PREDIKSI ENSEMBLE MENGGUNAKAN CCAM (CONFORMAL-CUBIC ATMOSPHERIC MODEL) UNTUK PRAKIRAAN PELUANG KEJADIAN HUJAN DI PULAU JAWA
TUGAS AKHIR Disusun Untuk Memenuhi Syarat Kurikuler Program Sarjana Strata-1 (S-1) Program Studi Meteorologi
Oleh: GILANG PERMANA 12805011
PROGRAM STUDI METEOROLOGI FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN INSTITUT TEKNOLOGI BANDUNG 2009
LEMBAR PENGESAHAN Tugas Akhir dengan judul PREDIKSI ENSEMBLE MENGGUNAKAN CCAM (CONFORMAL-CUBIC ATMOSPHERIC MODEL) UNTUK PRAKIRAAN PELUANG KEJADIAN HUJAN DI PULAU JAWA
Telah diperiksa dan disetujui oleh : Bandung, September 2009 Pembimbing
Dr. Tri Wahyu Hadi NIP. 132045678
“Dialah yang telah menurunkan air (hujan) dari langit untuk kamu, sebagiannya menjadi minuman dan sebagiannya (menyuburkan) tumbuhan, padanya kamu menggembalakan ternakmu.” (QS An-Nahl 10)
“Semangat juang adalah ketika tangan dan kaki Anda tetap bekerja meskipun otak Anda mengatakan bahwa hal itu tidak dapat dikerjakan.” ~Ayn Rand~
Dipersembahkan untuk Bapak dan Ibu yang selalu mengerti akan segala kebutuhan putra-putrinya
KATA PENGANTAR
Puji syukur kehadirat Allah SWT., atas segala rahmat, berkah, kuasa dan hidayahNya penulis dapat menyelesaikan tugas akhir yang berjudul Prediksi Ensemble Menggunakan
CCAM
(Conformal-Cubic
Atmospheric
Model)
Untuk
Prakiraan Peluang Kejadian Hujan Di Pulau Jawa. Penulis ingin mengucapkan terima kasih kepada semua pihak yang telah memberikan inspirasi, masukan, serta bantuan lainnya. Pada kesempatan ini tidak lupa penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Kedua orang tua yang selalu memberikan motivasi serta doa restu kepada penulis untuk menyelesaikan tugas akhir ini. 2. Dr. Tri Wahyu Hadi, selaku dosen pembimbing, yang telah memberikan bimbingan, motivasi, arahan, saran, dan masukan yang sangat mendukung dalam proses penelitian dan penyelesaian tugas akhir ini. 3. Dr. Mezak Arnold Ratag, yang telah memberikan fasilitas installasi CCAM serta memberi kesempatan penulis untuk dapat mengikuti workshop di CMAR Australia. 4. Drs. Zadrach L. Dupe, M.Si., selaku dosen wali akademik, yang telah memberikan pembelajaran selama penulis melakukan studi di Program Studi Meteorologi. 5. Dosen dan seluruh staff Program Studi Meteorologi yang dengan ikhlas membagi ilmu yang sangat berguna dan membantu penulis selama menjalani proses akademik di Program Studi Meteorologi. Penulis meyakini masih banyak sekali kekurangan dalam tugas akhir ini, karena keterbatasan pengetahuan yang dimilikii serta perkembangan ilmu itu sendiri. Oleh karena itu, penulis terbuka untuk menerima saran-saran yang dapat menyempurnakan tugas akhir ini. Bandung, September 2009 Penulis
i
PREDIKSI ENSEMBLE MENGGUNAKAN CCAM (CONFORMAL-CUBIC ATMOSPHERIC MODEL) UNTUK PRAKIRAAN PELUANG KEJADIAN HUJAN DI PULAU JAWA ABSTRAK Prediksi cuaca numerik atau Numerical Weather Prediction (NWP) telah banyak membantu meteorologist dalam menggambarkan keadaan cuaca melalui evolusi atmosfer yang dilakukan secara numerik. Prediksi cuaca harian dan mingguan berdasarkan output NWP telah menjadi produk yang standard dari banyak lembaga cuaca di seluruh dunia. Namun, di Indonesia prediksi cuaca mingguan tidak diproduksi oleh Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Penelitian ini difokuskan pada teknik NWP yang dapat digunakan untuk menghasilkan prediksi curah hujan harian dengan data GFS yang ada. NWP pada penelitian ini dilakukan menggunakan model prediksi yang baru, yaitu: CCAM (Conformal-Cubic Atmospheric Model). Prediksi dilakukan untuk parameter curah hujan harian di pulau Jawa. Untuk analisa ketidakpastian hasil prediksi, skema prediksi ensemble diterapkan berdasarkan metode Lagged Averaged Forecast (LAF). Hasil prediksi ensemble curah hujan tersebut menghasilkan PoP (Probability of Precipitation), kemudian diolah menggunakan