SIMULASI CUACA DI WILAYAH BRANTI LAMPUNG
SIMULASI CUACA DI WILAYAH BRANTI LAMPUNG SELATAN
UNTUK 3 HARI KEDEPAN
MENGGUNAKAN MODEL WRF-EMS (9-11 NOVEMBER 2017)
Ramadhan Nurpambudi
Stasiun Meteorologi Radin Inten Lampung
Badan Meteorologi Klimatologi dan Geofisika, Jakarta
Email : ramaunited92@gmail.com
ABSTRAK
Berdasarkan banyaknya pilihan yang disediakan oleh model WRF-EMS, dilakukan penelitian
untuk mensimulasikan kondisi cuaca untuk 3 hari kedepan di wilayah Branti Lampung Selatan.
Simulasi ini dilakukan untuk melihat seberapa akurat model WRF-EMS dalam melakukan
prakiraan terhadap beberapa unsur yang akan dikaji terutama dalam unsur hujan.
WRF-EMS merupakan suatu sistem pemodelan NWP yang dapat dioperasikan dengan resolusi
tinggi dengan domain ganda bersarang (nested). Dengan sistem prediksi yang demikian, berbagai
fenomena cuaca, baik skala global, sinoptik maupun skala lokal yang berperan dalam
pembentukan cuaca di suatu wilayah diperhitungkan sehingga prakiraan cuaca yang dihasilkan
diharapkan menjadi lebih akurat. Simulasi cuaca dikemas dalam bentuk meteogram agar lebih
mudah untuk dilakukan analisa serta lebih menarik dalam tampilannya.
Dari penelitian yang telah dilakukan dapat ditarik beberapa kesimpulan sebagai berikut:
1. Hujan diprediksi turun di wilayah Branti dan sekitarnya mulai tanggal 9 – 11 November 2017,
hujan tersebut turun diidentifikasi karena adanya pertumbuhan awan Cumulunimbus dengan
badai guntur yang berpotensi mengarah ke cuaca buruk.
2. Kondisi atmosfer di wilayah Branti dan sekitarnya yang mendukung terjadi hujan yaitu dari
faktor Kelembaban, Lifted Index, Total Index, serta Shear Vertical.
3. Model WRF-EMS ternyata mampu untuk memprediksi waktu turunnya hujan untuk wilayah
Branti dan sekitarnya sekarang tinggal menunggu sampai 3 hari kedepan untuk dilakukan
verifikasi terhadap hasil prakiraan tersebut.
Kata Kunci : WRF, Prakiraan, Meteogram.
ABSTRACT
Based on the many options provided by the WRF-EMS model, a study was conducted to simulate
the weather conditions for the next 3 days in the Branti area of South Lampung. This simulation
is done to see how accurate the WRF-EMS model is in forecasting some elements that will be
studied especially in rain element.
WRF-EMS is a NWP modeling system that can be operated with high resolution with nested
domains. With such a prediction system, various weather phenomena, both global, synoptic and
local scale that play a role in weather formation in a region are taken into account so that the
expected weather forecasts are expected to be more accurate. Weather simulation is packed in
the form of meteogram for easier analysis and more interesting in appearance.
From the research that has been done can be drawn some conclusions as follows:
1. Rain is predicted to fall in the Branti and surrounding areas from November 9 to 11, 2017, the
rains are identified because of Cumulunimbus cloud growth with thunder storms that could
potentially lead to bad weather.
2. The atmospheric conditions in Branti and surrounding areas that support the rain occur from
the factors of Humidity, Lifted Index, Total Index, and Vertical Shear.
3. WRF-EMS model was able to predict the rain fall time for Branti area and its surroundings
now stay waiting until the next 3 days to verify the results of these forecasts.
Keyword : WRF, Forecasts, Meteogram.
1.
PENDAHULUAN
Wilayah Indonesia terbentang di lintang rendah dengan penerimaan energi matahari yang
cukup besar sepanjang tahun. Selain itu, sebagian besar wilayahnya adalah lautan, sehingga kaya
akan butiran uap air dan kelembapan udara yang tinggi. Hal ini membuat Indonesia merupakan
lahan tempat bertumbuhnya awan-awan konvektif yang menyebabkan terjadinya hujan lebat.
Sekarang ini, prakiraan cuaca konvensional sudah banyak ditinggalkan. Kini, prakiraan
cuaca dibuat dengan menginterpretasikan peta-peta cuaca prakiraan output model NWP
(Numerical Weather Prediction). Meskipun peran subyektifitas masih berperan dalam
pembuatan prakiraan, namun sudah relatif jauh berkurang.
Weather Research Forecasting (WRF) merupakan generasi masa depan model prediksi
cuaca skala meso dan sistem asimilasi data yang saat ini sudah menggantikan model – model
numerik yang telah ada sebelumnya (seperti NAM-Eta) di Amerika Serikat untuk keperluan
operasional
WRF-EMS (Weather Research and Forecasting Environmental Modeling System)
merupakan suatu sistem pemodelan NWP yang dapat dioperasikan dengan resolusi tinggi dengan
domain ganda bersarang (nested). Dengan sistem prediksi yang demikian, berbagai fenomena
cuaca, baik skala global, sinoptik maupun skala lokal yang berperan dalam pembentukan cuaca
di suatu wilayah diperhitungkan sehingga prakiraan cuaca yang dihasilkan diharapkan menjadi
lebih akurat. Tekhnik prediksi semacam ini, dalam bahasa Inggris disebut teknik dynamic
downscaling. Selain teknik tersebut, WRF-EMS juga dilengkapi dengan pilihan-pilihan dinamis
hidrostatik, non hidrostatik dan beberapa skema parameterisasi termasuk skema konvektif
(cummulus). Dengan adanya sarana tersebut, pengguna dapat melakukan eksperimen atau
penelitian guna memperoleh model yang sesuai dengan keadaan setempat sehingga hasil
prakiraan yang diperoleh menjadi lebih akurat.
