PEMANFAATAN MODEL WRF-ARW DALAM PEMBUATAN PRAKIRAAN CUACA DI WILAYAH LABUHA (Studi Kasus Hujan Lebat Tanggal 20 Juli, 31 Juli, dan 5 Agustus 2013)

Transkripsi

1 PEMANFAATAN MODEL WRF-ARW DALAM PEMBUATAN PRAKIRAAN CUACA DI WILAYAH LABUHA (Studi Kasus Hujan Lebat Tanggal 20 Juli, 31 Juli, dan 5 Agustus 2013) UTILIZATION OF WRF-ARW MODEL IN THE MANUFACTURE OF WEATHER FORECASTS IN LABUHA REGION (Case Studi Heavy Rain on July 20, July 31, and August 5, 2013) Rifki Priansyah Jasin 1,2, Suyatim 2 1 Stasiun Meteorologi Klas III Labuha 2, Jakarta rifki.priansyah@gmail.com Abstrak Kejadian cuaca ekstrim berupa hujan lebat pada tanggal 21 Juli, 31 Juli dan 5 Agustus di wilayah Labuha cukup memberikan permasalahan dalam kehidupan masyarakat sekitar, oleh karena itu perlu diadakannya kajian tentang penggunaan model cuaca numerik dalam hal ini model WRF-ARW dalam memprediksi kondisi cuaca dengan melihat parameter-parameter cuaca yang signifikan menggambarkan kondisi cuaca sebenarnya di wilayah Labuha. Untuk menganalisis parameter-parameter cuaca tersebut dilakukan simulasi kejadian dengan menggunakan data GFS (Global Forecasting System) pada tiga hari hingga satu hari sebelumnya untuk melihat kemampuan model dalam memprediksi kondisi cuaca di wilayah Labuha. Dari hasil penelitian diperoleh bahwa parameter angin yang dilihat dari peta angin streamline memberikan pola angin yang menggambarkan adanya gangguan cuaca yang berpotensi menimbulkan adanya hujan lebat serta parameter kelembaban udara yang dilihat dari penampang vertikalnya yang memberikan gambaran adanya kecenderngan udara yang lembab hingga lapisan atas yang bersesuaian dengan waktu kejadian hujan lebat sehingga cukup baik untuk dijadikan bahan pertimbangan dalam pembuatan prakiraan cuaca di wilayah Labuha. Kata Kunci : hujan lebat, model WRF-ARW, parameter cuaca Abstract Extreme weather events such as heavy rain on July 21, July 31 and August 5, 2013 giving problems for the people in Labuha region, therefore research about using numerical weather models is necessary to do. In this case WRF-ARW model to predict weather conditions by checking significant weather parameters that describe the actual weather conditions in Labuha region. To analyze the weather parameters simulation using GFS (Global Forecasting System) data at three days to one day in advance to see the model's ability to predict the weather conditions in Labuha region The result showed that the wind parameters are seen from a streamlined wind maps provide wind patterns that describe the weather disturbances that could potentially cause heavy rainfall and humidity parameters as seen from the vertical cross section that provides an overview of the tendency moist air to the upper layer. It match with heavy rain event. So it can be used to be considered in making weather forecasts Labuha region. Keywords: heavy rain, WRF-ARW model, weather parameters 1

2 I. PENDAHULUAN Dalam kehidupan bermasyarakat, kondisi cuaca memberikan pengaruh yang cukup besar, baik untuk bidang ekonomi, kesehatan maupun transportasi. Adanya kejadian cuaca ekstrim berupa hujan lebat di wilayah Labuha menimbulkan banyak permasalahan diantaranya penerbangan yang ditunda atau dibatalkan, kegiatan masyarakat sekitar yang terganggu, dan lain sebagainya. Hal ini menjadi tantangan tersendiri untuk dapat memberikan layanan prakiraan cuaca yang cepat dan akurat. Dan salah satu sarana untuk mewujudkan ini yaitu dengan menggunakan model cuaca numerik. Model cuaca numerik sendri merupakan hasil sederhana dari representasi keadaan cuaca sesungguhnya yang diperoleh dari persamaanpersamaan matematis yang