PEMANFAATAN MODEL WEATHER RESEARCH AND FORECASTING ENVIRONMENTAL MODELLING SYSTEM (WRF-EMS) UNTUK MEMPREDIKSI HUJAN SRI MUSLIMAH

PEMANFAATAN MODEL WEATHER RESEARCH AND FORECASTING ENVIRONMENTAL MODELLING SYSTEM (WRF-EMS) UNTUK MEMPREDIKSI HUJAN

SRI MUSLIMAH

DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Pemanfaatan Model Weather Research and Forecasting Environmental Modelling System (WRFEMS) untuk Memprediksi Hujan adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir Skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Desember 2014 Sri Muslimah NIM G24100003

ABSTRAK SRI MUSLIMAH. Pemanfaatan Model Weather Research and Forecasting Environmental Modelling System (WRF-EMS) untuk Memprediksi Hujan. Dibimbing oleh RAHMAT HIDAYAT dan WIDO HANGGORO. Model numerik dapat digunakan untuk memprediksi cuaca. Model numerik yang digunakan dalam penelitian ini adalah model Weather Research and Forecasting Environmental Modelling System (WRF-EMS). Tujuan penelitian adalah untuk mengkaji hasil keluaran prediksi hujan model WRF-EMS 1 dan 2 hari ke depan di 6 stasiun pengamatan cuaca terhadap data sinoptik dan data TRMM pada 8 initial and boundary conditions dan mengkaji hasil keluaran prediksi hujan secara spasial model WRF-EMS pada initial and boundary conditions yang berbeda. Dalam penelitian ini, konfigurasi skema standar dari model WRF-EMS dipertahankan dan hanya mengubah skema kumulus saja, yaitu menggunakan skema kumulus Betts-Miller-Janjic. Akurasi hasil prediksi curah hujan dikaji dengan cara membandingkan hasil model dengan data curah hujan sinoptik dan TRMM. Akurasi model juga dapat terlihat pada rentang nilai threat score (TS) hasil prediksi hujan 1 dan 2 hari kedepan. Hasil prediksi hujan menunjukkan bahwa model WRF-EMS cukup baik untuk mensimulasikan kejadian tidak-hujan di Pulau Sumatera dan Kalimantan. Hal ini ditunjukkan oleh intensitas pada hasil prediksi hujan dan data TRMM. Model WRF-EMS dapat memprediksi hujan pada pagi hari sedangkan pada sore dan malam hari hasil prediksi hujan adalah over estimated. Wilayah perairan yang cukup baik diprediksi model adalah di selatan Pulau Sumatera dan Jawa. Model WRF-EMS resolusi horizontal 27 dan 3 km, untuk prediksi hujan 1 dan 2 hari kedepan, memiliki nilai TS yang konsisten tinggi di stasiun Citeko. Nilai TS di stasiun pengamatan cuaca Citeko dari model dengan resolusi horizontal 27 km untuk prediksi 1 dan 2 hari kedepan masing-masing berkisar antara 0 – 0.33 dan 0 – 0.30 sedangkan nilai TS dari model dengan resolusi horizontal 3 km untuk prediksi hujan 1 dan 2 hari kedepan masing-masing berkisar antara 0,17 – 0,75 dan 0.38 – 0.63. Peningkatan resolusi horizontal dari 27 km menjadi 3 km dapat meningkatkan nilai TS. Hal ini mengindikasikan bahwa model dengan resolusi horizontal 3 km lebih akurat untuk memprediksi hujan dibandingkan dengan model resolusi horizontal 27 km. Model WRF-EMS menghasilkan prediksi hujan yang over estimated secara spasial dan model ini lebih sensitif memprediksi hujan di Stasiun Citeko. Kata kunci: skema kumulus Betts-Miller-Janjic, model WRF-EMS, threat score, over estimated

ABSTRACT SRI MUSLIMAH. Utilization Model of Weather Research and Forecasting Environmental Modeling System (WRF-EMS) to Predict Rain. Supervised by RAHMAT HIDAYAT and WIDO HANGGORO. Numerical models can be used to predict the weather. Numerical model used in this study is a model of Weather Research and Forecasting Environmental Modeling System (WRF-EMS). The purpose of this study is to examine the output prediction of rain on 1 or two days ahead using the WRF-EMS model at 6 weather observations stations and the TRMM Data on 8 initials and boundary conditions, and to examine the output prediction of rain spatially using the WRFEMS model on the initial and boundary conditions that are different. In this study, the configuration of the standard scheme using the WRF-EMS model is maintained; however, the cumulus scheme is changed to the Betts-Miller-Janjic cumulus scheme. The accuracy of rainfall prediction results were assessed by comparing the model results with the rainfall synoptic data and TRMM. The accuracy of the model can also be seen in the range of the threat values score (TS) of rain predicted on the 1 and 2 days later. The result shows that the model predictions of rain using WRF-EMS is good enough to simulate a no-rain events on the island of Sumatra and Kalimantan. This is shown by the results of the rainfall prediction intensity and the data shown on TRMM. The WRF-EMS model can predicts rain in the morning, while the result of the prediction is over estimated in the afternoon and evening. The model can produce a fairly well prediction in the territorial waters of south Sumatra and Java Island. The WRFEMS model has a consistent high TS value at Citeko station and horizontal resolution of 27 and 3 km for the prediction of rain on the next couple of days. The TS value at Citeko weather observation station of the model with a horizontal resolution of 27 km for the prediction of 1 and 2 days in advance of each ranged from 0 – 0.33, and 0 – 0.30, while the TS value of the model with a horizontal resolution of 3 km for rainfall predictions 1 and 2 days in advance each ranged from 0.17 to 0.75 and 0.38 - 0.63. The increased of horizontal resolution from 27 km to 3 km can also increase the value of TS. This indicates that the model with a horizontal resolution of 3 km is more accurate for predicting rain compared to the model horizontal resolution of 27 km. The rainfall prediction was spatially over estimated when using the WRF-EMS Model, and this model is more sensitive in predicting rain at Citeko Station. Keywords: cumulus scheme Betts-Miller-Janjic, a model WRF-EMS, threat score, over-estimated

PEMANFAATAN MODEL WEATHER RESEARCH AND FORECASTING ENVIRONMENTAL MODELLING SYSTEM (WRF-EMS) UNTUK MEMPREDIKSI HUJAN

SRI MUSLIMAH

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Geofisika dan Meteorologi

DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014

Judul Skripsi

Nama NIM

: Pemanfaatan Model Weather Research and Forecasting Environmental Modeling System (WRF-EMS) untuk Memprediksi Hujan : Sri Muslimah : G24100003

Disetujui oleh

Dr. Rahmat Hidayat, M.Sc Pembimbing I

Wido Hanggoro, S.Si, M.Kom Pembimbing II

Diketahui oleh

Dr. Ir. Tania June, MSc Ketua Departemen

Tanggal Lulus:

PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan April hingga Agustus 2014 ini ialah prediksi hujan menggunakan model prediksi numerik, dengan judul Pemanfaatan Model Weather Research and Forecasting Environmental Modelling System (WRF-EMS) untuk Memprediksi Hujan. Terima kasih penulis ucapkan kepada Bapak Dr Rahmat Hidayat, M.Sc, dan Bapak Wido Hanggoro S.Si, M.Kom selaku pembimbing skripsi yang telah banyak memberikan ide, bantuan, kritik dan saran, serta bimbingan sehingga karya tulis ini dapat diselesaikan. Ungkapan terimakasih juga disampaikan kepada Mamak (Sunarti) dan Bapak (Muslim) tercinta atas segala kasih sayang, doa, dan dukungan. Ucapan terima kasih kepada Bapak Ibu Dosen pengajar yang telah memberikan pengetahuan selama masa pembelajaran dan seluruh staf pegawai GFM dan Pak Azis, Pak Nandang, Pak Ben yang telah membantu dalam administrasi selama penulis menjalani perkuliahan. Terima kasih juga penulis ucapkan kepada Ryan, Fauzan dan kerabat karib Enggar, Himma, Jeannette serta seluruh teman-teman GFM angkatan 47 dalam kebersamaan selama masa perkuliahan yaitu Dede, Syafei, Indro, Thaisir, Nunung, Murni, Shailla, dan teman-teman Wisma Queen 1 Dian, Tiwi, Ratna, Sita, Dorin, dan Mungil. Selain itu, penghargaan penulis sampaikan kepada Pak Advin, Pak Alfan dan Pak Daniel dari Pusat Penelitian dan Pengembangan Badan Meteorologi, Klimatologi dan Geofisika (Puslitbang BMKG) yang turut membantu dalam penyelesaian skripsi. Ungkapan terima kasih penulis sampaikan keluarga besar Paguyuban Karya Salemba Empat yang telah memberikan beasiswa, pelatihan, dan bertemu dengan teman-teman yang luar biasa di Institut Pertanian Bogor. Saya berharap semoga karya ilmiah ini bermanfaat.