Keuntungan prakiraan dengan mengunakan output NWP dibandingkan cara konvensional
yang paling penting adalah: (a) model NWP menghasilkan pola-pola cuaca yang akan datang
sehingga prakirawan cukup menginterpretasikan pola-pola cuaca tersebut untuk kemudian dibuat
prakiraan dan (b) peta-peta prakiraan cuaca jauh lebih cepat tersedia dibanding peta-peta cuaca
yang dibuat dengan cara konvensional sehingga prakiraan cuaca dapat dibuat secara lebih cepat.
Berdasarkan banyaknya pilihan yang disediakan oleh model WRF-EMS, dilakukan
penelitian untuk mensimulasikan kondisi cuaca di wilayah Branti, Lampung Selatan selama 3
hari kedepan. Hal ini untuk memberi gambaran serta untuk mengetahui seberapa akurat hasil
prakiraan yang dihasilkan dari WRF-EMS untuk wilayah Branti.
2.
DATA DAN METODE
2.1
LOKASI PENELITIAN
Gambar 1. Lokasi Penelitian
2.2
DATA
Dalam simulasi ini digunakan data output model gobal, yaitu data FNL yang diunduh dari situs
www.rda.ucar.edu pada tanggal 9 November 2017 jam 00.00 – 18.00 UTC. Data output FNL
mempunyai resolusi spasial 1o x 1o (±111 km) dan temporal 6 jam dengan jangka prakiraan 10
hari. Data FNL tersedia untuk level permukaan, dari 1000 mb hingga 10mb.
2.3
METODE
1. Running Model
Simulasi dilakukan dengan melakukan downscalling sehingga resolusi model akan meningkat,
dalam penelitian ini yaitu dalam tiga domain seperti yang ditunjukan pada gambar 1. Domain 1
adalah domain dari FNL yang mempunyai resolusi 30 km, domain 2 mempunyai resolusi 10 km,
dan domain 3 mempunyai resolusi 3 km.
Fisik model yang dipilih adalah Non-Hidrostatik dengan pilihan skema-skema paramererisasi
sebagai berikut :
Dynamics
:
Non-Hydrostatic
Cumulus Scheme
:
D1,D2 = Kain-fritscz, BMJ, Drell De
Microphysics Scheme
:
Lin et al.
PBL Scheme
:
Yonsei University
Land Surface Scheme
:
Noah 4-Layer LSM
Number Soil Layers
:
5
Surface Layer Physics
:
Monin-Obukhov
Longwave Rad
:
RRTM
Shortwave
:
Dudhia
2. GraDs
Mengolah output model dengan software GrADS, lalu menganalisa secara visual hasil output
GraDs berupa meteogram.
3.
ANALISA DAN PEMBAHASAN
Interpretasi masing – masing parameter keluaran WRF yang dilihat berdasarkan meteogram
adalah sebagai berikut :
1. Wind , Temp dan Kelembaban pada setiap lapisan.
Berdasarkan grafik profil angin vertikal didapatkan bahwa pada tanggal 9 November
2017 jam 00.00 – 12.00 UTC angin bergerak ke arah selatan sampai lapisan 1000 mb dengan
kecepatan 5 - 10 m/s. Dengan melihat kondisi angin yang seperti ini bisa dikatakan pada tanggal
9 November 2017 hujan berpotensi turun dalam waktu yang cukup lama sebab pergerakan angin
seperti mendapat dorongan yang kuat dari atas menuju ke permukaan. Pada jam 12.00 – 00.00
UTC pergerakan angin masih cenderung tidak banyak mengalami perubahan hanya dilapisan
atas 600mb – 500mb angin bergerak secara acak.
Pada tanggal 10 November 2017 jam 00.00 – 12.00 UTC pergerakan angin masih dari
utara menuju ke selatan dengan kecepatan 5 – 10 m/s. Dengan melihat pola angin yang seperti
ini potensi terjadi hujan ada di waktu sore menjelang malam hari. Pada jam 12.00 – 00.00 UTC
angin di lapisan bawah bergerak dari arah timur menuju ke barat. Bisa dikatakan di malam hari
hingga esok pagi hujan tidak berpeluang terjadi.
Pada tanggal 11 November 2017 jam 00.00 – 12.00 UTC pergerakan angin bergerak dari
utara menuju ke selatan mulai lapisan 500mb - 700mb, lalu mulai lapisan 700mb – permukaan
pergerakan angin dari timur menuju ke barat dengan kecepatan 5 – 10 m/s. Jika dilihat dari
pergerakan anginnya maka pada tanggal 11 November 2017 potensi hujan turun adalah kecil di
wilayah Branti dan sekitarnya.
