seperti NWP dan MOS. Prediksi di atas 3 hari biasanya disebut juga dengan
extended forecast. •
Long – range forecast prediksi jangka panjang yaitu prediksi cuaca untuk
jangka waktu lebih dari 8,5 hari 200 jam. Biasanya ramalan komputer tidak
akurat untuk memprediksi lebih dari 16 hari terutama untuk prediksi temperatur
dan presipitasi.
2.2 Proses Prediksi Cuaca Numerik Prediksi cuaca merupakan suatu initial value
problem. Kondisi awal atmosfer pada waktu t dan t -
∆ t harus diketahui dengan benar untuk
memprediksi suhu di waktu setelahnya t + ∆
t. Jadi, untuk membuat prediksi dari cuaca riil, harus dimulai dulu dengan observasi dari
cuaca riil tersebut. Berikut ini merupakan tiga tahap proses
prediksi cuaca Stull 2000 :
1. Pre – processing, dimana observasi
cuaca dari berbagai lokasi dan waktu di seluruh dunia ditransf ormasi menjadi
sebuah grid beraturan dari kondisi awal. 2.
Prediksi cuaca secara terkomputerisasi, dimana pendekatan finite – difference
persamaan pergerakan atmosfer diselesaikan.
3.
Post – processing dilakukan untuk mengoreksi hasil prediksi dan untuk
memproduksi produk tambahan lainnya.
2.3 Model Numerical Weather Prediction NWP
Model NWP adalah sekumpulan kode komputer yang mempresentasikan secara
numerik persamaan-persamaan atmosfir, digunakan untuk memprediksi kondisi atau
status atmosfir yang akan datang dengan menggunakan kemampuan komputer yang
tinggi. Prediksiramalan cuaca dirumuskan dengan menyelesaikan persamaan pergerakan
atmosfir. Persamaan–persamaan tersebut meliputi persamaan non-linier time-dependent
differential parsial angin, temperatur, kelembaban dan tekanan.
2.3.1 Sejarah Model NWP BMG 2007 Tahun 1904, Vilheim Bjerknes Norwegia
didalam papernya” Weather Forecasting as a Problem in Mechanic and Physics”
mengusulkan bahwa kemungkinan untuk memprediksi atmosfir dengan sekumpulan
persamaan angin, temperatur, tekanan dan kelembaban. Pada tahun 1922, Lewis Fry
Richardson Inggris dalam bukunya “Weather Prediction by N umerical P rocess”
mendiskusikan tentang bagaimana persamaan – persamaan atmosfir dapat diselesaikan
dengan kalkulator mekanik. Dia menduga bahwa sekitar 64000 orang dibutuhkan untuk
bekerjasama dalam menghasilkan ramalan numerik. Dia juga mencoba untuk menghitung
prediksi numerik perubahan tekanan di stasiun dengan menggunakan persamaan kontinyu.
Untuk menghitung prediksi ramalan 6 jam dibutuhkan 6 minggu. Sayangnya, ramalan
tekanan permukaan tidak sesuai besarnya dibandingkan dengan cuaca sesungguhnya
perubahan tekanan sebesar 145 hPa dalam 6 jam.
John von Neumann, penemu komputer modern dan Vladimir Zworykin, penemu
utama televisi 1945 mengusulkan untuk mengembangkan model NWP dengan
menggunakan komputer elektronik. Keinginan utama Zworykin adalah modifikasi iklim dan
membutuhkan metode yang handal untuk menghitung sirkulasi umum seluruh atmosfir.
Von Neumann bekerja bersama-sama dengan ahli meteorologi meliputi Carl-Gustav Rossby
dan Jule Charney. Melalui pengembangan penyederhanaan
persamaan disebut persamaan barotropik vorticity oleh Charney dan Von Neumann,
ahli komputer elektronik ENIAC: Electrical Numerical Integrator and Calculator yang
didirikan 1950 untuk menghitung ramalan tiga numerik di Amerika Utara. Pada waktu yang
sama, Rossby kembali ke Swedia untuk memulai program NWP. Komputer elektronik
di Swedia dinamakan BESK, yang merupakan komputer tercanggih pada saat itu, didirikan
dan dioperasionalkan pada 1953. Akhir 1954, Meteorologi Swedia mampu menghasilkan
ramalan rutin 3 harian 500 hPa dengan model barotropik.
