ULASAN SINGKAT NUMERICAL WEATHER PREDICTION

1. Dasar Model Cuaca

Model numerik atmosfer dibangun dalam dua tahap secara terpisah: pertama,
sistem persamaan digunakan untuk membangun perilaku atmosfer yang kontinu;
kemudian dengan proses deskritisasi persamaan yang berkaitan dengan variabel
kontinu diganti dengan persamaan yang berkaitan dengan variabel diskrit, solusinya
diperoleh melalui algoritma yang tepat. Hasil prediksi numerik (solusi persamaan
meteorologi dinamis yang telah terdeskrit) tergantung pada proses diskritisasi yang
digunakan.
Sekitar tahun 1890, ahli meteorology Amerika, Cleveland Abbe telah mengakui
bahwa “meteorology pada dasarnya dalah menerapkan hidrodinamika dan
termodinamika ke atmosfer”. Dalam tulisannya The Physical basis of long-range
weather forecasting, Abbe mengusulkan pendekatan matematika dalam prakiraan.
Kemudian ada Vilhem Bjerknes yang membuat dua langkah untuk prakiraan yang
rasional: sebuah langkah diagnostic, dimana keadaan awal suatu atmosfer ditentukan
dengan pengamatan; dan langkah prognostik, dimana hukum gerak yang digunakan
untuk menghitung bagaimana perubahan dari waktu ke waktu. Antara 1916 dan 1922,
Lewis Fry Richardson mencoba untuk memecahkan prakiraan cuaca dengan metode
numerik. Dia bahkan membuat perkiraan 6 jam secara manual, meskipun terbukti cukup
tidak realistis.Pada tahun 1950, Jule Charney, Ragnar Fjörtoft, dan John von Neumann
membuat prediksi cuaca numerik. Mereka menggunakan persamaan konservasi
vortisitas absolut untuk percobaan ini dan melakukan komputasi pada ENIAC di
Aberdeen (Maryland). Hasil yang diperoleh untuk prakiraan ketinggian geopotensial
dari permukaan isobarik 500 hPa, karakteristik atmosfer tengah, dan percobaan
menandai titik awal prediksi numerik modern.
Selama tahun 1920, Courant, Friedrichs dan Lewy telah mempelajari solusi
numerik dari persamaan diferensial parsial, dan telah menunjukkan bahwa adanya
keterbatasan pada time-step untuk setiap langkah yang diberikan; ini sekarang dikenal
sebagai kriteria CFL.
a. Perkembangan model cuaca pada abad pertengahan :
 Penggunaan persamaan yang terfilter
Model paling awal mengandalkan pendekatan quasi-geostropik yang
menentukan hubungan antara bidang tekanan dan bidang angin, sehingga
1
 mengurangi jumlah derajat kebebasan model. Pendekatan ini juga memiliki efek
hanya melihat gelombang lambat, dikenal sebagai gelombang Rossby dan
menghilangkan gelombang inersia-gravitasi. Karena efek penyaringan ini
sehingga diperoleh persamaan yang disederhanakan dan dikenal sebagai
persamaan terfilter.
Peningkatan kinerja komputer digunakan untuk memperluas domain dan
meningkatkan resolusi horisontal dan jumlah level vertikal sehingga dapat lebih
menggambarkan dinamika atmosfer.
 Kembali ke persamaan sederhana dan inisiasi
Peningkatan pada kecepatan kalkulasi komputer memungknkan untuk kembali
menggunakan persamaan keseimbangan hidrostatik yang digunakan Richardson
(persamaan sederhana). Untuk memenuhu kondisi CFL diperlukan langkah yang
lebih kecil daripada persamaan terfilter. Namun penggunaan persamaan
sederhana memiliki masalah sulitnya mendapatkan kondisi awal yang seimbang
dari medan tekanan dan angin. Kemudian muncul ide untuk menguarai keadaan
awal atmosfer kedalam mode normal dan memperbaiki inertia gravitasi pada
keadaan awal sehingga membuatnya stasioner ketika model berevolusi. Tekhnik
yang dikembangkan oleh Baer dan Tribbia (1977) dan Machenhauer (1977)
terbukti efektif dengan menggunakan data inisiasi tekanan dan angin.
 Global processing dan metode spektral
Model yang memiliki keterbatasan area akhirnya digantikanoleh model global
yang memungkinkan interaksi antara dua belahan bumi. Pada model spektral,
bidang didefinisikan sebagai bulatan yang direpresentasikan oleh seri ekspansi
dalam bentuk fungsi dasar: spektral harmonik permukaan. Penggunaan tekhnik
transform asi lebih baik dengan munculnya tranformasi fourier, yang terdiri dari
penghitungan nonlinier term pada simpul dari grid menengah sehingga membuat
metode spektral sangat kompetitif.
 Model area terbatas (LAM)
LAM dikembangkan untuk menyediakan prakiraan jangka pendek dan pada
skala terbatas. Analisis matematika juga menunjukkan bahwa nilai setiap bidang
harus dibuat spesifik pada setiap batas area untuk tiap waktunya. Nilai untuk
setiap bidang diperoleh dari interpolasi wilayah yang lebih luas. Metode filtering
digital frekuensi tinggi yang sesuai dengan gelombang inertia gravutasi

