PembimbingIr Syamsul Arifin, MTDr. Ir. Aulia Siti Aisyah, MT

Sidang Tugas Akhir

LATAR BELAKANG

Informasi Cuaca MaritimKecelakaan transportasi

Laut

Short Message Service Low-End Handset

Nelayan

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 ShortMessage Service.

Tujuan Membangun sistem prediksi cuaca untuk para nelayan

dengan logika fuzzy. Membangun Sistem informasi peramalan cuaca

maritim tersebut untuk para nelayan dengan mediakomunikasi short message service.

BATASAN MASALAH

Obyek analisa yaitu di wilayah nelayan jawa timur bagianutara dari daerah pantai hingga 12 mil lepas pantai Pasuruan ,Situbondo, dan Pasuruan

Data diambil berupa data sekunder cuaca maritim berupakecepatan angin, kecepatan arus, tinggi gelombang laut diBMKG II Perak dengan tiga titik daerah di lepas pantai.

Prediksi cuaca maritim berupa kecepatan arus dan ketinggiangelombang laut

Pada proses simulasi dianggap jaringan komunikasi SMS dalamkeadaan ideal seperti sinyal modem, pulsa, dan jaringan dalamkeadan baik.

Modem yang digunakan merupakan modem dengan jaringanGSM sebagai penerima dan pengirim sms otomatis

Kelayakan pelayaran yang dimaksud adalah cuaca yangdiperuntukkan khusus untuk pelayaran nelayan 1- 10 GT dan 10-30 GT

PENELITIAN SEBELUMNYA

METODOLOGI PENELITIAN

mulai

Studi literatur

Identifikasi

Masalah

Pengambilan data

Kesesuaian

Sistem Prediktor

cuaca

Validasi sistem

prediktor cuaca

dengan logika

fuzzy

Kesesuaian

Sistem Informasi

Cuaca Maritim

Perancangan

Sistem Informasi

Perancangan

prediktor cuaca

dengan logika

fuzzy

Selesai

Pengujian Sistem

Informasi

Analisa Hasil dan

Pembahasan

Penyusunan

Laporan

tidak

ya

tidak

ya

TEORI DASAR LOGIKA FUZZY

Fungsi Keanggotaan

Label

Aturan

Derajat Keanggotaan

SISTEM INFERENSI FUZZY

Fuzzifikasi -> Operasi Logika Fuzzy -> Implikasi-> Agregasi ->Defuzzifikasi

SISTEM INFERNSI FUZZY SUGENO

FUZZY C MEANSU = (u1, u2, u3, u4....un)

Mulai

Matriks n x m

Penentuan Jumlah Cluter,

Pangkat Pembobot,

Maksimum Iterasi, Faktor

koreksi

Penentuan Matriks Partisi

Secara Acak

Hitung Pusat Cluster

Modifikasi Nilai Keanggotaan

dan Matriks Partisi

Fungsi Obyektif

Faktor koreksi

Selesai

t+1

UNSUR CUACA DAN IKLIM Angin

Angin adalah gerak udara yang sejajar denganpermukaan bumi. Udara bergerak dari daerahbertekanan tinggi ke daerah bertekanan rendah.

Suhu muka

Sebagai indeks banyaknya uap air pembentukawan di atmosfer. Jika suhu muka laut dingin uapair di atmosfer menjadi berkurang, sebaliknya jikasuhu muka laut panas uap air di atmosfer

Gelombang LautGelombang/ombak yang terjadi di lautan dapatdiklasifikasikan menjadi beberapa macam tergantung kepadagaya pembangkitnya. Pembangkit gelombang laut dapatdisebabkan oleh angin (gelombang angin), gaya tarik menarikbumi-bulan-matahari (gelombang pasang-surut), gempa(vulkanik atau tektonik) di dasar laut

UNSUR CUACA MARITIM

UNSUR CUACA MARITIM Arus laut adalah gerakan massa air laut yang

berpindah dari satu tempat ke tempat lain. Arus dipermukaan laut terutama disebabkan oleh tiupanangin, sedang arus di kedalaman laut disebabkanoleh perbedaan densitas massa air laut. Selain itu,arus di permukan laut dapat juga disebabkan olehgerakan pasang surut air laut atau gelombang.