Bogor, Desember 2014 Sri Muslimah

DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN PENDAHULUAN Latar Belakang Tujuan Penelitian TINJAUAN PUSTAKA Prediksi Hujan Model WRF-EMS METODE Waktu dan Tempat Penelitian Bahan Alat Prosedur Analisis Data HASIL DAN PEMBAHASAN Perbandingan curah hujan TRMM dengan data sinoptik Perbandingan hasil prediksi hujan dengan data TRMM Hasil prediksi hujan di 6 kota SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA RIWAYAT HIDUP

x x x 1 1 1 2 2 2 4 4 4 4 5 9 9 10 14 20 20 21 21 29

DAFTAR TABEL 1 2

Parameterisasi skema model fisik penelitian Tabel Kontingensi penentuan threat score

6 8

DAFTAR GAMBAR 1 2 3 4

5

6

7

8

9

10

11

12

13

Diagram alir WRF-EMS Rentang waktu spin up model, prediksi Domain 1, 2, dan 3 pada model WRF-EMS Perbandingan data curah hujan sinoptik dengan data TRMM di stasiun pengamatan cuaca Serang pada tanggal 00 UTC 2 Feb – 21 UTC 10 Feb 2014 Perbandingan data curah hujan sinoptik dengan data TRMM di stasiun pengamatan cuaca Soekarno Hatta pada 00 UTC 2 Februari 2014 – 21 UTC 10 Februari 2014 Hasil prediksi model pada domain 1 (A), domain 2 ( B), dan domain 3 (C) pada tanggal 00 UTC 7 Februari 2014 menggunakan initial and boundary conditions 12 UTC 6 Februari 2014 Hasil prediksi model domain 1 sebelum (a) dan setelah (b) dirunning ulang pada tanggal 2 Februari 2014 00 UTC menggunakan initial and boundary conditions 1 Februari 2014 12 UTC Perbandingan hasil prediksi model WRF-EMS dengan data TRMM pada tanggal 00, 09, dan 15 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014 Perbandingan hasil prediksi model WRF-EMS dengan data TRMM pada 00, 09, dan 15 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014 Grafik perbandingan curah hujan sinoptik dengan hasil prediksi model WRF-EMS resolusi 3 km pada 00 – 21 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014 di 6 kota Grafik perbandingan curah hujan sinoptik dengan hasil prediksi model WRF-EMS resolusi 3 km pada 00 UTC 3 Februari – 21 UTC 4 Februari 2014 menggunakan IBC 12 UTC 2 Februari 2014 di 6 kota Grafik Perbandingan curah hujan model WRF-EMS resolusi 27 km dengan data TRMM pada 00 – 21 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014 Grafik Perbandingan curah hujan model WRF-EMS resolusi 27 km dengan data TRMM pada 00 UTC 3 Februari – 21 UTC 4 Februari 2014 menggunakan IBC 12 UTC 2 Februari 2014

3 5 7

9

10

10

11

12

13

15

16

18

20

DAFTAR LAMPIRAN 1 2

Diagram alir penelitian Grafik perbandingan curah hujan data sinoptik dan data TRMM di 5 stasiun pengamatan cuaca

23 24

3

4 5 6 7 8

Curah hujan spasial hasil model WRF-EMS resolusi horizontal 27 km 00, 09, 15 UTC 2-10 Februari 2014 menggunakan initial and boundary conditions 12 UTC 1-8 Februari 2014 dengan spin up model 12 jam Curah hujan dari data TRMM tanggal 00 UTC 2 Februari 2014 – 21 UTC 10 Februari 2014 pada domain 1 Nilai Threat Score dari model WRF-EMS resolusi 27 km untuk prediksi 1 hari kedepan Nilai Threat Score dari model WRF-EMS resolusi 27 km untuk prediksi 2 hari kedepan Nilai Threat Score dari model WRF-EMS resolusi 3 km untuk prediksi 1 hari kedepan Nilai Threat Score dari model WRF-EMS resolusi 3 km untuk prediksi 2 hari kedepan

24 26 27 27 28 28

PENDAHULUAN Latar Belakang Prediksi cuaca dan iklim menggunakan model numerik telah banyak digunakan di beberapa negara, seperti Amerika Selatan, Korea, India, dan Indonesia (Ruiz dan Celeste (2010), Lee et al. (2005), Kirtsaeng et al. (2010), dan Hanggoro et al (2012)). Salah satu model numerik yang digunakan adalah model Weather Research and Forecasting Environmental Modelling System (WRFEMS). Model WRF-EMS ini lebih user friendly dibandingkan dengan model WRF. Hal ini ditunjukkan oleh kemudahan instalasi dan penggunaan saat menggunakan model. Namun demikian, model WRF mengalami perkembangan yang lebih unggul dengan versi terbaru 3.6.1 yang dirilis pada tanggal 14 agustus 2014 (MMM UCAR 2014). Salah satu prediksi cuaca yang dapat dilakukan dengan memanfaatkan model WRF-EMS adalah prediksi hujan lebat. Berdasarkan penelitian yang dilakukan oleh Lee et al. (2005) dan Pennelly et al. (2014) ada tiga hal penting untuk memprediksi hujan lebat. Hal tersebut yaitu resolusi horizontal domain yang akan digunakan, parameterisasi skema fisik, dan adanya kejadian hujan lebat pada wilayah kajian. Lee et al. (2005) menggunakan domain dengan resolusi horizontal 1.1 km untuk memprediksi hujan lebat di semenanjung korea dan menghasilkan hasil prediksi hujan yang lebih akurat dibandingkan parent domainnya. Zeng et al. (2012) menyatakan bahwa parameterisasi skema land surface yang berbeda tidak menunjukkan perbedaan hasil prediksi hujan yang signifikan dan parameterisasi skema fisik, khususnya parameterisasi skema kumulus, lebih berperan untuk memprediksi hujan. Adanya kejadian hujan lebat pada wilayah kajian dapat membantu menunjukkan akurasi dari model WRF-EMS melalui proses verifikasi dan validasi model. Hal-hal penting untuk memprediksi hujan lebat digunakan dalam penelitian ini karena prediksi yang akan disimulasikan berada pada musim hujan. Merujuk pada penelitian Pennelly et al. (2014) parameterisasi skema kumulus saja yang dikonfigurasi sedangkan skema fisik dan dinamik model WRF-EMS menggunakan pengaturan standar yang tersedia pada model. Keakuratan model dikaji dengan memverifikasi hasil prediksi hujan model WRF-EMS dengan data TRMM secara spasial dan diverifikasi di 6 kota dengan data curah hujan sinoptik dan data TRMM. Pengaturan skema fisik dan resolusi horizontal yang digunakan dalam penelitian ini diharapkan menjadi langkah awal untuk mengetahui performa model WRF-EMS untuk memprediksi hujan di wilayah kajian. Tujuan Penelitian Penelitian ini bertujuan untuk mengkaji: 1. Hasil keluaran prediksi hujan 1 dan 2 hari ke depan model WRF-EMS di 6 stasiun pengamatan cuaca terhadap data sinoptik dan TRMM pada 8 initial and boundary conditions 2. Hasil keluaran prediksi hujan secara spasial model WRF-EMS pada initial and boundary conditions yang berbeda

2

TINJAUAN PUSTAKA Prediksi Hujan Klasifikasi hujan berdasarkan intensitas hujan oleh BMKG (2009) dan BMKG (2012) terbagi menjadi empat, yaitu hujan sangat lebat, lebat, sedang, dan ringan. Hujan dengan intensitas 51-100 mm dalam sehari dikategorikan hujan lebat. Salah satu model yang digunakan untuk memprediksi hujan adalah model WRF. Peneliti yang melakukan prediksi hujan lebat menggunakan resolusi horizontal yang tinggi dalam model WRF. Hal ini bertujuan untuk menghasilkan simulasi curah hujan yang baik. Lee et. al (2005) dalam penelitiannya menggunakan 4 domain untuk mensimulasikan hujan lebat. Grid spacing model domain yang digunakan yaitu 30, 10, 3.3, dan 1.1 km. Resolusi horizontal yang disarankan untuk child domain ialah 1/3 dari parent domain sehingga hasil simulasi menjadi lebih baik (Rozumalski 2010). Misalnya domain 1 memiliki grid spacing 27 km maka grid spacing domain ke 2 yaitu 9 km. Secara umum, penelitian mengenai prediksi hujan lebat disimulasikan pada tanggal-tanggal dimana hujan lebat terjadi. Hal ini berguna untuk menilai akurasi model WRF dalam memprediksi hujan lebat. Proses penilaian akurasi model dapat dilakukan dengan cara memverifikasi, memvalidasi, dan menilai model menggunakan nilai Threat Score (TS). Penelitian ini menilai akurasi model dengan verifikasi model dan perhitungan nilai TS.

Model WRF-EMS Model WRF-EMS terintegrasi dengan Numerical Weather Prediction (NWP) yang memiliki dua inti. Inti pertama yaitu Advance Research Weather (ARW) dari National Center of Atmospheric Research (NCAR) dan NonHydrostatic Mesoscale Model (NMM) dari National Center for Environmenal Research (NCER) (Rozumalski 2010). Kedua inti tersebut tidak banyak berbeda, hanya saja ARW sering digunakan untuk penelitian sedangkan NMM digunakan untuk keperluan prediksi operasional. Penelitian ini menggunakan inti ARW. Inti ARW dapat menjelaskan bentuk fluks untuk persamaan momentum dan termodinamik dengan persamaan kontinuitas massa dalam formulasi persamaan pengaturan utama (Skamarock 2005). Instalasi dan konfigurasi WRF-EMS mudah dan dapat diatur agar dapat melakukan simulasi dengan time step, inti dan grid spacing yang sama secara otomatis. Selain itu, model WRF-EMS memiliki kelebihan untuk dapat menampilkan hasil prediksi di website sehingga akses hasil prediksi lebih mudah (Rozumalski 2010). Berdasarkan Rozumalski (2010) hal-hal yang dibutuhkan untuk menginstal model ini adalah basis linux pada komputer/laptop, memori 8 GB pada disk, sudah menginstal T|C Shell pada sistem, WRF-EMS harus dijalankan di T|C Shell, dan izin root dan atau izin mengisi pada partisi disc yang besar. Pemahaman mengenai linux sangat dibutuhkan karena semua pengerjaan model WRF-EMS dilakukan di

3 komputer/laptop menggunakan T|C Shell atau biasa disebut terminal. Penelitian ini menggunakan komputer di BMKG untuk menjalan model WRF-EMS. Model WRF-EMS memiliki perintah-perintah dalam menjalankan model. Empat perintah utama yang ada yaitu ems_prep, ems_run, ems_post, dan ems_autopost. Perintah yang digunakan dalam penelitian ini hanya tiga (kecuali ems_autopost). Fungsi ems_prep adalah menentukan data yang digunakan beserta waktu konfigurasinya, fungsi ems_run adalah menjalankan model sesuai dengan parameterisasi, dan fungsi ems_post adalah menghasilkan keluaran model sesuai dengan format data yang diinginkan (Rozumalski 2010). Rozumalski (2010) menjelaskan bahwa ada alur data dan proses yang dilakukan model WRF-EMS. Berikut merupakan gambar yang menunjukkan diagram alir model WRF-EMS.

