Pengembangan Model Prediksi Iklim Musiman Melalui Integrasi Makro Ncl Dalam Sistem Informasi Iklim Berbasis Web

Abstract

Pada penelitian ini, dikembangkan perangkat lunak prediksi iklim musiman berbasis web. Perhitungan model prediksi dilakukan dengan menggunakan metode Principal Component Regression (PCR) yang kode programnya disusun menggunakan perangkat lunak NCAR Command Language (NCL). Sebagai input prediksi, digunakan data curah hujan luaran dari tiga model iklim global (Global Climate Model, GCM) yang terdapat di dalam North American Multi Model Ensemble (NMME). Ketiga model tersebut yaitu model GCM CMC1-CanCM3, CMC2-CanCM4 dan NCEP-CFSv2. Penelitian ini menggunakan data curah hujan observasi CHIRPS versi 2.0 sebagai prediktan untuk penyusunan model prediksi. Hasil pengujian metode PCR dengan NCL menunjukkan prediksi yang baik pada curah hujan bulanan di musim kemarau, yaitu untuk bulan July dan Oktober. Pola spasial curah hujan hasil prediksi pada kedua bulan tersebut mendekati pola observasi. Sebaliknya, pola curah hujan bulanan pada musim hujan untuk ketiga model menunjukkan hasil yang berbeda pada sebagian wilayah di Indonesia. Pada hasil skill model menggunakan korelasi Pearson juga menunjukkan nilai korelasi yang baik pada prediksi bulan kering terutama di wilayah Kalimantan dan Sumatra di semua model. Nilai korelasi Pearson tersebut memiliki nilai yang tinggi pada lead month 1 dan cenderung menurun pada lead month 2 dan 3. Nilai korelasi Pearson tertinggi terdapat pada model CMC1-CanCM3 sebesar 0.215. Selain korelasi, juga dilihat nilai anomali curah hujan yang menunjukkan nilai yang rendah pada bulan Juli sehingga mendekati nilai observasi. Sedangkan hasil prediksi bulan Januari nilai anomalinya cenderung lebih tinggi dari observasi.