2
 menyediakan juga menyediakan solusi untuk masalah inisiasi untuk Model Area
Terbatas ini.
 Penggunaan algoritma untk meningkatkan langkah waktu
Algoritma integrasi waktu semi implisit membatasi kondisi CFL dengan porsi
yang lebih kecil, karena hanya melibatkan kecepatan maksimum angin sinoptik
dan tidak lagi melibatkan kecepatan tertinggi dari gelombang atmosfer. Skema
algoritma semi-Langrarian semi-implicit memungkinkan untuk meningkatkan
langkah waktu (mengurangi langkah/jumlah langkah waktu) dalam batas akurasi
untuk merepresentasikan skala waktu yang relevan. Algoritma ini sangat efektif
untuk membuat variabel dari grid model (meningkatkan resolusi dari area yag
dipilih) menjadi kompetitif untuk sekumpulan model karena langkah waktunya
tidak lagi bergantung pada grid terkecil dari domain kerja.
 Penggunaan persamaan nonhidrostatik
Skema algoritma semi-Langrarian semi-implicit membuka peluang untuk
penggunaan persamaan nonhidrostatik yang diperlukan untuk menangani skala
spasial hingga 1 km. Penggunaan kombinasi langrarian dan proses implisit yang
berhubungan dengan propagasi gelombang gravitasi dan suara menjadikan
algoritma ini stabil sehingga memungkinkan penggunaan dari persamaan
nonhidrostatik untuk mensimulasi pergerakan atmosfer dari skala planeter
menjadi skala meso.
 Proses fisik
Perlu diperhatikan bahwa skala yang harus diperhitungkan untuk
mensimulasikan proses fisik yang relevan umumnya lebih kecil dari skala yang
digambarkan oleh model, proses ini harus memenuhi beberapa parameter.
Penambahan persamaan tambahan yang menjelaskan pengangkutan uap air
diperlukan sebagai sarana untuk menangani dampak perubahan fase air dan untuk
menghitung presipitasi (Smagorinsky, 1962). Deskripsi yang tepat tentang
mekanisme transfer turbulen antara tanah dan atmosfer tidak hanya untuk
momentum tetapi juga untuk sensible heat dan uap air, hal ini membuktikan
kebenaran penghitungan fluks turbulen di dekat permukaan (Businger et al.,
1971; Deardorff, 1972; Louis, 1979). Jelas bahwa evolusi variabel permukaan
berhubungan langsung dengan masuknya energi dari fluks radiasi yang sangat
bergantung pada waktu dan tutupan awan. Penambahan energi disipasi

3
 gelombang gunung yang merambat secara vertikal juga telah meningkatkan
prediksi intensitas jetstream di atas daerah pegunungan (Palmer et al., 1986).
 Analisis objektif dan asimilasi data
Analisis objektif dimaksudkan untuk menentukan keadaan atmosfer pada waktu
dan data asimilasi tertentu yang diberikan. Analisis objektif pertama kali
digunakan menggunakan metode interpolasi kemudian dengan metode koreksi
berturut-turut dari latar belakang model prakiraan. Mempertimbangkan sifat
statistik dari bidang variabel meteorologi (yang merupakan dasar dari metode
interpolasi) merupakan langkah penting dalam membuat pengecualian pada sifat
khusus dari berbagai pengamatan yang tersedia dan untuk mengambil manfaat
dari hubungan antar bidang yang akan dianalisis.
b. Awal NWP Modern
- John Von Neumann
John Von Neumann melihat kemajuan dalam hidrodinamika akan dipercepat
jika cara untuk memecahkan persamaan numerik yang kompleks tersedia. Sudah
jelas bahwa mesin komputasi otomatis sangat cepat diperlukan, sehingga
dibuatlah sebuah komputer elektronik di Institute for Advanced Studies (IAS) di
Princeton pada tahun 1946-1952. Rencana awalnya adalah mengintegrasikan
persamaan primitif, namun adanya solusi gelombang gravitasi berkecepatan
tinggi mengharuskan penggunaan langkah waktu yang singkat sehingga volume
perhitungan mungkin melebihi kemampuan mesin IAS. Dan ada kesulitan yang
lebih mendasar, yakni ketidakmungkinan menghitung secara akurat perbedaan
dari pengamatan.
- Integrasi ENIAC
Pada awal 1950, Grup Meteorologi telah menyelesaikan analisis matematis
yang diperlukan dan telah merancang sebuah algoritma numerik untuk
memecahkan persamaan vortisitas barotropik. Pengaturan dibuat untuk
menjalankan integrasi pada satu-satunya komputer yang tersedia, Electronic
Numerical Integrator and Computer (ENIAC) di Aberdeen, Maryland. Empat
ramalan 24 jam dibuat, dan hasilnya jelas-jelas menunjukkan bahwa fitur berskala
besar dari aliran troposfer pertengahan dapat diprediksi secara barotropis dengan
kemiripan yang mungkin dengan kenyataan. Setiap integrasi 24 jam
membutuhkan waktu sekitar 24 jam perhitungan.
- Dari model barotropik ke multi-level
4
 Beberapa model-model baroklinik dikembangkan dalam beberapa tahun setelah
prakiraan ENIAC. Mereka semua didasarkan oleh sistem quasi-geostropic. Tim
Princeton mempelajari badai parah dari hari Thanksgiving 1950 menggunakan
model-model dua dan tiga tingkat. Setelah beberapa tuning/penyesuaian, mereka
menemukan bahwa siklogenesis cukup bisa disimulasikan. Jadi, dari itu tampak
bahwa masalah utama dari perkiraan operasional telah diselesaikan/dipecahkan.
- Model-model Persamaan Sederhana
Dalam tulisannya yang berjudul “The Mechanism Of Meteorological Noise”,
Karl-Heinz Hinkelmann berhasil memecahkan isu mengenai initial condition
yang sesuai untuk persamaan integrasi sederhana. Persamaan tersebut dibuktikan
mampu menggambarkan dinamika dan energetika atmosfer secara lebih realistis
daripada filtered equation. Penerapan persamaan sederhana yang pertama
berhasil dilakukan dengan menghasilkan simulasi mengenai perkembangan,
oklusi dan struktur frontal. Prakiraan rutin numerik (Routine Numerical
Forecasting) pertama dikenalkan di Deutscher Wetterdienst pada 1966, inilah
pertama kalinya digunakan persamaan sederhana dalam operasional. Model
persamaan sederhana level ke enam digunakan untuk operasional di National
Meteorological Center di Washington pada Juni 1966 dilakukapan pada CDC
6600. Selanjutnya dilakukan perbaikan dalam segi skill untuk tekanan 500 hPa
pada prakiraan harian berhasil diturnkan sekitar lima poin.
- Model Sirkulasi Umum dan Pemodelan Klimat
Philips membuat simulasi sirkulasi umum atmosfer dalam jangka waktu yang
panjang. Philips menggunakan model quasi-geostrophic level ke dua pada kanal
beta-plane dengan perhitungan fisika yang belum sempurna. Komputasinya
dilakukan pada komputer IAS (MANIAC I), dengan menggunakan grid spasial
16 x 17 poin, dan simulasinya dilakukan selama kurang lebih satu bulan.
Selanjtnya ada model yang hanya memodelkan unsur tertentu mulai
dikembangkan di National Center for Atmospheric Research (NCAR) oleh
Kasahara dan Washington. Perbedaan dari model ini adalah penggunaan
ketinggian sebagai koordinat vertikal (kebanyakan model menggunakan
tekanan). Model yang dibuat oleh Kasahara dan Washington ini merupakan
model pertama yang melanjutkan mengenai model iklim. Berbagai proses fisis
seperti pemanasan mathari, pemanasan daratan, konveksi dan turbulensi dalam
skala kecil turut diperhitungkan. Hasil terbarunya adalah The Community

