinggian gelombang laut Pada proses simulasi dianggap jaringan komunikasi SMS dalam keadaan ideal seperti sinyal modem, pulsa, dan jaringan dalam keadan baik. Modem yang digunakan merupakan modem dengan jaringan GSM sebagai penerima dan pengirim sms otomatis Kelayakan pelayaran yang dimaksud adalah cuaca yang diperuntukkan khusus untuk pelayaran nelayan 1- 10 GT dan 1030 GT. BATASAN MASALAH.

PENELITIAN SEBELUMNYA.

mulai. METODOLOGI PENELITIAN. Studi literatur. Identifikasi Masalah Analisa Hasil dan Pembahasan. Pengambilan data. Penyusunan Laporan Perancangan prediktor cuaca dengan logika fuzzy. Validasi sistem prediktor cuaca dengan logika fuzzy. tidak. Kesesuaian Sistem Prediktor cuaca ya. Perancangan Sistem Informasi. Pengujian Sistem Informasi. tidak. Kesesuaian Sistem Informasi Cuaca Maritim ya. Selesai.

TEORI DASAR LOGIKA FUZZY  Fungsi Keanggotaan  Label  Aturan  Derajat Keanggotaan.

SISTEM INFERENSI FUZZY. Fuzzifikasi -> Operasi Logika Fuzzy -> Implikasi-> Agregasi ->Defuzzifikasi.

SISTEM INFERNSI FUZZY SUGENO.

M u a li. FUZZY C MEANS U = (u1, u2, u3, u4....un). M a k r its n x m. P e n e n u ta n J u m a lh C u le tr , P a n g k a P te m b o b o ,t M a k s m iu m e tIr a F s ,ia k o tr k o r e k s i. P e n e n u ta n M a k r its P a s ir ti S e c a r a A c a k. H u tin g P u s a C tu ls e tr. M o k d ifa is N ia K lie a n g g o a ta n d a n M a k r its P a s ir ti. + t1. F u n g s O ib y e k fit. Faktorkoreksi. S e e ls a i.

UNSUR CUACA DAN IKLIM  Angin. Angin adalah gerak udara yang sejajar dengan permukaan bumi. Udara bergerak dari daerah bertekanan tinggi ke daerah bertekanan rendah.  Suhu muka Sebagai indeks banyaknya uap air pembentuk awan di atmosfer. Jika suhu muka laut dingin uap air di atmosfer menjadi berkurang, sebaliknya jika suhu muka laut panas uap air di atmosfer.

UNSUR CUACA MARITIM  Gelombang Laut. Gelombang/ombak yang terjadi di lautan dapat diklasifikasikan menjadi beberapa macam tergantung kepada gaya pembangkitnya. Pembangkit gelombang laut dapat disebabkan oleh angin (gelombang angin), gaya tarik menarik bumi-bulan-matahari (gelombang pasang-surut), gempa (vulkanik atau tektonik) di dasar laut.

UNSUR CUACA MARITIM  Arus laut adalah gerakan massa air laut yang. berpindah dari satu tempat ke tempat lain. Arus di permukaan laut terutama disebabkan oleh tiupan angin, sedang arus di kedalaman laut disebabkan oleh perbedaan densitas massa air laut. Selain itu, arus di permukan laut dapat juga disebabkan oleh gerakan pasang surut air laut atau gelombang..

SKALA BEAUFORT.

Skala Douglas. Skala. Ketinggian Gelombang (Meter). 0 1 2 3 4 5 6 7 8 9. 0 0 – 0.1 0.1 – 0.5 0.5 – 1.25 1.25 – 2.5 2.5 – 4.0 4.0 – 6.0 6.0 – 9.0 9.0 – 14.0 >14.0. Deskripsi Calm (glassy) Calm (rippled) Smooth (wavelets) Slight. Moderate Rough Very rough High Very high Phenomenal.

ALUR KOMUNIKASI SMS.

AT COMMAND  AT Command diperkenalkan oleh Dennis Hayes pada tahun. 1977 yang dikenal dengan “smart modem”. Modem bekerja pada baud rate 300 bps. Modem ini terdiri dari sederet instruksi yang mengatur komunikasi dan fitur-fitur di dalamnya. AT Command mempunyai dua mode, yaitu mode data (data mode) dan mode perintah (command mode) .Untuk berpindah dari mode data menuju mode perintah dipisahkan oleh tiga tanda plus dan jeda selama satu detik..  AT+CMGS = “081XXXXX” > “SMS”  AT+CMGD = 1  AT+CMGF = 1 (Format SMS dalam bentuk text).