saling terkait yang menggambarkan proses-proses fisis dan dinamis yang terjadi di dalam atmosfer. Salah satu model cuaca numerik yang sering digunakan yaitu Model WRF-ARW, dimana model WRF-ARW ini cukup sederhana dan memberikan hasil yang cukup baik. Mencermati hal di atas, maka perlu diadakannya kajian mengenai penggunaan model cuaca numerik dalam hal ini model WRF-ARW dalam mensimulasikan kondisi cuaca di wilayah Labuha, dimana hasilnya dapat dijadikan bahan pertimbangan dalam pembuatan prakiraan cuaca yang lebih baik dan sebagai upaya antisipasi kejadian cuaca ekstrim berupa hujan lebat di wilayah Labuha. II. DATA DAN METODE 2.1 Lokasi Penelitian Lokasi penelitian berada di wilayah Labuha dengan koordinat Lintang LS dan Bujur BT yang merupakan ibukota dari Kabupaten Halmahera Selatan Provinsi Maluku Utara. 2.2 Data Data yang digunakan pada penelitian ini yaitu sebagai berikut: a. Data pengamatan unsur cuaca berupa suhu udara dan kelembaban udara serta data curah hujan selama 24 jam pada waktu kejadian yang diperoleh dari Stasiun Meteorologi Klas III Labuha. b. Data GFS (Global Forecasting System) pada tanggal 17, 18, dan 19 Juli 2013, 28, 29, dan 30 Juli 2013 dan 2, 3, dan 4 Agustus 2013 masing-masing untuk 24, 48, dan 72 jam ke depan yang digunakan untuk input model WRF dengan resolusi 0,50 x 0,50 dan resolusi temporal awal 3 jam. Data ini diperoleh melalui nomads.ncdc.noaa.gov. 2.3 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini yaitu dengan melakukan simulasi kondisi atmosfer menggunakan model WRF-ARW dengan beberapa studi kasus yang kemudian dianalisis tiap parameter-parameter cuaca hasil keluaran model untuk kemudian dibandingkan dengan data pengamatan cuaca yang ada untuk mengetahui keakuratan atau sensifitas dari model WRF-ARW dalam menangkap kejadian cuaca ekstrim berupa hujan lebat di wilayah penelitian. Adapun tahapan dalam melakukan penelitian ini yaitu sebagai berikut: a. Pengumpulan data penelitian berupa data pengamatan cuaca dan data GFS untuk menjalankan model WRF-ARW. b. Menjalankan model WRF-ARW melalui tiga proses yaitu WPS (WRF Processing System), WRFV3 (Running Process), dan ARWpost (Post Process). c. Menampilkan data hasil keluaran model WRF-ARW dengan menggunakan aplikasi Grads 2.0 untuk menampilkan parameterparameter cuaca yang dibutuhkan. d. Pengolahan data pengamatan dengan menggunakan aplikasi Microsoft Excel 2010 untuk menampilkan data berupa tabel maupun grafik. e. Interpretasi hasil keluaran model WRF- ARW. f. Verifikasi hasil keluaran model WRF-ARW dengan membandingkan dengan data pengamatan yang telah diolah. g. Menarik kesimpulan dari hasil interpretasi dan verifikasi yang telah dilakukan. 2.4 Validasi dan Evaluasi Validasi atau evaluasi terhadap hasil penelitian dilakukan dengan cara yaitu sebagai berikut: 2

3 a. RMSE (Root Mean Square Error) Nilai RSME digunakan untuk memperoleh besarnya peyimpangan atau error antara nilai prediksi dengan nilai obsevasi (1) Keterangan : F = data prakiraan/keluaran model O = data hasil observasi N = banyaknya data b. Koefisien Korelasi Nilai koefisien korelasi digunakan untuk menggambarkan hubungan antara dua parameter dengan melihat kesesuaian polanya..... (2)..... (4) b. Frequence Bias Index Frequence Bias Index merupakan evaluasi terhadap bias prediksi kejadian hujan untuk mengetahui sifat model (over/underestimate) terhadap data observasi. Nilai 1 (perdiksi sempurna), >1 (overestimate), dan <1 (underestimate). 