5
 Atmosphere Model (CAM 3.0). CAM ini juga digunakan dalam Community
Climate System Model (CCSM) yang mana merupakan sebuah model klimat
global yang mampu mensimulasikan kondisi iklim bumi pada masa lampau,
sekarang dan yang akan datang.
Model sirkulasi atmosfer dan laut digunakan U.K Hadley Center untuk
pemodelan iklim. HadCM3 menggunakan persamaan sederhana untuk kondisi
dinamisnya, sementara HADGEM menggunakan persaamman terbaru dalam
menggambarkan kondisi dinamisnya. Model, sekarang disebut Model Sistem
Bumi, diterapkan untuk masalah prediksi cuaca dan juga untuk mempelajari
variabilitas iklim dan dampak manusia di atasnya.
2. Persamaan Atmosfer Dasar
Persamaan yang digunakan untuk membangun berbagai jenis model simulasi evolusi
atmosfer diperoleh dari persamaan umum dasar dengan membuat sejumlah
penyederhanaan. Dari persamaan yang menggambarkan perilaku cairan nonviscous
(persamaan Euler), pendekatan tradisional dalam meteorologi terdiri dari pemdekatan
atmosfer ke lapisan tipis dan mengarah ke persamaan nonhidrostatik yang
memungkinkan penanganan dari gerak atmosfer skala meso. Pendekatan hidrostatik
mengabaikan percepatan vertikal dan mengarah pada persamaan sederhana
(berlawanan dengan filtered equations, yang melibatkan hipotesis tambahan tentang
keseimbangan antara medan massa dengan angin dan yang digunakan untuk
membangun model numerik operasional pertama). Meskipun tidak mensimulasikan
gerakan konvektif secara eksplisit, persamaan sederhana banyak digunakan baik untuk
model prakiraan cuaca ataupun model sirkulasi umum atmosfer.
Bentuk Persamaan Umum
Model atmosfer dibangun dari persamaan gerak, persamaan kontinuitas, persamaan
thermodinamis, persamaan konservasi uap air dan persamaan statis. Dengan
batasan referensi yang melekat pada bumi dan memiliki lokasi asal di pusat bumi,
maka persamaannya :
a. Persamaan Momentum : merupakan hukum kedua Newton tentang gerak,
menyatakan bahwa laju perubahan momentum suatu benda adalah sebanding
dengan resultan gaya yang bekerja pada bidang tersebut dan bekerja pada arah
yang sama sebagai gaya.

6
 Dimana : Persamaan 2.1 merupakan persamaan momentum untuk bidang
horizontal sumbu x, persamaan 2.2 merupakan persamaan
momentum untuk bidang horizontal sumbu y, dan persamaan 2.3
merupakan persamaan momentum bidang vertikal sumbu z. Simbol
u, v, dan w merupakan kecepatan angin untuk bidang x, y, dan z
secara berurutan. Ω merupakan vektor kecepatan angular bumi, ρ
adalah densitas udara, p tekanan, Fr menunjukkan gaya gesek disetiap
bidang koordinat. Simbol Φ merupakan ketinggian geopotensial yang
merupakan koordinat vertikal yang direferensikan ke mean sea level
dengan menggunakan variasi gravitasi dan diekspresikan dalam
satuan SI J.kg-1 :

Dimana : Ω adalah kecepatan angular dari rotasi bumi, r adalah jari-jari (dimana
r merupakan radius vektor yang diukur dari pusat Bumi), dan r cos ϕ
merupakan jarak ke sumbu rotasi bumi pada lintang ϕ.
b. Persamaan Energi Termodinamika : persamaan yang memperhitungkan
berbagai efek baik diabatik dan adiabatik pada suhu.