teknik PQPF (Probability Quantitative Precipitation Forecast). Dengan menggunaan metode threat score, maka didapatkan threshold dalam bentuk interval prediksi curah hujan. Waktu kajian adalah untuk kasus bulan basah dan bulan kering. Dari kedua kasus ini kemudian didapatkan indikator peluang kejadian hujan untuk masingmasing kasusnya. Didapatkan indikator untuk prakiraan peluang kejadian hari kering dan hari hujan lebat untuk kasus bulan basah, yaitu interval prediksi curah hujan 1,25 – 10 mm dengan probabillitas prediksi curah hujan 41,67 % untuk menentukan peluang kejadian hari kering dan 25 – 50 mm (25 – 50%) untuk peluang kejadian hari hujan lebat. Sedangkan untuk kasus bulan kering didapatkan indikator untuk prakiraan peluang kejadian hari hujan, yaitu 10 – 25 mm (16,67 %). Dari indikator-indikator tersebut didapatkan nilai peluang kejadian kasus hujan, yaitu 30,46 % untuk peluang kejadian hari kering dan 25,64 % untuk hari hujan lebat di bulan basah, serta 49,02 % untuk peluang kejadian hari hujan di bulan kering. Kata kunci: CCAM, prediksi ensemble, ketidakpastian (uncertainty).
ii
ENSEMBLE PREDICTION USING CCAM (CONFORMAL-CUBIC ATMOSPHERIC MODEL) TO PREDICT THE PROBABILITY OF RAINY EVENT IN JAVA ISLAND ABSTRACT Numerical Weather Prediction (NWP) is a helpful, objective method, for meteorologist to describe future weather condition. Daily and weekly weather forecast based on NWP model output have become standard products of many weather agencies in the world. In Indonesia, however, weekly weather forecast has not been produced by the national weather bureau (BMKG). This study concerns with the development of NWP technique that can be used to produce weekly rainfall prediction by utilizing available GFS data. The NWP in this research is conducted using the new meteorological model, namely CCAM (Conformal-Cubic Atmospheric Model). Forecast is conducted for daily rainfall parameter in Java Island. In order to analyze forecast uncertainty, an ensemble prediction scheme has been developed based on Lagged Averaged Forecast (LAF) method. The output of ensemble prediction was then used to analyze the PoP (Probability of Precipitaion. Further analysis used PQPF (Probability Quantitative Precipitation Forecast) as a technique to find the threshold in form precipitation interval, combined with threat score method. The case for this research is used dry month and wet month. From these cases then the value of forecast probability of precipitation for each cases are obtained. After that, indicator for predict the probability of dry and heavy rainy day for wet month’s case are obtained, that is forecast precipitation interval 1.25 – 10 mm with forecast probability of precipitation 41.67 % to provide probability of dry day event, and 25 – 50 mm (25 – 50 %) to provide probability of heavy rain day event. For dry month’s case, indicator 10 – 25 mm (16,67 %) is obtained as indicator to provide rainy day event. From those indicators then comes the value for probability of particular rainy event, namely 30.36 % for probability of dry day event and 25.64 % for heavy rain day event in wet month, and also 49.02 % for probability of rainy day event in the dry month. Key words: CCAM, ensemble prediction, uncertainty.
iii
DARTAR ISI
Halaman KATA PENGANTAR ..…………………………………………………
i
ABSTRAK ……………………………………………………………....
ii
ABSTRACT ……………………………………………………………...
iii
DAFTAR ISI …………………………………………………………....
iv
DAFTAR GAMBAR …………………………………………………...
vi
DAFTAR TABEL ………………………………………………...…….
ix
DAFTAR LAMPIRAN …………………………………………………
x
BAB I PENDAHULUAN ………………………………………………
I-1
1.1 Latar Belakang ………………………………………………………. I-1 1.2 Tujuan Penulisan …………………………………………………….. I-4 1.3 Batasan Masalah ……………………………………………………... I-4 1.4 Sistematika Pembahasan ……………………………………………... I-5 BAB II TEORI DASAR ………………………………………………...