PENGAMBILAN DATA B (Banyuwangi) 115.617⁰ E - 7.9⁰ S S (Situbondo) 114.0⁰ E– 7.4⁰ S P (Pasuruan) 113.0⁰ E-7.41⁰ S.

Perancangan Prediksi Ketinggian Gelombang Fuzzy  Pemindahan Data Pada Workspace MATLAB  Clustering dengan Fuzzy C-means Ketinggian. Gelombang dan Kecepatan Angin  Penentuan Nilai Keluaran Tegas Pada FIS Sugeno  Simulasi Hasil Prediksi  Validasi dengan Jumlah Kesamaan Fungsi Keanggotaan dengan data validasi.

Clustering Fuzzy C Means Pada MATLAB No Variabel Standar Fungsi %% Load Data Dari Workspace Deviasi Keanggotaan 1load ('DataBanyuwangi1.mat') Kecepatan 2.2277 LA(Light Air) %% Inisialisi Matrix Berdasarkan Waktu Angin 2.2277 LBData (Light Brezze) t = 1: size (H)-25; (Knot) 2.2277 GB (Gentle A = Angin (t+1,1); Brezze) Hsebelum = H(t,1); 2.2277 MB(Moderate Haktual = H (t+1,1); Breezze) Hout = H(t+2); 2 Ketinggian 0.2378 SM (Smooth) %% Inisialisi Matrix Data Clustering gelombang SL (Slight) Hin = [A Haktual]; 0.2378 satu jam 0.2378 Hin2 = [ Hsebelum Haktual Hout ]; SL2 (Slight) sebelum %% Clustering Dengan 0.2378 Fuzzy C MeansM(Moderate) (Ht-1)(m) [center1,U1,objFcn1] = fcm(Hin,3); [center2,U2,objFcn2] = fcm(Hin2,3); 3 Ketinggian 0.2378 SM (Smooth) Gelombang 0.2378 SL (Slight) Aktual 0.2378 SL2(Slight) (Ht-1(m) 0.2378 M(Moderate). Titik Tengah 2 4.47 7.6 11 0.5 0.7806 1.14 1.6 0.5 0.7806 1.14 1.6.

LOGIKA FUZZY UNTUK PREDIKSI KETINGGIAN GELOMBANG PADA MATLAB.

Penentuan Aturan Pada Logika. Fuzzy No. Variabel Prediksi Ketinggian 1 Jam Ht+1. Fungsi Keanggotaan SM(Smooth) SL (Slight) SL2 (Slight) M (Moderate Brezze). Konstanta 0.3 0.9 1.25 1.6. 1 2 3 4 5 6 7 8. Angin LA LB GB MB. If (Ht-1)(m) SM SL SL2 M SM SL SL2 M. (Ht)(m) SM SL SL2 M SM SL SL2 M. Then (Ht+1)(m) SM SL SL2 M SM SL SL2 M.

Perancangan Prediksi Kecepatan Arus No 1. 2. 3. Variabel. Standar Fungsi Titik Deviasi Keanggotaan Tengah Kecepatan 2.2277 LA (Light 2.0019 Angin Air) (Knot) 2.2277 LB (Light 4.4777 Brezze) 2.2277 GB (Gentle 7.6765 Brezze) 2.2277 MB 13.0000 (Moderate Breezze) Kecepatan 0.134 S Slow) 0.0494 Arus 0.134 SL (Slight) 0.2018 Cut0.134 AV 0.6239 (Average) 1)(m/s) 0.134 F (Fast) 0.9 Kecepatan 0.134 S Slow) 0.0494 Arus 0.134 SL (Slight) 0.2018 Aktual 0.134 AV 0.6239 (Cut(Average) 1(m/s) 0.134 F (Fast) 0.9.

LOGIKA FUZZY UNTUK PREDIKSI KECEPATAN ARUS PADA MATLAB.

