PENENTUAN NILAI AMBANG BATAS AWAN KONVEKTIF PADA PRODUK SWWI MENGGUNAKAN DATA RADAR CUACA DI WILAYAH JAKARTA DAN SEKITARNYA

Transkripsi

1 PENENTUAN NILAI AMBANG BATAS AWAN KONVEKTIF PADA PRODUK SWWI MENGGUNAKAN DATA RADAR CUACA DI WILAYAH JAKARTA DAN SEKITARNYA Hasmororini Sulistami 1, Eko Wardoyo 2 1, Jakarta 2 Badan Meteorologi Klimatologi dan Geofisika, Jakarta hsulistami@gmail.com Abstrak Awan konvektif memiliki peran sangat besar dalam proses terjadinya cuaca bermakna. Keberadaan awan konvektif sering dikaitkan dengan terjadinya cuaca ekstrim pada suatu tempat. Salah satu instrumen yang dapat mengamati keberadaan dan pergerakan awan konvektif adalah radar cuaca. Dalam penelitian ini akan menentukan nilai threshold yang cocok pada produk SWWI berdasarkan data Lightning Detector dan melakukan validasi produk SWWI antara threshold default dengan threshold baru di wilayah Jakarta dan sekitarnya. Produk radar cuaca yang digunakan adalah CMAX untuk melihat nilai reflektivitas maksimum dan SWWI untuk melihat warning kejadian cuaca yang signifikan. Hasil analisis menunjukkan nilai ambang batas (threshold) yang paling sering muncul pada musim hujan sebesar 54 dbz, sedangkan pada musim peralihan sebesar 55 dbz, sehingga dapat ditentukan nilai threshold input intensity untuk potensi cuaca buruk yaitu 4 dbz. Kemudian dilakukan validasi dengan membandingkan produk SWWI threshold default (3 dbz) dengan threshold baru 4 dbz. Hasil validasi menunjukkan bahwa threshold default (3 dbz) memiliki peluang yang lebih besat untuk terjadi cuaca buruk sehingga menyebabkan overestimate dalam pemberian warning cuaca buruk. Kata kunci : Radar Cuaca, Awan Konvektif, Reflektifitas, Nilai Ambang Batas Abstract Convective clouds have a very large role in the occurrence of significant weather. The existence of convective clouds are often associated with the occurrence of extreme weather somewhere. One of the instruments that can observe the presence and movement of convective clouds is weather radar. In this study will determine a suitable threshold value on the product SWWI based on data Lightning Detector and validate product SWWI the default threshold with a new threshold in the greater Jakarta area. Weather radar products used are CMAX to see the value of the maximum reflectivity and SWWI to notice warning of significant weather events. The analysis showed a threshold value (threshold) that appears most frequently in the rainy season by 54 dbz, while in the transitional season of 55 dbz, so it can be determined intensity threshold value input for potential bad weather that is 4 dbz. Then validated by comparing products SWWI default threshold (3 dbz) with a new threshold of 4 dbz. The tests showed that the default threshold (3 dbz) have a better chance besat to bad weather occurs causing overestimate in giving warning of bad weather. Keywords : Weather Radar, Convective Cloud, Reflectivity, Threshold 1. PENDAHULUAN wilayah yang menarik untuk dikaji, terutama Posisi geografis Indonesia yang dari sisi meteorologisnya. berjajar sepanjang khatulistiwa memiliki Letak geografis Jakarta berada di kondisi topografi yang berbeda setiap dekat khatulistiwa, dimana terdapat daerahnya. Perbedaan kondisi topografi ini kombinasi massa udara hangat dan lembab mengakibatkan proses pembentukan awan di yang menjadikan daerah ini sangat kondusif suatu daerah dengan daerah lainnya berbeda terhadap pembentukan awan konvektif. juga. Hal ini menjadikan Indonesia sebagai Awan konvektif merupakan manifestasi 1