II-1
2.1 Prediksi Cuaca Numerik ……………………………………………... II-1 2.2 Conformal-Cubic Atmospheric Model (CCAM) ………..................... II-5 2.2.1 Sejarah singkat dan karakteristik CCAM ………………………….. II-5 2.2.2 Persamaan pengatur gerak atmosfer ……………………………….. II-6 2.2.3 Koordinat dan transformasi koordinat CCAM …………………….
II-7
2.3 Prediksi Ensemble …………………………………………………… II-9 2.4 Prediksi Peluang Kejadian Hujan ………………………………….… II-13 2.4.1 Curah hujan ………………………………………………………… II-13 2.4.2 Probability of Precipitation (PoP) dan Probabilistic Quantitative Precipitation Forecast (PQPF) ……………….……… II-14 BAB III DATA DAN METODOLOGI ………………………………...
III-1
3.1 Data …………………………………………………………………... III-1
iv
3.1.1 Data GFS …………………………………………………………… III-1 3.1.2 Data satelit dan observasi lapangan ………………………………… III-2 3.2 Metodologi ……………………………………………………………. III-2 3.2.1 Perangkat yang digunakan ………………………………………….. III-4 3.2.2 Langkah pengerjaan CCAM ………………………………………... III-5 3.2.2.1 Pre-processing ……………………………………………………. III-6 3.2.2.2 Proses running CCAM …………………………………………… III-6 3.2.2.3 Post-processing ………………………………………………….... III-8 3.2.3 Verifikasi dengan data pengamatan ………………………............... III-9 3.2.3.1 Ketersediaan data pada daerah kajian …………………………….. III-9 3.2.3.2 Penentuan indikator peluang kejadian hujan ……………………... III-11 BAB IV HASIL DAN ANALISIS ……………………………………...
IV-1
4.1 Analisis Prediksi Ensemble Untuk Kasus Bulan Basah ……………… IV-1 4.1.1 Analisis sebaran interval prediksi curah hujan ……………………... IV-5 4.1.2 Analisis scoring dengan data observasi ……………………………. IV-7 4.1.3 Analisis ketidakpastian untuk indikator terpilih ..…………………... IV-9 4.2 Analisis Prediksi Ensemble Untuk Kasus Bulan Kering……………… IV-13 4.2.1 Analisis sebaran interval prediksi curah hujan ……………………... IV-16 4.2.2 Analisis scoring dengan data observasi ……………………………. IV-18 4.2.3 Analisis ketidakpastian untuk indikator terpilih ………..…………... IV-19 4.3 Analisis Informasi Prediksi Untuk Masyarakat ………………………. IV-21 BAB V KESIMPULAN DAN SARAN ………………………………… V-1 5.1 Kesimpulan …………………………………………………………… V-1 5.2 Saran ………………………………………………………………….. V-2 DAFTAR PUSTAKA …………………………………………………...
DP-1
LAMPIRAN ……………………………………………………………..
