Prediksi Cuaca

by R.Larasati

Forecast for life

( Prediksi cuaca untuk kehidupan yang lebih baik )

Sejarah prakiraan cuaca dan iklim di Indonesia

Dalam perkembangan awal sistem informasi cuaca atau iklim di kalangan masyarakat Indonesia dilakukan dengan cara visualisasi dari kondisi alam raya seperti posisi rasi bintang. Cara ini pada awalnya sangat sederhana dengan memperhatikan faktor astronomi yang umumnya dilakukan para petani di Indonesia, dimana hal ini telah dikenal pada saat melakukan kegiatan penanaman padi. Cara petani yang dahulu hingga kini belum ada publikasi tertulis telah memperkenalkan cara memprakirakan kondisi musim atau iklim dengan pola tanam padi yaitu dengan pola rasi bintang (waluku atau bajak). Dengan demikian masalah prakiraan cuaca atau iklim telah dikenal oleh oleh masyarakat Indonesia sejak zaman dahulu dan kondisi ini makin berkembang setelah zaman kerajaan Mataram yang memperkenalkan PRANATA MANGSA yang pada hakekatnya merupakan suatu cara prakiraan musim di Indonesia khususnya masyarakat di Pulau Jawa. Pada era awal abad 20 cara pemodelan ilmu cuaca dan numerik dikembangkan dan selanjutnya berkembang dengan pengembangan penggunaan komputer dan dengan keterlibatan ilmu alam (fisika) dan ilmu pasti (matematika atau statistika). Kemudian pada era menjelang akhir abad 20 ini seiring dengan perkembangan teknologi pemantauan dengan melibatkan sarana konvensional (radar dan satelit cuaca) dan teknologi informasi (multi media) telah memberikan hasil yang cukup menggembirakan dengan penekanan pada dampak kerugian moril dan materil yang cukup besar.  Dengan adanya sarana ini, sarana komunikasi multi media telah pula memberikan andil dalam peragaansistem informasi cuaca dan iklim khususnya antisipasi hadirnya kondisi alam yang menyimpang.

Pengertian prakiraan cuaca dan iklim

Prakiraan cuaca merupakan rangkuman informasi kondisi cuaca harian hingga mingguan, sedangkan prakiraan iklim umumnya merupakan unsur – unsur iklim yang umumnya untuk wilayah Indonesia adalah prakiraan hujan bulanan atau prakiraan hujan yang berlangsung dalam satu musim. Dengan demikian jenis prakiraan cuaca dan iklim dibedakan dalam kurun waktu dan jenis unsur yang diprakirakan, dimana prakiraan cuaca lebih banyak menyebutkan hampir semua unsur cuaca dan prakiraan iklim umumnya berkisar pada kuantitas curah hujan dan awal musim.

Prakiraan cuaca dan iklim merupakan bagian dari sistem informasi yang digunakan untuk melihat kondisi alam untuk waktu mendatang (harian hingga mingguan disebut prakiraan cuaca, bulanan/musiman/tahunan disebut prakiraan bulanan/musiman/tahunan) yang merupakan hasil analisis dan pengolahan data baik dari data yang lalu yang umumnya disebut data iklim maupun data yang terakhir. Suatu sistem prakiraan cuaca dan iklim menjadi suatu rentetan hasil pengamatan cuaca yang terus – menerus, selanjutnya pengumpulan data untuk di olah dengan menggunakan persamaan matematika dan hasil olahan terakhir berupa angka yang menunjukkan unsure cuaca atau iklim tertentu (hujan, angin, suhu, kelembapan, dsb).

Pada hakekatnya, sistem informasi cuaca atau iklim merupakan cara yang dilakukan untuk mengoptimalkan  usaha pemantauan, pengumpulan, analisis data, hingga menjadi bentuk evaluasi atau prakiraan cuaca dan iklim sedemikian hingga merupakan suatu usaha manusia untuk melihat perkembangan kondisi udara yang lalu, sekarang, dan yang akan dating khususnya dalam kaitan mengantisipasi kondisi ekstrem yang umumnya merugikan harta benda dan jiwa manusia.

