Telaah Hubungan El Nino-Southern Oscillation (Enso) Dengan Madden-Julian Oscillation (Mjo) Di Provinsi Aceh
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
El Nino–Southern Oscillation (ENSO) adalah gejala penyimpangan pada suhu permukaan Samudra Pasifik di pantai Barat Ekuador dan Peru yang lebih tinggi dari pada rata-rata normalnya yang ditandai dengan kenaikan suhu permukaan laut di daerah khatulistiwa bagian Tengah dan Timur. Variabilitas iklim ENSO terdiri dari tiga fenomena yaitu kejadian normal, El Nino dan La Nina. Perkembangan peristiwa El-Nino Southern Oscillation (ENSO) menunjukkan peran penting bagi Madden-Julian Oscillation (MJO). Fenomena ini ditengarai memiliki hubungan dan erat kaitannnya dengan penurunan dan peningkatan intensitas curah hujan di Indonesia. Penelitian ini dilakukan dengan tujuan untuk menganalisis keterkaitan antara fenomena ENSO dan MJO dan dampak yang ditimbulkan di Provinsi Aceh, melalui metodeempirisdengan perhitungan statistik, berdasarkan variabel ENSO berupa indeks Nino 3.4, variable amplitudo yang mewakili MJO serta data curah hujan di Provinsi Aceh. Data dari kedua variable tersebut diperolehdari NOAA dan BoM, sedangkan data curah hujan diperolehdari NASA. Periode data yang dianalisa sepanjang 10 tahun, dari tahun 2010 sampai 2019. Kedua data tersebut akan ditapis dan dianalisis korelasinya dengan metode regresi linier sederhana. Dari penelitian ini ditemukan bahwa pada dasarnya ENSO memang memiliki keterkaitan dengan MJO dan memiliki hubungan dengan peningkatan dan penurunan intensitas curah hujan di Provinsi Aceh. Namun berada pada tingkatan korelasi lemah hingga moderat, dan dampaknya tidak sekuat di wilayah Tengah dan Timur Indonesia. Hal ini menguatkan hipotesa akan lemahnya pengaruh ENSO di Provinsi Aceh; dimana penguatan MJO justru lebih terhadap sinergitasnya dengan IOD atau Indian Ocean Dipole, khususnya pada nilai positif (P-IOD).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it