L-1
v
DAFTAR GAMBAR
Halaman Gambar 2.1
Sistem koordinat sigma (σ) …...………………………..... II-4
Gambar 2.2
Komponen prediksi numerik …………………………….. II-4
Gambar 2.3
Curah hujan (mm/hari) dari CCAM 60 km domain Australia dan sekitarnya …….…………………………… II-6
Gambar 2.4
Layout panel dengan 3 buah orientasi alternatif ………… II-7
Gambar 2.5
Ilustrasi grid box CCAM ………………………………… II-8
Gambar 2.6
Ilustrasi proses prediksi menggunakan metode ensemble .. II-11
Gambar 2.7
Metode prediksi ensemble Lagged Average Forecast (LAF) …………………………………………………….. II-11
Gambar 2.8
Diagram spaghetti hasil ensemble ……………………….. II-12
Gambar 3.1
Resolusi data GFS pada domain Jawa …………………… III-1
Gambar 3.2
Diagram alir pelaksanaan penelitian ……………………... III-4
Gambar 3.3
Skema CCAM forecast system …………………………... III-5
Gambar 3.4
Domain yang dihasilkan dari proses running CCAM, (a) Global resolusi 200 km, (b) Indonesia resolusi 60 km ……………………………...………………..…………... III-7
Gambar 3.5
Sama seperti Gambar 3.4, namun untuk domain Jawa resolusi 8 km …………………………………………….. III-8
Gambar 3.6
Sejumlah sebaran titik sampel di wilayah Jawa untuk (a) kasus bulan basah, (b) kasus bulan kering …………… III-10
Gambar 3.7
Peta sebaran 150 stasiun cuaca Jepang …………………... III-10
Gambar 3.8
CDF plot untuk sebaran data prediksi curah hujan (a) Februari 2009, (b) Juli 2009 ………………….………. III-12
Gambar 3.9
Skema metode threat score ………………………………. III-14
Gambar 4.1
Pengamatan satelit GMS tanggal 2 Februari 2009 untuk pukul (a) 00 UTC, (b) 06 UTC, (c) 12 UTC, (d) 18 UTC ... IV-1
vi
Gambar 4.2
Plot spasial prediksi curah hujan (mm/hari) 2 Februari 2009 untuk kasus running model hari Jumat (30 Januari 2009), untuk (a) IC 00, (b) IC 06, (c) IC 12, dan (d) IC 18 …...……………………………..
Gambar 4.3
IV-2
Sama seperti pada Gambar 4.2, namun untuk kasus running hari Sabtu (31 Januari 2009) ………………….... IV-3
Gambar 4.4
Sama seperti pada Gambar 4.2, namun untuk kasus running hari Minggu (1 Februari 2009) ………………… IV-3
Gambar 4.5
Sebaran Probabilitas interval prediksi curah hujan untuk (a) minggu ke-1, (b) minggu ke-2, (c) minggu ke-3, dan (d) minggu ke-4 …………………………………….. IV-5
Gambar 4.6
Histogram perbandingan nilai hit dan no hit untuk interval prediksi curah hujan 0 – 1,25 mm (biru) dan 1,25 – 10 mm (merah) ……………………….……… IV-7
Gambar 4.7
Sama seperti Gambar 4.6, namun hanya untuk interval 1,25 – 10 mm …………………………………… IV-7
Gambar 4.8
Histogram perbandingan nilai hit dan no hit untuk interval prediksi curah hujan 25 – 50 mm (biru) dan 50 mm ke atas (merah) …………………………….... IV-8
Gambar 4.9
Sama seperti Gambar 4.9, namun hanya untuk interval 25 – 50 mm ……………………………………... IV-8
Gambar 4.10 Histogram frekuensi variabel contingency untuk kasus (a) jumlah hari kering dan (b) jumlah hari hujan lebat ………………………………. IV-10 Gambar 4.11 Pengamatan satelit GMS tanggal 13 Juli 2009 untuk pukul (a) 00 UTC, (b) 06 UTC, (c) 12 UTC, (d) 18 UTC ............................................................................................. IV-13 Gambar 4.12 Plot spasial prediksi curah hujan (mm/hari) 13 Juli 2009 Untuk kasus running model hari Jumat (10 Juli 2009), untuk (a) IC 00, (b) IC 06, (c) IC 12, dan (d) IC 18 …....... IV-14 Gambar 4.13 Sama seperti pada Gambar 4.12, namun untuk kasus running hari Sabtu (11 Juli 2009) ……………………..... IV-14
vii
Gambar 4.14
Sama seperti pada Gambar 4.12, namun untuk kasus running hari Minggu (12 Juli 2009) ……………………. IV-15
Gambar 4.15
Sebaran Probabilitas interval prediksi curah hujan untuk (a) minggu ke-1, (b) minggu ke-2, (c) minggu ke-3, (d) minggu ke-4, dan (e) minggu ke-5………………….
