Integrasi SOM dan LVQ untuk Prediksi Klasifikasi Curah Hujan di Musim Kemarau Berbasis Indeks Iklim Global Studi Kasus Kabupaten Indramayu

Abstract

Kabupaten Indramayu adalah sentra produksi padi dan palawija di Provinsi Jawa Barat. Kabupaten Indramayu rentan terhadap bahaya kekeringan yang berdampak terhadap gagal panen (puso) dibandingkan dengan dampak kebanjiran dan organisme penggangu tanaman. Untuk meminimalkan resiko gagal panen pada saat kekeringan maka perlu dikembangkan model prediksi. Model prediksi yang dikembangkan adalah mengklasifikasikan intensitas total curah hujan di musim kemarau. Penelitian ini berfokus di musim kemarau pada bulan Mei, Juni, Juli dan Agustus (MJJA). Model ini menggunakan data masukan indeks iklim global yaitu Indian Ocean Dipole (IOD), Southern Oscillation Index (SOI) dan Sea Surface Temperature (SST). Pemilihan indeks iklim global ini bertujuan melihat pengaruh indeks iklim global terhadap intensitas curah hujan di Indramayu pada musim kemarau. Klasifikasi curah hujan dibagi menjadi 3 kelas. Kelas curah hujan tersebut adalah intensitas curah hujan rendah (kelas 1), sedang (kelas 2) dan intensitas curah hujan tinggi (kelas 3). Analisa korelasi digunakan untuk memilih peubah indeks iklim global yang mempengaruhi intensitas curah hujan di musim kemarau. Hasil analisa korelasi akan dijadikan sebagai masukan untuk klasifikasi kelas curah hujan. Metode yang digunakan untuk mengklasifikasikan kelas curah hujan adalah self-organizing map (SOM), learning vector quantization (LVQ) dan integrasi self-organizing map dengan learning vector quantization. Teknik Z-score digunakan untuk menormalisasi data indeks iklim global. Pemilihan peubah prediktor menggunakan analisa korelasi Pearson. Pemilihan data latih dan data uji menggunakan metode leave one out cross validation (LOOCV). Pengujian model menggunakan metode pengukuran jarak Euclidean. Klasifikasi curah hujan dilakukan dengan 6 skenario, 100 epoch dan laju pembelajaran yang bervariasi. Akurasi terbaik metode SOM diperoleh berdasarkan hasil analisa komponen utama. Akurasi terbaik metode LVQ diperoleh berdasarkan analisa korelasi Pearson dan analisa komponen utama. Akurasi terbaik metode integrasi SOM dan LVQ berdasarkan hasil analisa korelasi Pearson. Metode SOM, LVQ dan SOM+LVQ dapat mengklasifikasikan kelas intensitas curah hujan di musim kemarau (MJJA) dengan baik.