Komponen yang mempengaruhi ketepatan prakiraan cuaca dan iklim

Sistem penyusunan informasi prakiraan cuaca dan iklim melibatkan beberapa aspek ilmu pengetahuan seperti pengetahuan ilmu atmosfer bumi seperti fisika, matematika, statistic, dan kimia, selain itu unsure cuaca merupakan fungsi ruang dan waktu, pengetahuan skala proses fisis dan kima udara di atmosfer mutlak perlu diketahui. Dengan demikian sistem prakiraan cuaca dan iklim merupakan suatu proses yang kompleks dan melibatkan :

  1. Keahlian seorang prakirawan (skill dan experience)
  2. Ketersediaan data
  3. Cara analisis dan pengolahan data
  4. Informasi kondisi global dan regional

Suatu prakiraan yang disusun jauh hari sebelum waktu prakiraan tersebut disusun umumnya hasil ketepatannya rendah dan apabila data yang terkumpul sedikit, maka hasilnya juga jauh dari yang diharapkan. Usaha untuk menerapkan sistem periode ulang atau siklus yang umumnya digunakan oleh praktisi dari bidang tertentu perlu dipertimbangkan dengan baik, karena variasi cuaca dan iklim dari waktu ke waktu akan ada perbedaannya. Dari pandangan ilmu meteorologi atau ilmu iklim (klimatologi), siklus mungkin dapat digunakan apabila variasi cuaca dan iklim berlangsung secara kontinu dan pasti, namun pada kenyataannya kondisi cuaca dan iklim bervariasi sedemikian rupa seiring dengan kondisi dinamika dan proses fisik yang sedang berlangsung. Cara ini mungkin dilakukan dalam tambahan analisis dan pengolahan data akan tetapi apabila hal ini dipaksakan, mungkin juga dapat digunakan tetapi disarankan untuk membandingkan hasil tersebut dengan informasi resmi yang dikeluarkan oleh institusi meteorologi yang resmi.

Winarso,  Paulus Agus .2000.Sistem Prakiraan Cuaca dan Iklim di Indonesia.Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional.Makalah Review.Lembaga Penerbangan dan Antariksa Nasional.pp 193-199

Beberapa metode prediksi cuaca

1. Operasional prakiraan cuaca jangka pendek di badan meteorologi dan geofisika

Dalam membuat prakiraan cuaca jangka pendek BMG telah memadukan metode analogi/subjektif dengan model TLAPS, model TLAPS adalah model yang telah dikembangkan oleh Australia khusus daerah tropic. Hasil keluaran dari model TLAPS seperti presipitasi, vortisitas, kelembapan udara, angin, dan indeks kestabilan udara mempunyai korelatsi positif.

Belum adanya keseragaman  metode dalam memprakirakan cuaca jangka pendek, maka metode yang sangat mudah  dipahami oleh seorang prakirawan adalah dengan menggunakan metode subjektif/analogi. Metode subjektif disisni adalah suatu metode prakiraan cuaca jangka pendek yang memperhatikan karakteristik keadaan unsur/data cuaca yang telah dan sedang terjadi, serta pemantauan keadaan atmosfer dalam skala sinoptik. Dari hasil pengamatan tersebut dan berdasakan pengetahuan tentang dinamika atmosfer yang dimiliki oleh prakirawan, kemudian di indentifikasikan daerah – daerah mana saja yang kondisi udaranya cukup labil dan berpeluang untuk pertumbuhan awan hujan, presentase kebenaran dari metode subjektif adalah 70-80%.

Kelemahan dari metode ini adalah dapat menimbulkan persepsi yang berbeda antara prakirawan satu dengan lainnya, sehingga menghasilkan prakiraan cuaca yang berbeda.

Domain dari model TLAPS adalah sekitar 150LU-400LS / 900-1700BT, validitas prakiraannya mencapai 48 jam, sedangkan outputnya antara lain adalah angin pada lapisan standar, analisis dan prakiraan kelembapan udara lapisan 850 dan 700 mb, analisis dan prakiraan vortisitas. Dari output ini diketahui daerah mana yang keadaan atmosfernya cukup labil dan daerah liputan awan hujan.