Berdasarkan grafik suhu perlapisan, pada tanggal 9 – 11 November 2017 mulai jam 00.00
– 12.00 UTC suhunya berada diatas 25°C sehingga di jam-jam tersebut pengaruh konveksi
sangat mendukung. Suhu semakin keatas nilainya semakin berkurang, sampai dititik dimana 0°C
atau yang biasa disebut dengan freezing level disekitar lapisan 550mb. Adanya freezing level
menandakan potensi terbentuknya awan Cumulunimbus yang bisa menghasilkan hujan dengan
intensitas sedang – lebat.
Berdasarkan grafik kelembaban udara pada tanggal 9 November 2017 pada jam 00.00 –
12.00 UTC terdapat daerah RH dengan nilai yang tinggi >90% di lapisan 900mb – 800mb. Pada
saat potensi terbentuk awan-awan hujan sangat besar. Pada tanggal 10 November 2017 daerah
dengan nilai kelembaban tinggi berada di lapisan 900mb di jam 03.00 – 12.00 UTC dan lapisan
atasnya mulai lapisan 800mb – 600mb nilai kelembabannya 70%. Pada saat ini potensi terbentuk
awan-awan hujan sangat mungkin terjadi. Pada tanggal 11 November 2017 tidak jauh berbeda
dengan tanggal 10 November 2017 dimana pada hari ini terjadi kemiripan nilai kelembaban
sehingga potensi terbentuknya awan-awan hujan kembali terulang di keesokan harinya.
2. Thickness
Mengacu pada teori bahwa semakin tebal thickness maka kolom udara bersifat hangat dan
semakin tipis thickness maka kolom udara cenderung dingin, maka berdasarkan output
meteogram pada jam 00.00 - 12.00 UTC pada tanggal 9 November 2017 thickness tercatat
mengalami pelonjakan dari 578 sampai 580 yang berarti disini udara dingin berubah menjadi
udara hangat dan jika dipadukan dengan kelembaban yang lembab maka akan terbentuk awanawan hujan di wilayah Branti dan sekitarnya.
Pada tanggal 10 November 2017 pada jam 00.00 – 12.00 UTC terlihat lonjakan nilai
thickness dari 579 sampai 582 yang berarti pada waktu-waktu ini potensi awan hujan terbentuk
di wilayah Branti dan sekitarnya cukup besar dan di malam harinya kondisi cuaca cenderung
baik. Tanggal 11 November 2017 mulai jam 00.00 – 12.00 UTC juga terjadi lonjakan nilai
thickness dari 579 sampai 583 yang berarti pada jam-jam tersebut potensi awan-awan hujan
terbentuk juga sangat besar jika dipadukan dengan nilai kelembaban yang tinggi.
3. Lifted Index (LI)
Lifted Index (LI) memberikan gambaran di boundary layer dan dipengaruhi oleh
kelembaban. Lifted Index merupakan perbedaan suhu antara lapisan 500 dengan lapisan 500’
(suhu parsel air yang terangkat dari lapisan 500mb). Sehingga Lifted Index menggambarkan
potensi terjadinya Thunderstorm atau tidak, yang juga dapat menggambarkan adanya awan
Cumulunimbus. Nilai Lifted Index yang cukup besar terjadi pada tanggal 9 November 2017 jam
12.00 – 00.00 UTC dan tanggal 10 – 11 November 2017 jam 00.00 – 00.00 UTC dimana
nilainya berkisar -4 sampai -5 dimana nilai tersebut masuk dalam kategori ketidakstabilan yang
besar, potensi adanya Thunderstorm besar.
4. Total Index (TT)
Total Index berkaitan dengan beda suhu lapisan atas dan bawah yaitu lapisan 850mb dan
500mb. Nilai Total Index mulai tanggal 9 – 11 November 2017 mulai jam 00.00 – 00.00 UTC
nilai Total Index bervariasi sekitar 50 – 60 yang menandakan bahwa indikasi petir meluas
bahkan merata ke arah cuaca buruk. Mulai tanggal 9 – 11 November 2017 diindikasikan akan
terbentuk awan Cumulunimbus di sepanjang hari tersebut. Nilai Total Index yang lebih besar
dari 56 menandakan akan terbentuk Thunderstorm yang tersebar dimana mana.
5. MSLP (Mean Sea Level Pressure)
Berdasarkan grafik nilai tekanan permukaan pada tanggal 9 November 2017 pada jam
00.00 – 12.00 UTC tekanan yang semula 1009mb turun sampai 1005mb. Dapat dianalisis bahwa
nilai ini merupakan nilai Low Pressure dengan kemungkinan membuat massa udara berkumpul
ke titik tersebut dengan suhu hangat. Perkumpulan massa udara di daerah Low Pressure ini
mengindikasikan akan terbentuknya awan konvektif yang berpotensi menghasilkan hujan.
Pada tanggal 10 November 2017 pada jam 00.00 – 12.00 UTC tekanan udara yang
semula 1009mb turun drastis sampai ke titik 1004mb, kondisi turun drastisnya tekanan ini
mengindikasikan meningkatnya suhu udara yang sangat mendukung proses konveksi lalu
menghasilkan awan-awan hujan. Kondisi yang serupa terjadi pada tanggal 11 November 2017
dimana kondisinya tidak jauh berbeda dengan kejadian pada tanggal 10 November 2017,
sehingga pada tanggal 11 November 2017 kondisi cuacanya tidak jauh berbeda dengan apa yang
terjadi di tanggal 10 November 2017.