Melalui penemuan komputer yang canggih diawal 1960-an, operasional model multilayer
atmosfir dapat dilakukan. Beberapa pusat operasional memulai untuk menjalankan
model numerik global, regional untuk menyediakan ramalan beberapa hari hingga
mingguan. Saat ini, banyak pusat meteorologi menggunakan model NWP dan super
komputer untuk menghitung ramalan cuaca dalam 10 hari atau lebih ke depan.
2.3.2 Klasifikasi Model NWP M odel NWP dapat diklasifikasikan ke dalam
empat kategori erdasarkan skala sistem atmosfir yang dihitung,, yaitu BMG 2007:
1. Model Klimatologi
Model ini disebut juga General C irculation Models GCM. Model ini menggambarkan
kondisi umum dari lapisan troposfir dan stratosfir dalam periode panjang. Dalam
formulasi model, tidak banyak perbedaan dengan model skala sinoptik untuk perkiraan
jangka menengah. Namun demikian, proses fisik seperti interaksi udara dan laut, sirkulasi
benua, kandungan laut es dan proses stratosfir dibahas dengan teliti untuk menyediakan
prakiraan jangka panjang. 2.
Model Skala Sinoptik Model ini banyak digunakan oleh banyak
pusat operasional di dunia untuk menghitung pra kiraan cuaca jangka menengah. Model ini
dapat melingkupi domain global dan regional, tergantung pada aplikasi dan kemampuan
komputasi di pusat meteorologi. Seringkali, model ini digunakan untuk memprediksi dan
mengevaluasi sistem sinoptik seperti daerah tekanan tinggi, tekanan rendah palung,
sistem frontal dan siklon tropik. 3.
Model Skala Meso Model ini digunakan untuk memprediksi
perubahan cuaca lokal dan sistem cuaca skala meso seperti sistem konvektif pada daerah
rendah monsun dan sirkulasi land-sea breeze. 4.
Model Khusus Model ini digunakan untuk tujuan khusus
seperti penyelidikan proses skala mikro dalam awan cloud-resolving model dan arah
turbulensi di atas gunung. M odel NWP juga dapat diklasifikasikan
berdasarkan pada metode numerik yang digunakan menjadi sebagai berikut:
1.
Model Grid Finite differential method M odel grid membagi atmosfir dalam kubus
atau parcel udara. Semua nilai kontinyu temperatur, angin, uap lembab dsb
digambarkan dengan sekumpulan nilai diskrit atau disebut nilai grid – point. Akibat gerakan
udara dalam kubus, kemudian diprediksi berdasarkan kekuatan keaktifannya. Spasial
kontinyu dan perubahan temporal disajikan pada pebedaan terbatas dalam pendekatan ini.
Ukuran grid kotak atau jarak antara dua kotak menentukan resolusi model. Akurasi perkiraan
model NWP pada prinsipnya akan meningkat jika resolusi model ditingkatkan.
2.
Model Spectral Atmosfir digambarkan dengan basis fungsi
series periodik. Model spectral disebut juga harmonik sperical dalam aplikasi model
global. F ungsi sinus dan cosinus digunakan pada lokasi batas lateral dalam model
regional,. Secara teori, pengembangan bidang fisik tertentu menggunakan harmonik atau
deret fourier seharusnya menggunakan jumlah suku takterbatas infinite. Pada kegiatan
operasional, hanya jumlah gelombang yang terbatas yang digunakan karena keterbatasan
komputasi. Gelombang terkecil menentukan resolusi efektif model.
3.
Model Elemen Terbatas Finite Model Elemen Terbatas digunakan dalam
model komputasi dinamika fluida secara luas. M etode elemen terbatas secara fisik
digambarkan menggunakan sekumpulan basis fungsi seperti halnya metode spectral ,
umumnya adalah polinomial order rendah. Area model dibagi ke dalam banyak elemen
atau volume. 2.3.3 Persamaan Model NWP
Persamaan yang digunakan dalam model NWP ada lima, yaitu BMG 2007 :
Konservasi Momentum : Konservasi Energi :
Konservasi Massa Persamaan Kontinu : Persamaan Status :
Konservasi Kelembaban :
Peramalan dengan menggunakan model NWP merupakan sebuah problem mengenai nilai
kondisi inisial atmosfer, maksudnya adalah hasil peramalan yang baik tergantung pada
kualitas kondisi inisial atmosfer, sementara itu kondisi atmosfer merupakan suatu hal yang
sangat kom pleks dan dinamis. Asimilasi data adalah sebuah proses untuk membuat kondisi
inisial atmosfer menjadi lebih sederhana, o leh karena itu, asimilasi data merupakan hal yang
penting untuk meningkatkan mutu peramalan cuaca hasil model NWP dan kemudian
menjadi faktor terpenting dalam peramalan model NWP belakangan ini KMA 2002.