PENENTUAN ATURAN PADA LOGIKA FUZZY PREDIKSI KECEPATAN No. Variabel. Fungsi Keanggotaan S Slow) Kecepatan SL (Slight) arus Prediksi AV (Average) (Ht+1) F (Fast). Konstanta 0 0.2 0.6 0.9. 1 2 3 4 5 6 7 8. Angin LA LB GB MB. If Then (Cut-1)(m) (Cut)(m) (Cut+1)(m) S S VS SL SL SL AV AV AV F F F S S VS SL SL SL AV AV AV F F F.

Hasil Prediksi Ketinggian Gelombang Perairan Banyuwangi. No. Waktu Prediksi. 1. 1 Jam. 2 3 4. 6 Jam 12 Jam 24 Jam. Jumlah Data Validasi. Jumlah data kesamaan fungsi keanggotaan. Prosentase Akurasi. 7740 7740 7740. 7275. 93.99%. 6828 6297 6140. 88.21 % 81.35 % 79.32 %. 7740.

HASIL PREDIKSI KETINGGIAN GELOMBANG PASURUAN. No. Waktu Prediksi. Jumlah Data Validasi. Jumlah data kesamaan fungsi keanggotaan. Prosentase Akurasi. 1. 1 Jam. 7740. 7312. 94.47%. 2. 6 Jam. 7374. 95.27%. 3. 12 Jam. 7740 7740. 6968. 90.02%. 4. 24 Jam. 7740. 6807. 87.95%.

HASIL VALIDASI PREDIKSI KETINGGIAN GELOMBANG PERAIRAN SITUBONDO. 1. 1 Jam. 7740. Jumlah data kesamaan fungsi keanggotaan 7361. 2. 6 Jam. 7740. 7126. 92.07%. 3. 12 Jam. 7740. 6895. 89.08%. 4. 24 Jam. 7740. 6466. 83.54%. No. Jumlah Waktu Data Prediksi Validasi. Prosentase Akurasi 95.10%.

Hasil Prediksi Kecepatan Arus Perairan Banyuwangi. No. Waktu Prediksi. Jumlah Data Validasi. Jumlah data kesamaan fungsi keanggotaan. Prosentase Akurasi. 1. 1 Jam. 7740. 7479. 96.62%. 2. 6 Jam. 7740. 7118. 91.96%. 3. 12 Jam. 7740. 6745. 87.14%. 4. 24 Jam. 7740. 6506. 84.05%.

Hasil Prediksi Kecepatan Arus Perairan Pasuruan. No. Waktu Prediksi. 1 2 3. 1 Jam 6 Jam 12 Jam. 4. 24 Jam. Jumlah Data Validasi 7740 7740 7740 7740. Jumlah data kesamaan fungsi keanggotaan 7384 7286 6755 6610. Prosentase Akurasi 95.38% 94.12% 87.26% 85.39%.

Hasil Prediksi Kecepatan Arus Perairan Situbondo. No. Waktu Prediksi. Jumlah Data Validasi. Jumlah data kesamaan fungsi keanggotaan. Prosentase Akurasi. 1. 1 Jam. 7740. 7534. 97.33%. 2. 6 Jam. 7740. 7071. 91.34%. 3. 12 Jam. 7740. 6966. 89.98 %. 4. 24 Jam. 7740. 6696. 86.50%.

Kelayakan Pelayaran Keadaan Laut Maksimal No. GT Kapal. 1. Ketinggian Gelombang. Kecepatan Arus. 1-7 GT. Smooth. Slow. 2. 7- 175 GT. Slight. Slight. 3. 175-500 GT. Moderate. Average. 4. 500-5000 GT. Rough. Fast. 5. 500-10000 GT. Very Rough. Very Fast.

Simulink Untuk Kelayakan Pelayaran.

SIMULINK UNTUK PREDIKSI KETINGGIAN GELOMBANG.

SIMULINK UNTUK PREDIKSI KECEPATAN ARUS.

Simulink Look Up Tabel Untuk Kelayakan Pelayaran.

