Desember 2015
Abstrak
Pengembangan sistem prediksi cuaca numerik sudah banyak dilakukan untuk mendekati
keadaan cuaca yang sebenarnya, salah satunya dengan melakukan parameterisasi WRF-ARW.
Hasilnya pun terdapat beberapa yang sudah dapat mensimulasikan dan memprediksi beberapa unsur
cuaca. Akan tetapi dari hasil verifikasi terdapat beberapa unsur cuaca yang masih rendah tingkat
keakurasiannya. Karena masih rendahnya tingkat keakurasian pada beberapa unsur cuaca maka
penulis tertarik untuk melakukan metode post-processing dalam melakukan prediksi cuaca pada
kejadian cuaca ekstrem di Pulau Ambon pada tanggal 1 Agustus 2012.
Dalam penelitian ini akan menggunakan metode multi-physics ensemble dengan
mengkombinasikan 20 skema parameterisasi WRF-ARW, yang akan diolah ensemble mean,
ensemble spread, dan basic probability untuk mendapatkan nilai uncertainty dari setiap unsur cuaca.
Dan dilakukan proses verifikasi menggunakan spread and skill dan kurva ROC.
Dari hasil peneletian menujukkan bahwa metode ini mampu memprediksikan hujan ekstrem
dengan basic probabilisic. Spread korelasi dan RMSE menunjukkan bahwa tekanan udara
permukaan (QFE) dan suhu udara permukaan memiliki korelasi terbesar dan error terendah. Di mana
produk ensemble memiliki skill yang lebih baik dibanding forecast control.
Abstract
1
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
2
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
3
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
4
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
2013, 28 Juli 2013 dengan prediksi 120 V. Di mana skema R merupakan nilai error
jam. yang paling kecil.
3. HASIL DAN PEMBAHASAN Jadi dapat disimpulkan bahwa skema R
Setelah menjalankan WRF-ARW maka adalah yang terbaik dalam
dengan 21 skema parameterisasi yang memprediksikan tekanan udara permukaan
berbeda maka dihasilkan hasil keluaran (QFE).
dalam bentuk.ct. Di mana .ctl tersebut di
olah dengan GrAds untuk dikeluarkan nilai
unsur – unsur cuaca kemudian diolah lagi
untuk menentukan forecast control dan
prediksi ensemble.
3.1.Penentuan Forecast Control
Dalam pembuatan ensemble
prediction system dibutuhkan adanya
forecast control yang betujuan untuk
melihat apakah dengan adanya perturbasi
Gambar 3.1 Diagram Taylor Tekanan
atau gangguan pada parameterisasinya Udara Permukaan (QFE)
memberikan prakiraan yang lebih
mendekati nilai sebenarnya, di mana 2. Suhu Udara Permukaan
forecsat control ini merupakan konfigurasi Pada unsur cuaca suhu udara
parameterisasi yang terbaik pada wilayah permukaan banyak skema yang memiliki
Stasiun Meteorologi Klas II Pattimura standar deviasi yang cukup jauh dengan
Ambon. Penentuan forecast control ini nilai standar deviasi observasi terlihat pada
dengan melakukan uji parameterisasi gambar 3.2, di mana observasi memiliki
terhadap 21 skema dari tiga skema nilai sekitar 1.25 – 1.3, dan skema yang
kumulus dan tujuh skema mikrofisis memiliki nilai standar deviasi yang sama
terhadap empat kejadian hujan ekstrem. dengan observasi adalah skema L dan O.
Dengan verifikasi dengan diagram taylor Untuk nilai antara 1.2 – 1.35 terdapat
terhadap parameter tekanan udara skema I, J, K, L, M, N, dan O. Dari nilai
permukaan (QFE), suhu udara permukaan, korelasi skema memiliki nilai korelasi
kelembaban udara permukaan, kecepetan yang kecil dengan nilai 0.4 – 0.6, jadi untuk
angin 10 meter dan curah hujan per tiga korelasi antara 0.575 – 0.6 adalah skema J,
jam. K, M, dan N dengan skema N dengan
1. Tekanan Udara Permukaan korelasi paling tinggi. Sedangkan dari nilai
Berdasarkan gambar 3.1 nilai standar RMSE error skema memiliki nilai antara 1.