6. Wind Speed 10m
Angin permukaan dominan bertiup dari selatan menuju ke utara dengan kecepatan angin
antara 0 – 4 m/s. Pola angin tanggal 9 - 11 November 2017 bergerak ke atas dimana bisa
dikatakan terjadi proses dorongan ke atas sehingga massa udara bisa terbentuk menjadi awan.
Setelah itu kecepatan angin cenderung menurun hingga kembali calm. Perbedaan kecepatan ini
mengindikasikan adanya shear vertikal yang dapat menyebabkan gerakan udara vertikal ke atas
dan mendukung proses terbentuknya awan.
7. Suhu dan Dew Point (2m)
Suhu pada ketinggian 2 m mengalami penurunan mulai dari jam 12.00 UTC karena
waktu pada saat itu merupakan malam hari sehingga terjadi penurunan suhu. Diatas jam 12.00
UTC sampai 00.00 UTC nilai Suhu dan Dew Point berada segaris yaitu 24oC kondisi ini terjadi
di tanggal 9 – 11 November 2017. Grafik perbedaan Suhu dan Dew Point diatas digunakan untuk
melihat kondisi udara apakah kering atau basah. Semakin berhimpit nilai Suhu dan Dew Point
menandakan semakin basahnya kondisi udara bisa dikarenakan hujan dan juga bisa saat kondisi
dini hari.
8. Kelembaban (RH)
Kelembaban (RH) pada ketinggian 2m diatas menunjukkan bahwa RH 95 % selama jam
12.00 – 00.00 UTC pada tanggal 9 November 2017 hal ini didukung oleh grafik Suhu dan Dew
Point yang menunjukkan bahwa selisih Suhu dan Dew Point pada waktu tersebut adalah 0.
Sehingga dapat disimpulkan bahwa kemungkinan ada hujan pada rentang waktu tersebut yang
menyebabkan udara menjadi basah sehingga nilai RH mendekati maksimum. Hal ini
menunjukkan adanya suplai uap air yang cukup banyak sehingga mendukung proses
terbentuknya awan. Hal ini juga terjadi pada tanggal 10 dan 11 November 2017, nilai
kelembaban udara mulai perlahan meningkat pada jam 10.00 UTC sampai jam 00.00 UTC,
disinilah diprakirakan terjadinya hujan di wilayah Branti dan sekitarnya.
9. Total Rain
Berdasarkan grafik jumlah curah hujan diatas dapat dilihat hujan diprediksi turun mulai
jam 08.00 UTC sampai jam 13.00 UTC pada tanggal 9 November 2017 dengan intensitas ringan
– sedang. Lalu pada tanggal 10 November 2017 hujan juga terjadi mulai jam 08.00 UTC – 11.00
UTC dengan intensitas ringan – sedang. Kemudian tanggal 11 November 2017 hujan diprediksi
turun lebih awal pada jam 03.00 UTC sampai jam 11.00 UTC, pada tanggal tersebut hujan
diprediksi sudah turun sejak pagi hari dengan intensitas ringan – sedang. Salah satu tanda musim
hujan sedang berlangsung adalah seringnya turun hujan pada waktu pagi hari dimana pada saat
tersebut belum terjadi proses konveksi.
4.
PENUTUP
4.1
KESIMPULAN
Dari penelitian yang telah dilakukan dapat ditarik beberapa kesimpulan sebagai berikut:
1. Hujan diprediksi turun di wilayah Branti dan sekitarnya mulai tanggal 9 – 11 November 2017,
hujan tersebut turun diidentifikasi karena adanya pertumbuhan awan Cumulunimbus dengan
badai guntur yang berpotensi mengarah ke cuaca buruk.
2. Kondisi atmosfer di wilayah Branti dan sekitarnya yang mendukung terjadi hujan yaitu dari
faktor Kelembaban, Lifted Index, Total Index, serta Shear Vertical.
3. Model WRF-EMS ternyata mampu untuk memprediksi waktu turunnya hujan untuk wilayah
Branti dan sekitarnya sekarang tinggal menunggu sampai 3 hari kedepan untuk dilakukan
verifikasi terhadap hasil prakiraan tersebut.
5.
DAFTAR PUSTAKA
Annisa., 2013 : Simulasi Kejadian Hujan Lebat Di Bandara Internasional Lombok dengan Model
WRF-ARW (Studi Kasus Tanggal 4-5 Desember 2013). Tugas Akhir D III. Jakarta, AMG.
Ardin., 2013 : Analisa Keadan Cuaca Saat Kecelakaan Pesawat Merpati MA-60 di Teluk
Kaimana. Jakarta, AMG.
ICAO, 2010 : Annex 3, Meteorological Service for International Air Navigation.
Patty R., 2014 : 4 Jenasah Korban Pesawat Jatuh di Tual Diambil Keluarga.
http://lipsus.kompas.com. Diakses pada tanggal 02 Mei 2014.
T.n., 2009 : Modul Diklat Teknis Meteorologi Penerbangan Edisi I. Jakarta, BMKG.
Wirjohamidjojo, S., 2006 : Meteorologi Praktik. Jakarta, BMKG.
Wirjohamidjojo, S., 2007 : Praktek Meteorologi Penerbangan. Jakarta, BMKG.
Zakir, A., Khotimah, M.K., dan Sulistia, W., 2010 : Prespektif Operasional Cuaca Tropis.
