Pemanfaatan Model Weather Research and Forecasting Environmental Modeling System (WRF-EMS) untuk Memprediksi Hujan
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-MillerJanjic
Skema kumulus
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
CH WRF-EMS Resolusi 3 km
(c) Tanjung Priok
9
12 15 18 21
02 Februari 2014
Tanggal (UTC)
02 Februari 2014
Tanggal (UTC)
CH Sinoptik
6
CH Sinoptik
CH WRF-EMS Resolusi 3 km
(d) Curug
35
30
25
20
15
10
5
0
0
3
CH Sinoptik
6
9
12 15 18 21
02 Februari 2014
Tanggal (UTC)
CH WRF-EMS Resolusi 3 km
(e) Soekarno Hatta
Gambar 10
Curah hujan (mm)
Curah hujan (mm)
15
25
20
15
10
5
0
0
CH Sinoptik
3
6
9
12 15 18 21
02 Februari 2014
Tanggal (UTC)
CH WRF-EMS Resolusi 3 km
(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
CH WRF-EMS resolusi 3 km
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
(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
10
8
6
4
2
0
Curah hujan (mm)
Curah hujan (mm)
12
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
02 Februari 2014
Tanggal (UTC)
CH WRF-EMS Resolusi 27 km
CH TRMM
CH WRF-EMS resolusi 27 km
6
0
3
6
9
12
15
18
21
0
02 Februari 2014
Tanggal (UTC)
CH TRMM
CH WRF-EMS Resolusi 27 km
3
CH TRMM
(c) Tanjung Priok
6
9
12
15
18
21
02 Februari 2014
Tanggal (UTC)
CH WRF-EMS Resolusi 27 km
(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
02 Februari 2014
Tanggal (UTC)
CH TRMM
CH WRF-EMS Resolusi 27 km
(e) Soekarno Hatta
6
9
12
15
18
21
02 Februari 2014
Tanggal (UTC)
CH TRMM
CH WRF-EMS Resolusi 27 km
(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 berb
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-MillerJanjic
Skema kumulus
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
CH WRF-EMS Resolusi 3 km
(c) Tanjung Priok
9
12 15 18 21
02 Februari 2014
Tanggal (UTC)
02 Februari 2014
Tanggal (UTC)
CH Sinoptik
6
CH Sinoptik
CH WRF-EMS Resolusi 3 km
(d) Curug
35
30
25
20
15
10
5
0
0
3
CH Sinoptik
6
9
12 15 18 21
02 Februari 2014
Tanggal (UTC)
CH WRF-EMS Resolusi 3 km
(e) Soekarno Hatta
Gambar 10
Curah hujan (mm)
Curah hujan (mm)
15
25
20
15
10
5
0
0
CH Sinoptik
3
6
9
12 15 18 21
02 Februari 2014
Tanggal (UTC)
CH WRF-EMS Resolusi 3 km
(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
CH WRF-EMS resolusi 3 km
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
(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
10
8
6
4
2
0
Curah hujan (mm)
Curah hujan (mm)
12
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
02 Februari 2014
Tanggal (UTC)
CH WRF-EMS Resolusi 27 km
CH TRMM
CH WRF-EMS resolusi 27 km
6
0
3
6
9
12
15
18
21
0
02 Februari 2014
Tanggal (UTC)
CH TRMM
CH WRF-EMS Resolusi 27 km
3
CH TRMM
(c) Tanjung Priok
6
9
12
15
18
21
02 Februari 2014
Tanggal (UTC)
CH WRF-EMS Resolusi 27 km
(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
02 Februari 2014
Tanggal (UTC)
CH TRMM
CH WRF-EMS Resolusi 27 km
(e) Soekarno Hatta
6
9
12
15
18
21
02 Februari 2014
Tanggal (UTC)
CH TRMM
CH WRF-EMS Resolusi 27 km
(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 berb