SKALA BEAUFORT

Skala Douglas

SkalaKetinggian Gelombang

(Meter)Deskripsi

0 0 Calm (glassy)

1 0 – 0.1 Calm (rippled)

2 0.1 – 0.5 Smooth (wavelets)

3 0.5 – 1.25 Slight

4 1.25 – 2.5 Moderate

5 2.5 – 4.0 Rough

6 4.0 – 6.0 Very rough

7 6.0 – 9.0 High

8 9.0 – 14.0 Very high

9 >14.0 Phenomenal

ALUR KOMUNIKASI SMS

AT COMMAND

AT Command diperkenalkan oleh Dennis Hayes pada tahun1977 yang dikenal dengan “smart modem”. Modem bekerjapada baud rate 300 bps. Modem ini terdiri dari sederetinstruksi yang mengatur komunikasi dan fitur-fitur didalamnya. AT Command mempunyai dua mode, yaitu modedata (data mode) dan mode perintah (command mode).Untuk berpindah dari mode data menuju mode perintahdipisahkan 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 GelombangFuzzy

Pemindahan Data Pada Workspace MATLAB

Clustering dengan Fuzzy C-means KetinggianGelombang dan Kecepatan Angin

Penentuan Nilai Keluaran Tegas Pada FIS Sugeno

Simulasi Hasil Prediksi

Validasi dengan Jumlah Kesamaan FungsiKeanggotaan dengan data validasi

Clustering Fuzzy C Means Pada MATLAB

No Variabel Standar

Deviasi

Fungsi

Keanggotaan

Titik

Tengah

1

Kecepatan

Angin

(Knot)

2.2277 LA(Light Air) 2

2.2277 LB (Light Brezze) 4.47

2.2277 GB (Gentle

Brezze)

7.6

2.2277 MB(Moderate

Breezze)

11

2 Ketinggian

gelombang

satu jam

sebelum

(Ht-1)(m)

0.2378 SM (Smooth) 0.5

0.2378 SL (Slight) 0.7806

0.2378 SL2 (Slight) 1.14

0.2378 M(Moderate) 1.6

3 Ketinggian

Gelombang

Aktual

(Ht-1(m)

0.2378 SM (Smooth) 0.5

0.2378 SL (Slight) 0.7806

0.2378 SL2(Slight) 1.14

0.2378 M(Moderate) 1.6

%% Load Data Dari Workspace

load ('DataBanyuwangi1.mat')

%% Inisialisi Matrix Berdasarkan Data Waktu

t = 1: size (H)-25;

A = Angin (t+1,1);

Hsebelum = H(t,1);

Haktual = H (t+1,1);

Hout = H(t+2);

%% Inisialisi Matrix Data Clustering

Hin = [A Haktual];

Hin2 = [ Hsebelum Haktual Hout ];

%% Clustering Dengan Fuzzy C Means

[center1,U1,objFcn1] = fcm(Hin,3);

[center2,U2,objFcn2] = fcm(Hin2,3);

LOGIKA FUZZY UNTUK PREDIKSI KETINGGIAN GELOMBANG PADA MATLAB

Penentuan Aturan Pada Logika Fuzzy

No If Then

Angin (Ht-1)(m) (Ht)(m) (Ht+1)(m)

1 LA SM SM SM

2 LB SL SL SL

3 GB SL2 SL2 SL2

4 MB M M M

5 SM SM SM

6 SL SL SL

7 SL2 SL2 SL2

8 M M M

Variabel Fungsi

Keanggotaan

Konstanta

Prediksi

Ketinggian 1

Jam Ht+1

SM(Smooth) 0.3

SL (Slight) 0.9

SL2 (Slight) 1.25

M (Moderate Brezze) 1.6

Perancangan Prediksi Kecepatan ArusNo Variabel Standar

Deviasi

Fungsi

Keanggotaan

Titik

Tengah

1 Kecepatan

Angin

(Knot)

2.2277 LA (Light

Air)

2.0019

2.2277 LB (Light

Brezze)

4.4777

2.2277 GB (Gentle

Brezze)

7.6765

2.2277 MB

(Moderate

Breezze)

13.0000

2 Kecepatan

Arus

Cut-

1)(m/s)

0.134 S Slow) 0.0494

0.134 SL (Slight) 0.2018

0.134 AV

(Average)

