2.4.2. Penentuan Musim Hujan dan
Musim Kemarau Tahun 2008 di Lima Wilayah Kajian
Penentuan Musim Hujan MH dan Musim Kemarau MK di suatu wilayah ditentukan
setelah mengetahui kapan terjadinya awal musim hujan AMH dan awal musim
kemarau AMK.
Menentukan AMH
menggunakan data total hujan dasarian. Satu tahun kalender dibagi ke dalam 36 dasarian.
Dasarian pertama mencatat total hujan dari tanggal 1 hingga tanggal 10 bulan yang
bersangkutan. Dasarian kedua mencatat total hujan dari tanggal 11 hingga 20 pada bulan
yang bersangkutan. Selanjutnya dasarian ketiga mencatat mencatat total hujan dari
tanggal 21 hingga akhir bulan BMG 2008.
Menentukan AMH dari seri data total hujan dasarian di masing-masing lokasi yang
bersangkutan dengan acuan 50 mmdasarian yang diikuti oleh minimal dua dasarian
berturut-turut. Jika AMH dan AMK sudah dapat ditentukan, maka dapat dilakukan
penentuan Panjang Musim Hujan PMH. PMH berakhir saat total hujan dasarian telah
mencapai kurang dari 50 mmdasarian yang diikuti oleh minimal dua dasarian berurutan.
BMG 2008.
III. METODOLOGI
3.1. Waktu dan Tempat Penelitian
Penelitian ini dilaksanakan pada bulan Februari sampai dengan Juli tahun 2011,
bertempat di Laboratorium Meteorologi dan Pencemeran Atmosfer, Departemen Geofisika
dan Meteorologi, FMIPA-IPB.
3.2. Data dan Peralatan
Data yang digunakan dalam penelitian ini berupa:
1. Data observasi harian curah hujan CH,
suhu maksimum T
max
, suhu minimum T
min
dan kelembaban relatif RH kota Pontianak,
Pekanbaru, Semarang,
Surabaya, dan Palu untuk periode data 1 Januari 2008
– 31 Desember 2008 BMKG –
banyumilih.blogspot.com .
2. Data keluaran model Numerical Weather
Prediction NWP, produk The National Weather
Services NWS,
National Centers for Environmental Prediction
NCEP, dengan waktu analisis dan prediksi 3 tiga jam, untuk periode data 1
Januari 2008 – 31 Desember 2008, yang
diunduh dari
website NOAA:
http:ready.arl.noaa.govREADYamet.php untuk lima wilayah kajian berdasarkan tiga
wilayah tipe hujan di Indonesia yang ditampilkan pada Tabel 2.
Tabel 2 Nama dan koordinat wilayah kajian
No. Stamet
o
Bujur
o
Lintang
1 Supadio,
Pontianak 109,40
-0,15 2
Simpangtiga, Pekanbaru
101,45 0,46
3 Ahmadyani,
Semarang 110,38
-6,98 4
Juanda, Surabaya
112,76 -7,36
5 Mutiara,
Palu 119,73
-0,68 Parameter-parameter keluaran NWP yang
digunakan dalam penelitian ini merujuk pada penelitian
Tereza Cavazos
dan Bruce
Hewitson 2002 yang berjudul “Relative
Performance of Empirical Predictors of Daily Precipitation” tanpa menyertakan variabel
kelembaban spesifik q yang dimuat dalam Tabel 3. Analisis data dalam studi ini
menggunakan perangkat lunak Minitab 15 dan Microsoft Office 2007.
3.3. Metode Penelitian
3.3.1. Melihat Kinerja Model NWP
Menentukan suhu dan kelembaban relatif RH sebagai variabel yang digunakan untuk
melihat pola diurnal, serta menentukan bulan tertentu yang digunakan untuk melihat pola
diurnal tersebut. Kemudian, membandingkan pola diurnal antar mandatory layer 1000,
850,
700, dan
500 hPa
dan juga
membandingkan pola tersebut antar wilayah kajian.
3.3.2. Mereduksi Data Kajian
Menentukan bulan yang mewakili musim hujan MH dan musim kemarau MK untuk
masing-masing wilayah kajian. Proses ini diawali dengan penentuan panjang musim
hujan PMH dan panjang musim kemarau PMK tahun 2008 untuk masing-masing
wilayah kajian.
3.3.3.