2 sebuah variasi dari proses thermodinamis dan dinamis baik internal maupun eksternal terhadap awan. Awan jenis konvektif terutama awan Cumulonimbus sering dikaitkan dengan adanya fenomena cuaca buruk. Awan Cumulonimbus atau yang biasa disingkat awan Cb merupakan awan yang menjulang tinggi secara vertikal dengan gumpalan yang padat dan gelap serta bentuknya seperti menara (Zakir dkk., 21). Awan terbentuk jika terjadi kondensasi uap air di permukaan bumi. Udara yang naik akan mengalami pengembangan secara adiabatik sebab tekanan udara di lapisan atas lebih kecil dibandingkan tekanan di lapisan bawah. Akibat dari pengembangan secara adiabatik dan berdasarkan struktur vertikal atmosfer, maka suhu udara akan mengalami penurunan seiring dengan bertambahnya ketinggian dari permukaan tanah. Suhu akan menurun sebesar 1 C setiap kenaikan 1 m untuk parsel udara kering, sedangkan untuk parsel udara basah suhu akan menurun,65 C setiap kenaikan 1 m (Tjasyono dan Harijono, 26). Dalam usaha pencegahan bencana alam yang disebabkan oleh aspek aspek meteorologi, peran penginderaan jauh (Remote Sensing) dalam pengamatan dan analisis hingga memprakirakan kondisi cuaca kedepan tidak dapat diragukan lagi. Radar atau Radio Detection and Ranging yang berarti deteksi dan penjalaran radio merupakan suatu sistem gelombang elektromagnetik yang berguna untuk mendeteksi, mengukur jarak dan ketinggian objek (Wardoyo, 211). Data dukung dalam mengidentifikasi awan konvektif dengan radar cuaca adalah data kejadian badai guntur yang terekam pada Lightning Detector. Badai guntur dapat digambarkan sebagai satu atau lebih muatan yang terjadi secara tiba tiba, dapat digambarkan pula dengan kilatan cahaya (petir) dan suara tajam atau gemuruh (guntur). Petir hampir selalu terkait dengan awan konvektif, namun tidak harus disertai dengan curah hujan di tanah (National Meteorological Library and Archive, 211). Beberapa penelitian tentang awan konvektif telah banyak dilakukan. Michael I Biggerstaff (2) menyebutkan bahwa perbedaan klasifikasi echo yang ditunjukkan oleh TRMM bervariasi menurut lokasi berdasarkan struktur dari curah hujan yang dominan dalam suatu wilayah. Penelitian lainnya mengenai nilai ambang batas awan konvektif di Indonesia juga telah banyak di lakukan. Maria Carine (214) menyebutkan bahwa awan konvektif di setiap daerah memiliki nilai ambang batas reflektifitas yang berbeda. Sedangkan Tiin Sinatra (215) menyebutkan bahwa liputan awa hujan konvektif pada musim peralihan di atas darat lebih besar dibandingkan dengan kondisi musim hujan. Penelitian ini akan membahas nilai ambang batas produk SWWI yang cocok untuk mengidentifikasi awan konvektif pada musim hujan dan musim peralihan serta melakukan validasi dengan membandingkan produk SWWI threshold default dengan threshold baru di wilayah Jakarta dan sekitarnya. Manfaat dari penelitian ini adalah sebagai implementasi ilmu fisika awan dalam memahami karakteristik awan konvektif pada musim hujan dan musim kemarau, selain itu juga mendukung kegiatan operasinal dalam memberikan peringatan dini adanya awan konvektif yang dapat menyebabkan cuaca ekstrem di Jakarta dan sekitarnya berdasarkan analisis citra radar cuaca, dan sebagai sumbangan berharga bagi perkembangan ilmu pengetahuan pada umumnya serta STMKG dan BMKG pada khususnya. 2. DATA DAN METODE 2.1 Data Penelitian dilakukan di wilayah Jakarta yang berada pada BT dan LS. Data yang digunakan meliputi data petir bulan Desember 213 Februari 214 dan Desember 214 Februari 215 menggunakan Lightning Detector yang terpasang di Stasiun Geofisika Klas I Tangerang, Badan Meteorologi Klimatologi dan Geofisika. Data tersebut selanjutnya di ekstrak menjadi parameter CG-. Data sekunder lain yang digunakan adalah data radar cuaca pada bulan Desember 213 Februari 214 dan Desember 214 Februari 215 yang meliputi area cakupan kota Jakarta dan sekitarnya dengan letak radar berada di Stasiun Geofisika Klas I Tangerang, Badan 2

3 Meteorologi Klimatologi dan Geofisika. Pengambilan sample pada bulan bulan terpilih karena pada bulan tersebut tercatat memiliki kejadian petir tertinggi yang berarti terdapat banyak awan konvektif. Gambar 1. Lokasi Penelitian 2.2 Metode Analisis Petir dianalisis menggunakan Lightning Detector yang merupakan alat deteksi petir. Setelah mendapatkan hasil analisis dari petir berupa waktu kejadiannya, data radar cuaca di analisis menggunakan produk CMAX dan SWWI. Produk CMAX menampilkan nilai reflektifitas tertinggi di atas elemen resolusi yang tersedia dari suatu pindai sudut elevasi yang tersedia dari suatu pindai elemen. Produk SWWI digunakan untuk mengidentifikasi dan memberi warning terkait cuaca buruk yang terjadi dengan mempertimbangkan nilai intensitas reflektifitas yag menjadi nilai ambang batas dan kandungan air yang terdapat dalam sel konvektif. Metode yang digunakan adalah Komparatif Temporal, dimana dengan melihat waktu kejadian strike pertama dari Lightning Detector yang kemudian dicatat nilai reflektifitas maksimumnya. Setelah mendapatkan nilai reflektifitas maksimum, kemudian dicari nilai reflektifitas yang paling sering muncul untuk dijadikan sebagai nilai ambang batas baru. Untuk menguji akurasi dari nilai ambang batas tersebut, dilakukan perbandingan pertumbuhan awan konvektif pada produk SWWI dengan threshold default dari pabrik dan threshold baru. 3. HASIL DAN PEMBAHASAN 3.1 Penentuan Nilai Ambang Batas Dalam penelitian ini, dipilih jenis petir CG-, karena petir berjenis CGmengantarkan muatan negatif ke tanah dan berhubungan dengan curah hujan konvektif. Sedangkan petir berjenis CG+ berhubungan dengan bagian stratiform sehingga tidak digunakan dalam penelitian. 6 KEJADIAN PETIR PADA MUSIM HUJAN KEJADIAN PETIR PADA BULAN DESEMBER KEJADIAN PETIR PADA BULAN JANUARI KEJADIAN PETIR PADA BULAN FEBRUARI RATA - RATA Gambar 2. Grafik kejadian petir pada musim hujan 3