0.6239

0.134 F (Fast) 0.9

3 Kecepatan

Arus

Aktual

(Cut-

1(m/s)

0.134 S Slow) 0.0494

0.134 SL (Slight) 0.2018

0.134 AV

(Average)

0.6239

0.134 F (Fast) 0.9

LOGIKA FUZZY UNTUK PREDIKSI KECEPATAN ARUS PADA MATLAB

PENENTUAN ATURAN PADA LOGIKA FUZZY PREDIKSI KECEPATAN

No If Then

Angin (Cut-1)(m) (Cut)(m) (Cut+1)(m)

1 LA S S VS

2 LB SL SL SL

3 GB AV AV AV

4 MB F F F

5 S S VS

6 SL SL SL

7 AV AV AV

8 F F F

Variabel Fungsi

Keanggotaan

Konstanta

Kecepatan

arus Prediksi

(Ht+1)

S Slow) 0

SL (Slight) 0.2

AV (Average) 0.6

F (Fast) 0.9

NoWaktu

Prediksi

Jumlah

Data

Validasi

Jumlah data

kesamaan fungsi

keanggotaan

Prosentase

Akurasi

1 1 Jam 7740 7275 93.99%

2 6 Jam 7740 6828 88.21 %

3 12 Jam 7740 6297 81.35 %

4 24 Jam 7740 6140 79.32 %

Hasil Prediksi Ketinggian Gelombang Perairan Banyuwangi

HASIL PREDIKSI KETINGGIAN GELOMBANG PASURUAN

NoWaktu

Prediksi

Jumlah

Data

Validasi

Jumlah data

kesamaan fungsi

keanggotaan

Prosentase

Akurasi

1 1 Jam 7740 7312 94.47%

2 6 Jam 7740 7374 95.27%

3 12 Jam7740

6968 90.02%

4 24 Jam7740

6807 87.95%

HASIL VALIDASI PREDIKSI KETINGGIAN GELOMBANG PERAIRAN SITUBONDO

NoWaktu

Prediksi

Jumlah

Data

Validasi

Jumlah data

kesamaan

fungsi

keanggotaan

Prosentase

Akurasi

1 1 Jam 7740 7361 95.10%

2 6 Jam 7740 7126 92.07%

3 12 Jam 7740 6895 89.08%

4 24 Jam 7740 6466 83.54%

Hasil Prediksi Kecepatan Arus Perairan Banyuwangi

NoWaktu

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

NoWaktu

Prediksi

Jumlah

Data

Validasi

Jumlah data

kesamaan

fungsi

keanggotaan

Prosentase

Akurasi

1 1 Jam 7740 7384 95.38%

2 6 Jam 7740 7286 94.12%

3 12 Jam 7740 6755 87.26%

4 24 Jam 7740 6610 85.39%

Hasil Prediksi Kecepatan Arus Perairan Situbondo

NoWaktu

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

No GT Kapal

Keadaan Laut Maksimal

Ketinggian

Gelombang

Kecepatan

Arus

1 1-7 GT Smooth Slow

2 7- 175 GT Slight Slight

3 175-500 GT Moderate Average

4500-5000

GTRough Fast

5500-10000

GTVery 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 GT KapalWaktuPrediksi

DataValidasi

KesamaanKelayakan Pelayaran

PersenAkurasi

11-10 GT

1 Jam7740 7265 93.86%

10-30 GT 7740 7707 99.57%

21-10 GT

6 Jam7740 7308 94.42%

10-30 GT 7740 7698 99.46%

31-10 GT

12 Jam7740 7194 92.95%

10-30 GT 7740 7707 99.57%

41-10 GT

24 Jam7740 6605 85.34%

10-30 GT 7740 7656 98.91%

NoGT

KapalWaktu Prediksi

Data Validasi

Kesamaan Kelayakan Pelayaran

Persen Akurasi

11-10 GT

1 Jam7740 7409 95.72%

10-30 GT 7740 7701 99.50%

21-10 GT

6 Jam7740 7289 94.17%

10-30 GT 7740 7671 99.11%

31-10 GT

12 Jam7740 7094 91.65%

10-30 GT 7740 7641 98.72%

41-10 GT

24 Jam7740 6936 89.61%

10-30 GT 7740 7587 98.02%

No GT KapalWaktu

PrediksiData

Validasi

Kesamaan Kelayakan Pelayaran

Persen Akurasi

11-10 GT

1 Jam7740 7299 94.30%

10-30 GT 7740 7707 99.57%

21-10 GT

6 Jam7740 7141 92.26%

10-30 GT 7740 7675 99.16%

31-10 GT

12 Jam7740 6696 86.51%

10-30 GT 7740 7645 98.77%

41-10 GT

24 Jam7740 6958 89.90%

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 Then

VBL.Text = "Light Breeze"