Gambar 4.16
IV-17
Histogram perbandingan nilai hit dan no hit untuk interval prediksi curah hujan 10 – 25 mm (biru) dan 25 mm ke atas (merah) …………………………….
Gambar 4.17
Sama seperti Gambar 4.10, namun untuk kasus jumlah hari hujan ………………………………..
Gambar 4.18
IV-18 IV-19
Peta hasil prediksi ensemble CCAM untuk setiap titik sampel kasus bulan Februari 2009 minggu pertama …………………..……………………
Gambar 4.19
IV-22
Sama seperti Gambar 4.18, namun untuk kasus bulan Juli 2009 minggu ketiga ………………..……….
viii
IV-22
DAFTAR TABEL
Halaman Tabel 3.1
Tabel konfigurasi CCAM …………………………………
III-9
Tabel 3.2
Tabel contingency metode TS …………………………….
III-14
Tabel 4.1
Tabel interval prediksi curah hujan Februari 2009 ……….
IV-6
Tabel 4.2
Nilai CSI, BS, dan FAR untuk kasus prediksi ensemble di bulan basah …………………………
Tabel 4.3
IV-11
Nilai peluang kejadian hujan hasil prediksi pada kasus bulan basah …………………………………..……………
IV-12
Tabel 4.4
Tabel interval prediksi curah hujan Juli 2009 …………….
IV-17
Tabel 4.5
Sama seperti Tabel 4.2, namun untuk kasus bulan kering ……………………………………………………………..
Tabel 4.6
IV-20
Sama seperti Tabel 4.3, namun untuk 1 indikator kasus bulan kering ………………………………………..
ix
IV-21
DAFTAR LAMPIRAN
Halaman Lampiran-A.1
Langkah pre-processing CCAM …………………....
L-1
Lampiran-A.2
Script runtopo.sh ……………………………………
L-4
Lampiran-A.3
Persamaan-Persamaan Dasar Yang Digunakan Dalam CCAM ………………………………………
Lampiran-B.1
Contoh Output Prediksi Ensemble CCAM Set Ke-2 (Bulan Basah) ……………………………………….
Lampiran-B.2
L-20
Plot Prediksi Ensemble CCAM Minggu Ke-1 bulan Juli 2009 Untuk 5 Titik Sampel ………………...
Lampiran-C.5
L-19
Plot Prediksi Ensemble CCAM Minggu Ke-4 bulan Februari 2009 Untuk 6 Titik Sampel ………………...
Lampiran-C.4
L-19
Plot Prediksi Ensemble CCAM Minggu Ke-3 bulan Februari 2009 Untuk 6 Titik Sampel ………………...
Lampiran-C.3
L-18
Plot Prediksi Ensemble CCAM Minggu Ke-2 bulan Februari 2009 Untuk 6 Titik Sampel ………………...
Lampiran-C.2
L-17
Contoh Output Prediksi Ensemble CCAM Set Ke-5 (Bulan Kering) ……………………………………….
Lampiran-C.1
L-16
Contoh Output Prediksi Ensemble CCAM Set Ke-4 (Bulan Kering) ……………………………………….
Lampiran-B.7
L-15
Contoh Output Prediksi Ensemble CCAM Set Ke-2 (Bulan Kering) ……………………………………….
Lampiran-B.6
L-14
Contoh Output Prediksi Ensemble CCAM Set Ke-1 (Bulan Kering) ……………………………………….
Lampiran-B.5
L-13
Contoh Output Prediksi Ensemble CCAM Set Ke-4 (Bulan Basah) ……………………………………….
Lampiran-B.4
L-12
Contoh Output Prediksi Ensemble CCAM Set Ke-3 (Bulan Basah) ……………………………………….
Lampiran-B.3
L-7
L-20
Plot Prediksi Ensemble CCAM Minggu Ke-2 bulan Juli 2009 Untuk 5 Titik Sampel ………………...
x
L-21
Lampiran-C.6
Plot Prediksi Ensemble CCAM Minggu Ke-3 bulan Juli 2009 Untuk 5 Titik Sampel ……………….............
Lampiran-C.7
L-21
Plot Prediksi Ensemble CCAM Minggu Ke-5 bulan Juli 2009 Untuk 5 Titik Sampel ………………...... …..
xi
L-22