Dimana : p tekanan, T temperature, R dan Cp adalah konstanta gas ideal dan

panas spesifik pada tekanan udara konstan. Simbol ∇3 menunjukan
operator gradien. dT/dt operator total derivatif suhu terhadap waktu,
dp/dt merupakan operator total derivatif tekananterhadpa waktu. Q
merepresentasikan sumber dan depresi panas.
c. Persamaa Kontinuitas untuk masa total : menyatakan bahwa energi tidak dapat
diciptakan ataupun dihancurkan.

7
 Dimana : ρ adalah densitas udara dan dρ/dt merupakan operator total derivatif
densitas udara terhadap waktu. Simbol dρ/dx, dρ/dv, dρ/dz
merupakan operator derivatif densitas udara terhadap bidang x, y, dan
z secara berurutan.
d. Hukum Gas Ideal : Berkaitan dengan hubungan antara parameter suhu, tekanan
dan densitas.

Dimana : ρ adalah densitas udara, p adalah tekanan, R adalah konstanta gas

ideal, dan T adalah suhu.
Hukum gas ideal diantaranya adalah Hukum Boyle, Hukum Charles, Hukum
Gay Lussac.
- Hukum Boyle :Untuk gas yang berada dalam dua keadaan keseimbangan
yang berbeda dan pada suhu konstan, diperoleh persamaan sebagai berikut:
p1V1 = p2V2
- Hukum Charles : Untuk gas yang berada dalam dua keadaan seimbang yang
berbeda dan pada tekanan konstan, diperoleh persamaan sebagai berikut :

- Hukum Gay Lussac : Untuk gas yang berada dalam dua keadaan seimbang
yang berbeda dan pada volume konstan, diperoleh persamaan sebagai
berikut :
- Hukum Boyle-Gay Lussac : gabungan setiap kondisi yang berlaku
pada hukum-hukum gas ideal. Persamaannya :

e. Persamaan Uap Air

Dimana : qv merupakan specific humidity, Qv merupakan penambahan atau

hilangnya uap air melalui perubahan fase

3. Skala Atmosfer dan Numerical Weather Prediction
a. Skala Atmosfer
Orlanski, 1975 dalam Coiffier, 2011 mengelompokkan berbagai kejadian di
atmosfer dalam beberapa skala berdasarkan waktu dan daerah cakupannya.
 Berdasarkan Waktu

8
 - Skala Mikro
Fenomena di atmosfer yang terjadi dalam durasi beberapa detik hingga
beberapa menit. Contohnya turbulensi, dust devil, tornado.
- Skala Meso
Fenomena di atmosfer yang terjadi dalam durasi beberapa jam. Contohnya
squall line dan low level jet.
- Skala Synoptic dan Planetary
Fenomena di atmosfer yang terjadi dalam durasi beberapa jam hingga
beberapa hari. Contohnya front dan huricane.
- Skala Klimatologi
Fenomena di atmosfer yang terjadi dalam durasi beberapa hari hingga
beberapa bulan. Contohnya gelombang rossby dan standing waves.
 Berdasarkan Daerah Cakupannya
- Skala Mikro Gamma
Fenomena di atmosfer yang memiliki cakupan daerah hingga 20 m.
Contohnya turbulensi.
- Skala Mikro β
Fenomena di atmosfer yang memiliki cakupan daerah 20 m hingga 200 m.
Contohnya dust devil.
- Skala Mikro α
Fenomena di atmosfer yang memiliki cakupan daerah 200 m hingga 2 km.
Contohnya tornado.
- Skala Meso Gamma
Fenomena di atmosfer yang memiliki cakupan daerah 2 km hingga 20 km.
Contohnya thunderstorm dan CAT.

- Skala Meso β
Fenomena di atmosfer yang memiliki cakupan daerah 20 km hingga 200
km. Contohnya low level jet dan squall line.
- Skala Meso α
Fenomena di atmosfer yang memiliki cakupan daerah 200 km hingga 2000
km. Contohnya front dan huricane.
- Skala Makro β

9
 Fenomena di atmosfer yang memiliki cakupan daerah 2000 km hingga
10000 km. Contohnya gelombang baroklinik.
- Skala Makro α
Fenomena di atmosfer yang memiliki cakupan daerah lebih dari 10000 km.
Contohnya gelombang pasang surut, gelombang rossby.
Tabel 1. Fenomena Meteorologi dalam skala ruang dan waktu ( Orlanski, 1975 dalam
Coiffier, 2011)

b. Skala Numerical Weather Prediction

 Skala Global
Model global umumnya digunakan untuk panduan dalam perkiraan jangka
menengah (lebih dari 2 d), dan untuk simulasi iklim. Di NCEP, misalnya, model
global dijalankan sampai 16 d setiap hari. Karena domain horizontal model
global adalah seluruh bumi, sehingga tidak bisa dijalankan dengan resolusi