2.5 Diagram Alir Penelitian Mulai..... (5) Keterangan : r (x,y) = koefisien korelasi x = nilai observasi y = nilai prakiraan c. Standar Deviasi Standar deviasi (simpangan baku) digunakan untuk melihat ukuran-ukuran keragaman (variasi) data hasil prediksi dengan data observasi. Keterangan : S = standar deviasi x i = nilai x ke-i n = banyaknya data d. Tabel Kontingensi (3) Data Observasi Pengolahan dengan Microsoft Excel 2010 Display Hasil Keluaran Model WRF-ARW dengan Grads 2.0 Analisis dan Interpretasi Data GFS Running Model WRF-ARW Kesimpulan Selesai Dimana : Hits = prediksi hujan yang benar False alarm = prediksi tidak hujan yang salah Miss = prediksi hujan yang salah Correct non event = prediksi tidak hujan yang benar a. Proportion Correct Proportion Correct (PC) merupakan persentase prakiraan yang benar baik hit maupun correct non event. Kisaran PC : 0 1, dengan niai 1 = prediksi sempurna dan nilai 0 adalah ketidakmampuan prediksi. Gambar 1. Diagram alir III. HASIL DAN PEMBAHASAN 3.1 Analisis Hujan Lebat 20 Juli Analisis hujan lebat pada tanggal 20 Juli 2013 di wilayah Labuha dilakukan dengan menganalisis parameter cuaca hasil keluaran model WRF-ARW baik secara spasial maupun grafik yang ditinjau dari tiga hari sebelum kejadian hingga satu hari sebelum kejadian. 3

4 Gambar 3.1 Streamline Lapisan 850 mb Gambar 3.2 Profil Vertikal Kelembaban Udara a. Analisis Peta Angin (Streamline) Berdasarkan peta streamline hasil prediksi WRF-ARW dari tiga hari sebelumnya hingga satu hari sebelumnya di atas (lihat gambar 3.1), dapat diidentifikasi bahwa pada prediksi tiga hari sebelumnya menunjukkan adanya daerah konvergensi di sekitar wilayah labuha (daerah yang dilingkari) yang berpotensi membentuk awan-awan konvektif. sebelumnya menunjukkan adanya pusaran siklonal di Timur Laut dan Selatan wilayah Labuha yang menimbulkan daerah shearline di sekitar wilayah Labuha (daerah yang dilingkari) sehingga berpotensi meningkatkan pertumbuhan awan-awan konvektif di wilayah Labuha. b. Analisis Profil Kelembaban Udara Berdasarkan profil vertikal kelembaban udara hasil prediksi model WRF-ARW dari tiga hari sebelumnya hingga satu hari sebelumnya di atas (lihat gambar 3.2), dapat dilihat bahwa pada prediksi tiga hari sebelumnya kelembaban udara mencapai 90% lebih hingga lapisan 500mb pada kejadian hujan pertama (daerah yang diarsir) yaitu antara jam UTC dan pada kejadian hujan kedua (daerah yang diarsir) berkisar antara 70% - 80% hingga lapisan 400 mb antara jam UTC sehingga mendukung pembentukan awan-awan konvektif. sebelumnya kelembaban udara mencapai 90% lebih hingga lapisan 450mb pada kejadian hujan pertama (daerah yang diarsir) yaitu antara jam UTC dan pada kejadian hujan kedua (daerah yang diarsir) berkisar antara 70% - 90% hingga lapisan 450mb antara jam UTC sehingga mendukung pembentukan awan-awan konvektif. sebelumnya kelembaban udara mencapai 90% lebih hampir dikeseluruhan lapisan hingga lapisan 450mb pada kejadian hujan pertama (daerah yang diarsir) yaitu antara jam UTC dan pada kejadian hujan kedua (daerah yang diarsir) berkisar antara 80% - 90% hingga lapisan 450mb antara jam UTC sehingga mendukung pembentukan awanawan konvektif. c. Analisis Kondisi Cuaca Permukaan Gambar 3.3 Grafik perbandingan curah hujan WRF dengan observasi 4

