Perbandingan Metode Koreksi Bias pada Data Curah Hujan ECMWF sebagai Dasar Analisis Kekeringan Meteorologis
Abstract
Kekeringan meteorologis disebabkan oleh curah hujan yang rendah dalam
kurun waktu tertentu. Riau merupakan salah satu provinsi di Indonesia yang rawan
mengalami kekeringan. Analisis kekeringan dapat dilakukan dengan menghitung
indeks kekeringan salah satunya menggunakan metode Standardized Precipitation
Index (SPI). Menghitung SPI memerlukan data curah hujan sebagai input yang
dapat diperoleh melalui data observasi ataupun data model satelit jika ketersediaan
data observasi terbatas. Namun, luaran data model masih memiliki bias terhadap
data observasi sehingga perlu dikoreksi sebelum digunakan. Penelitian ini bertujuan
membandingkan dua metode koreksi bias pada data curah hujan model European
Center for Medium Range Weather Forecast (ECMWF) di Provinsi Riau tahun
2007-2016 dan mengidentifikasi metode yang menghasilkan luaran data terbaik,
yaitu memiliki korelasi tertinggi dan nilai error (RMSE) terendah terhadap curah
hujan observasi. Metode koreksi bias yang digunakan yaitu Quantile Mapping dan
Rasio Rata-rata. Curah hujan hasil koreksi terbaik kemudian digunakan untuk
menghitung SPI. Hasil analisis menunjukkan bahwa curah hujan ECMWF yang
dikoreksi menggunakan metode Rasio rata-rata memberikan hasil terbaik
dibandingkan metode Quantile Mapping karena memiliki korelasi tertinggi dan
RMSE terendah. Berdasarkan analisis temporal SPI di Provinsi Riau (rata-rata
seluruh grid) tahun 2007-2016 menggunakan curah hujan ECMWF terkoreksi
metode Rasio Rata-rata, telah terjadi kekeringan sebanyak 17 kali dengan rata-rata
durasi kejadian selama 2 bulan dan durasi maksimum hingga 4 bulan. Pada bulan
Oktober tahun 2015 Provinsi Riau (bagian selatan) mengalami kekeringan yang
diikuti oleh kejadian IOD positif (menandakan kekeringan di Indonesia) dengan
nilai SPI mencapai -1,77 dan masuk ke dalam kategori sangat kering. Meteorological drought caused by low precipitation within a certain period
of time. Riau is one of the provinces in Indonesia which is prone to drought events.
Drought analysis can be done by calculating the drought index named Standardized
Precipitation Index (SPI). The drought index (SPI) requires precipitation data as
an input that can be obtained through observation data or satellite data model if
the observation data are limited. However, satellite data model has a bias against
observation data and needs to be corrected before being used as an input. This
study aims to compare two different bias data correction methods on European
Center for Medium Range Weather Forecast (ECMWF) precipitation data in Riau
Province on 2007-2016 which shows the best corrected data output (highest
correlation and lowest RMSE). The bias correction method that used in this study
are Quantile Mapping and Average Ratio. The best corrected output of ECMWF
precipitation data then used to calculate SPI. The results of this analysis show that
the Average Ratio method has the better results than Quantile Mapping method as
it has a lower error value (RMSE) and higher correlation (r). Based on temporal
SPI analysis in Riau Province (all grids average) on 2007-2016 using corrected
ECMWF precipitation by Average Ratio method shows that there were 17 times of
drought with 2 months average duration and a maximum duration is 4 months. In
October 2015, Riau Province (southern area) suffered drought which was followed
by positive IOD (indicating drought in Indonesia) with -1,77 SPI value and
classified as the very dry category.