Perpustakaan Digital ITB

Informasi prediksi curah hujan subseasonal-to-seasonal (S2S) bermanfaat untuk mendukung berbagai sektor strategis. Namun, resolusi spasial yang relatif kasar serta keterbatasan representasi proses lokal pada model global menyebabkan prediksi curah hujan mengandung bias sistematis. Pada rentang S2S, variabel atmosfer regional berpotensi mempertahankan informasi prediktif yang lebih baik daripada curah hujan langsung. Penelitian ini mengevaluasi metode Constructed Analogue (CA) untuk mentransfer prediksi atmosfer regional keluaran CFSv2 menjadi prediksi curah hujan mingguan beresolusi tinggi. Data MSWEP 0,1° digunakan sebagai basis curah hujan beresolusi tinggi, sedangkan ERA5 digunakan sebagai arsip prediktor historis. Evaluasi dilakukan melalui tiga tahap, yaitu uji sensitivitas konfigurasi CA, evaluasi skill dan reliability, serta pengujian asumsi ketersediaan dan validitas analog. Skill dievaluasi menggunakan Continuous Ranked Probability Score (CRPS), sedangkan reliability probabilitas kategori hujan atas-normal dan bawah-normal dievaluasi menggunakan reliability diagram. Hasil uji sensitivitas menunjukkan bahwa konfigurasi terpilih adalah moisture flux convergence pada 850 hPa (MFC850) di domain Indonesia sebagai prediktor, cosine similarity, dua analog, dan metode weighted mean. CA dengan konfigurasi tersebut menurunkan CRPS rata-rata sekitar 5,7 mm/7 hari dibandingkan keluaran langsung CFSv2, dengan peningkatan skill pada lebih dari 80% wilayah Indonesia. Wilayah reliable mengalami peningkatan terbatas, dengan peningkatan yang lebih konsisten pada kategori hujan bawah-normal daripada atas-normal. Meskipun demikian, CRPS rata-rata hasil CA masih cukup tinggi, sekitar 19,05 mm/7 hari. Keterbatasan ini sebagian terepresentasikan oleh rata-rata similarity analog MFC850 yang hanya sebesar 0,284, serta hubungan antara kemiripan MFC850 dan kesesuaian hujan lokal yang lemah ( ? <0,1), dengan hanya 53–55% kejadian menunjukkan hubungan yang konsisten. Hasil tersebut menunjukkan bahwa CA mampu meningkatkan skill prediksi hujan mingguan, tetapi kualitas kemiripan analog masih terbatas dan kemiripan prediktor tidak secara otomatis menjamin validitas respons hujan lokal.