Text
MODEL OUTPUT STATISTICS: Untuk Kalibrasi Prakiraan Cuaca Jangka Pendek
Informasi terkait prakiraan cuaca kepada masyarakat menjadi suatu hal yang sangat diperlukan. Kondisi cuaca di Indonesia diumumkan untuk jangka waktu sekitar 24 jam melalui hasil analisis prakiraan cuaca oleh Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Metode prakiraan cuaca yang digunakan oleh BMKG sebelumnya masih mengandalkan kemampuan para forecaster sehingga cenderung lebih subjektif. Saat ini, BMKG telah berupaya mengembangkan pengolahan peramalan cuaca secara numerik, yaitu menggunakan model Numerical Weather Prediction (NWP).
NWP diharapkan dapat memberikan informasi kondisi cuaca dengan akurasi optimal. Namun, NWP pada umumnya memberikan informasi cuaca yang homogen pada beberapa daerah dan diukur pada skala global. Sementara itu, Indonesia merupakan negara yang kaya akan vegetasi dan memiliki topografi yang beragam, sehingga prakiraan cuaca yang dihasilkan menjadi bias dan tidak reliabel. Selain itu, luaran NWP menjadi bias karena keadaan atmosfer yang tidak pasti dan terbatasnya hitungan matematik untuk memodelkan keadaan fisik dan dinamika atmosfer.
Buku monograf ini membahas pengembangan Model Output Statistics (MOS) untuk mengalibrasi prakiraan cuaca. MOS dilakukan melalui tiga model yang mampu mengatasi kasus multikolinearitas pada luaran NWP yang dijadikan sebagai prediktor. Ketiga model tersebut yaitu Pricipal Component Regression (PCR), Partial Least Square Regression (PLSR), dan Ridge Regression. Bagaimana proses mengalibrasi prakiraan cuaca dan performansi MOS dalam meningkatkan akurasi prakiraan menjadi pembahasan dalam buku ini. Penulis berharap buku ini dapat bermanfaat untuk memberikan referensi metode prakiraan cuaca yang lebih akurat dan presisi. Dengan demikian, segala bentuk bencana dan kerugian yang timbul dari kondisi cuaca dapat diantisipasi dengan baik.
Tidak tersedia versi lain