10
 tinggi. Untuk prakiraan yang lebih rinci, perlu untuk meningkatkan resolusinya,
dan ini hanya bisa dilakukan untuk wilayah yang terbatas.
 Skala Regional
Model regional digunakan untuk prakiraan jagka yang lebih pendek (biasanya
1-3 d), dan dijalankan dengan resolusi dua kali lebih tinggi dari model global.
Model regional (Eta) dijalankan dengan resolusi horizontal 48 km dan 38
tingkat, dan kemudian di siang hari dengan 29 km dan 50 tingkat. Karena
resolusinya yang lebih tinggi, model regional memiliki keuntungan dengan
akurasi yang lebih tinggi dan kemampuan untuk mendeteksi fenomena berskala
lebih kecil seperti front, squall line, dan pengaruh orografis yang jauh lebih baik
daripada model global. Di sisi lain, model regional memiliki kelemahan, tidak
seperti model global, model regional memerlukan kondisi batas lateral di
perbatasan domain horizontal. Kondisi batas ini harus seakurat mungkin, karena
solusi interior dari model regional cepat memburuk. Karena itulah model
regional hanya digunakan untuk prakiraan jangka pendek.
Setelah beberapa waktu, yang sebanding dengan ukuran modelnya, informasi
yang dikandung pada kondisi awal beresolusi tinggi di buang karena pengaruh
dari konsisi batas, dan model regional hanya menjadi kaca pembesar untuk
prakiraan yang lebih kasar pada wilayah redional. Hal ini masih dapat berguna,
contohnya untuk simulasi iklim dengan periode yang panjang (musiman hingga
tahunan). Modle iklim regional dapat menyediakan versi yang lebih rinci dari
simulasi kasar pada wilayah yang diinginkan.
c. Keterkaitan Skala Atmosfer dengan Skala Model
Skala Model dan skala atmosfer memiliki hubungan yang erat, karena
dengan memahami skala model kita dapat memahami skala atmosfer. Sebagai
seorang meteorologis memahami skala atmosfer sangatlah penting, karena dengan
memahaminya kita dapat melakukan analisis dan prakiraan suatu fenomena secara
tepat. Namun selain memahami skalanya, kita juga harus mengetahui parameter
dan output apa saja yang terdapat pada fenomena tersebut. Hal tersebut penting
karena dalam model cuaca tidak menunjukkan nama fenomena, tetapi
menunjukkan parameter dan output dari suatu fenomena tersebut, misalnya
parameter angin zonal dan meridional, output berupa presipitasi, dll. Contoh
keterkaitan antara skala atmosfer dan skala model adalah ketika kita hendak
mendeteksi terjadinya MJO yang merupakan fenomena gelombang panjang skala
11
 makro α dengan durasi waktu kejadian berkisar 30-60 hari, tetapi kita hanya
memiliki model dengan luasan wilayah Indonesia dan durasi waktu 1-2 hari, maka
fenomena MJO tersebut tidak akan dapat terdeteksi oleh model yang kita miliki
karena skala fenomena dan skala model tidak cocok. Sehingga seharusnya untuk
mendeteksi MJO diperlukan model dengan skala global. Kemudian untuk
mendeteksi terjadinya MJO tersebut dapat digunakan parameter presipitasi yang
merupakan hasil dari terjadinya MJO, namun juga harus melihat parameter lainnya
yang merupakan ciri-ciri terjadinya MJO tersebut, selain itu cakupan wilayah yang
digunakan juga harus merupakan wilayah yang luas karena MJO merupakan
fenomena skala global.
Berkaitan dengan wilayah domain, kita tidak bisa hanya melihat suatu
wilayah sempit saja (dipotong pada suatu wilayah tertentu), misalnya hanya
dipotong di wilayah Indonesia saja, karena disekitar wilayah tersebut masih ada
wilayah lain yang turut berperan memberikan pengaruh dalam kondisi cuaca di
wilayah tersebut. Misalnya ketika kita memotong hanya diwilayah Indonesia saja,
padahal disekitar Indonesia terdapat dua benua dan dua samudra yang memberikan
pengaruh cukup signifikan dalam kondisi cuaca, seperti adanya transpor masa
udara, adanya pengaruh dari kejadian siklon tropis di Filipina dan Australia.
Sehingga kita tetap harus melihat dan mempertimbangkan keadaan wilayah sekitar
domain dan memperhatikan bahwa suatu wilayah tidaklah berdiri sendiri, namun
mendapat pengaruh dari wilayah sekitarnya juga.
4. Model Cuaca Numerik Termutakhir
a. Model ECMWF
Model ECMWF (European Centre for Medium-Range Weather Forecasts)
adalah model persamaan primitif spektral dengan semi-Lagrangian, skema waktu
semi-implisit dan perawatan yang komprehensif dari proses fisik. Terdapat juga
model gelombang laut. Resolusi spasial adalah 25 km dan ada 91 tingkat vertikal.
Data awal untuk perkiraan disusun dengan menggunakan skema asimilasi
variational empat dimensi, yang menggunakan berbagai macam pengamatan
konvensional dan satelit 12 jam-an. ECMWF menghasilkan berbagai perkiraan
atmosfer dan laut global. Produk utama tercantum di sini :
- Prakiraan untuk atmosfer 10 hari ke depan, berdasarkan pada T799 (25 km)
91 tingkat (L91). Model deterministik disebarluaskan dua kali per hari.

