Model Prediksi Indeks El Nino Menggunakan Pendekatan Quantile Mapping pada Data Suhu Permukaan Laut

Abstract

El Nino adalah fenomena perubahan iklim secara global yang diakibatkan oleh memanasnya suhu permukaan air laut Pasifik bagian timur. Dampak dari El Nino adalah pemanasan suhu dan berkurangnya curah hujan di Indonesia, sehingga dapat mengakibatkan kekeringan. Dampak El Nino dapat diminimalisir dengan memprediksi indikator dari parameter suhu permukaan laut di daerah Nino 3.4. Banyak peneliti telah mencoba untuk membangun model prediksi suhu permukaan air laut, salah satunya adalah ECMWF dimana Lembaga yang memproduksi dan menyebarkan model prediksi. Namun demikian, model prediksi tersebut masih mengandung beberapa bias bila dibandingkan dengan data observasi yang dihasilkan oleh HadISST. Penelitian ini bertujuan untuk mengoreksi model prediksi ECMWF di daerah Nino 3.4 menggunakan koreksi bias statistik dengan pendekatan quantile mapping. Hasil penelitian menunjukkan bahwa koreksi bias statistik mampu memperbaiki 60% mean dan 100% standar deviasi data ECMWF pada tahun 2013-2018. Selain itu, metode quantile mapping efektif digunakan untuk mengoreksi bias data prediksi ECMWF di derah Nino 3.4 pada lead time ke-1 hingga ke-4 serta pada bulan November-Juni.