Koreksi Bias Statistik untuk Prediksi Indeks Indian Ocean Dipole dengan Pendekatan Quantile Mapping

Abstract

Indian Ocean Dipole (IOD) merupakan fenomena interaksi laut-atmosfer yang memengaruhi kondisi iklim di Indonesia. Indeks IOD menunjukkan selisih suhu permukaan laut antara bagian barat dan timur samudra Hindia. Dampak IOD antara lain meningkatnya resiko kebakaran hutan, banjir, dan gagal panen. Dengan demikian, diperlukan suatu model prediksi indeks IOD sehingga dapat mengantisipasi dampak IOD tersebut. Salah satu model prediksi suhu permukaan laut adalah model prediksi ECMWF. Akan tetapi, model prediksi ini memiliki kesalahan-kesalahan sistematik yang dapat diperbaiki. Salah satu metode yang dapat digunakan yaitu koreksi bias statistik dengan pendekatan quantile mapping. Metode ini mengoreksi kesalahan sistematik dari model ECMWF dengan cara menghubungkan sebaran model ECMWF terhadap data OISST dalam suatu fungsi transfer. Berdasarkan hasil penelitian, fungsi transfer linear merupakan fungsi yang memiliki peluang paling tinggi untuk memperbaiki akurasi model ECMWF. Hasil penelitian lebih lanjut menunjukkan bahwa koreksi bias statistik merupakan metode yang cukup handal untuk memperbaiki akurasi model ECMWF bulan Januari-April dan September-Desember.