Koreksi Bias Statistik dari Model Iklim Global untuk Prediksi Indeks El Nino

Abstract

Fenomena El Nino dapat berdampak buruk bagi Indonesia, yaitu dapat menurunkan hasil produksi di sektor pertanian. Kemunculan fenomena El Nino dapat diperkirakan dengan mengamati suhu permukaan laut di Nino 3.4. Oleh karena itu, diperlukan adanya model prediksi suhu permukaan laut di Nino 3.4 yang akurat agar dapat mengoptimalkan dalam memperkirakan kemunculan El Nino. Namun, model prediksi suhu permukaan laut di Nino 3.4 yang dirilis ECMWF masih terdapat kesalahan. Penelitian ini bertujuan untuk mengoreksi bias dari model prediksi suhu permukaan laut di Nino 3.4 dari produk ECMWF dengan metode koreksi bias statistik serta mengevaluasi model prediksi sebelum dan sesudah dikoreksi. Metode koreksi bias statistik yang digunakan pada penelitian ini adalah linear scaling, variance scaling dan distribution mapping. Hasil dari penelitian ini, metode koreksi bias statistik mengoreksi model prediksi ECMWF dengan baik. Hasil penelitian lebih lanjut menunjukkan bahwa metode distribution mapping dan variance scaling merupakan metode yang paling baik dalam mengoreksi model prediksi ECMWF dibandingkan dengan metode linear scaling.