STUDI FLUKTUASI SUHU HARIAN DI SEKARAN, SEMARANG BERBASIS ANALISIS DATA PYTHON
Main Article Content
Abstract
This study analyzes daily temperature fluctuations in the Sekaran area of Semarang using a computational approach based on Python. Daily temperature and humidity data were obtained from the BMKG Ahmad Yani Semarang Meteorological Station and processed through data cleaning, missing value interpolation, and descriptive statistical analysis. The K-Means clustering algorithm was applied to group temperature and humidity patterns, while Monte Carlo simulation and LSTM (Long Short-Term Memory) simulation were used to identify long-term patterns in the daily time series. The analysis results show that daily temperatures in Sekaran fluctuate between 22°C and 32°C with a 24-hour periodic pattern and an amplitude of approximately 10.55°C. The urban heat island phenomenon and the city's surface thermal characteristics influence these patterns, with the highest temperatures occurring during the day and the lowest temperatures at early morning. Visualizations developed with Python facilitate monitoring and interpretation of daily temperature data. These findings are expected to support climate change adaptation planning, disaster risk mitigation, and the development of thermal comfort strategies in tropical urban areas like Sekaran.
Penelitian ini menganalisis fluktuasi suhu harian di daerah Sekaran, Semarang menggunakan pendekatan komputasional berbasis Python. Data suhu dan kelembapan harian diperoleh dari BMKG Stasiun Meteorologi Ahmad Yani Semarang dan diproses melalui tahapan pembersihan data, interpolasi nilai hilang, serta analisis statistik deskriptif. Algoritma pengelompokan K-Means digunakan untuk mengelompokkan pola suhu dan kelembaban dan menggunakan simulasi Monte Carlo dan simulasi SSTM (memori jangka pendek jangka panjang) untuk mengidentifikasi pola jangka panjang dalam seri waktu sehari-hari.. Hasil analisis menunjukkan suhu harian di Sekaran berfluktuasi antara 22°C hingga 32°C dengan pola periodik 24 jam dan amplitudo sekitar 10,55°C. Fenomena urban heat island dan karakteristik termal permukaan kota memengaruhi pola tersebut, dengan suhu tertinggi terjadi pada siang hari dan suhu terendah pada dini hari. Visualisasi yang dikembangkan dengan Python memudahkan pemantauan dan interpretasi data suhu harian, dengan temuan ini diharapkan dapat mendukung perencanaan adaptasi perubahan iklim, mitigasi risiko bencana, dan pengembangan strategi kenyamanan termal di wilayah perkotaan tropis seperti Sekaran.
Article Details

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Adiningsih, E. S., Sari, N. M., & Kusratmoko, E. (2019). Analisis spasial dan temporal fenomena urban heat island di kota Semarang menggunakan citra penginderaan jauh. Jurnal Pengelolaan Sumberdaya Alam dan Lingkungan, 9(1), 166-174.
Arnfield, A. J. (2003). Two decades of urban climate research: A review of turbulence, exchanges of energy and water, and the urban heat island. International Journal of Climatology, 23(1), 1-26.
Ariyani, D., et al. (2023). Pengembangan Website Dinamis untuk Visualisasi Data Cuaca. Jurnal Sistem Informasi.
Cahyadi, A., Hidayat, W., & Warsito, B. (2021). Pemodelan suhu udara di Kota Semarang menggunakan metode ARIMA dan analisis wavelet. Jurnal Statistika, 9(2), 112-125.
Handoyo, F., & Sudibyakto, S. (2020). Analisis pola spasial suhu permukaan daratan dan hubungannya dengan tutupan lahan di Kota Semarang. Majalah Geografi Indonesia, 34(1), 56-67.
Hidayat, T., et al. (2019). Penggunaan PHP dalam Pengembangan Aplikasi Web Dinamis. Jurnal Teknologi Informasi dan Komunikasi.
Hidayatullah, S., & Cherid, A. (2023). Prediksi Suhu Minimum Rata-Rata dengan Metode LSTM. Jurnal Ilmu Komputer.
Latifa, N. F., Fitria, L., & Susanti, D. (2021). Analisis data deret waktu suhu udara di wilayah Semarang menggunakan Python. Jurnal Komputasi, 19(1), 23-35.
Marpaung, T. J., & Marpaung, R. G. (2025). Penerapan Metode Monte Carlo dalam Memprediksi Suhu Daerah Perkotaan. Journal of Information System Research (JOSH), 6(2), 1488-1498.
Maulana, R. (2024). Model Peramalan Impor Beras dengan Teknik Simulasi Monte Carlo. Jurnal Statistik Terapan.
McKinney, W. (2011). pandas: a foundational Python library for data analysis and statistics. Python for High Performance and Scientific Computing, 14(9), 1-9.
Nugroho, A., & Wahyuni, S. (2022). Algoritma Clustering untuk Analisis Data Cuaca. Jurnal Teknologi Informasi.
Prasetyo, Y., Yuwono, B. D., & Setiawan, C. A. (2018). Kajian fenomena urban heat island menggunakan data citra Landsat multi-temporal studi kasus di Kota Semarang. Jurnal Geodesi Undip, 7(1), 158-167.
Putri, R. D. Z. (2024). Peningkatan Ketepatan Perkiraan Impor Buah dengan Simulasi Monte Carlo. Jurnal Ekonomi dan Bisnis.
Rahmawati, N., & Rahayu, S. (2022). Implementasi analisis deret waktu menggunakan Python untuk prediksi suhu udara di Kota Semarang. Jurnal Ilmiah Matematika dan Pendidikan Matematika, 14(2), 89-102.
Rinaldi, I., & Harmayani. (2025). Penggunaan Algoritma Clustering K-Means untuk Mengelompokkan Pola Cuaca. Journal of Science and Social Research, 8(1), 343-348.
Satya Saputra, et al. (2023). Media Interaktif Berbasis Web untuk Penyajian Data Cuaca. Jurnal Teknologi Multimedia.
Seabold, S., & Perktold, J. (2010). Statsmodels: Econometric and statistical modeling with Python. Proceedings of the 9th Python in Science Conference, 57-61.
Suhartono. (2021). Perbedaan Cuaca dan Iklim dalam Konteks Perubahan Iklim. Jurnal Meteorologi dan Klimatologi.
Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., ... & SciPy 1.0 Contributors. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261-272.
Wirayoga, N., Sasmito, B., & Amarrohman, F. J. (2019). Analisis pengaruh perubahan tutupan lahan terhadap distribusi suhu permukaan dan keterkaitannya dengan fenomena urban heat island. Jurnal Geodesi Undip, 8(1), 288-297.
Zulaikha, S., & Setiyono, B. (2020). Analisis variabilitas iklim dan dampaknya terhadap produksi pertanian di wilayah Semarang menggunakan Python. Jurnal Meteorologi dan Geofisika, 21(2), 78-89.