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

ABSTRAK Huda Abshor Mukhsinin
PUBLIC Open In Flip Book Rita Nurainni, S.I.Pus

Prediksi cuaca yang akurat, terutama untuk kejadian hujan sangat lebat, sangat penting untuk mitigasi bencana hidrometeorologi. Namun, prediksi kejadian hujan sangat lebat masih memiliki keterbatasan skill, seperti yang terjadi di Kalimantan Timur, salah satu wilayah di Benua Maritim Indonesia (BMI) dengan karakteristik dan kompleksitas sistem cuaca yang unik. Pemanfaatan model prediksi cuaca numerik, baik dari model skala regional hingga model skala konvektif (ConvectionPermitting Models), telah beberapa kali diinvestigasi. Namun, masih terdapat bias yang disebabkan oleh kondisi awal (initial condition) yang tidak dapat merepresentasikan keadaan cuaca pada saat itu. Oleh karena itu, dilakukan asimiasi data untuk memperbaiki initial condition supaya menghasilkan simulasi yang lebih akurat. Satelit Himawari-8 dengan sensor The Advanced Himawari Imager (AHI) yang dimilikinya memiliki kelebihan dalam menghasilkan data radians yang mengamati fenomena atmosfer pada resolusi spasial dan temporal yang tinggi. Beberapa penelitian telah membuktikan bahwa asimilasi data radians AHI dapat memperbaiki initial condition yang penting bagi inisiasi konveksi seperti yang terjadi pada proses intensifikasi siklon tropis hingga pembentukan sel awan konvektif yang terisolasi. Namun, penelitian mengenai asimilasi data radians AHI untuk wilayah dengan sistem yang didominasi oleh konveksi yang kompleks di BMI masih terbatas dan belum tereksplorasi dengan baik. Selain itu, metode asimilasi data berperan penting dalam meningkatkan akurasi initial condition dalam prediksi cuaca. Teknik Three-Dimensional Variational (3DVAR) banyak digunakan karena efisiensi komputasinya, meskipun tidak mempertimbangkan ketergantungan aliran (flow-dependent) yang sebenarnya terjadi dalam sistem, karena asumsi kovarians background error yang homogen dan isotropik. Sebaliknya, metode Ensemble Kalman Filter (EnKF) mempertimbangkan flow-dependent namun memiliki keterbatasan pada ukuran ensemble yang kecil, yang dapat menyebabkan korelasi palsu. Untuk mengatasi masalah ini, metode hybrid ensemble-variational (EnVar) seperti 3D-EnsembleVariational (3DenVar) menggabungkan kelebihan kedua metode tersebut, mengatasi keterbatasan ensemble dan kovarians statis. Sehingga, penelitian ini dilakukan untuk mengetahui dan membandingkan seberapa besar peningkatan skill ii prediksi model yang telah diasimilasi dengan metode asimilasi yang berbeda untuk kasus hujan sangat lebat di Kalimantan Timur pada skala konvektif. Empat skema dirancang pada model Weather Research and Forecasting (WRF) pada resolusi 3 km (Convection-permitting) yang membandingkan skema tanpa asimilasi (NODA) dan tiga skema dengan metode asimilasi yang berbeda. Ketiga skema tersebut adalah 3DVAR (model dengan metode asimilasi 3DVAR), HYBRID (model dengan metode asimilasi 3DEnVar), dan DUALRES (model dengan metode asimilasi 3DEnVar-dual resolution). Asimilasi dilakukan setiap 1 jam pada 7 jam pertama waktu inisiasi model untuk studi kasus hujan sangat lebat di Kalimantan Timur tanggal 2 – 4 Juni 2019. Analisis dilakukan dengan membandingkan hasil peningkatan moisture flux, perbaikan profil udara atas, dan skill prediksi curah hujan yang ditinjau dari metrik probability of prediction (POD), threat score (TS), fraction skill score (FSS), dan kurva relative operating characteristic (ROC) beserta area under the ROC curve (AUC). Hasil analisis menunjukkan bahwa asimilasi data radians AHI pada model skala konvektif dengan teknik hybrid 3DEnVar dan 3DVAR secara signifikan meningkatkan skill prediksi hujan sangat lebat di Kalimantan Timur dengan skema HYBRID dan DUALRES menunjukkan peningkatan yang lebih signifikan dibandingkan model tanpa asimilasi (NODA) dan skema 3DVAR. Hasil analisis menunjukkan bahwa asimilasi data AHI mempengaruhi variabel prognostik seperti perturbasi suhu potensial, perturbasi suhu potensial basah, dan rasio pencampuran uap air secara signifikan, menghasilkan perubahan yang lebih besar dan sensitif dalam initial condition. Skema DUALRES unggul dalam mengurangi bias pada berbagai variabel atmosfer dan meningkatkan metrik evaluasi seperti POD, TS, FSS, dan AUC pada kurva ROC, menunjukkan skill prediksi kejadian hujan yang lebih baik. Secara keseluruhan, asimilasi data radiasi AHI dengan metode 3DEnVar meningkatkan sensitivitas prediksi terhadap dinamika atmosfer yang kompleks, menghasilkan distribusi dan intensitas curah hujan yang lebih akurat, dan memperbaiki pola diurnal curah hujan di Kalimantan Timur