Koreksi Bias Statistik Untuk Data Curah Hujan di Sekitar Danau Toba Menggunakan Quantile Delta Mapping

Abstract

Danau Toba, terletak di Sumatera Utara, merupakan danau tektonik dan vulkanik terbesar di Indonesia. Danau Toba memiliki iklim ekuatorial dengan ciri curah melimpah sepanjang tahun. Curah hujan tinggi ditambah dengan peningkatan tiap tahunnya akibat perubahan iklim menyebabkan rentannya terjadi cuaca ekstrim yang tidak dapat diprediksi sehingga merugikan warga sekitar. Dengan demikian, diperlukan suatu model prediksi curah hujan yang dapat mengantisipasi dampak curah hujan ekstrim tersebut. Salah satu model prediksi curah hujan adalah ERA5-Land. Namun model prediksi ini memiliki bias yang dapat dihindari. Metode yang dapat digunakan adalah koreksi bias statistik dengan quantile delta mapping (QDM) dengan mengkoreksi data model ERA5-Land terhadap data observasi BMKG. Metode QDM yang digunakan pada penelitian ini menggunakan dua jenis metode yaitu menggunakan sebaran perbulan dan lengkap. Hasilnya, kedua metode dapat memperbaiki bias pada Stasiun Silaen, Laguboti dan Doloksanggul, dan juga memperbaiki model di musim kemarau iklim ekuatorial di Mei, Juni, Juli, dan Agustus. Namun metode pertama lebih memperbaiki sebaran model di Silaen, dan Laguboti, sedangkan metode kedua memperbaiki sebaran model di Doloksanggul.

Lake Toba, located in North Sumatra, is the largest tectonic and volcanic lake in Indonesia. Lake Toba has an equatorial climate characterized by abundant rainfall throughout the year. High rainfall, coupled with annual increases due to climate change, results in vulnerability to unpredictable extreme weather, causing harm to surrounding communities. Consequently, a rainfall prediction model is needed to anticipate the impacts of such extreme rainfall. One of the rainfall prediction models used is ERA5-Land. However, this prediction model has biases that can be avoided. A method that can be used is statistical bias correction using quantile delta mapping (QDM) by correcting ERA5-Land model data against BMKG observation data. The QDM method used in this study employs two types of methods: monthly and full distribution. The results show that both methods can improve biases at Silaen, Laguboti, and Doloksanggul stations, as well as improve the model during the equatorial dry season in May, June, July, and August. However, the first method improves the model distribution more in Silaen and Laguboti, while the second method improves the model distribution more in Doloksanggul.