Penentuan Domain Global Climate Model dengan LASSO untuk Peningkatan Akurasi Prediksi Curah Hujan di Jawa Barat
View/ Open
Date
2019Author
Fadhli, Nanda
Wigena, Aji Hamim
Djuraidah, Anik
Metadata
Show full item recordAbstract
Curah hujan memiliki dampak serius terhadap berbagai sektor usaha, khususnya pertanian di Jawa Barat. Kabupaten Indramayu, sebagai daerah produsen padi terbesar di Jawa Barat, sering dilanda kekeringan dan banjir yang merusak ribuan hektar sawah. Akibatnya luas panen dan produksi menjadi sasaran kerugian. Informasi prediksi curah hujan dibutuhkan untuk meminimalkan kerugian tersebut.
Global Climate Model (GCM) sering digunakan dalam studi prediksi curah hujan. Model ini menghasilkan sejumlah data berbagai parameter iklim (seperti presipitasi) pada grid-grid GCM. Data GCM versi model Climate Forecast System Reanalysis (CFSR) terdapat pada berbagai resolusi grid, antara lain 0.312°×0.312°; 0.5°×0.5°; dan 2.5°×2.5°. Data tersebut belum dapat digunakan langsung untuk menduga curah hujan pada skala lokal dengan resolusi grid yang lebih kecil.
Teknik statistical downscaling (SDS) menghubungkan data skala global (prediktor) dengan data skala lokal (respon). Teknik ini membutuhkan suatu area pada GCM, yakni domain GCM. Pemilihan domain GCM merupakan faktor penting dalam teknik SDS dan akan menentukan hasil prediksi. Resolusi grid juga dipertimbangkan untuk meningkatkan akurasi pendugaan curah hujan.
Domain GCM belum dapat dimodelkan dengan teknik SDS karena terdapat masalah multikolinearitas antar gridnya. Metode shrinkage seperti Least Absolute Shrinkage and Selection Operator (LASSO) dapat digunakan untuk menangani multikolinearitas. LASSO juga dapat melakukan seleksi peubah dalam pemodelan.
Penelitian ini bertujuan menentukan resolusi grid GCM terbaik dan domain GCM optimum di Jawa Barat. Penentuan resolusi grid diawali dengan penentuan domain GCM menggunakan konsep korelasi minimal sebesar 0.3 antara data grid GCM (prediktor) dan data curah hujan lokal (respon) untuk grid yang berada pada empat arah mata angin. Hubungan yang erat antara respon dengan prediktor merupakan salah satu syarat dalam teknik SDS. Domain yang terbentuk dievaluasi untuk pemodelan SDS dengan regresi LASSO.
Pada penelitian ini digunakan dua jenis data. Pertama, peubah prediktor, adalah data presipitasi bulanan GCM pada tahun 1981 sampai dengan 2009 (348 bulan) versi model Climate Forecast System Reanalysis (CFSR). Data GCM memiliki tipe grid dan berada diatas wilayah Indonesia pada 12°LU sampai -15°LS dan 90°BT sampai 150°BT. Kedua, peubah respon, adalah data curah hujan bulanan (mm) dari 27 stasiun curah hujan lokal di Jawa Barat pada -7.78°LS sampai -6.28°LS dan 108.40°BT sampai 107.87°BT. Seluruh stasiun dibagi menjadi 3 kelompok berdasarkan jenis datarannya, yakni dataran rendah, sedang, dan tinggi.
Hasil kajian menunjukkan bahwa ukuran grid 2.5°×2.5° terpilih sebagai ukuran grid terbaik berdasarkan RMSEP yang relatif kecil dan korelasi relatif besar pada tiap dataran. Domain GCM optimum untuk Jawa Barat berukuran 5×8. Pemodelan domain tersebut dapat meningkatkan akurasi prediksi curah hujan bulanan dibandingkan dengan penelitian sebelumnya yang menggunakan domain 8×8 di Indramayu menghasilkan RMSEP dalam rentang 63-148 dan korelasi dalam
rentang 0.50-0.94. Metode penentuan domain GCM pada penelitian ini dapat diterapkan untuk menentukan domain GCM di berbagai daerah lainnya.