Kebanyakan teknik asimilasi berpengaruh besar dalam kecenderungan model untuk
membuat kondisi status atmosfer seimbang selama proses prediksi. Status yang seimbang
dari peramalan sebelum nya dapat digunakan sebagai ‘terkaan pertama’ dari kondisi awal
untuk prediksi yang baru. Jika observasi cuaca yang baru disatukan dengan ‘terkaan
pertama’, hasilnya disebut dengan analisis cuaca. Walaupun analisis cuaca
merepresentasikan keadaan cuaca saat ini atau lampau bukan sebuah prediksi, hasil analisa
tersebut biasanya tidak tepat sama dengan data observasi mentah karena hasil analisis
sudah melewati tahap
smoothing dan
seimbang secara parsial Stull 2000. 2.4 Koreksi Prediksi Cuaca
Sejumlah teknik statistik dapat diaplikasikan sebagai proses akhir untuk mengarahkan
output model untuk lebih mendekati cuaca lokal. Dua metode statistik klasik yang sering
digunakan yaitu Perfect Prog Method PPM dan Model Output Statistics MOS. Kedua
metode tersebut menggunakan regresi statistik untuk menghubungkan input prediktor
dengan output berbeda prediktan. Contoh dari prediktan adalah surface visibility,
sementara itu prediktornya meliputi kelembaban relatif, kecepatan angin, dan
presipitasi. Metode PPM menggunakan observasi sebagai prediktor untuk
menjelaskan koefisien regresi sementara MOS menggunakan suatu model forecast. Jika
koefisien regresi sudah diketahui, kedua model tersebut menggunakan model forecast
sebagai prediktor. Regresi terbaik ditemukan dengan menggunakan data prediktor dan
prediktan dalam banyak tahun. Metode PPM memiliki kelebihan yaitu
metode ini tidak tergantung pada model prediksi khusus dan dapat digunakan segera
setelah merubah model prediksi. Metode PPM menghasilkan nilai prediktan terbaik hanya
ketika model menghasilkan prediktor yang sempurna yang sangat jarang terjadi.
Keuntungan atau kelebihan dari metode MOS adalah jika ada kesalahan model sistematik
bisa dikompensasi dengan regresi statistik. Kekurangan dari MOS adalah data output
model yang dikumpulkan harus dalam banyak tahun dan sesuai secara statistik sebelum
menghasilkan regresi yang dapat digunakan untuk prediksi selanjutnya. Baik MOS
maupun PPM mempunyai kekurangan yaitu parameter statistik harus ditetapkan atau
konstan. 2.5 Pola Curah Hujan di Indonesia
Sirkulasi monsoon mempengaruhi jumlah curah hujan musiman secara tegas yang
menghasilkan periode hujan jika angin berhembus menuju ke pantai pada waktu
musim panas dan periode kering jika angin berhembus menuju ke lepas pantai pada waktu
musim dingin. Ragam curah hujan musiman akibat monsoon sangat jelas di daerah Asia
Tenggara seperti di Indonesia.
Gambar 1. Peta sebaran pola curah hujan Indonesia Kadarsah 2007
Ada tiga pola curah hujan di Indonesia, yaitu Tjasyono 2004 :
a.
Pola curah hujan jenis monsoon
Karakteristik dari jenis ini adalah distribusi curah hujan bulanan berbentuk “V” dengan
jumlah curah hujan minimum pada bulan Juni, Juli atau Agustus. Saat monsoon barat jumlah
curah hujan berlimpah, sebaliknya saat monsoon timur jumlah hujan sangat sedikit.
Daerah yang mempunyai curah hujan jenis monsoon sangat luas terdapat di Indonesia.
b.
Pola curah hujan jenis ekuator
Distribusi curah hujan bulanan memiliki dua maksimum. Jumlah curah hujan maksimum
terdapat setelah ekuinoks. Tempat di daerah ekuator seperti Pontianak dan Padang
mempunyai pola curah hujan jenis ekuator. Pengaruh monsoon di daerah ekuator kurang
tegas dibandingkan pengaruh insolasi pada waktu ekuinoks. Ekuinoks adalah kedudukan
matahari tepat di atas ekuator terjadi pada tanggal 21 Maret dan 23 September.
Gambar 2 Geometri pergerakan bumi terhadap matahari Linacre
Greets 2003
c. Pola curah hujan jenis lokal