Jakarta, BMKG.
UNTUK 3 HARI KEDEPAN
MENGGUNAKAN MODEL WRF-EMS (9-11 NOVEMBER 2017)
Ramadhan Nurpambudi
Stasiun Meteorologi Radin Inten Lampung
Badan Meteorologi Klimatologi dan Geofisika, Jakarta
Email : ramaunited92@gmail.com
ABSTRAK
Berdasarkan banyaknya pilihan yang disediakan oleh model WRF-EMS, dilakukan penelitian
untuk mensimulasikan kondisi cuaca untuk 3 hari kedepan di wilayah Branti Lampung Selatan.
Simulasi ini dilakukan untuk melihat seberapa akurat model WRF-EMS dalam melakukan
prakiraan terhadap beberapa unsur yang akan dikaji terutama dalam unsur hujan.
WRF-EMS merupakan suatu sistem pemodelan NWP yang dapat dioperasikan dengan resolusi
tinggi dengan domain ganda bersarang (nested). Dengan sistem prediksi yang demikian, berbagai
fenomena cuaca, baik skala global, sinoptik maupun skala lokal yang berperan dalam
pembentukan cuaca di suatu wilayah diperhitungkan sehingga prakiraan cuaca yang dihasilkan
diharapkan menjadi lebih akurat. Simulasi cuaca dikemas dalam bentuk meteogram agar lebih
mudah untuk dilakukan analisa serta lebih menarik dalam tampilannya.
Dari penelitian yang telah dilakukan dapat ditarik beberapa kesimpulan sebagai berikut:
1. Hujan diprediksi turun di wilayah Branti dan sekitarnya mulai tanggal 9 – 11 November 2017,
hujan tersebut turun diidentifikasi karena adanya pertumbuhan awan Cumulunimbus dengan
badai guntur yang berpotensi mengarah ke cuaca buruk.
2. Kondisi atmosfer di wilayah Branti dan sekitarnya yang mendukung terjadi hujan yaitu dari
faktor Kelembaban, Lifted Index, Total Index, serta Shear Vertical.
3. Model WRF-EMS ternyata mampu untuk memprediksi waktu turunnya hujan untuk wilayah
Branti dan sekitarnya sekarang tinggal menunggu sampai 3 hari kedepan untuk dilakukan
verifikasi terhadap hasil prakiraan tersebut.
Kata Kunci : WRF, Prakiraan, Meteogram.
ABSTRACT
Based on the many options provided by the WRF-EMS model, a study was conducted to simulate
the weather conditions for the next 3 days in the Branti area of South Lampung. This simulation
is done to see how accurate the WRF-EMS model is in forecasting some elements that will be
studied especially in rain element.
WRF-EMS is a NWP modeling system that can be operated with high resolution with nested
domains. With such a prediction system, various weather phenomena, both global, synoptic and
local scale that play a role in weather formation in a region are taken into account so that the
expected weather forecasts are expected to be more accurate. Weather simulation is packed in
the form of meteogram for easier analysis and more interesting in appearance.
From the research that has been done can be drawn some conclusions as follows:
1. Rain is predicted to fall in the Branti and surrounding areas from November 9 to 11, 2017, the
rains are identified because of Cumulunimbus cloud growth with thunder storms that could
potentially lead to bad weather.
2. The atmospheric conditions in Branti and surrounding areas that support the rain occur from
the factors of Humidity, Lifted Index, Total Index, and Vertical Shear.
3. WRF-EMS model was able to predict the rain fall time for Branti area and its surroundings
now stay waiting until the next 3 days to verify the results of these forecasts.
Keyword : WRF, Forecasts, Meteogram.
1.
PENDAHULUAN
Wilayah Indonesia terbentang di lintang rendah dengan penerimaan energi matahari yang
cukup besar sepanjang tahun. Selain itu, sebagian besar wilayahnya adalah lautan, sehingga kaya
akan butiran uap air dan kelembapan udara yang tinggi. Hal ini membuat Indonesia merupakan
lahan tempat bertumbuhnya awan-awan konvektif yang menyebabkan terjadinya hujan lebat.
Sekarang ini, prakiraan cuaca konvensional sudah banyak ditinggalkan. Kini, prakiraan
cuaca dibuat dengan menginterpretasikan peta-peta cuaca prakiraan output model NWP
(Numerical Weather Prediction). Meskipun peran subyektifitas masih berperan dalam
pembuatan prakiraan, namun sudah relatif jauh berkurang.
Weather Research Forecasting (WRF) merupakan generasi masa depan model prediksi
cuaca skala meso dan sistem asimilasi data yang saat ini sudah menggantikan model – model
numerik yang telah ada sebelumnya (seperti NAM-Eta) di Amerika Serikat untuk keperluan
operasional
WRF-EMS (Weather Research and Forecasting Environmental Modeling System)
merupakan suatu sistem pemodelan NWP yang dapat dioperasikan dengan resolusi tinggi dengan
domain ganda bersarang (nested). Dengan sistem prediksi yang demikian, berbagai fenomena
cuaca, baik skala global, sinoptik maupun skala lokal yang berperan dalam pembentukan cuaca
di suatu wilayah diperhitungkan sehingga prakiraan cuaca yang dihasilkan diharapkan menjadi
lebih akurat. Tekhnik prediksi semacam ini, dalam bahasa Inggris disebut teknik dynamic
downscaling. Selain teknik tersebut, WRF-EMS juga dilengkapi dengan pilihan-pilihan dinamis
hidrostatik, non hidrostatik dan beberapa skema parameterisasi termasuk skema konvektif
(cummulus). Dengan adanya sarana tersebut, pengguna dapat melakukan eksperimen atau
penelitian guna memperoleh model yang sesuai dengan keadaan setempat sehingga hasil
prakiraan yang diperoleh menjadi lebih akurat.