5 Berdasarkan grafik perbandingan curah hujan hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.3), diperoleh bahwa pada prediksi tiga hari sebelumnya nilai akurasi prediksi (PC) sebesar 0,50 dan nilai frekuensi indek bias (FBI) sebesar 0,25 (underestimate). Kemudian pada prediksi dua hari sebelumnya nilai akurasi prediksi (PC) sebesar 0,33 dan nilai frekuensi indeks bias (FBI) sebesar 0 (underestimate). Sedangkan pada prediksi satu hari sebelumnya nilai akurasi prediksi (PC) sebesar 0.38 dan nilai frekuensi indeks bias (FBI) sebesar 0.06 (underestimate). Gambar 3.4 Grafik perbandingan suhu udara WRF dengan observasi Berdasarkan grafik perbandingan suhu udara hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.4), diperoleh bahwa pada prediksi tiga hari sebelumnya nilai RMSE sebesar 2,62, standar deviasi sebesar 1,56 dan korelasi sebesar 0,34. Kemudian pada prediksi dua hari sebelumnya nilai RMSE sebesar 3,24 standar deviasi sebesar 1,78, dan korelasi sebesar 0,05. Sedangkan pada prediksi satu hari sebelumnya nilai RMSE sebesar 3,09, standar deviasi sebesar 1,74 dan korelasi sebesar 0,16. Gambar 3.5 Grafik perbandingan kelembaban udara WRF dengan observasi Berdasarkan grafik perbandingan kelembaban udara hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.5), diperoleh bahwa pada prediksi tiga hari sebelumnya nilai RMSE sebesar 12,15, standar deviasi sebesar 7,04 dan korelasi sebesar 0,25. sebelumnya nilai RMSE sebesar 11,50 standar deviasi sebesar 6,46, dan korelasi sebesar 0,09. sebelumnya nilai RMSE sebesar 12,74, standar deviasi sebesar 7,26 dan korelasi sebesar 0, Analisis Hujan Lebat 31 Juli Analisis hujan lebat pada tanggal 31 Juli 2013 di wilayah Labuha dilakukan dengan menganalisis parameter cuaca hasil keluaran model WRF-ARW baik secara spasial maupun grafik yang ditinjau dari tiga hari sebelum kejadian hingga satu hari sebelum kejadian. Gambar 3.6 Peta Streamline Lapisan 850 mb Gambar 3.7 Profil Vertikal Kelembaban Udara 5

6 a. Analisis Peta Angin (Streamline) Berdasarkan peta streamline hasil prediksi WRF-ARW dari tiga hari sebelumnya hingga satu hari sebelumnya di atas (lihat gambar 3.6), dapat diidentifikasi bahwa pada prediksi tiga hari sebelumnya menunjukkan adanya pusaran antisiklonal di Selatan wilayah Labuha dan pusaran siklonal di Tenggara wilayah Labuha yang berpotensi menimbulkan daerah shearline akibat dari belokan dan perlambatan kecepatan angin di sekitar wilayah Labuha (daerah yang dilingkari). sebelumnya menunjukkan adanya pusaran antisiklonal di antara Selatan dan Barat Daya wilayah Labuha dan adanya belokan angin yang yang tajam di sekitar wilayah Tenggara Labuha dengan perlembatan kecepatan yang cukup signifikan yang berpotensi membentuk kumpulan awan-awan konvektif di sekitar wilayah Labuha (daerah yang dilingkari). sebelumnya menunjukkan adanya pusaran antisiklonal yang diikuti dengan munculnya daerah netral di sekitar Barat Daya wilayah Labuha dan pusaran siklonal di Tenggara wilayah Labuha, hal ini menyebabkan adanya daerah shearline di sekitar wilayah Labuha yang berpotensi membentuk awan-awan konvektif di sekitar wilayah Labuha (daerah yang dilingkari). b. Analisis Profil Kelembaban Udara Berdasarkan profil vertikal kelembaban udara hasil prediksi model WRF-ARW dari tiga hari sebelumnya hingga satu hari sebelumnya di atas (lihat gambar 3.7), dapat dilihat bahwa pada predksi tiga hari sebelumnya kelembaban udara pada saat kejadian hujan (daerah yang diarsir) pada lapisan 1000mb 600mb berkisar antara 50% - 80% dan pada lapisan 600mb 400mb berkisar antara 50% - 90% dengan pola kelembaban udara yang tidak terlalu signifikan menunjukkan adanya potensi terbentuknya awan-awan konvektif di wilayah Labuha. sebelumnya kelembaban udara pada saat kejadian hujan (daerah yang diarsir) berkisar antara 60% - 100% dari lapisan 1000mb 400mb dengan kelembaban udara pada lapisan bawah berkisar 90% - 100%, dengan pola kelembaban udara yang cukup signifikan menunjukkan adanya potensi terbentuknya awan konvektif di wilayah Labuha. sebelumnya kelembaban udara pada saat kejadian hujan (daerah yang diarsir) pada lapisan 1000mb 600mb berkisar antara 60% - 90% dan lapisan 600mb 400mb