Validasi Hasil Kelayakan Pelayaran Nelayan Perairan Pasuruan, Situbondo, dan Banyuwangi No. 1 2 3 4. GT Kapal 1-10No GT 10-30 GT 1-10 GT 1 10-30 GT 1-10 GT 2 GT 10-30 1-10 GT 3 GT 10-30 4. Waktu Data Prediksi Validasi GT Kapal 1 Jam No 1-10 GT 6 Jam 10-30 GT 1 1-10 GT 12 Jam 10-30 GT 2 1-10 GT 24 Jam 10-30 GT 3 1-10 GT. 10-30 GT 4. Kesamaan Persen Kelayakan Pelayaran Akurasi Kesamaan Data Persen 7740 Kelayakan Waktu Prediksi 7265 93.86% KesamaanAkurasi Validasi Waktu Data Persen Pelayaran 7740 99.57% Kelayakan GT Kapal 7707 Prediksi Validasi Akurasi 7740 7740 Pelayaran 7308 94.42% 7409 95.72% 1 Jam 7740GT 7740 1-10 7740 7299 99.50% 94.30% 7698 99.46% 7701 1 Jam 7740 10-30 7740GT 7194 7740 7707 94.17% 99.57% 92.95% 7289 6 Jam 7740GT 1-10 7740 7141 99.11% 92.26% 7740 7707 99.57% 7671 6 Jam 7740 10-30 7740GT 6605 7675 91.65% 99.16% 7740 85.34% 7094 12 Jam 7740GT 1-10 7740 6696 98.72% 86.51% 7656 98.91% 7740 7641 12 Jam 7740 10-30 GT 7645 98.77% 7740 6936 89.61% 24 Jam 1-10 GT 7740 7740 6958 98.02% 89.90% 7587 24 Jam 10-30 GT 7740 7582 97.96%.

Prediktor Pada Visual Basic 6.

SISTEM PREDIKTOR CUACA MARITIM PADA VB6 If Val(VB.Text) >= 0 And Val(VB.Text) <= 3 w6B = mbrHB2 * mbrH1B2 Then w7B = mbrHB3 * mbrH1B3 VBL.Text = "Light Breeze" w8B = mbrHB4 * mbrH1B4 mbrVB1 = 2.7183 ^ (-1 * ((Val(VB.Text) 2.074) ^ 2) / (2 * (2.166 ^ 2))) z1B = 0.4 mbrVB2 = 2.7183 ^ (-1 * ((Val(VB.Text) - 4.5) z2B = 0.9 ^ 2) / (2 * (2.166 ^ 2))) z3B = 1.1 mbrVB3 = 2.7183 ^ (-1 * ((Val(VB.Text) z4B = 1.6 7.517) ^ 2) / (2 * (2.166 ^ 2))) mbrVB4 = 2.7183 ^ (-1 * ((Val(VB.Text) - 11) ^ KGB1.Text = Round((w1B * z1B + w2B * z2B 2) / (2 * (2.166 ^ 2))) + w3B * z3B + w4B * z4B + w5B * z1B + w6B * z2B + w7B * z3B + w8B * z4B) / (w1B + w1B = mbrVB1 * mbrHB1 * mbrH1B1 w2B + w3B + w4B + w5B + w6B + w7B + w2B = mbrVB2 * mbrHB2 * mbrH1B2 w8B), 2) w3B = mbrVB3 * mbrHB3 * mbrH1B3 w4B = mbrVB4 * mbrHB4 * mbrH1B4 w5B = mbrHB1 * mbrH1B1.

Hasil Validasi Prediktor Pada Visual Basic 6 untuk Perairan Banyuwangi. No 1 22 3 3 4 4. Jumlah Jumlah Waktu Waktu Data Data Prediksi Prediksi Validasi Validasi 11 Jam Jam 66 Jam Jam 12 Jam 12 Jam 24 Jam 24 Jam. 7740 7740 7740 7740 7740 7740 7740 7740. Jumlah data Jumlah data kesamaan kesamaan Prosentase Prosentase fungsi Akurasi fungsi Akurasi keanggotaan keanggotaan 7294 7358 6990 7070 6322 6654 6144 6284. 94.24% 95.06% 90.31% 91.34% 81.68% 85.97% 79.38% 81.19%.