Pengujian model ini dilakukan dengan memperhatikan dan memantau keadaan cuaca seperti angin, suhu udara, kelembapan udara, dan citra satelit yang hasilnya mempunyai korelasi positif dengan keadaan unsur cuaca yang sudah terjadi. Model ini cukup baik pada saat musim hujan dan musim kemarau, sedangkan pada saat musin peralihan kurang baik karena pada saat musim peralihan pengaruh local dan konvektif lebih besar daripada skala sinoptik.

Zakir, Achmad .2000.Operasional Prakiraan Cuaca Jangka Pendek di Badan Meteorologi dan Geofisika.Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional.Makalah Review.Lembaga Penerbangan dan Antariksa Nasional.pp 15-17

2. Prakiraan jangka panjang di badan meteorologi dan geofisika

Prakiraan jangka panjang yang dibuat BMG menggunakan beberapa metode yang berbasis statistik atau matematik, diantaranya metode probabilitas, ARIMA, deret harmonis, dan metode analogi (Nuryadi,1998; Gunawan,1999). Metode statistik dinamis yaitu regresi dan model fungsi transfer, serta metode dinamis.

  • Metode probabilitas

Metode ini menghitung peluang suatu kejadian yang akan dating berdasarkan analisis deret data. Probabilitas yang diharapkan dikelompokan dalam tiga kategori untuk sifat hujan yaitu atas normal, normal, dan bawah normal, sedangkan untuk permulaan musim dikelompokan dalam kategori lebih awal, sama, dan lebih lambat dari rata – rata normalnya.

  • Metode ARIMA

Metode ARIMA (Auto Regressive Integrated Moving Average) yang pertama dikembangkan adalah metode Box dan Jenkin. Metode ini adalah metode deret waktu yang memperlakukan system sebagai sebuah kotak hitam (black box) tanpa berusaha mengetahui fakto – faktor yang mempengaruhi system tersebut. System semata – mata di anggap sebagai suatu pembangkit proses (Bey,1987)

Ada dua alas an utama untuk memperlakukan system sebagai kotak hitam, yaitu :

  1. Sistem tersebut sangat kompleks untuk dimengerti atau jika dapat dimengerti sangat sukar mengukur dengan teliti keterkaitanya berbagai faktor yang mengendalikan system tersebut.
  2. Tujuan utama hanyalah ingin menduga apa yang akan dating, bukan mengetahui mengapa hal terjadi.

Dasar pendekatan untuk membangun model Box-Jenkin terdiri atas tiga tahap, yaitu identifikasi, penaksiran, dan pengujian serta penerapan.

  • Metode deret harmonis

Metode ini dinamakan juga analisis Fourier, adalah pencocokan deret berkala ke dalam gelombang sinus untuk mencari adanya faktor perioisitas pada data.

  • Metode analogi

Metode ini di dasarkan pada kenyataan bahwa suatu peristiwa alam termasuk musim tidak akan sama untuk setiap kejadian, namun ada kemiripan yang dapat terulang yang dapat terulang dalam periode waktu tertentu. Atas dasar tersebut, metode ini mengkaji suatu series data untuk mencari kemiripan kemudian menganalogikannya untuk kejadian yang akan datang. Unsure yang digunakan untuk menganalogikan suatu kejadian adalah siklus kejadia ENSO/La Nina dengan mengkaji data SOI.

  • Metode regresi

Metode regresi linier yang digunakan untuk prakiraan jangka panjang adalah meregresikan curah hujan bulanan/musiman dan permulaan musim dengan unsure fisis/atmosfer lain sebagai variable bebas. Dalam hal ini digunakan Indeks Osilasi Selatan rata – rata tiga bulan di belakang periode musim yang diprakirakan sebagai prediktor.

  • Model fungsi transfer

Proses linier atmosfer dipresentasikan oleh fungsi transfer. Atmosfer berlaku sebagi sistem dinamis linier merubah input menjadi output, namun pada kenyataannya atmosfer tidak demikian sederhana. Ada sejumlah faktor lain yang mempengaruhi output yang dalam model ini di anggap sebagai gangguan atau noise.