4 6 KEJADIAN PETIR PADA MUSIM PERALIHAN KEJADIAN PETIR PADA BULAN MARET KEJADIAN PETIR PADA BULAN APRIL KEJADIAN PETIR PADA BULAN MEI RATA - RATA Gambar 3. Grafik kejadian petir pada musim peralihan Gambar 2 dan 3 menunjukkan rata rata kejadian petir pada musim hujan mencapai lebih dari 1 kejadian dalam satu hari, sedangkan rata rata kejadian petir pada musim peralihan kurang dari 1 kejadian dalam satu hari. Puncak kejadian petir dominan pada musim hujan terjadi di bulan Desember dengan kejadian terbesar mencapai lebih dari 5 kejadian dalam satu hari, sedangkan puncak kejadian petir dominan pada musim peralihan terjadi di bulan Maret dengan kejadian terbesar mencapai lebih dari 4 kejadian dalam satu hari. Hal tersebut disebabkan karena ITCZ pada bulan Desember berada di wilayah Indonesia bagian selatan (Satiadi, 212). Kemudian NILAI REFLEKTIFITAS MUSIM HUJAN pengaruh musim hujan berdasarkan data normal akan terjadi pada bulan Desember (BMKG, 215) akibat pengaruh monsoon Asia yang sedang aktif. Penelitian melalui Citra Radar Cuaca didasarkan pada hasil pengamatan kejadian petir tertinggi setiap bulannya. Hasil pengamatan Citra Radar Cuaca dimulai dengan menggunakan produk CMAX (Column Maximum) yang mengasumsikan atmosfer terdiri dari kolom kolom udara. Kemudian mengambil nilai reflektifitas paling maksimum pada produk CMAX dari setiap kejadian berdasarkan waktu terjadinya sambaran (strike) pertama yang berjenis CG-. NILAI REFLEKTIFITAS (DBZ) MODUS Gambar 4. Grafik Nilai Reflektifitas Maksimum pada Musim Hujan Berdasarkan gambar 4 terlihat bahwa nilai reflektifitas maksimum pada musim hujan adalah 62 dbz di bulan Februari 214. Nilai reflektifitas yang paling sering muncul adalah 54 dbz (seperti yang ditunjukkan pada garis merah) sebanyak 15 kejadian. Sedangkan nilai reflektifitas minimum pada musim hujan sebesar 1 dbz di bulan Desember

5 NILAI REFLEKTIFITAS MUSIM PERALIHAN NILAI REFLEKTIFITAS (DBZ) MODUS Gambar 5. Grafik Nilai Reflektifitas Maksimum pada Musim Peralihan Pada musim peralihan, nilai reflektifitas maksimum adalah 6 dbz di bulan April 214. Nilai reflektifitas yang paling sering muncul adalah 55 dbz (seperti yang ditunjukkan pada garis merah) sebanyak 7 kejadian. Sedangkan nilai reflektifitas minimum pada musim peralihan sebesar 16 dbz di bulan Maret 214 seperti yang ditunjukkan pada gambar 5. Berdasarkan pengumpulan data puncak terjadinya petir di wilayah Jakarta dan sekitarnya pada musim hujan dan musim peralihan, diperoleh nilai reflektifitas maksimum yang paling sering muncul adalah 54 dbz dan 55 dbz. Sedangkan yang dibutuhkan dalam penentuan nilai ambang batas (threshold) pada produk SWWI adalah nilai minimum yang mendekati nilai saat kejadian cuaca buruk, sehingga dapat di pilih nilai 4 dbz sebagai nilai threshold intensity baru sebagai input dalam produk SWWI pada citra radar cuaca di wilayah Jakarta dan sekitarnya. 3.2 Perbandingan Akurasi Nilai Ambang Batas dalam Produk SWWI Nilai ambang batas (threshold) yang tepat akan menjadi peluang untuk mendekati kejadian yang sesungguhnya. Jika nilai ambang batas (threshold) lebih kecil atau lebih besar dari nilai sesungguhnya yang terbentuk saat kejadian cuaca buruk, maka akan menyebabkan over estimate atau under estimate dalam pemberian warning. Berdasarkan penelitian ini, terlihat nilai reflektivitas yang lebih dari 4 dbz cenderung terjadi cuaca buruk di wilayah Jakarta dan sekitarnya. Jika dibandingkan dengan nilai reflektivitas default yaitu 3 dbz, akan memiliki rentang yang cukup jauh (bisa dilihat pada gambar 6 sampai gambar 8). Nilai ambang batas yang terlalu jauh rentangnya akan mempengaruhi akurasi dalam memberikan warning cuaca buruk. (a) (b) Gambar 6. Nilai Ambang Batas (a) Default 3 dbz dan (b) Baru 4 dbz dengan produk SWWI pada tanggal 28 Maret 214 jam 12. UTC 5