deviasi cukup banyak skema yang 1 – 1.3. Di mana skema F merupakan
memiliki nilai yang mendekati satndar skema dengan nilai error terkecil sebesar
deviasi observasi dengan nilai 1.3 – 1.4, 1.1, akan tetapi dari nilai korelasi 0.55 dan
yaitu skema H, J, K, L, M, N, O, P, dan R. nilai standar deviasinya 1. Jadi untuk nilai
Dari nilai korelasi semua skema memiliki RMSE dilihat dari nilai standar deviasi dan
nilai lebih dari 0.8, beberapa skema yang korelasi yang terbaik, di dapat nilai antara
dengan korelasi antara 0.825 – 0.86 adalah 1,15 – 1.2 terdapat pada skema J, K, L, M,
H, K, L, N, O, P, dan R, dengan korelasi N, dan O.
terbesar adalah skema R. Sedangkan dari Dari ketiga analisis di atas dapat
nilai RMSE seluruh skema yang memiliki disimpulkan bahwa skema terbaik adalah
nilai error yang cukup rendah 0.75 – skema N dengan nilai standar deviasi yang
0.95hPA, di mana skema dengan nilai mendekatai nilai observasi dengan nilai
RMSE terendah sekitar 0.75 - 0.8 adalah korelasi paling besar, dan nilai RMSE
skema G, H, I, K, L, N, O, P, Q, R, U, dan sebesar 1.15.
5
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
6
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
adalah skema D, memiliki nilai standar angin 10 meter, dan keadaan cuaca per tiga
deviasi yang menedekati standar deviasi jam.
observasi, korelasi sebesar 0.425, dan nilai
Tabel 3.1 Konfigurasi Member Ensemble
RMSE sebesar 3.
5. Curah Hujan Per Tiga Jam
Pada gambar 3.5 unsur cuaca curah
hujan berdasarkan nilai standar deviasi
observasi sebesar 29, dan seluruh skema
memiliki nilai standar deviasi di bawah 18.
Skema F memiliki nilai standar deviasi
yang mendekati standar deviasi obervasi
25. Dari nilai korelasi terdapat satu nilai
skema yang bernilai negatif, yaitu skema T
dan nilai korelasi berkisar (-0.025) – 0.425.
Di mana dari nilai korelasi skema paling
baik adalah skema N dengan nilai korelasi
sebesar 0.425 dan skema O dengan nilai
korelasi sebesar 0.4. Sedangkan dari nilai
RMSE bernilai antara 26 - 38, dengan nilai
antara 26 – 28 terdapat skema D, G, H, J,
K, L, M, N, dan O. Di mana skema N
memiliki nilai error paling kecil sebesar
26. 1. Tekanan Udara Permukaan
Jadi dari analisis di atas dapat Berdasarkan gambar 3.6 menunjukkan
disimpulkan bahwa skema N memiliki bahwa pada tanggal 1 Agustus 2012
nilai korelasi paling besar dan nilai RMSE terdapat spread yang melebar jika
paling kecil, walaupun memiliki standar dibandingkan dengan hari – hari
deviasi sebesar 9, selisih 20 dari standar berikutnya. Hal ini dapat mengindikasikan
deviasi observasi. adanya variasi yang beragam dari setiap
member ensemble. Di mana rata – rata
standar deviasinya 0.26 hPa. Dari
ensemble mean tidak memprediksikan
adanya tekanan rendah, akan tetapi hanya
memprediksikan selama lima hari ke depan
tekanan udara di Stasiun Meteorologi Klas
II Pattimura Ambon di bawah 1011.0 hPa.
2. Suhu Udara Permukaan
7
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
suhu pada tanggal 2 Agustus hingga 5 satandar deviasinya menurun. Selain itu
Agustus 2012. Terlihat pada gambar 3.7 dari ensemble mean menunjukkan adanya
untuk nilai spread lebih lebar dibanding peningkatan kecepatan angin dari tanggal
spread dari tekanan udara permukaan 31 Juli hingga 1 Juli 2012, dan untuk
(QFE), di mana rata – rata standar tanggal 2 – 5 Agustus 2012 kecepatan
deviasinya 0.45ºC. angin menurun hingga di bawah 10 knots.