  • Model dinamis

Metode ini lebih bersifat analisis dari dinamika atmosfer yang kemudian digunakan untuk prediksi. Analisis yang dibuat meliputi analisa arus angin dan suhu permukaan laut.

  1. Analisa suhu permukaan laut (SST)

Pembentukan awan sangat erat kaitannya dengan tersedianya uap air di atmosfer. Sebagian uap air di atmosfer berasal dari penguapan air laut. Sebagai indicator penguapan air laut digunakan temperature permukaan air laut (sea surface temperature) sebagai predictor. SST yang di analisis adalah :

  • SST wilayah pasifik ekuator bersama – sama dengan Indeks Osilasi Selatan (SOI) digunakan untuk memonitor terjadinya kondisi ekstrem El Nino dan La Nina.
  • SST mingguan untuk perairan Indonesia dan sekitarnya yang digunakan sebagai predictor curah hujan.

Berdasarkan kajian yang dilakukan secara empiris, tenggang waktu terbaik adalah sekitar 2 minggu sebelumnya. Jadi untuk prakiraan decade 1 (tanggal 1-10) digunakan SST minggu ke-2 bulan sebelumnya.

  1. Analisa stream line (arus angin)

Prakiraan arus angin untuk periode yang bersangkutan dianalisis untuk mendapatkan daerah – daerah konvergensi serta menentukan posisi ITCZ.

Dari hasil analisa dua parameter di atas, digabung dengan pertimbangan pengaruh lokal seperti keadaan orografis serta stabilitas atmosfer yang diperoleh dari pengamatan grafik aerogram di tentukan prakiraan hujan untuk tiap – tiap decade. Dengan menjumlahkan secara kumulatif tiga decade pada bulan yang bersangkutan diperoleh prakiraan hujan untuk satu bulan kedepan.

Bey, Ahmad .1987.Metoda Kausal dan Times Series untuk Analisa Data Iklim.Bogor: IPB dan KRS B

Gunawan D.1999.Percentile Descriptive Methode for Monthly Rainfall Prediction.Bul.Met.Geo;1:12-18

Nuryadi.1998.Tinjauan Prakiraan Musim BMGserta Manfaatnya untuk Jadwal Tanam.Laporan Praktek Lapang.Jurusan Geofisika dan Meteorologi FMIPA-IPB.Bogor

Dodo Gunawan Dkk.2000.Prakiraan Jangka Panjang di Badan Meteorologi dan Geofisika.Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional.Makalah Review.Lembaga Penerbangan dan Antariksa Nasional.pp 51-59

3. Peramalan cuaca bulanan dengan metode statistik

Dasar dari metode peramalan statistik adalah hubungan antara unsur yang diramal, variabel bergantung (prediktan) dan variabel bebas (prediktor) yang dipilih. Kriteria utama yang dipakai dalam pemilihan prediktor adalah koefisien korelasi, meskipun pertimbangan fisis dan dinamis sangat diharapkan.

Penurunan persamaan hubungan antara prediktan dan prediktor memakai analisis regresi. Metoda regresi memiliki beberapa keuntungan karena objektif dan memberikan ukuran goodness dari rumusnya dengan koefisien korelasi.

Dalam memilih prediktor perlu pertimbangan fisis dan dinamis dari atmosfer yaitu mengikutsertakan faktor yang mengendalikan cuaca di Indonesia dalam metoda peramalan ini, misalnya :

  1. Posisi dan intensitas palung dekat ekuator (near equatorial trough) baik di belahan bumu utara (BBU) atau belahan bumi selatan (BBS)berperan penting dalam pengendalian pembentukan dan gerakan gangguan ekuatorial yang dapat mempengaruhi curah hujan di Indonesia.
  2. Palung ekuatorial ditentukan oleh faktor global seperti punggung subtropik (subtropical ridge) dan sistem tekanan yang telah dipakai prediktor oleh peneliti sebelumnya.
  3. Sentakan dingin (cold surg) juga dapat mempengaruhi hujan.