HASIL VALIDASI PREDIKTOR PADA VISUAL BASIC 6 UNTUK PERAIRAN SITUBONDO DAN PASURUAN Jumlah data Jumlah data Jumlah Jumlah kesamaan Prosentase Prosentase Waktu kesamaan No Waktu Prediksi Data No Data Akurasi Prediksi fungsi fungsi Akurasi Validasi Validasi keanggotaan keanggotaan 11 1 Jam 7234 93.46% 7740 7740 1 Jam 7353 95 % 2 6 Jam 7740 7740 7066 91.29% 2 6 Jam 7387 95.44 % 3 12 Jam 7740 7740 87.49% 3 12 Jam 7091 6772 91.61 % 44 Jam 7740 7740 6249 80.74% 2424 Jam 6554 84.68 % Jumlah data Jumlah data Jumlah Jumlah Waktu kesamaan Prosentase Waktu kesamaan No Data No Data Prosentase Akurasi Prediksi fungsi Akurasi Prediksi fungsi Validasi Validasi keanggotaan keanggotaan 7740 Jam 7740 7414 95.79% 11 1 1Jam 7143 92.29% 7740 7740 Jam 22 66Jam 7226 93.36% 6975 90.12%. 33. Jam 1212Jam. 44. 24Jam Jam 24. 7740 7740 7740 7740. 6991 6743. 90.32% 87.12%. 6557 6695. 84.72% 86.50%.

PERANCANGAN SISTEM INFOMASI CUACA MARITIM DENGAN MEDIA SMS.

DIAGRAM ALIR ALGORITMA PROGRAM SISTEM INFORMASI CUACA MARITIM.

UJI COBA SISTEM INFORMASI CUACA MARITIM.

UJI COBA SISTEM.

ANALISA TIME ELAPSED UNTUK PERCOBAAN Waktu Waktu yang Waktu yang yang Waktu Waktu yang yang diperlukan diperlukan diperlukan Waktu yang diperlukan diperlukan Sistem Sistem Sistem diperlukan SMS SMS diterima SMS diterima mengirimkan mengirimkan mengirimkan diterima pengirim pengirim SMS hingga SMS SMS hingga hingga pengirim antara antara SMS antara SMS menerima SMS menerima SMS pertama menerima SMS SMS pertama dan pertama dan dari Sistem dari dari Sistem Sistem dan kedua kedua kedua Infomasi Infomasi Infomasi. No No. Jam Jam. WAKTU WAKTU yang WAKTU yang yang diperlukan diperlukan diperlukan untuk SMS KE untuk SMS KE KE untuk SMS MODEM MODEM. 1 22. 05-06 AM 09-10 PM 12-01 PM 05-06 AM 09-10 PM 12-01 PM. 5 10 6 10. 21 19 22 23 20 25. 12 10 13 10. 33 4 4 5 5. 05-06 AM 09-10 PM 12-01 PM 05-06 AM 09-10 AM 12-01 AM 05-06 AM 09-10 AM 12-01 AM Rata-rata Rata-Rata. 5 10 12 8 12 8 6 12 6 6 9 11. 25 18 24 17 18 20 18 17 22 20 22 18. 9 9 12 10 10 10 10 11 10 11 10.

KESIMPULAN Prosentase kesesuaian data antara data yang berasal dari BMKG dengan data hasil pemodelan fuzzy untuk data sebanyak 7740 pada bulan Januari 2010 hingga November 2010 adalah sebagai berikut:  Perairan Banyuwangi untuk prediksi kecepatan arus prosentase keakuratan 96,62% untuk 1 jam ke depan, 91,96 % untuk prediksi 6 jam ke depan, 87,14% untuk prediksi 12 jam ke depan, 84,06 % untuk prediksi 24 jam ke depan. Prediksi ketinggian gelombang prosentase keakuratan 93,99% untuk prediksi 1 jam ke depan, 88,21% untuk prediksi 6 jam ke depan, 81,35% untuk prediksi 12 jam ke depan, dan 79,32% untuk prediksi 24 jam.  Perairan Pasuruan untuk prediksi kecepatan arus prosentase keakuratan 95,38% untuk 1 jam ke depan, 94,12 % untuk prediksi 6 jam ke depan, 87,26% untuk prediksi 12 jam ke depan, 85,39 % untuk prediksi 24 jam ke depan.Prediksi ketinggian gelombang prosentase ketepatan 94,47 % untuk prediksi 1 jam ke depan, 95,27 % untuk prediksi 6 jam ke depan, 90,02% untuk prediksi 12 jam ke depan, dan 87,95% untuk prediksi 24 jam ke depan.  Perairan Situbondo untuk prediksi kecepatan arus prosentase keakuratan 97,33% untuk 1 jam ke depan, 91,34 % untuk prediksi 6 jam ke depan, 89,98% untuk prediksi 12 jam ke depan, 86,15 % untuk prediksi 24 jam ke depan. Prediksi ketinggian gelombang prosentase ketepatan.