12
 - Prakiraan dari sistem prediksi ensemble (EPS) menggunakan T399 (50 km)
versi model L62 dan disebarluaskan dua kali per hari.
- Prakiraan untuk satu bulan ke depan, berdasarkan ensambel menggunakan
resolusi T255 (78 km) dan 62 tingkat didistribusikan sekali per minggu.
- Prakiraan musiman untuk enam bulan ke depan, berdasarkan ensambel
dengan reoslusi 125km dan disebarluaskan sekali per bulan.
Dasar operasi NWP pada ECMWF adalah sistem Integrated Forecast System
(IFS). IFS menggunakan sebuah representasi spektral dalam bidang meteorologi.
Setiap bidang dikembangkan dalam rangkaian harmoni berbentuk bola
Sistem IFS mengalami pembaruan besar di Spring, 2006. Grid Gaussian baru
untuk IFS memiliki sekitar 8x105 poin dengan 91 tingkat dan 5 variabel prognostik
utama pada setiap poin, sekitar 3x108 poin merupakan angka yang diperlukan untuk
menetapkan keadaan atmosfer pada waktu yang diberikan. Model ini mempunyai
sekitar 100 juta kebebasan. ECMWF melaksanakan program operasional
menggunakan sistem komputer yang kuat dan kompleks. Pada jantung sistem ini
terdapat sebuah IBM High Performance Computing Facility (HPCF). Fase 3 HPCF
terdiri dari dua kluster p690+ yang identik. Setiap kluster terdiri dari 68 server
komputer yang pada setiap komputernya mempunyai 3 CPU dengan frekuensi 1.9
GHz. Performa puncak 16.5 TeraFlops untuk setiap cluster, sehingga keseluruhan
sistem mempunyai performa puncak 33 TeraFloops atau 33 trilyun perhitungan per
detik. ECMWF juga mepersiapkan prakiraan musim (6 bulan-an). ECMWF
membuatnya dengan menggunakan model atmosfer/laut secara berpasangan, dan
nilai yang besar dari prakiraan dikombinasikan dalam gabungan setiap bulan.
Prakiraan gabungan ini dapat dibuktikan untuk wilayah tropis. Misalnya prediksi
mengenai awal kejadian El Nino dan La Nina terbukti sangat mengesankan.
ECMWF adalah pemimpin dunia dalam penelitian data asimilasi dan
pengembangannya. Kualitas prakiraan ECMWF bergantung pada seberapa baik
penggunaaninformasi yang diterima secara real-time dari sistem pengamatan
global, yang terdiri dari berbagai instrumen satelit, stasiun cuaca, kapal,
pelampung, dan komponen lainnya. Tujuan asimilasi data adalah untuk
menentukan keadaan atmosfir yang terbaik dengan menggunakan pengamatan dan
perkiraan jangka pendek. Asimilasi data biasanya merupakan prosedur time-
stepping sekuensial, di mana ramalan model sebelumnya dibandingkan dengan

13
 pengamatan yang baru diterima. Beberapa macam pemodelan dan prakiraan dari
ECMWF adalah :
 Dinamika Atmosfer
 Fisika Atmosfer (radiative transfer, konveksi, awan, surface exchange,
turbulent mixing, subgrid-scale orographic drag dan drag gelombang
gravitasi non-orografis)
 Laut (istem ensambel dan perkiraan musiman menggunakan couple
model lautan-atmosfer, yang mencakup simulasi sirkulasi umum lautan
dan proses umpan balik yang terkait)
 Daratan (parameterisasi proses biosferik dan hidrologi, pemantauan dan
prediksi banjir dan kekeringan, fluks karbon alami, dan kebakaran)
 Evaluasi Prakiraan (ECMWF mengelola berbagai statistik verifikasi
untuk mengevaluasi keakuratan prakiraannya)
b. UNIFIED Model
Unified Model merupakan rangkaian perangkat lunak pemodelan numerik yang
dikembangkan dan digunakan di UK Met Office. Perangkat lunak pemodelan UM
dirancang agar model dapat dijalankan di atmosfer saja (area global atau terbatas),
samudera saja atau dalam coupled mode atmosfir- lautan. Unified Model digunakan
oleh UK Met Office untuk prediksi cuaca numerik dan oleh Pusat Hadley untuk
Prediksi Iklim dan Penelitian untuk mensimulasikan dan memprediksi iklim bumi.
Sejumlah organisasi penelitian dan layanan meteorologi nasional bekerjasama
dengan Met Office menggunakan Unified Model untuk melakukan penelitian
proses atmosfer dasar, menghasilkan perkiraan Sebagai bagian dari Joint Weather
and Climate Research Program (JWCRP) antara Met Office dan NERC, Unified
Model juga digunakan untuk fasilitas Monsoon High Performance Computing.
c. GFS Model
Global Forecast System (GFS) adalah sebuah sistem prediksi cuaca numerik global
yang berisi model komputer dan analisis global yang dijalankan oleh United States
National Weather Service (NWS).Model matematika dijalankan empat kali sehari,
dan menghasilkan perkiraan hingga 16 hari ke depan, tetapi dengan penurunan
resolusi spasial setelah 10 hari. Keterampilan perkiraan umumnya berkurang
dengan waktu (seperti dengan model prediksi cuaca numerik) dan untuk prakiraan
jangka panjang.Model GFS adalah model spektral dengan pendekatan resolusi

14
 horizontal 13 km selama 10 hari pertama dan 27 km 240-384 jam (16 hari). Dalam
resolusi vertikal, model dibagi menjadi 64 lapisan. Seperti kebanyakan karya
pemerintah AS, data yang GFS tidak memiliki hak cipta dan tersedia secara gratis
dalam domain publik di bawah ketentuan hukum AS. Karena itu, model berfungsi
sebagai dasar untuk prakiraan dari berbagai perusahaan cuaca swasta, komersial
dan asing.
Model GFS adalah coupled model, terdiri dari empat model terpisah (model
atmosfer, model samudera, model tanah / daratan, dan model es laut), yang bekerja
sama untuk memberikan gambaran cuaca yang akurat. Perubahan secara rutin
dilakukan pada model GFS untuk meningkatkan kinerjanya dan perkiraan akurasi.
Data Gridded tersedia untuk diunduh melalui NOAA National Operational Model
Archive and Distribution System NOAA (NOMADS).
d. JMA Model
JMA saat ini mengoperasikan beberapa model NWP untuk mencakup berbagai jenis
prediksi, termasuk very-short-range forecasts, short-/medium-range forecasts,
prakiraan lintasan angin topan dan prakiraan penerbangan. Badan ini juga
mengoperasikan sistem prediksi ensambel (EPSs) dan coupled model atmosfer-
lautan untuk prakiraan lainnya, termasuk prediksi satu minggu / satu bulan /
musiman dan prakiraan El-Niño.
JMA menjalankan beberapa model NWP yaitu :
- Global Spectral Model (GSM) untuk perkiraan jangka pendek dan menengah
hingga 11 hari kedepan mencakup seluruh dunia dengan ukuran grid 0.1875
derajat.
- Meso Scale Models (MSM) untuk warning, perkiraan jangka sangat pendek
dan perkiraan untuk keperluan penerbangan di wilayah Jepang dan area
sekelilingnya menyediakan prakiraan cuaca untuk 39 jam kedepan tiap 3 jam
dengan ukuran grid 5km/817 x 661
- Local Forecast Models( LFM) untuk pengurangan dampak bencana dan
perkiraan untuk keperluan penerbangan di wilayah Jepang dan area
sekelilingnya menyediakan prakiraan cuaca untuk 9 jam kedepan tiap jam
dengan ukuran grid 2 km/1,581 x 1,301
- Ensemble Prediction System (EPSs) untuk perkiraan 1 minggu, perkiraan jejak
typhoon, dan perkiraan 1 bulan dengan ukuran grid 0.375 derajat. Sistem
prediksi ensemble berdasarkan couple model atmosfer untuk perkiraan jangka