Keuntungan prakiraan dengan mengunakan output NWP dibandingkan cara konvensional
yang paling penting adalah: (a) model NWP menghasilkan pola-pola cuaca yang akan datang
sehingga prakirawan cukup menginterpretasikan pola-pola cuaca tersebut untuk kemudian dibuat
prakiraan dan (b) peta-peta prakiraan cuaca jauh lebih cepat tersedia dibanding peta-peta cuaca
yang dibuat dengan cara konvensional sehingga prakiraan cuaca dapat dibuat secara lebih cepat.
Berdasarkan banyaknya pilihan yang disediakan oleh model WRF-EMS, dilakukan
penelitian untuk mensimulasikan kondisi cuaca di wilayah Branti, Lampung Selatan selama 3
hari kedepan. Hal ini untuk memberi gambaran serta untuk mengetahui seberapa akurat hasil
prakiraan yang dihasilkan dari WRF-EMS untuk wilayah Branti.
2.
DATA DAN METODE
2.1
LOKASI PENELITIAN
Gambar 1. Lokasi Penelitian
2.2
DATA
Dalam simulasi ini digunakan data output model gobal, yaitu data FNL yang diunduh dari situs
www.rda.ucar.edu pada tanggal 9 November 2017 jam 00.00 – 18.00 UTC. Data output FNL
mempunyai resolusi spasial 1o x 1o (±111 km) dan temporal 6 jam dengan jangka prakiraan 10
hari. Data FNL tersedia untuk level permukaan, dari 1000 mb hingga 10mb.
2.3
METODE
1. Running Model
Simulasi dilakukan dengan melakukan downscalling sehingga resolusi model akan meningkat,
dalam penelitian ini yaitu dalam tiga domain seperti yang ditunjukan pada gambar 1. Domain 1
adalah domain dari FNL yang mempunyai resolusi 30 km, domain 2 mempunyai resolusi 10 km,
dan domain 3 mempunyai resolusi 3 km.
Fisik model yang dipilih adalah Non-Hidrostatik dengan pilihan skema-skema paramererisasi
sebagai berikut :
Dynamics
:
Non-Hydrostatic
Cumulus Scheme
:
D1,D2 = Kain-fritscz, BMJ, Drell De
Microphysics Scheme
:
Lin et al.
PBL Scheme
:
Yonsei University
Land Surface Scheme
:
Noah 4-Layer LSM
Number Soil Layers
:
5
Surface Layer Physics
:
Monin-Obukhov
Longwave Rad
:
RRTM
Shortwave
:
Dudhia
2. GraDs
Mengolah output model dengan software GrADS, lalu menganalisa secara visual hasil output
GraDs berupa meteogram.
3.
ANALISA DAN PEMBAHASAN
Interpretasi masing – masing parameter keluaran WRF yang dilihat berdasarkan meteogram
adalah sebagai berikut :
1. Wind , Temp dan Kelembaban pada setiap lapisan.
Berdasarkan grafik profil angin vertikal didapatkan bahwa pada tanggal 9 November
2017 jam 00.00 – 12.00 UTC angin bergerak ke arah selatan sampai lapisan 1000 mb dengan
kecepatan 5 - 10 m/s. Dengan melihat kondisi angin yang seperti ini bisa dikatakan pada tanggal
9 November 2017 hujan berpotensi turun dalam waktu yang cukup lama sebab pergerakan angin
seperti mendapat dorongan yang kuat dari atas menuju ke permukaan. Pada jam 12.00 – 00.00
UTC pergerakan angin masih cenderung tidak banyak mengalami perubahan hanya dilapisan
atas 600mb – 500mb angin bergerak secara acak.
Pada tanggal 10 November 2017 jam 00.00 – 12.00 UTC pergerakan angin masih dari
utara menuju ke selatan dengan kecepatan 5 – 10 m/s. Dengan melihat pola angin yang seperti
ini potensi terjadi hujan ada di waktu sore menjelang malam hari. Pada jam 12.00 – 00.00 UTC
angin di lapisan bawah bergerak dari arah timur menuju ke barat. Bisa dikatakan di malam hari
hingga esok pagi hujan tidak berpeluang terjadi.
Pada tanggal 11 November 2017 jam 00.00 – 12.00 UTC pergerakan angin bergerak dari
utara menuju ke selatan mulai lapisan 500mb - 700mb, lalu mulai lapisan 700mb – permukaan
pergerakan angin dari timur menuju ke barat dengan kecepatan 5 – 10 m/s. Jika dilihat dari
pergerakan anginnya maka pada tanggal 11 November 2017 potensi hujan turun adalah kecil di
wilayah Branti dan sekitarnya.