berkisar antara 80% - 100% dengan kelembaban udara pada jam sebelumnya berkisar antara 80% - 100% dari lapisan permukaan hingga 450mb, dengan pola kelembaban udara yang signifikan menunjukkan ada potensi terbentuknya awan konvektif di wilayah Labuha. c. Analisis Kondisi Cuaca Permukaan Gambar 3.8 Grafik perbandingan curah hujan WRF dengan observasi Berdasarkan grafik perbandingan curah hujan hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.8), diperoleh bahwa pada prediksi tiga hari sebelumnya nilai akurasi prediksi (PC) sebesar 0,34 dan nilai frekuensi indek bias (FBI) sebesar -0,38 (underestimate). Kemudian pada prediksi dua hari sebelumnya nilai akurasi prediksi (PC) sebesar 0,71 dan nilai frekuensi indeks bias (FBI) sebesar 0.13 (underestimate). Sedangkan pada prediksi satu hari sebelumnya nilai akurasi prediksi (PC) sebesar 0.63 dan nilai frekuensi indeks bias (FBI) sebesar (underestimate). Gambar 3.9 Grafik perbandingan suhu udara WRF dengan observasi Berdasarkan grafik perbandingan suhu udara hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.9), diperoleh bahwa pada prediksi tiga hari sebelumnya nilai RMSE sebesar 2,28, standar deviasi sebesar 1,79 dan korelasi sebesar 0,87. Kemudian pada 6

7 prediksi dua hari sebelumnya nilai RMSE sebesar 2,33 standar deviasi sebesar 1,87, dan korelasi sebesar 0,85. Sedangkan pada prediksi satu hari sebelumnya nilai RMSE sebesar 2,21, standar deviasi sebesar 1,74 dan korelasi sebesar 0,55. Gambar 3.10 Grafik perbandingan kelembaban udara WRF dengan observasi Berdasarkan grafik perbandingan kelembaban udara hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.10), diperoleh bahwa pada prediksi tiga hari sebelumnya nilai RMSE sebesar 10,35, standar deviasi sebesar 7,82 dan korelasi sebesar 0,75. sebelumnya nilai RMSE sebesar 5,81 standar deviasi sebesar 8,47, dan korelasi sebesar 0,93. sebelumnya nilai RMSE sebesar 9,58, standar deviasi sebesar 7,91 dan korelasi sebesar 0, Analisis Hujan Lebat 5 Agustus 2013 Analisis hujan lebat pada tanggal 5 Agustus 2013 di wilayah Labuha dilakukan dengan menganalisis parameter cuaca hasil keluaran model WRF-ARW baik secara spasial maupun grafik yang ditinjau dari tiga hari sebelum kejadian hingga satu hari sebelum kejadian. Gambar 3.11 Streamline Lapisan 850 mb Gambar 3.12 Profil Vertikal Kelembaban Udara a. Analisis Peta Angin (Streamline) Berdasarkan peta stremaline hasil prediksi WRF-ARW dari tiga hari sebelumnya hingga satu hari sebelumnya di atas (lihat gambar 3.11), dapat diidentifikasi bahwa pada prediksi tiga hari sebelumnya menunjukkan adanya pusaran siklonal di Barat wilayah Labuha yang merupakan eddy serta adanya daerah shearline akibat dari belokan dan perlambatan kecepatan angin di sekitar wilayal Labuha yang berpotensi membentuk awan-awan konvektif di sekitar wilayah Labuha (daerah yang dilingkari). sebelumnya menunjukkan adanya daerah shearline di sekitar wilayah Labuha akibat dari belokan angin serta perlambatan kecepatan angin yang berpotensi membentuk awan-awan konvektif di sekitar wilayah Labuha (daerah yang di lingkari) 7

8 sebelumnya menunjukkan adanya daerah pusaran siklonal di Timur Laut wilayah Labuha yang menimbulkan daerah shearline di sekitar wilayah Labuha akbiat dari pergerakan massa udara yang bergerak menuju ke derah pusaran siklonal tersebut sehingga berpotensi membentuk awan-awan konvektif di sekitar wilayah Labuha (daerah yang dilingkari). b. Analisis Profil Kelembaban Udara Berdasarkan profil vertikal kelembaban udara hasil prediksi model WRF- ARW dari tiga hari sebelumnya hingga satu hari sebelumnya di atas (lihat gambar 3.12), dapat dilihat