15
 panjang hingga 6 bulan ke depan dan untuk El-Nino dengan ukuran grid 0.5625
derajat
Tabel 2. Spesifikasi Model JMA ( http://www.jma.go.jp/jma/en/Activities/nwp.html )

e. ARPEGE Model
ARPEGE (Action de Recherche Petite Echelle Grande Echelle) digunakan baik di
METEO-FRANCE dan ECMWF; pada ECMWF diberi nama IFS (Integrated
Forecasting system). ARPEGE adalah model spektral global, dengan grid Gaussian.
ARPEGE Model ini digunakan untuk simulasi di seluruh dunia (yang dapat
difokuskan pada wilayah tertentu). Untuk perhitungan grid-point, diskretisasi
vertikal dilakukan sesuai koordinat medan tekanan. ARPEGE berisi model yang
berbeda (model persamaan primitif 3D, Model non-hidrostatik 3D dan model air
dangkal 2D), skema asimilasi yang berbeda (interpolasi optimal, variasional 3D,
variasional 4D), skema pasca-pengolahan internal (FULL-POS) dan beberapa
diagnostik lainnya, skema inisialisasi (Inisialisasi digital lter). Kode garis singgung

16
 dan kode adjoin telah dikodekan untuk sebagian besar aplikasi. ARPEGE / IFS
dapat bekerja dengan paket fisika yang berbeda; Ada satu paket fisika yang
digunakan di METEO-FRANCE dan yang lainnya di ECMWF. ARPEGE bisa
digunakan untuk aplikasi iklim dan dalam hal ini menggunakan paket fisika yang
sedikit berbeda. ARPEGE digunakan secara operasional di METEO-FRANCE; IFS
digunakan secara operasional di ECMWF.
f. AROME Model
Model AROME yang dikembangkan di Météo-France dapat dianggap sebagai
perluasan model baroklinik nonhidrostatik dan menggunakan jenis algoritma
integrasi waktu Semi-Lagrangian semi implisit. AROME Model digunakan untuk
simulasi wilayah Eropa Barata dengan resolusi kilometer. Model ini digunakan
untuk prakiraan area terbatas dengan jangka waktu pendek dan diturunkan langsung
dari versi nonhydrostatic model ARPEGE / ALADIN untuk bagian dinamiknya
(Bubnova et al., 1995) dan untuk bagian fisiknya, dari model mesoscale
nonhydrostatic MESO-NH (Lafore et al, 1998) yang memungkinkan penanganan
rinci mikrofisika awan dan interaksi antara permukaan bumi dan atmosfer.
Bidang awal ditentukan oleh asimilasi data jenis 3D-Var. Metode ini
memungkinkan background nya dikoreksi dengan mempertimbangkan berbagai
data statistik yang diamati. Selain pengamatan dan pengukuran tradisional in-situ
yang disediakan oleh berbagai perangkat yang dilakukan di satelit meteorologi,
sistem ini juga mengasimilasi data resolusi spasial yang sangat tinggi: penundaan
dalam menyebarkan sinyal GPS yang diterima oleh jaringan stasiun induk Eropa
dan kecepatan radial yang disimpulkan dari sinyal Doppler yang disediakan oleh
jaringan radar cuaca yang melingkupi Prancis. Statistk eror background dihitung
menggunakan multivariate formula yang bergantung pada Statistk eror background
untuk vortisitas, divergensi angin horizontal, suhu, tekanan permukaan, dan
kelembaban dengan regresi bergantung pada skala untuk menghitung kovarian
silang.
Model AROME memiliki grid mesh 2,5 km. Domainnya mencakup area seluas
1250 km × 1 500 km yang berpusat di Prancis. Domain ini diperluas ke utara dan
timur dengan menambahkan 12 baris titik grid sehingga field dapat dibuat secara
periodik dua kali lipat dan metode spektral diterapkan. Secara vertikal atmosfer
diwakili oleh 41 tingkat, terendah pada 17 m dan tertinggi pada 0,1 hPa. Langkah
waktu 60 detik memungkinkan proses skala kecil mikrofisika untuk dijelaskan dan