mbrVB1 = 2.7183 ^ (-1 * ((Val(VB.Text) -2.074) ^ 2) / (2 * (2.166 ^ 2)))

mbrVB2 = 2.7183 ^ (-1 * ((Val(VB.Text) - 4.5) ^ 2) / (2 * (2.166 ^ 2)))

mbrVB3 = 2.7183 ^ (-1 * ((Val(VB.Text) -7.517) ^ 2) / (2 * (2.166 ^ 2)))

mbrVB4 = 2.7183 ^ (-1 * ((Val(VB.Text) - 11) ^ 2) / (2 * (2.166 ^ 2)))

w1B = mbrVB1 * mbrHB1 * mbrH1B1

w2B = mbrVB2 * mbrHB2 * mbrH1B2

w3B = mbrVB3 * mbrHB3 * mbrH1B3

w4B = mbrVB4 * mbrHB4 * mbrH1B4

w5B = mbrHB1 * mbrH1B1

w6B = mbrHB2 * mbrH1B2

w7B = mbrHB3 * mbrH1B3

w8B = mbrHB4 * mbrH1B4

z1B = 0.4

z2B = 0.9

z3B = 1.1

z4B = 1.6

KGB1.Text = Round((w1B * z1B + w2B * z2B + w3B * z3B + w4B * z4B + w5B * z1B + w6B * z2B + w7B * z3B + w8B * z4B) / (w1B + w2B + w3B + w4B + w5B + w6B + w7B + w8B), 2)

