digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Friska Chania
PUBLIC Open In Flip Book Rita Nurainni, S.I.Pus

Madden Julian Oscillation (MJO) menjadi perhatian praktisi ilmiah dan merupakan salah satu sumber prediktabilitas untuk prediksi subseasonal to seasonal (S2S), yang mengisi kesenjangan antara prediksi cuaca dan musim. Salah satu model keluaran S2S adalah Climate Forecast System (CFSv2) yang memiliki potensi memprediksi kondisi submusim di wilayah Indonesia. Hingga saat ini, prediksi indeks MJO tersedia dalam bentuk diagram fase MJO. Namun, keterbatasan dalam prediksi indeks MJO dapat membatasi analisis terhadap model yang ada. Penelitian ini bertujuan mengevaluasi performa model CFSv2 dalam memprediksi indeks MJO menggunakan tools ‘mjoindices’ yang dikembangkan oleh Hoffman. Perhitungan indeks MJO dilakukan menggunakan tools ‘mjoindices’ dari data reanalisis dan data model operasional CFSv2 untuk periode boreal winter (November, Desember, dan Januari) 2011-2021. Evaluasi performa model dilakukan secara deterministik dengan metrik RMSE dan CC, serta secara probabilistik dengan metrik CRPS untuk evaluasi distribusi probabilistik rata-rata indeks MJO mingguan, dan brier score untuk evaluasi kejadian MJO aktif mingguan. Kriteria MJO aktif digunakan apabila indeks MJO lebih dari 1 selama lima hari berturut-turut. Berdasarkan penelitian ini, tools ‘mjoindices’ berhasil digunakan untuk menghitung indeks OMI dan membangun sistem prediksi indeks MJO dengan memanfaatkan sistem prediksi ensembel dari CFSv2 untuk memprediksi fase dan magnitudo indeks MJO 4 minggu ke depan. Evaluasi performa model CFSv2 menunjukkan bahwa meskipun RMSE dan CC tidak menunjukkan hubungan signifikan antara prediksi dan observasi, metrik probabilistik seperti CRPS dan brier score memberikan gambaran yang lebih komprehensif. CRPS menunjukkan bahwa model lebih akurat dalam prediksi jangka pendek dengan nilai terbaik 0,368 di lead 1, namun akurasi menurun seiring bertambahnya lead time. Nilai brier score pada lead pertama adalah 0,352, menunjukkan akurasi prediksi mingguan yang rendah, tetapi prediktabilitas model tidak mengalami penurunan signifikan antar lead.