Gambar 1 Diagram alir WRF-EMS Aliran data ditunjukkan dengan tanda panah solid line dan aliran proses ditunjukkan dengan tanda panah dash line. Tahapan pertama yaitu pada Domain Wizard dimana data yang dgunakan berasal dari data topografi USGS, tipe permukaan tanah, penggunaan lahan USGS, annual greenness fract, suhu tanah rata-rata tahunan, dan albedo bulanan. Penelitian tertentu menggunakan set data eksternal yaitu NWS LAPS, Grib1, dan Grib2. Setelah tahapan ini, selanjutnya domain dan data terestrial akan menjadi data masukan untuk ems_prep.pl atau tahap preparations. Tahap preparations berisi penentuan inti dinamikal (ARW dan NMM), WRF Real, dan initialization files. Tahap selanjutnya adalah data tersebut menjadi masukan bagi tahap ems_run.pl atau tahap running. Data input akan diproses sesuai dengan inti yang dipilih saat tahap preparations dan kemudian model akan menjalankan model sesuai inti yang

4 dipilih, memprediksi file, menyesuaikan dengan koordinat native, dan membentuk data menjadi netCDF, GRIB 1 atau 2. Selanjutnya tahap ems_post.pl atau tahap post processing. Tahapan ini merupakan pembentukan data keluaran menjadi data prediksi format GRIB 1 dan 2 yang dilengkapi dengan koordinat isobarik dengan inti WRF yang telah disesuaikan. Hasil prediksi dapat dipublikasi melalui FTP, CP, SCP, dan SFTP. Model ini dapat melakukan running secara otomatis dengan preparations, running, dan post processing yang telah digunakan sebelumnya dengan menggunakan pilihan ems_autorun.pl. Kemudahan lainnya ditunjukkan dengan kelebihan model WRF-EMS yang dapat melakukan preparations berbeda namun menggunakan tahap post processing yang digunakan sebelumnya secara otomatis dengan bantuan pilihan ems_autopost.pl.

METODE Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai bulan April hingga Oktober 2014 di Pusat Penelitian dan Pengembangan Badan Meteorologi, Klimatologi, dan Geofisika, Jakarta dan Laboratorium Meteorologi dan Pencemaran Atmosfer, Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Bahan Bahan yang digunakan antara lain: 1. Data Global Forecasting System (GFS) resolusi spasial 0.5o x 0.5o pukul 12.00 UTC pada tanggal 1 – 8 Februari 2014 sebagai data initial and boundary conditions. 2. Data sinoptik per tiga jam (00, 03, 06, 09, 12, 15, 18, dan 21 UTC) berupa parameter curah hujan pada tanggal 00.00 UTC 2 Februari – 21.00 UTC 10 Februari 2014. 3. Data curah hujan dari data TRMM 3B42 versi 7 per tiga jam resolusi spasial 0.25o x 0.25o pada 00.00 UTC 2 Februari 2014 – 21.00 UTC 10 Februari 2014.

Alat Alat yang digunakan berupa PC-Cluster berbasis Linux dilengkapi dengan model Weather Research and Forecasting Environmental Modeling System (WRF-EMS) versi 4.1 dan laptop berbasis Linux yang dilengkapi dengan model WRF-EMS versi 4.1, virtual box, Microsoft office (Ms. Word dan Ms. Excel), dan Grid Analysis and Display System (GrADS) versi 2.0.1.oga.1 yang dapat diunduh di www.iges.org/grads/.

5 Prosedur Analisis Data Merujuk pada Rozumalski (2010) ada empat tahap utama dalam menjalankan model WRF-EMS. Tahapan tersebut yaitu pengaturan domain, preparations, running, dan post processing. Pengaturan domain merupakan tahap menentukan wilayah kajian dengan drag and drop pada domain wizard. Selain itu, dilakukan pula pengaturan inti, tipe proyeksi, resolusi horizontal, nesting domain, penentuan data geografis dan koordinat pusat yang digunakan. Penelitian ini menggunakan inti ARW dan tipe proyeksi merkator. Nesting yang digunakan dalam penelitian ini adalah 3 nesting yaitu parent domain 27 km dan child domain 9 dan 3 km. Data geografis yang digunakan untuk masing-masing domain yaitu 10, 5, dan 2 menit. Koordinat pusat untuk ketiga domain yaitu 106.8o BT dan 6.6o LS. Tahapan preparations meliputi penentuan data yang akan digunakan, domain yang akan dijalankan, panjang waktu prediksi, cycle, dan tanggal initial and boundary conditions. Data yang akan digunakan sebagai data initial and boundary conditions adalah data GFS resolusi spasial 0.5o x 0.5o pada cycle 12.00 UTC. Penelitian ini menggunakan 8 tanggal initial and boundary conditions, yaitu 12 UTC 1 - 8 Februari 2014. Selain itu, penelitian ini juga menggunakan spin up model selama 12 jam karena model WRF-EMS membutuhkan waktu untuk mencapai kesetimbangan statistik selama 12 jam atau yang disebut spin up model (NCEP 2003 dan Navy Oceanography 2012).

12 - 21 UTC 00 - 21 UTC 00 - 21 UTC Hari - 1 Hari - 2 Hari - 3 Gambar 2 Rentang waktu spin up model, prediksi Gambar 2 menunjukkan rentang waktu pada spin up model, prediksi 1 hari dan prediksi 2 hari. Waktu yang diperlukan untuk spin up model adalah 12 jam, jadi setiap data hasil prediksi 12 jam pertama tidak akan digunakan. Prediksi 1 hari memiliki rentang waktu selama 24 jam yang dimulai dari 24 UTC hingga 48 UTC atau 00 – 21 UTC pada hari ke dua dan prediksi 2 hari memiliki rentang waktu selama 24 jam yang dimulai dari 48 UTC hingga 72 UTC atau 00 – 21 UTC pada hari ke tiga. Salah satu contoh penentuan rentang waktu yaitu apabila menggunakan data GFS 1 Februari 2014 12 UTC maka spin up model mulai dari 1 Februari 2014 12 UTC hingga 1 Februari 2014 21 UTC, prediksi 1 hari dimulai 2 Februari 2014 00 UTC – 2 Februari 21 UTC dan prediksi 2 hari dimulai 2 Februari 2014 00 UTC – 3 Februari 2014 21 UTC. Tahap selanjutnya adalah running model. Tahap running adalah tahap pengaturan jumlah domain yang akan dijalankan dan penentuan parameterisasi fisik. Jumlah domain yang dijalankan ada 3 domain. Parameterisasi fisik bertujuan untuk mengatur model agar sesuai dengan kondisi atmosfer. Parameterisasi yang digunakan ditunjukkan pada tabel dibawah ini.

6 Tabel 1 Parameterisasi skema model fisik penelitian Model Fisik Domain 1 Domain 2 Dinamik Non-hidrostatik Non-Hidrostatik Betts-MillerSkema kumulus Janjic Skema mikrofisik Lin et al. Lin et al. Yonsei Yonsei Skema PBL University University Skema permukaan Noah 4-Layer Noah 4-Layer tanah LSM LSM Number soil layers 4 4 Fisik lapisan permukaan Monin-Obukhov Monin-Obukhov M-O heat and Fluks permukaan Fluks permukaan moisture - on - on M-O snow cover effects Termasuk Termasuk Radiasi gelombang panjang Skema RRTMG Skema RRTMG Radiasi gelombang pendek Skema RRTMG Skema RRTMG

Domain 3 Non-Hidrostatik Lin et al. Yonsei University Noah 4-Layer LSM 4 Monin-Obukhov Fluks permukaan - on Termasuk Skema RRTMG Skema RRTMG

Penelitian ini menggunakan skema kumulus Betts-Miller-Janjic (BMJ). Skema ini dapat menjelaskan profil konveksi deep dan waktu relaksasi sebagai variabel dan bergantung pada efisiensi awan. Selain itu, skema BMJ mampu memberikan simulasi prediksi cuaca yang baik di Mumbai (Kirtsaeng et al. 2010). Skema mikrofisik, PBL, terestrial, gelombang pendek, dan gelombang panjang adalah default dari model WRF-EMS. Hal ini merujuk pada penelitian Pennely et. al (2014) yang mengubah skema kumulus saja sedangkan skema fisik lainnya merupakan pengaturan standar dari model WRF-EMS. Skema mikrofisik yang digunakan adalah Lin et al. Skema ini menjelaskan substansi air dari mixing ratio dalam 6 bentuk, yaitu uap air, cloud water, hujan, cloud ice, salju, dan graupel (Narita dan Shiro 2007). Skema terestrial yang digunakan yaitu NOAH. Skema NOAH mempertimbangkan pengaruh vegetasi, dapat memprediksi suhu dan kelembaban tanah sedalam 4 lapisan, dan dalam variabel permukaan dapat menghitung panas terasa, panas laten, dan fluks radiasi untuk skema lapisan permukaan (Zeng et al. 2012). Skema fisik gelombang pendek dan panjang yang digunakan yaitu RRTM dan Dudhia. Kedua skema ini sering digunakan dalam penelitian hujan lebat dan berhasil dalam prediksi. Selain konfigurasi parameterisasi fisik, dilakukan pula konfigurasi frekuensi keluaran data dan hubungan nesting. Konfigurasi frekuensi keluaran diatur untuk menentukan frekuensi keluaran data yang dikeluarkan, dalam penelitian ini menggunakan frekuensi 3 jam. Konfigurasi hubungan nesting bertujuan untuk menentukan hubungan informasi antar domain, penelitian ini menggunakan konfigurasi two-way nesting. Ada pertukaran informasi antara parent dan child domain.