KESIMPULAN  Prosentase kesesuaian rata-rata kelayakan pelayaran hasil kelayakan data validasi sebanyak 7740 data untuk Perairan Banyuwangi untuk nelayan 0-10 GT yaitu 90,74% untuk nelayan 10-30 GT adalah 98,87%, Perairan Situbondo yaitu 92,79 % untuk nelayan 0-10 GT, 98,84% untuk nelayan 10-30 GT, dan Perairan Pasuruan yaitu 91,64 % untuk nelayan 0-10 GT dan 99,38 % untuk 10-30 GT.  Perancangan Sistem Informasi Cuaca Maritim dengan media komunikasi SMS dengan hasil pesan sesuai dengan hasil prediksi pada pada lembar program Visual Basic 6..

SEKIAN & TERIMAKASIH.

Daftar Pustaka   .  .      . Arifin, Syamsul. 2009. Aplikasi Sistem Logika Fuzzy Pada Peramalan Cuaca Di Indonesia Untuk Mendeteksi Kejadian Anomali Tinggi Gelombang Laut. Candra, Ardian. 2009. Tugas akhir: Perancangan Model Adaptive Nuero Fuzzy Inference System untuk Memprediksi Cuaca Maritim.Teknik Fisika ITS. Jaya, Riki. 2011. Tugas Akhir: Perancangan Prediktor Cuaca Maritim Dengan Metode Adaptive Neuro Fuzzy Inference System (Anfis) Untuk Meningkatkan Jangkauan Ramalan, Studi Kasus: Pelayaran Surabaya Banjarmasin. Teknik Fisika ITS. Kasabov, Nikola. 1998. Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. The MIT press : Massachusett. Kresnawan, Andre. 2009. Tugas Akhir: Penerapan model Jaringan Syaraf Tiruan untuk Memprediksi Gangguan Cuaca maritim. Teknik Fisika ITS. Kusumadewi, Sri. 2006. “Analisa dan Desain Sistem Fuzzy”. Yogyakarta: graha Ilmu MATLAB 2010b, Fuzzy Logic Toolbox Help. Microsoft Visual Basic 6.0, programmer’s guide, Microsoft Press. Meilanitasari, Prita. 2010. Tugas Akhir : Prediksi Cuaca Menggunakan Logika Fuzzy untuk Kelayakan Pelayaran di Tanjung Perak Surabaya. Teknik Fisika ITS. MetOffice, Fact Sheet No. 6 Of Beaufort (Version1), 2010. Devon : United Kingdom . [pdf] Britannica,Encycopledia. 2011..

Daftar Pustaka.  <URL:http://www.metoffice.gov.uk/media/pdf/b/7/Fact_sheet_No._6.pdf>  Regarina, Cut Meurah. 2005. Atmosfer (Cuaca danIklim).[pdf ], <URL:http://elcom.umy.ac.id/elschool/muallimin_muhammadiyah/file.ph.  .     . p/1/materi/Geografi/ATMOSFER%20%28Cuaca%20dan%20Iklim%29.pdf > Waldopo. 2008. Perairan Darat dan Laut. [pdf], <URL:http://elcom.umy.ac.id/elschool/muallimin_muhammadiyah/file.ph p/1/materi/Geografi/PERAIRAN%20DARAT%20DAN%20LAUT.pdf > <URL:http:www.ciptamedia-smsbroadcast.blogspot.com /2010/06 /mekanisme-pengiriman-sms-dari-hp.html> <URL:www.wikipedia.ord/wiki/AT_Command <URL:www.wikipedia.org/wiki/Global_System_for_Mobile_Communication s> <URL:www.bmkgjateng.com/monsun> <URL:http://news.okezone.com/read/2011/11/06/340/525639/tabrakankapal-satu-nelayan-hilang> <URL:http://www.tempo.co.id/hg/nusa/sumatera/2007/06/20/brk,20070620 -102237,id.html>.