Post Processing Output Model NWP

bulan Desember sampai dengan bulan Maret, sedangkan pada bulan April merupakan masa transisi ke musim Timur dan musim Timur berlangsung dari bulan Mei sampai dengan bulan Oktober disusul oleh masa pancaroba pada bulan Nopember yang merupakan transisi ke musim Barat Pemkot Ambon 2009 . Gambar 5 Peta Kepulauan Maluku BPMD 2007 III. METODOLOGI

3.1. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan pada bulan

Februari sampai dengan Juni 2009 bertempat di Laboratorium Meteorologi dan Pencemaran Atmosfer Departemen Geofisika dan Meteorologi IPB serta di Badan Meteorologi, Klimatologi dan Geofisika Pusat Jakarta Bagian Informasi Meteorologi Publik. 3.2. Data dan Peralatan Data yang digunakan dalam penelitian ini yaitu : a. Data observasi harian curah hujan CH obs, T max, T min, RH max dan RH min kota Ambon, Jakarta dan Padang tahun 2008. b. Data output NWP produk The National Weather Services National Centers for Environmental Prediction NCEP tahun 2008 untuk kota Ambon, Jakarta dan Padang yang masing-masing diwakili oleh Stamet penerbangan Pattimura 128 BT, 3.70 LS, stamet penerbangan Tabing 100.35 BT, 0.88 LS dan stamet Kemayoran 106.50 BT, 6.11 LS yang diambil dari situs http:www.arl.noaa.govREADYamet.ht ml. Parameter-parameter NWP yang digunakan dalam penelitian ini merujuk pada tulisan Tereza Cavazos dan Bruce Hewitson 2002 yang berjudul ”Relative Performance of Empirical Predictors of Daily Precipitation” dan dimuat dalam Tabel 1. Analisis data dalam studi ini menggunakan software MINITAB 13 dan Microsoft Office 2007. 3.3. Metode Penelitian 3.3.1. Karakteristik Output Model NWP 1. Melakukan analisis korelasi r antara data parameter output NWP. ? ? ? s ? ? ? s ? s ? ? ? s ? ? ? ?s ? ? ? ? ? s ? ? ? ?s ? ? ? 2. Mencari nilai ragam dan rataan tiap parameter NWP. ? ?? s ? ? ? ? ? s ?? ? ? ?? ? ? ? ? 3. Analisis fungsi sebaran 4. Persistensi angin • Hitung vektor angin resultan ??? ? ?? ? ? ? ? ? ?? ? ? ? ?? ?? ????? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??? • Kecepatan angin rata-rata : ???? ? ? • Persistensi : ?????? ????? ? ?

3.3.2. Post Processing Output Model NWP

1. Menentukan waktu pengamatan jam untuk parameter NWP disesuaikan dengan peubah respon prediktor. Untuk prediktan Tmax dan RH max pada hari ke-t digunakan waktu pengamatan pada jam 06 UTC. Untuk prediktan Tmin dan RH max digunakan waktu pengamatan pada jam 18 UTC. 2. Mencari parameter-parameter output model NWP yang berk orelasi tinggi dan nyata dengan curah hujan, Tmax, Tmin, RH max dan RH min. 3. Melakukan analisis komponen utama Principal Compenent Analysis PCA untuk menghilangkan masalah multikolinieritas jika ada. 4. Membangun regresi linear berganda dari komponen utama yang terbentuk. Regresi linear berganda yang dibentuk adalah sebagai berikut : ? ? ? ? ? ? ? ? ? ?? ? ? ? ?? ? ? ?? j = 1, 2, 3, ..., n dimana, ß adalah konstanta regresi, ß i koefisien regresi peubah prediktor PC ke-i, k adalah banyaknya peubah prediktor, dan n adalah banyaknya pengamatan. 5. Plot nilai y dan ?? serta hitung nilai RMSE dan MAE. Root Mean Square Error RMSE RMSE = ? s ?? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? adalah nilai dugaan ramalan ke-i, y i merupakan nilai observasi ke-i, dan n banyaknya observasi. Mean Absolut Error MAE MAE = ? ? s ?? ? ? ?? ? ? ? ?? ? 6. Cari faktor koreksi untuk mendekatkan nilai ramalan dengan nilai observasi.

IV. HASIL DAN PEMBAHASAN 4.1 Numerical Weather Prediction NWP

Banyak sekali model NWP yang tersedia dan dapat digunakan saat ini. M odel yang satu dengan lainnya tidak menghasilkan output yang persis sama, hal ini dikarenakan oleh : 1. Metode numerik yang digunakan untuk mencari solusi dari persamaan non linear pergerakan atmosfer berbeda-beda antara satu model dengan lainnya; 2. Asumsi yang digunakan berbeda-beda pada tiap model NWP. Model NWP yang digunakan dalam penelitian ini merupakan model GDAS1 Global Data Assimilation System buatan The National Weather Services National Centers for Environmental Prediction NCEP milik USA. GDAS1 dijalankan 4 kali dalam sehari yaitu pada 00, 06, 12 dan 18 UTC. Output dari model ini yaitu untuk waktu analisis dan forecast 3, 6 dan 9 jam. GDAS1 merupakan model skala global dengan waktu peramalan 3 jam-an dan ukuran grid 1 derajat lintang-bujur 1 derajat ˜ 1 10 km. Suatu intepretasi ulang perlu dilakukan terhadap output NWP sebelum menggunakannya dalam peramalan cuaca. Tabel 1 Variabel NWP dalam beberapa level tekanan Sirkulasi Kelembaban Ketebalan Permukaan: Tekanan Permukaan Laut slp Komponen angin zonal dan meridional u0, v0 Suhu T0 Suhu Titik Embun DP0 RH rh0 500 – 1000 hPa th1 850-hPa: Ketinggian Geopotensial z8 Komponen angin zonal dan meridional u0, v0 Komponen angin vertikal vv8 RH rh8 500 – 850 hPa th8 700-hPa: Ketinggian Geopotensial z7 Komponen angin zonal dan meridional u7, v7 Komponen angin vertikal vv7 RH rh7 500-hPa: Ketinggian Geopotensial z5 Komponen angin zonal dan meridional u5, v5 Komponen angin vertikal vv5 RH rh5 200-hPa: Ketinggian Geopotensial z2 Komponen angin vertikal vv2