3. Kelembaban Udara Permukaan 5. Potensi Keadaan Cuaca
Dalam menentukan keadaan cuaca,
Prediksi Suhu Udara Permukaan
28.5
Tanggal 31 Juli - 5 Agustus 2012 metode yang digunakan adalah dengan
27.5
melakukan perhitungan probabilistik dari
26.5
25.5
24.5
23.5
20 member ensemble. Di mana
22.5
1 3 5 7 9 11131517192123 1 3 5 7 9 11131517192123 1 3 5 7 9 11131517192123 1 3 5 7 9 11131517192123 1 3 5 7 9 11131517192123
31 Juli 2012 1 Agustus 2012 2 Agustus 2012 3 Agustus 2012 4 Agustus 2012
intensitasnya dibagi menjadi beberapa
SPREAD MAX SPREAD MIN MEAN macam, dengan lima kategori sebagai
Gambar 3.7 Grafik Ensemble Mean dan Spread berikut :
Prediksi Suhu Udara Permukaan a) Berawan : 0.0 – 0.49 mm/jam
b) Hujan Ringan : 0.5 – 4.9 mm/jam
Untuk kelembaban udara permukaan
c) Hujan Sedang : 5.0 – 9.9 mm/jam
terlihat pada gambar 3.8 bahwa ensemble
d) Hujan Lebat : 10.0 – 19.9
mean dan spread menunjukkan
mm/jam
peningkatan kelembaban lebih dari 90%
e) Hujan Ekstrem : > 20.0 mm/jam
dari tanggal 31 Juli hingga 1 Agustus 2012.
Dari nilai probabilistik dapat
Dari nilai ensemble spread terlihat lebih
digunakan untuk menentukan prediksi
besar nilainya dengan rata – rata sebesar
keadaan cuaca dengan mengetahui
2.75%.
seberapa besar potensi terjadinya. Dari
hasil perhitungan probabilistik
menunjukkan bahwa pada adanya potensi
terjadinya hujan esktrem pada tanggal 1
Agustus 2012, dengan probabilistik
sebesar 20% - 30% seperti terlihat pada
gambar 3.10. Untuk tanggal 2 – 4 Agustus
Gambar 3.8 Grafik Ensemble Mean dan Spread
Prediksi Kelembapan Udara Permukaan
2012 di mana probabilistik terjadinya
keadaan cuaca berawan lebih 50%.
4. Kecepatan Angin 10 Meter
8
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
control, ensemble mean, dan ensemble dari ACC menunjukkan korelasi yang
spread. Sedangkan untuk kurva ROC cukup kuat, walaupun sempat
untuk mengetahui kehandalan dari prediksi melemah pada hari kedua. Dari
keadaan cuaca probabilistik. Dengan hasil RMSE skill-nya menujukkan error
sebagai berikut : ±2.5ºC. Untuk forecast control
1. Spread and skill memiliki pola yang cukup dekat
a) Tekanan Udara Permukaan dengan ensemble spread max.
Berdasarkan nilai spread terlihat c) Kelembaban Udara Permukaan
ensemble mean, ensemble spread max Pada kelembaban udara permukaan
dan ensemble spread min memiliki nilai spread pada ensemble mean,
nilai yang cukup baik dengan ACC ensemble spread max dan ensemble
yang kuat dan RMSE yang cukup spread min memiliki nilai ACC yang
kecil. Dari nilai skill terlihat juga cenderung moderate, dengan RMSE
bahwa forecast control, ensemble yang cukup bervariasi dan ensemble
mean, ensemble spread max dan spread min memiliki error yang
ensemble spread min memiliki ACC cukup stabil sebesar ±6%. Untuk
yang cukup kuat, walaupun melemah forecast control, ensemble mean,
terhadap bertambahnya waktu, ensemble spread max dan ensemble
sedangkan RMSE juga menunjukkan spread min nilai skill pada
error ±2.5 hPa. Untuk forecast control ACCmenunjukkan korelasinya
nilai nya dekat dengan ensemble cendrung moderate hingga lemah,
spread max. sedangkan dari RMSE memiliki error
yang cukup besar hingga mencapai
12%, akan tetapi mengalami
penurunan error hingga dibawah 8%.
Pada parameter ini nilai forecast
control memiliki pola yang cukup
berbeda dari ensemble mean,
ensemble spread max dan ensemble
Gambar 3.11 Spread and Skill Prediksi
spread min.
Tekanan Udara Permukaan (QFE)
b) Suhu Udara Permukaan
9
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
10
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Jurnal Meteorologi Klimatologi dan Geofisika Vol....................... No.......................Desember 2015
11
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika