Energi angin menghadapi kendala dalam keberjalanannya yang dapat
mempengaruhi produktivitas energi angin, yaitu sifat intermittent dari kecepatan
angin itu sendiri dan hal ini terjadi di PLTB Sidrap I dimana pada bulan November
tahun 2019 tidak memproduksi listrik akibat penurunan kecepatan angin.
Variabilitas angin yang berubah dari waktu ke waktu menyebabkan ketidakpastian
sehingga prediksi cuaca yang akurat dalam berbagai skala waktu menjadi penting
untuk memastikan operasional turbin angin yang optimal, termasuk prediksi
mingguan (subseasonal). Namun, selama ini prediksi dalam skala mingguan masih
kurang mendapatkan perhatian. Oleh karena itu, penelitian ini mencoba untuk
memanfaatkan data prediksi angin skala subseasonal dan mengevaluasi performa
prediksinya melalui metode subseasonal to seasonal (S2S) forecasting.
Penelitian ini menggunakan data CFSv2 operational milik National Centers for
Environmental Prediction (NCEP) sebagai data prediksi model dan data reanalisis
ERA5 sebagai data observasi. Kedua data tersebut digunakan untuk
mengestimasikan nilai kecepatan angin pada ketinggian hub yang sesuai dengan
turbin angin yang ada di PLTB Sidrap I dengan pendekatan profil angin logaritmik.
Koreksi bias digunakan untuk mengurangi nilai bias dan RMSE antara data model
dan data observasinya. Data model CFSv2 kemudian dievaluasi performa
prediksnya dengan metode continuous ranked probability score (CRPS) dan brier
score.
Hasil penelitian ini menunjukkan bahwa performa model cukup baik dalam
memprediksi angin sesuai dengan ketinggian hub sesuai dengan nilai CRPS dan
brier score-nya, terutama di minggu ketiga bulan November. Namun, masih
terdapat nilai bias dan error yang cukup signifikan walaupun telah melalui proses
koreksi bias dan perlu dipertimbangkan dalam pengambilan keputusan selanjutnya.