bahwa pada prediksi tiga hari sebelumnya kelembaban udara pada saat kejadian hujan (daerah yang diarsir) berkisar antara 90% - 100% pada lapisan 1000mb 500mb dan kelembaban udara berkisar antara 60% - 90% pada lapisan 500mb 300 mb dengan pola yang cukup signifikan menunjukkan adanya potensi terbentuknya awan-awan konvektif di wilayah Labuha. sebelumnya kelembaban udara pada saat kejadian hujan (daerah yang diarsir) berkisar 80% - 100% pada lapisan 1000mb 550mb dan kelembaban udara berkisar antara 60% - 80% pada lapisan 550mb 300mb dengan pola yang tidak terlalu signifikan menunjukkan adanya poteni terbentuknya awan-awan konvektif di wilayah Labuha. sebelumnya kelembaban udara pada saat kejadian hujan (daerah yang diarsir) berkisar antara 80% - 100% pada lapisan 1000mb 400mb dan kelembaban udara berkisar antara 60% -80% pada lapisan 400mb 250mb dengan pola yang signifikan menunjukkan adanya potensi terbentuknya awan-awan konvektif di wilayah Labuha. Gambar 3.13 Grafik perbandingan curah hujanwrf dengan observasi Berdasarkan grafik perbandingan curah hujan hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.13), diperoleh bahwa pada prediksi tiga hari sebelumnya nilai akurasi prediksi (PC) sebesar 0,67 dan nilai frekuensi indek bias (FBI) sebesar 0,27 (underestimate). Kemudian pada prediksi dua hari sebelumnya nilai akurasi prediksi (PC) sebesar 0,79 dan nilai frekuensi indeks bias (FBI) sebesar 0.55 (underestimate). Sedangkan pada prediksi satu hari sebelumnya nilai akurasi prediksi (PC) sebesar 0.83 dan nilai frekuensi indeks bias (FBI) sebesar 0.64 (underestimate). Gambar 3.14 Grafik perbandingan suhu udara WRF dengan observasi Berdasarkan grafik perbandingan suhu udara hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.14), diperoleh bahwa pada prediksi tiga hari sebelumnya nilai RMSE sebesar 3,74, standar deviasi sebesar 1,93 dan korelasi sebesar - 0,47. sebelumnya nilai RMSE sebesar 4,26 standar deviasi sebesar 2,22, dan korelasi sebesar 0,31. sebelumnya nilai RMSE sebesar 3,49, standar deviasi sebesar 1,80 dan korelasi sebesar - 0,43. c. Analisis Kondisi Cuaca Permukaan Gambar 3.15 Grafik perbandingan kelembaban udara WRF dengan observasi Berdasarkan grafik perbandingan kelembaban udara hasil prediksi WRF-ARW dengan observasi di atas (lihat gambar 3.15), 8

9 diperoleh bahwa pada prediksi tiga hari sebelumnya nilai RMSE sebesar 8,39, standar deviasi sebesar 5,70 dan korelasi sebesar 0,47. sebelumnya nilai RMSE sebesar 12,62 standar deviasi sebesar 6,96, dan korelasi sebesar 0,19. sebelumnya nilai RMSE sebesar 7,86, standar deviasi sebesar 4,68 dan korelasi sebesar - 0,07. IV.KESIMPULAN DAN SARAN 4.1 Kesimpulan Dari hasil analisis dan pembahasan terhadap parameter cuaca hasil prediksi model WRF-ARW pada tiga kejadian hujan yiatu tanggal 20 Juli 2013, tanggal 31 Juli 2013 dan 5 Agustus 2013 dengan masing-masing kejadian dilakukan prediksi dari tiga hari sebelumnya hingga satu hari sebelumnya dapat disimpulkan bahwa : Untuk parameter cuaca yang dianalisis secara spasial maupun temporal, parameter angin (streamline) dan kelembaban udara (profil vertikal) memberikan gambaran kondisi cuaca yang cukup baik. Sedangkan untuk prediksi kejadian hujan dan kondisi cuaca permukaan, memberikan hasil yang kurang baik dalam memprediki kejadian hujan dengan sifat model yang bersifat underestimate serta hasil yang berbedabeda ditiap waktu prediksinya. Parameter hasil prediksi model WRF- ARW berupa angin (stremaline) dan kelembaban udara (profil vertikal) yang memberikan hasil prediksi yang cukup baik dapat digunakan sebagai bahan pertimbangan dalam pembuatan prakiraan cuaca di wilayah Labuha. 