Bayong Tjasyono HK dan R.Kartika Lestari.2000.Peramalan Cuaca Bulanan dengan Metode Statistik.Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional.Makalah Review.Lembaga Penerbangan dan Antariksa Nasional.pp 19-26

4.Model prediksi iklim berbasis data penginderaan jauh

Dari data Geostationery meteorological satellite (GMS) yang berupa sensor infra merah berupa data harian dengan resolusi 20 km X 20 km yang mencakup wilayah antara 600LU – 600LS dan 800BT – 1600BT akan diklasifikasikan awannya menjadi daerah dengan bebas awan, awan menengah, dan awan tinggi. Lalu dilakukan penghitungan liputan awan per mingguan dan selanjutnya diakukan analisa perkembangannya selam 1 bulan.

Penentuan posisi garis berat ITCZ (Inter Tropical Convergence Zone) atau SPCZ (South Pacific Convergence Zone) dari posisi pixel awan menengah dan awan tinggi dengan menggunakan regresi linier : y = ax + b serta analisa pergeseran posisinya. Evaluasi dilakukan terhadap keadaan yang berjalan dan membandingkan dengan keadaan bulan sebelumnya. Dari sini baru dilakukan prediksi posisi ITCZ/SPCZ dan curah hujan bulan selanjutnya.

Erna Sri Adiningsih.2000.Model Prediksi Iklim Berbasis Data Penginderaan Jauh dan Aplikasinya di Indonesia. Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional.Makalah Review.Lembaga Penerbangan dan Antariksa Nasional.pp 73-76

Kondisi Cuaca dan Iklim Nasional

Sebagai Negara yang terletak di daerah tropis dengan memiliki suhu panas sepanjang tahun, keragamana iklim antar tahun terlihat jelas pada pola dan curah hujan yang tidak selalu tetap. Secara nisbi, sebagai Negara kepulauan yang terletak di khatulistiwa, diantara dua benua dan dua samudra, Indonesia sebenarnya memiliki banyak sumber uap air yang menjadi awan pembawa hujan. Akibat suhu yang selalu panas, atmosfer kita selalu kaya uap air yang secara konveksi selalu bergerak keatas dalam bentuk awan dan akhirnya membentuk hujan.

Pola hujan di daerah tropis sangat dipengaruhi oleh pergerakan angin yang ditentukan oleh posisi bumi terhadap matahari. Wilayah di sekitar khatulistiwa yang dipengaruhi oleh konvergensi antar tropis memiliki hujan yang tinggi dengan dua puncak musim hujan. Semakin jauh dari khatulistiwa semakin jelas pola hujan musiman yang disebut moonsun, dimana pada wilayahdengan pertanian intensif sering terjadi kekurangan air pada musim kemarau., karena sebagian besar pertanian tanaman semusim terletak di wilayah yang dipengaruhi pola hujan moonsun. Pengaturan waktu dan pola tanam sangat mempengaruhi keberhasilan usaha tani.

Istiqlal Amien.2002.Anomali Iklim dan Tanaman Pangan serta Teknologi Antisipasi Penanggulangannya.Seminar Sehari Upaya Peningkatan Ketahanan Sistem Produksi Tanaman Pangan terhadap Iklim Ekstrem.Depatemen Pertanian  direktorat Jenderal Bina Produksi Tanaman Pangan.pp 2-3

 

Pengelolaan informasi hasil prakiraan iklim musiman untuk pertanian di Badan Meteorologi dan Geofisika

v  Jenis informasi iklim produk BMG

  1. Laporam meteorologi dan geofisika

Laporan ini dikeluarkan tiap awal bulan, menjelaskan tentang ringkasan evaluasi dan prakiraan umum bulanan yang intinya evaluasi sifat hujan satu bulan mendatang. Criteria yang digunakan dalam pengertian sifat hujan adalah dengan memperhatikan kemungkinan hujan yang terjadi selama satu bulan dinyatakan dalam persen yang diungkapkan dengan istilah bawah normal, normal, dan atas normal.