7 Tahapan post processing adalah tahap penentuan format keluaran model. Penelitian ini menggunakan GrADS sebagai pengolah keluaran model sehingga hasil model diatur agar mengeluarkan data dalam format yang sesuai. Hasil model juga diatur agar mengeluarkan hasil model dalam selang waktu 3 jam.

Gambar 3 Domain 1, 2, dan 3 pada model WRF-EMS Gambar 3 menunjukkan wilayah kajian penelitian. Wilayah kajian untuk domain 1 memiliki resolusi horizontal 27 km dan berada pada koordinat 2.543o LU – 14.636o LS dan 94.873o BT – 118.809o BT. Domain 2 memiliki resolusi horizontal 9 km yang berada pada 2.259o LS – 9.462o LS dan 101.63o BT – 112.296o BT. Domain 3 memiliki resolusi horizontal 3 km dan berada pada koordinat 4.5o LS – 7.718o LS dan 104.371o BT – 109.229o BT. Koordinat pusat ketiga wilayah ini adalah Bogor dengan koordinat 106.8o BT dan 6.6o LS Domain 1 terdiri dari sebagian besar Pulau Sumatera dan Kalimantan, dan seluruh pulau jawa. Domain 1 merupakan wilayah dengan luasan persegi paling luas, domain 2 merupakan wilayah dengan luasan sedang, dan luasan terkecil merupakan domain 3. Pola hujan di wilayah ini ada dua yaitu tipe equatorial dan monsoonal. Tipe equatorial meliputi sebagian besar wilayah Pulau Sumatera dan sebagian Pulau Kalimantan dan tipe monsoonal meliputi sebagian Pulau Kalimantan dan sebagian besar Pulau Jawa. Hujan di bulan Januari pada tipe hujan monsoonal umumnya memiliki curah hujan tinggi dan pada tipe equatorial merata dan tinggi sepanjang tahun (Handoko 2006 dalam Nasoetion 2010). Model WRF-EMS memiliki 133 variabel cuaca dan iklim. Penelitian ini menggunakan variabel apcpsfc atau total presipitasi permukaan dengan satuan kg/m2 yang setara dengan mm. Untuk mendapatkan curah hujan titik dari hasil model, digunakan GrADS sebagai tools untuk mengetahui besar curah hujan di titik tersebut. Setelah mendapatkan hasil model, dilakukan analisis mengenai keakuratan model. Analisis dilakukan dengan menggunakan metode Threat Score (TS) dan analisis peluang kejadian. Analisis TS digunakan untuk mengetahui besar rasio keberhasilan model dalam memprediksi kejadian ada hujan. Zeng et al. (2012) menggunakan metode nilai TS untuk melihat skill score dari model WRF. Rentang nilai TS yaitu 0 – 1 dengan ketentuan apabila mendekati nilai 0 maka model dinyatakan no skill level sedangkan apabila mendekati nilai 1 dinyatakan

8 perfect score. Penentuan TS dengan membuat tabel kontingensi seperti yang ditunjukkan tabel dibawah ini. Tabel 2 Tabel Kontingensi penentuan threat score

Observasi

Ada-hujan (AH) Tidak-hujan (TH)

Model Ada-hujan (AH) Tidak-hujan (TH) A B C D

Pembuatan tabel kontingensi dengan menghitung jumlah kejadian model menyatakan ada-hujan (AH) dan observasi juga menyatakan AH yang dituliskan pada kolom A, jumlah kejadian model menyatakan tidak-hujan (TH) sedangkan observasi menyatakan AH yang ditulis pada kolom B, jumlah kejadian model menyatakan AH sedangkan observasi menyatakan TH yang dituliskan pada kolom C, dan model menyatakan TH dan observasi menyatakan TH yang dituliskan pada kolom D. Rumus TS ditunjukkan dibawah ini ..........................................................................................................(1) Selanjutnya, analisis peluang pada hasil prediksi model WRF-EMS. Tujuannya untuk melihat peluang kejadian pada masing-masing initial and boundary conditions apabila model dan observasi menyatakan ada-hujan dan model dan observasi menyatakan tidak-hujan. Jadi, dapat diketahui konsistensi model dalam memprediksi hujan pada setiap initial and boundary conditions. Rumus yang digunakan untuk menghitung peluang yaitu dengan merujuk pada tabel kontingensi. Penentuan peluang model dan observasi menyatakan ada hujan dihitung dengan: ....................................................................(2) Peluang model dan observasi menyatakan tidak hujan dihitung dengan: ..........................................................(3)

9

HASIL DAN PEMBAHASAN Perbandingan curah hujan TRMM dengan data sinoptik Hasil prediksi hujan model WRF-EMS dibandingkan dengan data sinoptik dan data TRMM untuk melihat pola curah hujan dalam 1 dan 2 hari kedepan. Sebelumnya, data curah hujan sinoptik pada 6 stasiun dibandingkan dengan data TRMM untuk mengetahui keakuratan data TRMM yang ditunjukkan oleh Gambar 4. 35 30 Curah hujan (mm)

Sinoptik sta Serang

25

TRMM sta Serang

20 15 10 5 0

0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 02-Feb-14

03-Feb-14

04-Feb-14

05-Feb-14

06-Feb-14

07-Feb-14

08-Feb-14

09-Feb-14

10-Feb-14

Tanggal (UTC)

Gambar 4 Perbandingan data curah hujan sinoptik dengan data TRMM di stasiun pengamatan cuaca Serang pada tanggal 00 UTC 2 Feb – 21 UTC 10 Feb 2014 Berdasarkan gambar 4, warna merah menunjukkan curah hujan data sinoptik sedangkan warna biru menunjukkan curah hujan data TRMM. Curah hujan sinoptik di stasiun Serang berbeda dengan curah hujan dari data TRMM. Perbedaan dapat terlihat pada pukul 15 UTC tanggal 8 Februari 2014 dimana data sinoptik menyatakan tidak ada hujan sedangkan data TRMM mengeluarkan nilai curah hujan mencapai 30. Selain itu, pada pukul 18 UTC tanggal 8 Februari 2014 data sinoptik menunjukkan ada hujan mencapai 35 mm sedangkan data TRMM benar menunjukkan ada hujan namun nilai yang didapatkan berbeda. Data TRMM cukup baik untuk menjelaskan hujan di stasiun Serang, yang terlihat banyak kejadian dimana data sinoptik menyatakan tidak ada hujan begitu pula dengan data TRMM. Gambar 5 menunjukkan perbandingan curah hujan data sinoptik dengan data TRMM di stasiun Soekarno Hatta. Selama sembilan hari tersebut stasiun Soekarno Hatta mencatat ada kejadian hujan dengan intensitas yang cukup tinggi, mencapai 35 mm dalam satu jam. Hasil ini menunjukkan bahwa data TRMM cukup akurat dalam menjelaskan kejadian ada dan tidak hujan di stasiun Soekarno Hatta. Hal ini diperlihatkan saat data sinoptik menunjukkan ada hujan maka data TRMM juga demikian meskipun besar curah hujannya berbeda.

Curah hujan (mm)

10 40 35 30 25 20 15 10 5 0

Sinoptik sta Soekarno Hatta TRMM sta Soekarno Hatta

0 6 1218 0 6 1218 0 6 1218 0 6 1218 0 6 1218 0 6 1218 0 6 1218 0 6 1218 0 6 1218 02-Feb- 03-Feb- 04-Feb- 05-Feb- 06-Feb- 07-Feb- 08-Feb- 09-Feb- 10-Feb14 14 14 14 14 14 14 14 14 Tanggal (UTC)

Gambar 5 Perbandingan data curah hujan sinoptik dengan data TRMM di stasiun pengamatan cuaca Soekarno Hatta pada 00 UTC 2 Februari 2014 – 21 UTC 10 Februari 2014 Hasil perbandingan di stasiun pengamatan cuaca Citeko, Kemayoran, Tanjung Priok, dan Curug juga menunjukkan bahwa data TRMM tidak cukup akurat untuk menjelaskan kejadian di masing-masing stasiun. Berdasarkan hasil tersebut dapat diketahui bahwa data TRMM per tiga jam di 6 stasiun tidak cukup akurat untuk menjelaskan kejadian hujan di 6 stasiun. Hal ini didukung dengan penelitian Vernimmen et al. (2012) yang menyatakan bahwa data curah hujan bulanan TRMM selama 2003-2008 dapat menggambarkan kondisi curah hujan yang baik di Bogor dimana curah hujan pembanding berasal dari 4 stasiun di Bogor dan Su et al. (2008) dalam Vernimmen et al. (2012) menyebutkan bahwa penelitian menggunakan data satelit TRMM hasilnya lebih akurat jika menggunakan data bulanan dibandingkan menggunakan data harian. Perbandingan hasil prediksi hujan dengan data TRMM Hasil model WRF-EMS secara spasial dibedakan menjadi 3 domain dengan resolusi horizontal berbeda. Resolusi horizontal domain 1, 2, dan 3 secara berurutan yaitu 27, 9, dan 3 km. Ketiga domain hasil WRF-EMS pada 8 initial and boundary conditions terlampir dan hanya beberapa initial and boundary conditions saja yang ditunjukkan. Hasil prediksi model WRF-EMS di tiga domain ditunjukkan pada Gambar dibawah ini.