6 (a) (b) Gambar 7. Nilai Ambang Batas (a) Default 3 dbz dan (b) Baru 4 dbz dengan produk SWWI pada tanggal 19 Desember 214 jam 11.1 UTC (a) (b) Gambar 8. Nilai Ambang Batas (a) Default 3 dbz dan (b) Baru 4 dbz dengan produk SWWI pada tanggal 2 Desember 214 jam 5.4 UTC Berdasarkan perbandingan nilai ambang di atas (gambar 3.5 sampai gambar 3.7), dapat diketahui bahwa produk SWWI threshold default (3 dbz) pada gambar (a) menyatakan peluang lebih besar dalam menentukan potensi terjadinya cuaca buruk, dibandingkan dengan produk SWWI threshold baru (4 dbz). Hal ini berarti apabila menggunakan threshold default akan memiliki kecenderungan terjadinya overestimate dalam memberikan peringatan cuaca buruk akan lebih besar dibandingkan dengan threshold baru yang mendekati nilai reflektifitas yang paling sering muncul di wilayah Jakarta dan sekitarnya pada musim Hujan dan Peralihan. 4. KESIMPULAN Dari hasil dan pembahasan yang telah dianalisa, maka dapat ditarik kesimpulan bahwa : 1. Nilai reflektifitas saat terjadi cuaca buruk disertai dengan petir berasal dari awan konvektif yang paling sering muncul pada musim hujan di wilayah Jakarta dan sekitarnya adalah 54 dbz, sedangkan pada musim peralihan adalah 55 dbz. Maka sebagai input threshold intensity pada produk SWWI yang sesuai dengan kondisi awan konvektif di wilayah Jakarta dan sekitarnya periode musim hujan dan musim peralihan dapat ditentukan nilai threshold input intensity untuk potensi cuaca buruk yaitu 4 dbz. 2. Nilai ambang batas (threshold) default yang digunakan utk input intensity pada produk SWWI sebagai indikator terjadinya cuaca buruk terlalu rendah, sehingga menyebabkan terjadi over estimate dalam pemberian warning. 5. DAFTAR PUSTAKA BMKG Analisis Musim Hujan 214/215 dan Prakiraan Musim Kemarau 215 Propinsi Banten dan DKI Jakarta. BMKG: Jakarta. 6

7 Carine P.A.D.V., Maria Penentuan Threshold Intensity untuk Produk SWWI pada Radar Cuaca Denpasar dengan Menggunakan Data Lightning Detector (Studi Kasus 213). STMKG: Jakarta. Michael, I. B., dan Steven, A. L. 2. An Improved Scheme for Convective/Stratiform Echo Classification Using Radar Reflectivity. Department of Meteology Texas A & M University College Station Texas. Muchlisin, P. G. W Identifikasi Awan Cumulonimbus dengan Citra Radar Pada Saat Kejadian Hujan Lebat. Jurnal Meteorologi Klimatologi dan Geofisika, vol.2 No.1 hal National Meteorological Library and Archive Fact Sheet Thunderstorms. Satiadi, D., dkk ITCZ Monsun Indo- Australia. Prosiding SNSAA 212 Tjasyono, Bayong H. K., dan Harijono, Sri Woro B. 26. Meteorologi Indonesia 2: Awan & Hujan Monsun. BMKG: Jakarta. Wardoyo, E Pengantar Aplikasi Radar EDGE. Training Radar Cuaca. BMKG Wardoyo, E Pengantar III Output Radar Data. Training Radar Cuaca. BMKG Zakir, A., Sulistya, W., dan Khotimah, M. K. 21. Perspektif Operasional Cuaca Tropis. BMKG: Jakarta 7