Pengembangan Model Prediksi Madden-Julian Oscillation (MJO) Berbasis Hasil Analisis Data Wind Profiler Radar (WPR)

Abstract

Background of this research is to study the importance of MJO as one of the dominant oscillation in the equator area. This study aims to make prediction models of MJO based on the analysis of WPR. In this study, the MJO events were identified by using 850 mb zonal wind speed data observed in Pontianak, Manado, and Biak during 1 Januari 2007 to 31 Desember 2010 (4 year periods). The observed zonal wind speed data were compared by using the MJO index data, namely RMM1 and RMM2. RMM1 and RMM2 are a pair of index used to monitor real time MJO. The results of Power Spectral Density (PSD) and wavelet analyses on the zonal wind speed data show strong MJO signal by identifying oscillations of 45 day periods. The result of corrrelation and regression analyses also show significant relationship between both data. Therefore, it is suggested that the observed 850 mb zonal wind speed data can be used to analyze the MJO phenomenon. In this study, the MJO prediction models based on the zonal wind speed data were also developed by using Box-Jenkins method based on ARIMA (Autoregressive Integrated Moving Average). Through this method, the prediction model that close to time series data of 850 mb zonal wind speed over Pontianak is ARIMA(2,0,0), meaning that the forecasts of zonal wind data for the future depending on two time previously with model equation Zt = 0.33396 + 0.6792 Zt-1 + 0.0762 Zt-2 + at,. Prediction model for Manado is ARIMA(2,1,2), meaning that the forecasts of zonal wind data for the future depending on two time previously and error two time previously with Zt = 1.4472 Zt-1 – 0.2842 Zt-2 – 0.5847 at-1 – 0.3883 at-2t, and prediction model for Biak is ARIMA(0,1,3), meaning that the forecasts of zonal wind data for the future depending on two time previously and error three time previously with Zt = Zt-1 - 0,00957 + 0,1385 at-1 + 0,2385 at-2+ 0,1874 at-3. Those models used to see MJO event from zonal wind data. It is characterized by the strenghtening of the westerly wind that will affect the increased rainfall in study area.

Latar belakang penelitian ini adalah pentingnya kajian mengenai MJO sebagai salah satu osilasi dominan di kawasan ekuator. Penelitian ini bertujuan untuk membuat model prediksi MJO berdasarkan analisis data WPR. Pada penelitian ini kejadian MJO diidentifikasi dari data kecepatan angin zonal pada lapisan 850 mb di kawasan Pontianak, Manado, dan Biak periode 1 Januari 2007–31 Desember 2010 (4 tahun). Sebelum data angin zonal ini dimanfaatkan untuk melihat perilaku MJO, maka data angin tersebut terlebih dahulu dibandingkan dengan data indeks MJO yaitu RMM1 dan RMM2. RMM1 dan RMM2 merupakan sepasang indeks untuk memonitor kejadian MJO secara realtime. Hasil dari analisis Power Spectral Density (PSD) dan wavelet data kecepatan angin zonal lapisan 850 mb menunjukkan adanya sinyal MJO kuat yang dicirikan dengan adanya osilasi sekitar 45 harian. Hasil korelasi dan regresi sederhana juga menunjukkan bahwa terdapat keterkaitan yang signifikan antara kedua data tersebut. Hal tersebut mengindikasikan bahwa data kecepatan angin zonal lapisan 850 mb dapat digunakan untuk analisis MJO. Pada penelitian ini, prediksi MJO didasarkan pada data kecepatan angin zonal menggunakan metode ARIMA Box-Jenkins. Melalui metode ini, model yang mendekati data deret waktu kecepatan angin zonal pada lapisan 850 mb di Pontianak adalah ARIMA(2,0,0) dengan persamaan Zt = 0.33396 + 0.6792 Zt-1 + 0.0762 Zt-2 + at, artinya prakiraan data kecepatan angin zonal pada waktu mendatang tergantung dari data dua waktu sebelumnya. Model prediksi untuk Manado adalah ARIMA(2,1,2) dengan persamaan Zt = 1.4472 Zt-1 – 0.2842 Zt-2 – 0.5847 at-1 – 0.3883 at-2, artinya prakiraan data kecepatan angin zonal pada waktu mendatang tergantung dari data dua waktu sebelumnya dan galat dua waktu sebelumnya, sedangkan untuk Biak adalah ARIMA(0,1,3) dengan persamaan Zt = Zt-1 - 0,00957 + 0,1385 at-1 + 0,2385 at-2+ 0,1874 at-3, artinya prakiraan data kecepatan angin zonal pada waktu mendatang tergantung dari data satu waktu sebelumnya dan galat tiga waktu sebelumnya. Model-model tersebut bermanfaat untuk melihat perilaku sinyal MJO pada data angin zonal. Hal ini ditandai dengan adanya penguatan angin baratan yang akan berpengaruh terhadap peningkatan curah hujan di wilayah kajian