Berdasarkan grafik suhu perlapisan, pada tanggal 9 – 11 November 2017 mulai jam 00.00
– 12.00 UTC suhunya berada diatas 25°C sehingga di jam-jam tersebut pengaruh konveksi
sangat mendukung. Suhu semakin keatas nilainya semakin berkurang, sampai dititik dimana 0°C
atau yang biasa disebut dengan freezing level disekitar lapisan 550mb. Adanya freezing level
menandakan potensi terbentuknya awan Cumulunimbus yang bisa menghasilkan hujan dengan
intensitas sedang – lebat.
Berdasarkan grafik kelembaban udara pada tanggal 9 November 2017 pada jam 00.00 –
12.00 UTC terdapat daerah RH dengan nilai yang tinggi >90% di lapisan 900mb – 800mb. Pada
saat potensi terbentuk awan-awan hujan sangat besar. Pada tanggal 10 November 2017 daerah
dengan nilai kelembaban tinggi berada di lapisan 900mb di jam 03.00 – 12.00 UTC dan lapisan
atasnya mulai lapisan 800mb – 600mb nilai kelembabannya 70%. Pada saat ini potensi terbentuk
awan-awan hujan sangat mungkin terjadi. Pada tanggal 11 November 2017 tidak jauh berbeda
dengan tanggal 10 November 2017 dimana pada hari ini terjadi kemiripan nilai kelembaban
sehingga potensi terbentuknya awan-awan hujan kembali terulang di keesokan harinya.
2. Thickness
Mengacu pada teori bahwa semakin tebal thickness maka kolom udara bersifat hangat dan
semakin tipis thickness maka kolom udara cenderung dingin, maka berdasarkan output
meteogram pada jam 00.00 - 12.00 UTC pada tanggal 9 November 2017 thickness tercatat
mengalami pelonjakan dari 578 sampai 580 yang berarti disini udara dingin berubah menjadi
udara hangat dan jika dipadukan dengan kelembaban yang lembab maka akan terbentuk awanawan hujan di wilayah Branti dan sekitarnya.
Pada tanggal 10 November 2017 pada jam 00.00 – 12.00 UTC terlihat lonjakan nilai
thickness dari 579 sampai 582 yang berarti pada waktu-waktu ini potensi awan hujan terbentuk
di wilayah Branti dan sekitarnya cukup besar dan di malam harinya kondisi cuaca cenderung
baik. Tanggal 11 November 2017 mulai jam 00.00 – 12.00 UTC juga terjadi lonjakan nilai
thickness dari 579 sampai 583 yang berarti pada jam-jam tersebut potensi awan-awan hujan
terbentuk juga sangat besar jika dipadukan dengan nilai kelembaban yang tinggi.
3. Lifted Index (LI)
Lifted Index (LI) memberikan gambaran di boundary layer dan dipengaruhi oleh
kelembaban. Lifted Index merupakan perbedaan suhu antara lapisan 500 dengan lapisan 500’
(suhu parsel air yang terangkat dari lapisan 500mb). Sehingga Lifted Index menggambarkan
potensi terjadinya Thunderstorm atau tidak, yang juga dapat menggambarkan adanya awan
Cumulunimbus. Nilai Lifted Index yang cukup besar terjadi pada tanggal 9 November 2017 jam
12.00 – 00.00 UTC dan tanggal 10 – 11 November 2017 jam 00.00 – 00.00 UTC dimana
nilainya berkisar -4 sampai -5 dimana nilai tersebut masuk dalam kategori ketidakstabilan yang
besar, potensi adanya Thunderstorm besar.
4. Total Index (TT)
Total Index berkaitan dengan beda suhu lapisan atas dan bawah yaitu lapisan 850mb dan
500mb. Nilai Total Index mulai tanggal 9 – 11 November 2017 mulai jam 00.00 – 00.00 UTC
nilai Total Index bervariasi sekitar 50 – 60 yang menandakan bahwa indikasi petir meluas
bahkan merata ke arah cuaca buruk. Mulai tanggal 9 – 11 November 2017 diindikasikan akan
terbentuk awan Cumulunimbus di sepanjang hari tersebut. Nilai Total Index yang lebih besar
dari 56 menandakan akan terbentuk Thunderstorm yang tersebar dimana mana.
5. MSLP (Mean Sea Level Pressure)
Berdasarkan grafik nilai tekanan permukaan pada tanggal 9 November 2017 pada jam
00.00 – 12.00 UTC tekanan yang semula 1009mb turun sampai 1005mb. Dapat dianalisis bahwa
nilai ini merupakan nilai Low Pressure dengan kemungkinan membuat massa udara berkumpul
ke titik tersebut dengan suhu hangat. Perkumpulan massa udara di daerah Low Pressure ini
mengindikasikan akan terbentuknya awan konvektif yang berpotensi menghasilkan hujan.
Pada tanggal 10 November 2017 pada jam 00.00 – 12.00 UTC tekanan udara yang
semula 1009mb turun drastis sampai ke titik 1004mb, kondisi turun drastisnya tekanan ini
mengindikasikan meningkatnya suhu udara yang sangat mendukung proses konveksi lalu
menghasilkan awan-awan hujan. Kondisi yang serupa terjadi pada tanggal 11 November 2017
dimana kondisinya tidak jauh berbeda dengan kejadian pada tanggal 10 November 2017,
sehingga pada tanggal 11 November 2017 kondisi cuacanya tidak jauh berbeda dengan apa yang
terjadi di tanggal 10 November 2017.