Post-processing Keluaran Model NWP dengan Teknik
Model Output Statistics MOS
1. Menentukan waktu pengamatan untuk
parameter NWP yang disesuaikan dengan peubah respon prediktor. Prediktan T
max
pada hari ke-t menggunakan waktu pengamatan
pada jam
06.00 UTC
Universal Time Coordinate. Sedangkan, untuk prediktan T
min
menggunakan waktu pengamatan pada jam 18.00 UTC BMG
2006. 2.
Menguji parameter-parameter keluaran model NWP hasil penelitian Cavazos T
2002, Sutikno 2008, dan Ristanti D 2009 yang berkorelasi tinggi dengan
curah hujan, T
max
, T
min
, dan RH. 3.
Melakukan diagnostik multikolinearitas dengan cara formal Variance Inflation
Factor, VIF.
Indikator adanya
multikolinearitas dapat ditinjau dari nilai VIF terbesar yang lebih dari 4 VIF
terbesar 4. 4.
Melakukan Analisis Faktor Factor Analysis untuk menghilangkan masalah
multikolinearitas jika ada. 5.
Membangun regresi linear berganda dari faktor yang terbentuk. Regresi linear
berganda yang terbentuk adalah sebagai berikut:
n
k k
s k
X ik
X kj
E n
j j
i y
1 1
ˆ
dimana,
i
y ˆ
adalah
nilai dugaan model ke- i, j dan k merupkan jumlah faktor dan
jumlah peubah prediktor, E
kj
merupakan matriks
hasil perkalian
antara
12 λ
1
D L
R
, dan s
k
merupakan ragam peubah prediktor.
6. Plot nilai
y
dan yˆ serta hitung nilai RMSE Root Mean Square Error dan
MAE Mean Absolute Error.
a. RMSE =
n y
y
n i
i i
1 2
ˆ
b. MAE =
n i
i i
y y
n
1
ˆ 1
dimana,
i
y ˆ
adalah nilai dugaan ramalan ke-i,
i
y
merupakan nilai observasi ke-i, dan n merupakan banyaknya observasi.
7. Menentukan
faktor koreksi
untuk mendekatkan nilai ramalan dengan nilai
observasi.
Tabel 3 Variabel NWP dalam beberapa level tekanan
Sirkulasi Kelembaban
Ketebalan Permukaan:
Tekanan Permukaan Laut slp Komponen angin zonal dan meridional u0, v0
Suhu T0 Suhu Titik Embun DP0
RH rh0 500
– 1000 hPa th1
850-hPa: Ketinggian Geopotensial z8
Komponen angin zonal dan meridional u8, v8 Komponen angin vertikal vv8
RH rh8 500
– 850 hPa th8
700-hPa: Ketinggian Geopotensial z7
Komponen angin zonal dan meridional u7, v7 Komponen angin vertikal vv7
RH rh7
500-hPa: Ketinggian Geopotensial z5
Komponen angin zonal dan meridional u5, v5 Komponen angin vertikal vv5
RH rh5
200-hPa: Ketinggian Geopotensial z2
Komponen angin vertikal vv2 Sumber: Cavazos 2002
Gambar 5 Diagram alir metodologi penelitian dimodifikasi dari BMG 2006
Data pengamatan permukaan harian:
Curah hujan, Tmax, Tmin, dan RH
tahun 2008 di 5 wilayah kajian.
Ya Tidak
Data NWP-NCEP meliputi: mslp, u, v,
Rh, T, DP, th, z, vv, CH pada 5 level:
permukaan, 850, 700, 500, dan 200 hPa.
Melakukan konversi format data NWP .txt ke dalam format Excel.
Pra-analisis data: Melengkapi data pengamatan yang
kosong dengan menggunakan rataan data selama 5 tahun: 2004, 2005,
2006, 2007, dan 2009. Mereduksi dimensi data:
Memilih bulan perwakilan untuk
Musim Kemarau dan Musim Hujan
Memilih waktu pengamatan
UTC: 06 dan 18
Level yang dipilih: permukaan, 850, 700, dan 500 hPa.
Membangun model regresi linear berganda dari faktor yang terbentuk
berdasarkan Analisis Faktor:
Y = f z
Kemudian model regresi tersebut dikembalikan ke bentuk peubah
semula:
Y = f X
Mengatasi multikolinearitas: dengan menggunakan
Analisis Faktor
Memberikan koreksi: Faktor koreksi sederhana
Kriteria Penilaian Potensi Pemanfaatan NWP:
RMSE,
MAE, dan
korelasi.
Apakah hasil baik?
RMSE kecil
MAE kecil
Korelasi
besar
Model NWP berpotensi tinggi digunakan untuk
prediksi di Wilayah Kajian.
IV. HASIL DAN PEMBAHASAN