ANALISIS FLUKTUASI SUHU HARIAN KOTA SEMARANG MENGGUNAKAN PYTHON

Abstract

Studi ini bertujuan untuk menganalisis variasi suhu harian selama sebulan dengan memanfaatkan Python dalam pengolahan, analisis, dan visualisasi data meteorologi. Latar belakang penelitian ini menekankan pentingnya memahami pola suhu harian jangka menengah, yang sangat penting dalam mendukung sektor pertanian, kesehatan masyarakat, perencanaan perkotaan, serta mitigasi dampak perubahan iklim mikro. Data yang digunakan diperoleh dari lembaga meteorologi resmi dan mencakup pengukuran suhu harian selama periode satu bulan penuh. Langkah-langkah penelitian meliputi pra pemrosesan data, analisis statistik deskriptif, identifikasi tren harian dan anomali suhu, serta pembuatan visualisasi data yang interaktif. Proses analisis didukung oleh penggunaan pustaka Python seperti Pandas, NumPy, Matplotlib. Hasil penelitian menunjukkan adanya pola variasi suhu yang konsisten dari hari ke hari dengan tren peningkatan suhu pada periode tertentu. Penerapan Python terbukti efisien dan mendukung pengembangan sistem pemantauan serta prediksi suhu berbasis data untuk kebutuhan praktis dan kebijakan berbasis iklim.

This study uses Python to analyze daily temperature variations over a month by processing, analyzing, and visualizing meteorological data. This study emphasizes the importance of understanding medium-term daily temperature patterns, which are critical to supporting the agriculture sector, public health, and urban planning, as well as mitigating the impacts of microclimate change. Data were obtained from official meteorological agencies and included daily temperature measurements over one month. The research steps included preprocessing the data, performing a descriptive statistical analysis, identifying daily trends and temperature anomalies, and creating interactive data visualizations. The analysis process was supported by Python libraries such as Pandas, NumPy, and Matplotlib. The results showed a consistent pattern of temperature variation from day to day, with an increasing temperature trend during certain periods. Python proved efficient in developing data-based temperature monitoring and prediction systems for practical applications and climate-based policies.