(A) (B) (C) Gambar 6 Hasil prediksi model pada domain 1 (A), domain 2 ( B), dan domain 3 (C) pada tanggal 00 UTC 7 Februari 2014 menggunakan initial and boundary conditions 12 UTC 6 Februari 2014

11 Berdasarkan Gambar 6, hasil prediksi model pada tanggal 7 Februari 2014 dengan menggunakan initial and boundary conditions pada pukul 12 UTC tanggal 6 Februari 2014 curah hujan pada domain 3 dan 2 memiliki curah hujan dengan posisi yang sama dan jumlah yang sama dengan parent domain keduanya yaitu domain 2 dan 1. Penggunaan two way nesting pada penelitian ini menyebabkan adanya error pada hasil domain 1 di perbatasan antara domain 1 dan 2 pada koordinat bujur 102o BT atau blocking. Hal ini juga terjadi pada domain 1 di semua initial and boundary conditions. Dampak two way nesting dapat dihilangkan dengan cara merunning ulang model WRF-EMS hanya pada domain 1 saja, tanpa melakukan nesting pada domain 1. Gambar dibawah ini merupakan hasil model domain 1 yang telah dirunning ulang dibandingkan dengan hasil model domain 1 dengan two way nesting.

(a) (b) Gambar 7 Hasil prediksi model domain 1 sebelum (a) dan setelah (b) dirunning ulang pada tanggal 2 Februari 2014 00 UTC menggunakan initial and boundary conditions 1 Februari 2014 12 UTC Initial and boundary conditions (IBC) menggunakan cycle yang sama yaitu 12 UTC dan konfigurasi antar IBC juga sama. Hasil prediksi hujan model WRFEMS dibandingkan dengan data TRMM dan melihat kejadian hujan pada pagi hari (00 UTC), sore hari (09 UTC), dan malam hari (15 UTC). Berikut ini merupakan perbandingan data TRMM dengan hasil prediksi hujan model WRF-EMS pada pukul 00, 09, dan 15 UTC tanggal 2 Februari 2014 menggunakan IBC 1 Februari 2014 12 UTC. Model cukup baik memprediksi hujan di wilayah perairan bagian selatan Sumatera pada jam 7 pagi hari sedangkan pada sore dan malam hari perairan bagian selatan Sumatera tidak cukup baik diprediksi oleh model. Model juga cukup baik memprediksi hujan di wilayah perairan bagian selatan Jawa baik pada pagi, sore, maupun malam hari. Meskipun model dapat memprediksi ada hujan di perairan tersebut, luasan dan intensitas hujan model dengan data TRMM berbeda.

12

(a) Model 00 UTC

(b) Model 09 UTC

(c) Model 15 UTC

(d) TRMM 00 UTC

(e) TRMM 09 UTC

(f) TRMM 15 UTC

Gambar 8 Perbandingan hasil prediksi model WRF-EMS (a, b, c) dengan data TRMM (d, e, f) pada tanggal 00, 09, dan 15 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014 Gambar 8 menunjukkan perbandingan curah hujan dari data TRMM dengan hasil prediksi model WRF-EMS domain 1 dengan resolusi horizontal 27 km. Skala bar yang digunakan mulai dari 0 mm hingga 39 mm dengan interval 3 mm yang ditunjukkan dari warna ungu, biru, hijau, kuning, merah, hingga abu-abu. Berdasarkan gambar 7, curah hujan pada pukul 00, 09, dan 15 UTC tanggal 2 Februari 2014 tidak lebih dari 18 mm. Curah hujan tersebut bukan merupakan curah hujan akumulasi namun curah hujan pada waktu tersebut. Hasil prediksi model menunjukkan pada pagi hari (00 UTC) hujan terjadi di sekitar Laut Jawa dan sebagian wilayah Samudera Hindia, pada sore hari (09 UTC) terjadi hujan di bagian daratan Jawa, dan pada malam hari (15 UTC) curah hujan di daratan mulai menurun yang ditandai dengan warna ungu. Pulau Sumatera hanya mengalami hujan dibagian selatan sedangkan utara sumatera tidak mengalami hujan pada tanggal tersebut, begitu pula dengan yang terjadi di Pulau Kalimantan. Data TRMM menunjukkan bahwa curah hujan tersebar di wilayah selatan Jawa dengan intensitas rendah, yang ditunjukkan warna ungu. Bagian daratan di pagi hari tidak mengalami hujan sedangkan sore hari dan malam hari ada hujan dengan intensitas rendah dan luasan yang kecil di Pulau Sumatera, Kalimantan, dan Jawa. Baik pagi, sore, maupun malam hari, curah hujan yang diestimasi oleh TRMM memiliki intensitas rendah dengan luasan terkena hujan yang kecil. Hasil prediksi berbeda dengan data TRMM yang ditunjukkan dengan adanya hujan di perairan Jawa berdasarkan hasil prediksi sedangkan data TRMM menunjukkan

13 tidak adanya hujan. Selain itu, luasan wilayah hujan yang ditunjukkan hasil prediksi lebih besar dibandingkan dengan data TRMM dan hanya sebagian kecil wilayah Sumatera dan Kalimantan dimana hasil prediksi dan model sama yaitu sama-sama menunjukkan tidak ada hujan. Berdasarkan hasil ini, model prediksi hujan untuk menyatakan hujan di pagi, sore, dan malam hari over-estimated terhadap data TRMM. Berikut ini merupakan hasil prediksi untuk hari selanjutnya dengan menggunakan IBC yang sama.

(a) Model 00 UTC

(b) Model 09 UTC

(c) Model 15 UTC

(d) TRMM 00 UTC (e) TRMM 09 UTC (f) TRMM 15 UTC Gambar 9 Perbandingan hasil prediksi model WRF-EMS (a, b, c) dengan data TRMM (d, e, f) pada 00, 09, dan 15 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014 Gambar 9 menunjukkan hasil prediksi model WRF-EMS pada pukul 00, 09, 15 UTC tanggal 3 Februari 2014 menggunakan IBC 1 Februari 2014 12 UTC. Skala bar yang ditunjukkan dimulai dari range 0 – 39 mm dengan interval curah hujan 3 mm. Hasil prediksi model pada pagi hari (00 UTC) menunjukkan terjadinya hujan di sebagian besar Samudera Hindia dan beberapa wilayah di Laut Jawa. Daratan sumatera tidak mengalami hujan sedangkan sebagian kecil daratan jawa mengalami hujan intensitas rendah. Hasil prediksi model menunjukkan pada sore hari (09 UTC) bagian selatan Pulau Sumatera mengalami hujan intensitas rendah, seluruh Pulau Jawa mengalami hujan, dan bagian timur Pulau Kalimantan mengalami hujan intensitas rendah yang semakin meluas dibandingkan pada pagi hari dan Samudera Hindia mengalami hujan dengan intensitas rendah. Hasil prediksi model pada malam hari menunjukkan adanya hujan di sebagian besar Samudera Hindia dan hujan di selatan Pulau Sumatera mulai mengalami penurunan intensitas dan penurunan luas wilayah terjadi hujan. Begitu pula dengan di Pulau Jawa, intensitas hujan menurun dan luasan wilayah hujan

14 menurun pula. Hujan di Pulau Kalimantan hanya terjadi di sebagian kecil timur Kalimantan. Hasil prediksi model IBC 1 Februari 2014 12 UTC menunjukkan adanya hujan di hampir seluruh Pulau Jawa pada sore hari (09 UTC) di tanggal 2 Februari 2014 sedangkan data TRMM menunjukkan ada hujan namun hanya sebagian kecil wilayah jawa. Dari 8 IBC yang dihasilkan model, pada pagi hari perairan bagian selatan Sumatera dan Jawa serta daratan Sumatera dan Kalimantan cukup baik diprediksi oleh model. Sedangkan menjelang sore dan malam hari, hasil prediksi model over estimated. Hasil prediksi hujan di 6 kota

Curah hujan (mm)

40 30 20 10 0 0

3

6

9

12 15 18 21

Curah hujan (mm)

Hasil prediksi model menghasilkan hasil prediksi di 3 domain. Domain 3 dengan resolusi horizontal tertinggi dibandingkan dengan data sinoptik untuk melihat performa model dalam memprediksi hujan. Selain itu, hasil model pada domain 1 dibandingkan dengan data TRMM. Perbandingan dilakukan di 6 kota yaitu stasiun pengamatan cuaca Kemayoran, Tanjung Priok, Curug, Citeko, Serang, dan Soekarno Hatta. Berikut merupakan perbandingan hasil prediksi domain 3 dengan data sinoptik di 6 kota dengan menggunakan IBC 12 UTC 1 Februari 2014. 25 20 15 10 5 0 0

3

02 Februari 2014 Tanggal (UTC) CH Sinoptik

CH WRF-EMS Resolusi 3 km

CH Sinoptik

(a) Kemayoran

9

12 15 18 21

02 Februari 2014 Tanggal (UTC) CH WRF-EMS Resolusi 3 km

(b) Serang 12 10 8 6 4 2 0

Curah hujan (mm)

20

Curah hujan (mm)

6

15 10 5 0 0

3

6

9

12

15

18

21

0

3


(c) Tanjung Priok

9

12 15 18 21

02 Februari 2014 Tanggal (UTC)

02 Februari 2014 Tanggal (UTC) CH Sinoptik

6

CH Sinoptik


(d) Curug

35 30 25 20 15 10 5 0 0

3

CH Sinoptik

6

9

12 15 18 21


(e) Soekarno Hatta Gambar 10

25 20 15 10 5 0

Curah hujan (mm)

Curah hujan (mm)