17
 memastikan stabilitas model. Model ini menggunakan siklus asimilasi 3 jam yang
mengasimilasi pengamatan pada pukul 00.00, 03.00, 06.00, 09.00, 12.00, 15.00,
18.00, dan 21.00 UTC dan memberikan analisis untuk membuat perkiraan 3 jam.
Dengan cara ini semua data yang tersedia dapat diasimilasi empat kali sehari, untuk
jam sinoptik pukul 00.00, 06.00, 12.00, dan 18.00 UTC, sekitar 1 jam 30 menit
setelah jam sinoptik, model dijalankan dan menyediakan bidang perkiraan hingga
30 jam yang dapat dimanfaatkan oleh forecaster.
g. Model Cuaca NAM
North American Mesoscale Forecast System (NAM) adalah salah satu model cuaca
yang dijalankan oleh National Centers for Environmental Prediction (NCEP) untuk
memproduksi prakiraan cuaca. Puluhan parameter cuaca tersedia dari jaringannya,
dari suhu dan curah hujan hingga energi kinetik petir dan turbulen. NAM
menghasilkan beberapa grid (atau domain) prakiraan cuaca di benua Amerika Utara
dengan berbagai resolusi horizontal. Perkiraan resolusi tinggi dihasilkan di dalam
NAM dengan menggunakan model cuaca numerik tambahan. Jendela perkiraan
resolusi tinggi ini dihasilkan di atas wilayah yang tetap dan kadang-kadang berjalan
mengikuti peristiwa cuaca yang signifikan seperti angin topan.
Ini dirunning empat kali sehari pada 00z, 06z, 12z, dan 18z dan terdiri dari
komponen berikut:
 Model Sistem Pemodelan Lingkungan NOAA (NEMS) dari Model Multi
Skala Non-Hidrostatik di B-grid (NMMB).
 Domain induk Amerika Utara 12 km penuh sampai 84 jam. Empat domain
tetap beroperasi sampai 60 jam dengan resolusi 3 km, yang semuanya satu
arah terdapat di dalam domain induk 12 km: Conus, Alaska, Hawai, dan
Puerto Rico
 Satu induk beresolusi sangat tinggi hingga 36-h pada resolusi horisontal 1,5
km yang ditempatkan di lokasi yang berbeda setiap siklus. Selama musim
kebakaran, musim panas, lokasi induk ini biasanya ditentukan oleh National
Interagency Fire Center dan digunakan terutama untuk memberikan
panduan resolusi tinggi untuk IMETS. Selama sisa tahun, lokasi ditetapkan
berdasarkan permintaan dari NCEP Service Centres dan kantor NWS.
h. GEM ( Global Environmental Multiscale Model)

18
GEM atau yang biasa disebut dengan Canadian Model merupakan model global
sehingga gelombang panjang ditangani dengan baik untuk asimilasi data dan
prakiraan jangka panjang. Model ini memiliki kemampuan resolusi variabel
sehingga memungkinkan untuk menggunakan resolusi seragam dari jaringan
lintang / bujur. Di luar area ini, grid spacing meningkat untuk mencapai nilai
maksimal pada antipodes. Semua kebutuhan diperhitungkan dengan sistem
asimilasi data dan peramalan di pusatnya yang merupakan model numerik
multiguna dan multiscale, sehingga meminimalkan biaya pengembangan dan
perawatan. Model GEM yang memiliki konfigurasi resolusi seragam dijalankan dua
kali sehari di Canadian Meteorological Center (CMC) untuk konfigurasi 48 jam.
Model GEM melakukan prakiraan cuaca rentang menengah untuk Kanada termasuk
meliputi Amerika Utara dan perairan sekitarnya. Versi model ini dimulai dengan
menggunakan 3D variational (3D-Var)
Tekhnik Numerik :
- Horizontal variable-resolution cell-integrated finite-element mengurangi
diskretisasi beda hingga yang terhenti pada resolusi yang seragam dalam
geometri bola.
- Skema diskretisasi semi-implisit semi-Lagrangian menghilangkan batasan
waktu yang terlalu ketat yang diterapkan oleh skema Eulerian.
- Koordinat vertikal tekanan hidrostatik.

19
 DAFTAR PUSTAKA

Coiffier, Jean. 2011. Fundamentals of Numerical Weather Prediction. New York: Cambridge
University Press.
Hanggoro, Wido, Iis Widya Harmoko, Setyawan Widyarto. 2012. Pendistribusian Data
Numerical Weather Prediction (NWP) Dengan Grads Data Server. Seminar Nasional
Informatika UPN Veteran Yogyakarta.
Kalnay, Eugenia. 2003. Atmospheric Modeling, Data Assimilation And Predictability. New
York : Cambridge University Press.
Lynch, Peter. 2008. The Origins Of Computer Weather Prediction And Climate Modeling.
Journal of Computational Physics, 3431–3444.
CMC, http://collaboration.cmc.ec.gc.ca/science/rpn/gef_html_public/index.html diakses
tanggal 24 April 2017
ECMWF, http://www.ecmwf.int/en/research diakses tanggal 21 April 2017
JMA, http://www.jma.go.jp/jma/en/Activities/nwp.html diakses tanggal 21 April 2017
NCAS, http://cms.ncas.ac.uk/wiki/UM#MesoscaleModelling, diakses tanggal 21 April 2017
NOAA, https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-
system-gfs diakses tanggal 21 April 2017
NOAA, https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/north-american-
mesoscale-forecast-system-nam diakses tanggal 21 April 2017
TOIKI. 2010. Skala Gerak Atmosfer. http://www.toiki.or.id/2010/07/skala-gerak-
atmosfer.html diakses tanggal 21 April 2017
Yessad, Karim. 2017. Basics about ARPEGE/IFS, ALADIN and AROME in the cycle 44 of
ARPEGE/IFS. http://www.umr-cnrm.fr/gmapdoc/spip.php?article29 diakses tanggal
21 April 2017
Warner, Thomas T. 2011. Numerical Weather And Climate Prediction. New York : Cambridge
University Press.

20