Evaluasi sifat hujan normal bila jumlah hujan dalam satu bulan setelah di evaluasi berada dalam kisaran 85-115% dari normal itu. Dikatakan di bawah normal bila jumlah hujan dalam satu bulan kurang dari 85% dan dikatakan atas norm,al jika jumlah hujan dalam satu bulan lebih dari 115%.

Disamping hal di atas, dalam laporan meteorologi dan geofisika ini dimuat juga informasi kejadian gejala meterologi dan geofisika selama satu bulan yang lalu, seperti kejadian curah hujan di atas 50mm/hari, angin kencang dengan kecepatan lebih besar dari 45km/jam, tempat-tempat dengan suhu udara ekstrem, dan asap yang mengakibatkan jarak pandang antara 700-1000m, serta tingkat ketersediaan air. Informasi kualitas udara juga dimuat dalam laporan ini tetapi untuk keadaan dua bulan yang lalu

  1. Prakiraan musim

Buku prakiraan musim ini dikeluarkan pada tiap awal bulan maret untuk prakiraan awal musim kemarau dan tiap awal bulan September untuk prakiraan awal musim hujan. Dalam prakiraan musim ini dimuat prakiraan umum curah hujan selama satu periode musim, yaitu april s/d September untuk periode musim kemarau, dan oktober s/d maret untuk periode musim hujan yang dinyatakan dalam kisaran jumlah millimeter curah hujan.

Disamping prakiraan umum curah hujan, buku prakiraan musim utamanya memuat prakiraan musim dan prakiraan sifat hujan musim tiap daerah prakiraan musim (DPM). Pembagian DPM ini didasarkan pada kesamaan pola curah hujan bulanan selama periode 30 tahun (rata-rata normal) dari beberapa pos hujan yang berada di wilayah dengan memperhatikan kondisi topografinya.

Awal prakiraan musim di suatu DPM dimulai dengan criteria bila jumlah curah hujan selama satu dasarian kurang dari 50mm untuk musim kemarau dan lebih dari 50mm untuk musim hujan yang diikuti dengan ketentuan yang sama untuk dasarian berikutnya. Dalam satu bulan dibagi menjadi 3 dasarian, yaitu dasarian 1 dari tanggal 1 s/d 10, dasarian 2 dari tanggal 11 s/d 20, dan dasarian 3 dari tanggal 21 s/d tanggal akhir bulan.

Prakiraan sifat hujan musim didasarkan pada criteria normal, bawah normal, dan atas normal seperti yang digunakan dalam evaluasi dan prakiraan sifat hujan bulanan di atas, hanya dalam hal pengertian sifat hujan disini adalah sifat hujan selama periode musim dari masing-masing DPM, yaitu periode rata-rata normal musim hujan atau kemarau.

Badan Meteorologi dan Geofisika.2002.Pengelolaan Informasi Hasil Ramalan Iklim Musiman untuk Tujuan Pertanian.Seminar Sehari Upaya Peningkatan Ketahan Sistem Produksi Tanaman Pangan terhadap Iklim Ekstrem. Depatemen Pertanian  direktorat Jenderal Bina Produksi Tanaman Pangan.

Contoh prediksi cuaca dan iklim

  • Prediksi iklim (pergeseran musim untuk El Nino dan La Nina)

Prediksi curah hujan dan El Nino di Indonesia bulan Maret s/d Juni 2003

ü  Kondisi curah hujan bulan maret 2003

Berdasarkan data OLR (out going longwave radiation) kondisi curah hujan bulan Maret 2003 mengalami penurunan di bandingkan dengan kondisi bulan februari 2003 terutama di Pulau Jawa dan Nusa Tenggara. Penurunan juga terjadi di Lampung, Kalimantan Barat, Kalimantan Tengah, Sulawesi Tenggara, dan Maluku Selatan. Namun pengaruh curah hujan juga dapat terjadi di Aceh dan Sumatera Utara, jika dibandingkan dengan kondisi rata-ratanya, curah hujan pada bulan Maret terlihat masih sedikit di bawah rata-rata seperti Lampung, Bengkulu, Jawa Barat, Jawa Tengah, Jawa Timur, Bali, Nusa Tenggara Barat, Sulawesi Tengah, Kalimantan Barat, dan Kalimantan Tengah. Pengaruh curah hujan dapat terjadi di Maluku Selatan dan Irian Jaya. Kondisi air di lahan pertanian di Pulau Jawa, Bali, Sulawesi Selatan, Aceh , dan Sumatera Utara masih tercukupi. Faktor kebakaran hutan belum cukup untuk membuat lahan hutan terbakar.

