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.