6. Wind Speed 10m
Angin permukaan dominan bertiup dari selatan menuju ke utara dengan kecepatan angin
antara 0 – 4 m/s. Pola angin tanggal 9 - 11 November 2017 bergerak ke atas dimana bisa
dikatakan terjadi proses dorongan ke atas sehingga massa udara bisa terbentuk menjadi awan.
Setelah itu kecepatan angin cenderung menurun hingga kembali calm. Perbedaan kecepatan ini
mengindikasikan adanya shear vertikal yang dapat menyebabkan gerakan udara vertikal ke atas
dan mendukung proses terbentuknya awan.
7. Suhu dan Dew Point (2m)
Suhu pada ketinggian 2 m mengalami penurunan mulai dari jam 12.00 UTC karena
waktu pada saat itu merupakan malam hari sehingga terjadi penurunan suhu. Diatas jam 12.00
UTC sampai 00.00 UTC nilai Suhu dan Dew Point berada segaris yaitu 24oC kondisi ini terjadi
di tanggal 9 – 11 November 2017. Grafik perbedaan Suhu dan Dew Point diatas digunakan untuk
melihat kondisi udara apakah kering atau basah. Semakin berhimpit nilai Suhu dan Dew Point
menandakan semakin basahnya kondisi udara bisa dikarenakan hujan dan juga bisa saat kondisi
dini hari.
8. Kelembaban (RH)
Kelembaban (RH) pada ketinggian 2m diatas menunjukkan bahwa RH 95 % selama jam
12.00 – 00.00 UTC pada tanggal 9 November 2017 hal ini didukung oleh grafik Suhu dan Dew
Point yang menunjukkan bahwa selisih Suhu dan Dew Point pada waktu tersebut adalah 0.
Sehingga dapat disimpulkan bahwa kemungkinan ada hujan pada rentang waktu tersebut yang
menyebabkan udara menjadi basah sehingga nilai RH mendekati maksimum. Hal ini
menunjukkan adanya suplai uap air yang cukup banyak sehingga mendukung proses
terbentuknya awan. Hal ini juga terjadi pada tanggal 10 dan 11 November 2017, nilai
kelembaban udara mulai perlahan meningkat pada jam 10.00 UTC sampai jam 00.00 UTC,
disinilah diprakirakan terjadinya hujan di wilayah Branti dan sekitarnya.
9. Total Rain
Berdasarkan grafik jumlah curah hujan diatas dapat dilihat hujan diprediksi turun mulai
jam 08.00 UTC sampai jam 13.00 UTC pada tanggal 9 November 2017 dengan intensitas ringan
– sedang. Lalu pada tanggal 10 November 2017 hujan juga terjadi mulai jam 08.00 UTC – 11.00
UTC dengan intensitas ringan – sedang. Kemudian tanggal 11 November 2017 hujan diprediksi
turun lebih awal pada jam 03.00 UTC sampai jam 11.00 UTC, pada tanggal tersebut hujan
diprediksi sudah turun sejak pagi hari dengan intensitas ringan – sedang. Salah satu tanda musim
hujan sedang berlangsung adalah seringnya turun hujan pada waktu pagi hari dimana pada saat
tersebut belum terjadi proses konveksi.
4.
PENUTUP
4.1
KESIMPULAN
Dari penelitian yang telah dilakukan dapat ditarik beberapa kesimpulan sebagai berikut:
1. Hujan diprediksi turun di wilayah Branti dan sekitarnya mulai tanggal 9 – 11 November 2017,
hujan tersebut turun diidentifikasi karena adanya pertumbuhan awan Cumulunimbus dengan
badai guntur yang berpotensi mengarah ke cuaca buruk.
2. Kondisi atmosfer di wilayah Branti dan sekitarnya yang mendukung terjadi hujan yaitu dari
faktor Kelembaban, Lifted Index, Total Index, serta Shear Vertical.
3. Model WRF-EMS ternyata mampu untuk memprediksi waktu turunnya hujan untuk wilayah
Branti dan sekitarnya sekarang tinggal menunggu sampai 3 hari kedepan untuk dilakukan
verifikasi terhadap hasil prakiraan tersebut.
5.
DAFTAR PUSTAKA
Annisa., 2013 : Simulasi Kejadian Hujan Lebat Di Bandara Internasional Lombok dengan Model
WRF-ARW (Studi Kasus Tanggal 4-5 Desember 2013). Tugas Akhir D III. Jakarta, AMG.
Ardin., 2013 : Analisa Keadan Cuaca Saat Kecelakaan Pesawat Merpati MA-60 di Teluk
Kaimana. Jakarta, AMG.
ICAO, 2010 : Annex 3, Meteorological Service for International Air Navigation.
Patty R., 2014 : 4 Jenasah Korban Pesawat Jatuh di Tual Diambil Keluarga.
http://lipsus.kompas.com. Diakses pada tanggal 02 Mei 2014.
T.n., 2009 : Modul Diklat Teknis Meteorologi Penerbangan Edisi I. Jakarta, BMKG.
Wirjohamidjojo, S., 2006 : Meteorologi Praktik. Jakarta, BMKG.
Wirjohamidjojo, S., 2007 : Praktek Meteorologi Penerbangan. Jakarta, BMKG.
Zakir, A., Khotimah, M.K., dan Sulistia, W., 2010 : Prespektif Operasional Cuaca Tropis.
Jakarta, BMKG.