ü  Prakiraan bulan April 2003 s/d Juni 2003

Berdasarkan data OLR, fluktuasi SOI (South Oscilation Index) dan suhu permukaan laut diperkirakan pada bulan April 2003 akan mengalami penurunan curah hujan di berbagai wilayah Indonesia seperti Jawa Timur, Bali, Kepulauan Nusa Tenggara, Maluku, dan Sulawesi Utara. Namun pengaruh curah hujan dapat juga terjadi di hampir seluruh wilayah Sumatera, Kalimantan Barat, dan Kalimantan Tengah. Kondisi wilayah lain masih relative tetap jika dibandingkan dengan kondisi rata-ratanya curah hujan pada bulan April 2003 sedikit berada di atas normal hampir seluruh wilayah Indonesia. Hujan tinggi dapat terjadi di Sumatera Barat, Lampung, Sulawesi Selatan, Kalimantan Tengah, dan Irian Jaya. Kondisi air di lahan pertanian di Pulau Jawa, Bali, Sulawesi Selatan, Aceh, dan Sumatera Utara masih tercukupi sedangkan untuk hutan masih belum ada pemicu cuaca.

Berdasarkan data OLR curah hujan pada bulan Mei 2003 akan mengalami banyak penurunan terutama di Pulau Jawa, Bali, Kepulauan Nusa Tenggara, Sulawesi Selatan, Sulawesi Tenggara, Sulawesi Utara, Maluku, dan Irian Jaya. Penguatan curah hujan hanya kan terjadi di Aceh dan Sumatera Utara. Jika dibandingkan dengan kondisi rata-rata curah hujanpada bulan Mei 2003 masih berada dalam kondisi normal. Kondisi air pertanian di Pulau Jawa, Bali, dan Sulawesi Selatan masih berkurang, sehingga harus mulai mengefektifkan air irigasi. Faktor kebakaran hutan  dimana cuaca sebagai penentu di Sumatera dan Kalimantan belum terlihat begitu jelas. Mulai waspada daerah kering di Pulau Jawa.

Pada bulan Juni 2003 berdasarkan data OLR diperkirakan akan banyak mengalami penurunan di wilayah selatan dibandingkan dengan prediksi Mei 2003. Penurunan curah hujan hampir terjadi di seluruh wilayah Indonesia. Hujan masih efektif terjadi di wilayah utara Indonesia seperti di Aceh, Sumatera Utara, Sumatera Barat, Jambi, Riau, Kalimantan Barat, Kalimantan Timur, dan Sulawesi Tengah. Jika dibandingkan dengan  kondisi rata-ratanya curah hujan pada Juni 2003 masih dalam kisaran normal. Kondisi air pertanian di Pulau Jawa, Bali, dan Sulawesi Selatan makin berkurang sedangkan di Aceh dan Sumatera Utara masih cukup. Kebakaran hutan di Sumatera dan Kalimantan perlu diwaspadai.

ü  Prediksi El Nino

Berdasarkan data yang diperoleh dari satelit NOAA, gejala El Nino pada bulan April 2003 belum Nampak karena anomaly SST di Nino 3.4 masih tergolong normal walaupun sedikit lebih hangat. Kondisi lebih hangat di Nino 3.4 menurun pada bulan Mei 2003 dan menurun kembali pada bulan Juni 2003 dan juga pada bulan Juli 2003. Prediksi El Nino pada bulan April – Juli 2003 belum Nampak ada gejala El Nino dan cenderung normal.

Lembaga Penerbangan dan Antariksa Nasional.2003.Pemantauan Cuaca dan Iklim di Indonesia untuk Operasi Mitigasi Bencana alam.