15

0

CH Sinoptik

3

6

9

12 15 18 21


(f) Citeko

Grafik perbandingan curah hujan sinoptik dengan hasil prediksi model WRF-EMS resolusi 3 km pada 00 – 21 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014 di 6 kota

Gambar 10 menunjukkan perbandingan hasil prediksi domain 3 (resolusi horizontal 3 km) dengan data sinoptik di stasiun pengamatan cuaca Kemayoran, Serang, Curug, Soekarno Hatta, Tanjung Priok, dan Citeko untuk prediksi 1 hari kedepan dengan spin up model selama 12 jam. Warna biru menunjukkan curah hujan data sinoptik sedangkan warna merah menunjukkan curah hujan hasil prediksi model dengan resolusi horizontal 3 km. Berdasarkan Gambar 10, hasil prediksi model tidak menunjukkan nilai curah hujan yang sama dengan data sinoptik pada semua jam dan semua kota. Namun, model berhasil menunjukkan ada hujan dan tidak hujan pada beberapa waktu. Di stasiun Kemayoran, hanya ada 1 kejadian dimana model dan data sinoptik menyatakan ada hujan, 4 lainnya menyatakan tidak hujan, dan selebihnya menyatakan model tidak tepat memprediksi. Di stasiun Serang, tidak ada kejadian model dan sinoptik menyatakan ada hujan. Di stasiun Curug, Soekarno Hatta, dan Tanjung Priok menunjukkan hanya 1 kejadian dimana model dan sinoptik menyatakan ada hujan. Model berhasil memprediksi ada hujan dan benar berdasarkan data sinoptik dengan jumlah keberhasilan 4 kejadian ditunjukkan di stasiun Citeko. Meskipun demikian, nilai curah hujan yang diprediksi berbeda dengan data sinoptik.. Penelitian juga menggunakan IBC pada pukul 12 UTC tanggal 1 – 8 Februari 2014 sebagai data IBC dan memprediksi 1dan 2 hari. Berikut merupakan hasil prediksi 2 hari kedepan dengan menggunakan IBC 2 Februari 2014 12 UTC di 6 kota antara data sinoptik dengan hasil prediksi model resolusi horizontal 3 km.

Curah hujan (mm)

60 50 40 30 20 10 0 0 3 6 9 12151821 0 3 6 9 12151821

Curah hujan (mm)

16

03 Februari 2014 04 Februari 2014 Tanggal (UTC) CH Sinoptik

16 14 12 10 8 6 4 2 0 0 3 6 9 12151821 0 3 6 9 12151821 03 Februari 2014 04 Februari 2014 Tanggal (UTC) CH Sinoptik CH WRF-EMS resolusi 3 km

CH WRF-EMS resolusi 3 km

Curah hujan (mm)

60 50 40 30 20 10 0 0 3 6 9 12151821 0 3 6 9 12151821

(b) Serang Curah hujan (mm)

(a) Kemayoran 14 12 10 8 6 4 2 0

0 3 6 9 12151821 0 3 6 9 12151821 03 Februari 2014 04 Februari 2014 Tanggal (UTC)

03 Februari 2014 04 Februari 2014 Tanggal (UTC) CH Sinoptik CH WRF-EMS resolusi 3 km

CH Sinoptik

40 35 30 25 20 15 10 5 0

(d) Curug 20 15 10 5 0

0 3 6 9 12151821 0 3 6 9 12151821 03 Februari 2014 04 Februari 2014 Tanggal (UTC) CH Sinoptik CH WRF-EMS resolusi 3 km

(e) Soekarno Hatta Gambar 11

Curah hujan (mm)

Curah hujan (mm)

(c) Tanjung Priok


0 3 6 9 12151821 0 3 6 9 12151821 03 Februari 2014 04 Februari 2014 Tanggal (UTC)

CH Sinoptik


(f) Citeko

Grafik perbandingan curah hujan sinoptik dengan hasil prediksi model WRF-EMS resolusi 3 km pada 00 UTC 3 Februari – 21 UTC 4 Februari 2014 menggunakan IBC 12 UTC 2 Februari 2014 di 6 kota

Gambar 11 menunjukkan perbandingan curah hujan dari data sinoptik dengan hasil prediksi model WRF-EMS resolusi horizontal 3 km atau domain 3 dalam memprediksi hujan 2 hari kedepan menggunakan IBC 2 Februari 2014 12 UTC. Berdasarkan Gambar 11, dapat diketahui bahwa hasil prediksi model bervariasi di setiap jam di masing-masing kota. Di stasiun Serang tidak ada hasil prediksi model dan sinoptik yang keduanya menyatakan hujan dan di stasiun

17 Citeko hasil prediksi model menghasilkan prediksi hujan dengan curah hujan paling tinggi mencapai 2 mm. Berdasarkan seluruh perbandingan dari IBC pukul 12 UTC tanggal 1 – 8 Februari 2014 model WRF-EMS resolusi horizontal 3 km dengan data sinoptik dalam memprediksi hujan 1 hari kedepan cukup baik untuk memprediksi ada atau tidak hujan namun nilai curah hujan yang ditampilkan tidak cukup baik. Berdasarkan analisis threat score (TS) hasil prediksi model WRF-EMS resolusi 3 km dalam memprediksi 1 hari kedepan memiliki rentang nilai TS 0 – 0,75 dari semua stasiun pengamatan cuaca. Nilai TS yang konsisten tinggi merupakan indikasi bahwa model dapat dengan baik memprediksi kejadian ada hujan. Nilai TS di stasiun Citeko berkisar pada rentang nilai 0,25 – 0,75. Nilai TS di stasiun pengamatan cuaca lainnya memiliki nilai TS = 0 yang cukup banyak yaitu di stasiun Serang sebanyak 5 nilai, Tanjung Priok sebanyak 4 nilai, dan di stasiun Kemayoran, Curug, dan Soekarno Hatta sebanyak 3 nilai. Model prediksi sesuai untuk memprediksi hujan di stasiun Citeko. Berdasarkan seluruh perbandingann dari IBC pukul 12 UTC tanggal 1 – 8 Februari 2014 model WRF-EMS resolusi horizontal 3 km dengan data sinoptik dalam memprediksi hujan 2 hari kedepan cukup baik untuk memprediksi ada atau tidak hujan di 6 kota sedangkan nilai curah hujan yang ditampilkan belum dapat merepresentasikan kejadian hujan. Hasil analisis nilai TS menunjukkan bahwa di stasiun Citeko memiliki nilai TS yang konsisten tinggi yaitu berkisar 0,38 – 0,63. Nilai TS = 0 lebih sedikit dibandingkan pada nilai TS model prediksi dengan data sinoptik dalam memprediksi hujan 1 hari kedepan. Di stasiun Serang, nilai TS = 0 lebih banyak dibandingkan di stasiun lainnya. Model prediksi hujan tidak cukup baik untuk memprediksi ada hujan di stasiun Serang. Merujuk pada perhitungan peluang kejadian model prediksi dan data sinoptik menyatakan ada hujan untuk prediksi hujan 1 dan 2 hari kedepan stasiun Citeko memiliki peluang kejadian mencapai 60% dan peluang kejadiannya lebih tinggi dibandingkan stasiun lainnya. Perhitungan peluang kejadian model prediksi dan data sinoptik menyatakan tidak hujan untuk prediksi hujan 1 dan 2 hari kedepan stasiun Kemayoran, Serang, Tanjung Priok, Curug, dan Soekarno Hatta memiliki peluang kejadian yang lebih tinggi untuk prediksi 1 dan 2 hari kedepan sedangkan stasiun Citeko memiliki peluang yang rendah. Model WRF-EMS resolusi horizontal 3 km cukup baik untuk menunjukkan kejadian ada hujan di stasiun Citeko sedangkan untuk menunjukkan kejadian tidak hujan model cukup baik memprediksi untuk prediksi di stasiun Kemayoran, Serang, Tanjung Priok, Curug, dan Soekarno Hatta. Hasil prediksi model WRF-EMS resolusi horizontal 27 km dibandingkan dengan data TRMM di 6 kota untuk dapat mengetahui performa model dalam memprediksi hujan. Berikut ini merupakan grafik perbandingan curah hujan hasil model dengan data TRMM pada 00 – 21 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014.

18 12 Curah hujan (mm)

Curah hujan (mm)

12 10 8 6 4 2 0

10

0

3

6

9

12

15

18

8 6 4 2 0

21

0

3

02 Februari 2014 Tanggal (UTC) CH TRMM

(a) Kemayoran

12

15

18

21

(b) Serang

6 5 4 3 2 1 0

4 3,5 3 2,5 2 1,5 1 0,5 0

Curah hujan (mm)

Curah hujan (mm)

9


CH TRMM


6

0

3

6

9

12

15

18

21

0



3

CH TRMM

(c) Tanjung Priok

6

9

12

15

18

21


(d) Curug 14 12 10 8 6 4 2 0

Curah hujan (mm)

Curah hujan (mm)

4 3,5 3 2,5 2 1,5 1 0,5 0 0

3

6

9

12

15

18

21

0

3



(e) Soekarno Hatta

6

9

12

15

18

21



(f) Citeko

Gambar 12 Grafik Perbandingan curah hujan model WRF-EMS resolusi 27 km dengan data TRMM pada 00 – 21 UTC 2 Februari 2014 menggunakan IBC 12 UTC 1 Februari 2014 Hasil prediksi model WRF-EMS dengan resolusi horizontal 27 km ditunjukkan oleh grafik batang berwarna merah dan warna biru untuk curah hujan dari data TRMM. Prediksi hujan 1 hari kedepan oleh model over-estimated di semua kota, hanya ada beberapa tanggal saja dimana prediksi model dan data TRMM menyatakan ada hujan meskipun nilai curah hujannya berbeda.