Hasil Validasi Prediktor Pada Visual Basic 6 untuk Perairan Banyuwangi

NoWaktu

Prediksi

Jumlah Data

Validasi

Jumlah data kesamaan

fungsi keanggotaan

Prosentase Akurasi

1 1 Jam 7740 7294 94.24%2 6 Jam 7740 6990 90.31%

3 12 Jam 7740 6322 81.68%

4 24 Jam 7740 6144 79.38%

NoWaktu

Prediksi

Jumlah Data

Validasi

Jumlah data kesamaan

fungsi keanggotaan

Prosentase Akurasi

1 1 Jam 7740 7358 95.06%

2 6 Jam 7740 7070 91.34%

3 12 Jam 77406654 85.97%

4 24 Jam 77406284 81.19%

HASIL VALIDASI PREDIKTOR PADA VISUAL BASIC 6 UNTUK PERAIRAN SITUBONDO DAN PASURUAN

No Waktu Prediksi

Jumlah

Data

Validasi

Jumlah data

kesamaan

fungsi

keanggotaan

Prosentase

Akurasi

1 1 Jam 7740 7234 93.46%

2 6 Jam 7740 7066 91.29%

3 12 Jam 77406772 87.49%

4 24 Jam 7740 6249 80.74%

NoWaktu

Prediksi

Jumlah

Data

Validasi

Jumlah data

kesamaan

fungsi

keanggotaan

Prosentase

Akurasi

1 1 Jam 7740 7414 95.79%

2 6 Jam 7740 7226 93.36%

3 12 Jam 7740 6991 90.32%

4 24 Jam 7740 6695 86.50%

NoWaktu

Prediksi

Jumlah

Data

Validasi

Jumlah data

kesamaan

fungsi

keanggotaan

Prosentase

Akurasi

1 1 Jam 7740 7353 95 %

2 6 Jam 7740 7387 95.44 %

3 12 Jam 7740 7091 91.61 %

4 24 Jam 7740 6554 84.68 %

NoWaktu

Prediksi

Jumlah

Data

Validasi

Jumlah data

kesamaan

fungsi

keanggotaan

Prosentase Akurasi

1 1 Jam 7740 7143 92.29%

2 6 Jam 7740 6975 90.12%

3 12 Jam 7740 6743 87.12%

4 24 Jam 7740 6557 84.72%

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

No Jam

WAKTU yang diperlukan

untuk SMS KE MODEM

Waktu yang diperlukan

Sistem mengirimkan SMS hingga

menerima SMS dari Sistem

Infomasi

Waktu yang diperlukan SMS

diterima pengirim antara

SMS pertama dan kedua

1 05-06 AM 5 21 12

2 05-06 AM 6 23 13

3 05-06 AM 5 25 9

4 05-06 AM 8 17 10

5 05-06 AM 6 18 10

Rata-rata 6 20 10

No Jam

WAKTU yang diperlukan

untuk SMS KE MODEM

Waktu yang diperlukan

Sistem mengirimkan

SMS hingga menerima SMS

dari Sistem Infomasi

Waktu yang diperlukan

SMS diterima pengirim

antara SMS pertama dan

kedua

1 12-01 PM 10 22 10

2 12-01 PM 10 25 10

3 12-01 PM 12 24 12

4 12-01 AM 8 20 10

5 12-01 AM 6 22 11

Rata-Rata 9 22 11

No Jam

WAKTU yang diperlukan

untuk SMS KE MODEM

Waktu yang diperlukan

Sistem mengirimkan

SMS hingga menerima SMS

dari Sistem Infomasi

Waktu yang diperlukan

SMS diterima pengirim

antara SMS pertama dan

kedua

1 09-10 PM 10 19 10

2 09-10 PM 10 20 10

3 09-10 PM 10 18 9

4 09-10 AM 12 18 10

5 09-10 AM 12 17 10

Rata-Rata 11 18 10

KESIMPULANProsentase kesesuaian data antara data yang berasal dari BMKGdengan data hasil pemodelan fuzzy untuk data sebanyak 7740 padabulan Januari 2010 hingga November 2010 adalah sebagai berikut:

Perairan Banyuwangi untuk prediksi kecepatan arus prosentasekeakuratan 96,62% untuk 1 jam ke depan, 91,96 % untuk prediksi 6 jamke depan, 87,14% untuk prediksi 12 jam ke depan, 84,06 % untuk prediksi24 jam ke depan. Prediksi ketinggian gelombang prosentasekeakuratan 93,99% untuk prediksi 1 jam ke depan, 88,21% untukprediksi 6 jam ke depan, 81,35% untuk prediksi 12 jam ke depan, dan79,32% untuk prediksi 24 jam.

Perairan Pasuruan untuk prediksi kecepatan arus prosentasekeakuratan 95,38% untuk 1 jam ke depan, 94,12 % untuk prediksi 6 jamke depan, 87,26% untuk prediksi 12 jam ke depan, 85,39 % untuk prediksi24 jam ke depan.Prediksi ketinggian gelombang prosentase ketepatan94,47 % untuk prediksi 1 jam ke depan, 95,27 % untuk prediksi 6 jam kedepan, 90,02% untuk prediksi 12 jam ke depan, dan 87,95% untuk prediksi24 jam ke depan.

Perairan Situbondo untuk prediksi kecepatan arus prosentasekeakuratan 97,33% untuk 1 jam ke depan, 91,34 % untuk prediksi 6 jamke depan, 89,98% untuk prediksi 12 jam ke depan, 86,15 % untuk prediksi24 jam ke depan. Prediksi ketinggian gelombang prosentase ketepatan95,1 % untuk prediksi 1 jam ke depan, 92,07 % untuk prediksi 6 jam ke

KESIMPULAN Prosentase kesesuaian rata-rata kelayakan pelayaran hasil kelayakan

data validasi sebanyak 7740 data untuk Perairan Banyuwangi untuknelayan 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% untuknelayan 10-30 GT, dan Perairan Pasuruan yaitu 91,64 % untuk nelayan 0-10GT dan 99,38 % untuk 10-30 GT.

Perancangan Sistem Informasi Cuaca Maritim dengan mediakomunikasi SMS dengan hasil pesan sesuai dengan hasil prediksi padapada 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 untukMemprediksi 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 MemprediksiGangguan 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 KelayakanPelayaran 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.php/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.php/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/tabrakan-

kapal-satu-nelayan-hilang> <URL:http://www.tempo.co.id/hg/nusa/sumatera/2007/06/20/brk,20070620

-102237,id.html>