4.2 Saran Dari hasil penelitian yang telah dilakukan, penulis menyarankan : Perlu adanya penambahan studi kasus ataupun lokasi penelitian yang berbeda untuk dapat memberikan gambaran yang lebih baik lagi tentang kemampuan memprediksi model WRF-ARW. Perlu adanya kajian tentang parameterparameter cuaca lainnya sehingga bisa memberikan sudut pandang lebih dalam pembuatan prakiraan cuaca. DAFTAR PUSTAKA Byers, H.R., General Meteorology. New York : McGraw Hill Book Company Inc, London. Hadi, T.W. et al., Modul Pelatihan WRF.Fakultas Ilmu dan Teknologi Kebumian. Institut Teknologi Bandung, Bandung. Hariadi, T.E., Telaah Profil Divergensi dan Vortisitas Luaran GCM CSIRO-9 Serta Hubungannya Dengan Curah Hujan. Jurnal Warta LAPAN Vol.1 No.3 Juli-September, Jakarta. Holton, J.R., An Introduction to Dynamic Meteorology Third Edition. Academis Press Inc, California. Inoue, T., dan Kamahori, H., 2001, Statistical Relationship Between ISCCP Cloud Type And Vertical Relative Humidity Profile, Journal of Meteorological Society of Japan, Volume 79 No.6 pp , Japan. Lakitan, B., 2002, Dasar-Dasar Meteorologi. Raja Grafindo Persada, Jakarta Nonik, N.P., 2014, Kajian Hujan Ekstrim Menggunakan Model WRF-ARW (Studi Kasus Tanggal 6 Januari 2013 di Kota Kupang, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jakarta Ridwan., Kudsy, Mahalli. 2011, Parameterisasi Model Cuaca Wrf- Arw Untuk Mendukung Kegiatan Teknologi Modifikasi Cuaca (TMC) di Sumatera, Sulawesi, Dan Jawa, Jurnal Sains & Teknologi Modifikasi Cuaca, Vol. 12, No.1, 2011: 1-8. BPPT Rosanti, R., 2014, Kajian Cuaca Ekstrim Menggunakan Output Model WRF (Weather Research and Forecasting) (Studi Kasus Hujan Lebat di Nanga Pinoh Tanggal 1 November dan 19 Januari 2013), Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jakarta 9

10 Seto, T.H., Mengapa Hanya Sedikit Awan Konvektif Yang Tumbuh Di Atas Daerah Bandung Pada Periode 10 Desember 1999 s.d 04 Januari 2000?. Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 1No. 1, 2000: 61-66, Jakarta. Skamarock, C.W. et al, A Description of the Advanced Research WR Version3. NCAR Technical Note. Mesoscale and Microscale Meteorology Division, National Center for Atmospheric Research,Boulder, Colorado, USA. Soepangkat, 1994, Pengantar Meteorologi, Badan Diklat Meteorologi dan Geofisika, Jakarta Sudrajat, D.E., Prakiraan Medan Vortisitas Untuk Wilayah Indonesia dan Sekitarnya. Karya Tulis FMIPA Universitas Indonesia, Jakarta. Yunita, R., 2014, Uji Skema Parameterisasi Cumulus Dalam Prediksi Hujan Di Kalimantan Selatan, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jakarta. Zakir, A., Sulistya, W., dan Khusnul, M.K., 2009, Perspektif Operasional Cuaca Tropis. Badan Meteorologi Klimatologi dan Geofisika, Jakarta. Sumber Website : (diakses tanggal 23 Desember 2014) (diakses tanggal 23 Desember 2014) AMS-D (diakses tanggal 14 Februari 2015) els/print.htm (diakses tanggal 1 April 2015) (diakses tanggal 1April 2015) Tjasyono, B.H.K. dan Harijono, S.W.B., Meteorologi Indonesia 2. Badan Meteorologi dan Geofisika, Jakarta. Warner, T.T., Quality Assurance in Atmosphere Modeling. American Meteorologi Society (AMS) Journals Online. American Wilks, D. S., 2006, Statistical methods in atmospheric sciences: Second Edition New York, Academic Press, American Winarso, P.A., 2009, Analisa Cuaca II (ME 5234/2), Akademi Meteorologi dan Geofisika, Jakarta. Wirjohamidjojo, S., Meteorologi Praktik. Badan Meteorologi dan Geofisika, Jakarta. WMO, 2009, Recommendations for the Verification and Intercomparison o QPFs and QPFs from Operational NWP Models, World Weather Research Programme. Geneva: WMO. 10