19 Perhitungan nilai TS menunjukkan bahwa model cukup baik untuk menggambarkan kejadian ada hujan di stasiun Citeko untuk prediksi hujan 1 hari kedepan sedangkan kelima stasiun lainnya memiliki nilai TS yang relatif kecil. Namun demikian, nilai TS = 0 ada di setiap stasiun pengamatan cuaca. Peluang model dan data TRMM menyatakan ada hujan untuk prediksi 1 hari kedepan dari 8 IBC lebih bervariasi dibandingkan hasil prediksi model WRFEMS resolusi horizontal 3 km dan data sinoptik menyatakan ada hujan. Peluang model dan data TRMM menyatakan ada hujan tertinggi pada IBC 7 Februari 2014 12 UTC. Peluang model dan data TRMM menyatakan tidak hujan untuk prediksi 1 hari kedepan lebih tinggi di stasiun Serang dan Tanjung Priok sedangkan stasiun Citeko memiliki peluang yang lebih rendah. Hasil prediksi model dengan resolusi horizontal 27 km menunjukkan bahwa model prediksi hujan 2 hari kedepan tidak cukup baik. Merujuk gambar 13, model menyatakan hujan namun berbanding terbalik dengan data TRMM, data TRMM menyatakan tidak hujan. Di stasiun Kemayoran, Serang, dan Soekarno Hatta memiliki hasil prediksi hujan yang tidak sesuai dengan data TRMM, data TRMM menyatakan ada hujan pada tanggal 15-21 UTC 2 Februari 2014 namun hasil prediksi menyatakan hujan pada tanggal berbeda di stasiun Kemayoran. Hasil prediksi hujan model WRF-EMS resolusi horizontal 27 km di 7 IBC lainnya juga menghasilkan hasil prediksi yang tidak sesuai dengan data TRMM. 12 Curah hujan (mm)

Curah hujan (mm)

30 25 20 15 10 5

10 8 6 4 2 0

0 0 3 6 9 12151821 0 3 6 9 12151821

0 3 6 9 12 15 18 21 0 3 6 9 12 15 18 21

03 Februari 2014 04 Februari 2014 Tanggal (UTC)

03 Februari 2014 04 Februari 2014 Tanggal (UTC)

CH TRMM

CH TRMM


(a) Kemayoran

(b) Serang 12 Curah hujan (mm)

Curah hujan (mm)

30


25

10

20 15 10 5 0

8 6 4 2 0

0 3 6 9 12 15 18 21 0 3 6 9 12 15 18 21

0 3 6 9 12151821 0 3 6 9 12151821

03 Februari 2014 04 Februari 2014 Tanggal (UTC) CH TRMM CH WRF-EMS resolusi 27 km

03 Februari 2014 04 Februari 2014 Tanggal (UTC) CH TRMM CH WRF-EMS resolusi 27 km

(c) Tanjung Priok

(d) Curug

20 10 9 8 7 6 5 4 3 2 1 0

Curah hujan (mm)

Curah hujan (mm)

12 10 8 6 4 2 0 0 3 6 9 12 15 18 21 0 3 6 9 12 15 18 21 03 Februari 2014 04 Februari 2014 Tanggal (UTC) CH TRMM CH WRF-EMS resolusi 27 km

0 3 6 9 12 15 18 21 0 3 6 9 12 15 18 21 03 Februari 2014 04 Februari 2014 Tanggal (UTC) CH TRMM CH WRF-EMS resolusi 27 km

(e) Soekarno Hatta (f) Citeko Gambar 13 Grafik Perbandingan curah hujan model WRF-EMS resolusi 27 km dengan data TRMM pada 00 UTC 3 Februari – 21 UTC 4 Februari 2014 menggunakan IBC 12 UTC 2 Februari 2014 Berdasarkan nilai TS, prediksi model selama 1 dan 2 hari kedepan model dapat dengan baik memprediksi hujan di stasiun Citeko dibandingkan di 5 kota lainnya. Hal ini ditunjukkan dengan nilai TS yang konsisten tinggi di stasiun Citeko baik untuk hasil prediksi 1 hari kedepan maupun 2 hari kedepan. Peluang kejadian model dan data TRMM memprediksi ada hujan untuk prediksi 2 hari kedepan bervariasi dan terdapat peluang = 0 di stasiun Kemayoran, Serang, Tanjung Priok, Curug, dan Soekarno Hatta pada IBC yang berbeda disetiap stasiunnya. Model WRF-EMS dengan resolusi horizontal 3 km lebih akurat memprediksi hujan di 6 kota dibandingkan dengan model dengan resolusi horizontal 27 km. Hal ini ditunjukkan nilai TS dan peluang kejadian di 6 kota tersebut lebih tinggi pada model WRF-EMS resolusi 3 km. Model lebih sensitif memprediksi kejadian tidak hujan dibandingkan kejadian ada hujan di 5 kota yaitu Kemayoran, Soekarno Hatta, Curug, Serang, dan Tanjung Priok sedangkan di kota Citeko model dapat memprediksi hujan lebih baik.

SIMPULAN DAN SARAN Simpulan Berdasarkan perbandingan hasil prediksi model resolusi horizontal 27 km dengan data TRMM secara spasial diketahui bahwa prediksi hujan di wilayah kajian over estimated. Model WRF-EMS resolusi horizontal 27 km pada pagi (00 UTC), sore (09 UTC), dan malam (15 UTC) hari menunjukkan bahwa hujan di daratan Jawa terjadi pada sore hari dan kemudian curah hujan mulai berkurang baik intensitas maupun luasannya pada malam hari sedangkan pada data TRMM perbedaan curah hujan pagi, sore, dan malam hari tidak terlalu signifikan. Model cukup baik memprediksi di Pulau Sumatera dan Kalimantan yang ditunjukkan hasil model dan data TRMM yang keduanya menyatakan tidak hujan. Model cukup baik dalam memprediksi hujan di perairan bagian selatan Sumatera dan Jawa meskipun dengan luasan dan intensitas hujan yang berbeda. Hasil prediksi cukup baik pada pagi hari dibandingkan pada sore dan malam hari.

21 Hasil prediksi model WRF-EMS resolusi horizontal 27 dan 3 km lebih sensitif terhadap kejadian TH dibandingkan kejadian AH. Hal ini ditunjukkan dengan peluang kejadian model WRF-EMS resolusi horizontal 27 dan 3 km dengan data TRMM dan data sinoptik menyatakan tidak hujan yang lebih tinggi dibandingkan peluang menyatakan ada hujan. Parameterisasi yang digunakan dalam penelitian ini belum cukup baik untuk menghasilkan hasil prediksi hujan di stasiun pengamatan cuaca Kemayoran, Serang, Soekarno Hatta, Curug dan Tanjung Priok. Stasiun Citeko merupakan stasiun pengamatan cuaca yang dapat diprediksi dengan baik oleh model WRF-EMS resolusi horizontal 27 dan 3 km yang ditunjukkan oleh nilai TS yang konsisten tinggi pada prediksi 1 dan 2 hari kedepan. Kelima stasiun lainnya pada prediksi 1 hari kedepan tidak cukup baik diprediksi oleh WRF-EMS resolusi horziontal 3 km yang ditunjukkan nilai TS = 0 yang cukup banyak pada masing-masing stasiun. Model WRF-EMS dengan skema kumulus Betts-Miller-Janjic baik dalam memprediksi kejadian ada hujan pada resolusi horizontal 27 dan 3 km hanya di Stasiun Citeko sedangkan di Stasiun Kemayoran, Serang, Curug, Priok, dan Soekarno Hatta hasil prediksi model baik dalam memprediksi kejadian tidak hujan.

Saran Pemanfaatan WRF-EMS untuk memprediksi kejadian hujan perlu mempertimbangkan skema fisik lainnya bukan hanya skema kumulus. Penelitian ini dapat dilanjutkan dengan penambahan skenario parameterisasi pada skema kumulus dan skema fisik lainnya sehingga dapat diketahui parameterisasi yang sesuai dengan wilayah kajian.

DAFTAR PUSTAKA [BMKG] Badan Meteorologi Klimatologi dan Geofisika. 2009. Curah Hujan dan Potensi Bencana Gerakan Tanah. Presentasi BMG Bandung – Longsor. Bandung. [BMKG] Badan Meteorologi Klimatologi dan Geofisika. 2012. Pengertian dalam Buletin Curah Hujan. Buletin Meteorologi Edisi 055 - Juni 2012. Batam (ID): Stasiun Meteorologi Hang Nadim Batam. Handoko. 2006. Iklim Indonesia. Dalam Buku. Nasoetion, Andi Hakim. 2010. Pengantar Ilmu Pertanian. Bogor (ID): IPBPress. Hanggoro W, Iis WH, dan Erwin E.S. Makmur. 2012. Simulasi Hujan Ekstrim pada Kejadian Banjir di Mataram Tanggal 10 Januari 2009 Menggunakan WRF-EMS. BMKG J. Jakarta (ID): Badan Meteorologi, Klimatologi dan Geofisika. Lee DK, Lee HH, Lee JW, dan Cho JH. 2005. Heavy Rainfalll Prediction Over East Asia Using The High Resolution WRF Model. Seoul: Atmospheric Sciences Program, School of Earth and Environmental Sciences, Seoul National University.

22 Kirtsaeng S, Somporn C, dan Jiemjai K. 2010. Mesoscale Simulation of a Very Heavy Rainfall Event over Mumbai, Using the Weather Research and Forecasting (WRF) model. Chiang Mai J. Sci. 37 (3) : 429-442. [MMM UCAR] Mesoscale and Microscale Meteorology University Corporation for Atmospheric Research. 2014. WRF Model Users’ Page. [terhubung berkala] http://www2.mmm.ucar.edu/wrf/users/ (25 Juni 2014) Narita M dan Shiro O. 2007. Improving Precipitation Forecasts by The Operational Nonhydrostatic Mesoscale Model with The Kain-Fritsch Convective Parameterization and Cloud Microphysics. Journal Japan Meteorological Agency. Oetomachi: Japan Meteorological Agency. Navy Oceanography. 2012. Model Initialization and Spin-Up. [terhubung berkala] http://www.oc.nps.edu/nom/modeling/initial.html (25 Juni 2014) [NCEP] National Centers for Environmental Prediction. 2003. NOAA/NWS/NCEP Global Forecast System Model (“GFS”) http://www.cpc.ncep.noaa.gov/products/janowiak/gfs_description.html (25 Juni 2014) Pennelly C, Gerhard R, Thomas F. 2014. Verification of the WRF Model for Simulating Heavy Precipitation in Alberta. Atmospheric Research. Journal Elsevier 172-192. Rozumalski RA. 2010. A Nearly Complete Guide to The WRF EMS V3. Boulder: NOAA/NWS National SOO Science and Training Resource Coordinator Forecast Decision Training Branch. Ruiz JJ dan Celeste S. 2010. WRF Model Sensitivity to Choice of Parameterization over South America: Validation against Surface Variables. Monthly Weather Review. 138: 3342-3355. Su F, Hong Y, dan Lettenmaier D. 2008. Evaluation of TRMM Multisatellite Precipitation Analysis (TMPA) and its utility in Hydrologyc Prediction in La Plata Basin. J. Hydrometeorol. 9 622-640. Dalam Jurnal. Vernimmen R. R. E, A. Hooijer, Mamenun, E. Aldrian, dan A. I. J. M. Van Dijk. 2012. Evaluation and bias correction of satellite rainfall data for drought monitoring in Indonesia. Hydrol. Earth Syst. Sci. 16. 133-146. 10.5194/hess-16-133-2012. Skamarock WC. 2005. Why is There More Than One dynamical Core in WRF? A Technical Perspective. Boulder: Colorado. Vernimmen RRE, Hooijer A, Mamenun, Aldrian E, dan Van Dijk AIJM. 2012. Evaluation and bias correction of satellite rainfall data for drought monitoring in Indonesia. Journal of Hydrol. Earth Syst. Sci. 16. 133-146. 10.5194/hess-16-133-2012. Zeng XM, Wu ZH, Song S, Xiong SY, Zheng YQ, Zhou ZG, dan Liu HQ. 2012. Effects of Different Land-Surface Schemes On The Simulation of A Heavy Rainfall Event by WRF. Chinese Journal of Geophysics. 55(4): 394-408.

23 Lampiran 1 Diagram alir penelitian

24

40 35 30 25 20 15 10 5 0

30 Sinoptik sta Citeko

Sinoptik sta Curug TRMM sta Curug

25

Curah hujan (mm)

Curah hujan (mm)

Lampiran 2 Grafik perbandingan curah hujan data sinoptik dan data TRMM di 5 stasiun pengamatan cuaca

20

TRMM sta Citeko

15 10

0 9 18 3 12 21 6 15 0 9 18 3 12 21 6 15 0 9 18 3 12 21 6 15

5 0

02-Feb- 03-Feb- 04-Feb- 05-Feb- 06-Feb- 07-Feb- 08-Feb- 09-Feb- 10-Feb14 14 14 14 14 14 14 14 14

0 9 18 3 12 21 6 15 0 9 18 3 12 21 6 15 0 9 18 3 12 21 6 15 02-Feb- 03-Feb- 04-Feb- 05-Feb- 06-Feb- 07-Feb- 08-Feb- 09-Feb- 10-Feb14 14 14 14 14 14 14 14 14

Tanggal (UTC)

Tanggal (UTC)

Stasiun Citeko

Stasiun Curug

Curah hujan (mm)

Sinoptik sta Kemayoran TRMM sta Kemayoran

Curah hujan (mm)

60 100 90 80 70 60 50 40 30 20 10 0

50 40 30 20 10 0

0 9 18 3 12 21 6 15 0 9 18 3 12 21 6 15 0 9 18 3 12 21 6 15 020304050607080910Feb-14 Feb-14 Feb-14 Feb-14 Feb-14 Feb-14 Feb-14 Feb-14 Feb-14

Tanggal (UTC)

Stasiun Kemayoran

Sinoptik sta Priok TRMM sta Priok

0 9 18 3 1221 6 15 0 9 18 3 1221 6 15 0 9 18 3 1221 6 15 02- 03- 04- 05- 06- 07- 08- 09- 10Feb- Feb- Feb- Feb- Feb- Feb- Feb- Feb- Feb14 14 14 14 14 14 14 14 14

Tanggal (UTC)

Stasiun Tanjung Priok

Lampiran 3 Curah hujan spasial hasil model WRF-EMS resolusi horizontal 27 km 00, 09, 15 UTC 2-10 Februari 2014 menggunakan initial and boundary conditions 12 UTC 1-8 Februari 2014 dengan spin up model 12 jam

IBC1 00 UTC 2 Februari 2014





25 IBC1 15 UTC 3 Februari 2014

IBC 2 00 UTC 3 Februari 2014


































26









Lampiran 4 Curah hujan dari data TRMM tanggal 00 UTC 2 Februari 2014 – 21 UTC 10 Februari 2014 pada domain 1

00 UTC 2 Februari 2014




















27







Lampiran 5 Nilai Threat Score dari model WRF-EMS resolusi 27 km untuk prediksi 1 hari kedepan Initial and boundary conditions (IBC) 1

Nama Stasiun Pengamatan Cuaca Kemayoran Serang Priok Curug Soeta Citeko 0,33 0,50 0,50 0,17 0,17 0,33

2

0,25

0

0,50

0

0

0,14

3

0

0

0

0

0

0,25

4

0

0

0

0

0

0,25

5

0,25

0

0,33

0,20

0

0

6

0

0,33

0

0

0

0

7

0,4

0,75

0,75

0,6

0,6

0,33

8

0,29

0,20

0,33

0,14

0,14

0,14

Lampiran 6 Nilai Threat Score dari model WRF-EMS resolusi 27 km untuk prediksi 2 hari kedepan Initial and boundary conditions (IBC) 1

Nama Stasiun Pengamatan Cuaca Kemayoran Serang Priok Curug Soeta Citeko 0,30 0,14 0,50 0,22 0,20 0,21

2

0,11

0

0,25

0

0

0,22

3

0

0

0,25

0

0

0,30

4

0

0

0

0

0

0,25

5

0,17

0,50

0,33

0,14

0

0,00

6

0,14

0,33

0,40

0,30

0,30

0,11

28 7

0,4

0,44

0,4

0,37

0,37

0,14

8

0,22

0,38

0,29

0,20

0,20

0,10

Lampiran 7

Nilai Threat Score dari model WRF-EMS resolusi 3 km untuk prediksi 1 hari kedepan

Initial and boundary conditions (IBC)

Nama Stasiun Pengamatan Cuaca Kemayoran Serang Priok Curug Soeta Citeko

1

0,20

0

0,20

0,33

0,14

0,50

2

0,17

0

0,40

0

0,33

0,50

3

0,50

0

0,40

0

0

0,50

4

0

0

0

0,67

0

0,25

5

0,40

0

0

0

0,50

0,25

6

0

0,33

0

0,33

0,50

0,75

7

0

0,40

0

0,20

0

0,17

8

0,40

0,50

0,40

0,50

0,33

0,50

Lampiran 8

Nilai Threat Score dari model WRF-EMS resolusi 3 km untuk prediksi 2 hari kedepan

Initial and boundary conditions (IBC)

Nama Stasiun Pengamatan Cuaca Kemayoran Serang Priok Curug Soeta Citeko

1

0,27

0,13

0,22

0,20

0,08

0,63

2

0,30

0

0,33

0,09

0,44

0,54

3

0,29

0

0,30

0,09

0,13

0,54

4

0,17

0

0,13

0,67

0,17

0,38

5

0,33

0

0

0

0,43

0,40

6

0

0,29

0,17

0,25

0,43

0,50

7

0,2

0,33

0,25

0,40

0,3

0,46

8

0,57

0,50

0,33

0,50

0,38

0,42

29

RIWAYAT HIDUP Penulis lahir di Palembang Provinsi Sumatera Selatan pada tanggal 1 April 1993. Anak tunggal dari pasangan Muslim dan Sunarti. Setelah menyelesaikan pendidikan menengah atas di SMA Negeri 3 Unggulan Kayuagung, penulis diterima di IPB pada tahun 2010 melalui jalur Undangan Seleksi Masuk IPB (USMI) pada program Studi Meteorologi Terapan, Fakultas Matematika dan Ilmu Pengetahuan Alam. Disamping mayor utama, penulis mengambil supporting course dari Departemen Ilmu Komputer, Teknik Sipil dan Lingkungan, dan lainlain. Selama masa perkulahan penulis aktif dalam Himpunan Mahasiswa Agrometeorologi sebagai Sekretaris Departemen Internal dan Eksternal. Selain itu, penulis juga merupakan penerima beasiswa Karya Salemba Empat dan berkesempatan mengikuti kegiatan Technology for Indonesia – Social Entrepreneurship Camp pada tahun 2014. Penulis merupakan salah satu asisten praktikum Meterologi Dinamik pada tahun 2013 dan asisten praktikum Pencemaran Udara pada tahun 2014.

PEMANFAATAN MODEL WEATHER RESEARCH AND FORECASTING ENVIRONMENTAL MODELLING SYSTEM (WRF-EMS) UNTUK MEMPREDIKSI HUJAN SRI MUSLIMAH

Recommend Documents