Perbandingan metode orthogonal score regresi kuadrat terkecil parsial untuk satu respon dan multirespon dalam statistical downscaling

Abstract

Output GCM (Generalized Circulation Model ) yang bersifat global mengakibatkan GCM kurang mampu untuk menggambarkan kondisi cuaca skala lokal pada suatu daerah tertentu. Oleh karena itu, diperlukan teknik Statistical Downscaling (SD), yaitu teknik pendugaan curah hujan skala lokal dengan menggunakan output GCM yang berskala global sebagai peubah penjelasnya. Data curah hujan skala global pada grid-grid yang berukuran 300km x 300km mengindikasikan adanya multikolinearitas antar grid. Begitupula data curah hujan skala lokal pada enam stasiun cuaca di Indramayu yang juga memungkinkan adanya multikolinearitas. Salah satu cara untuk mengatasi masalah tersebut adalah metode Regresi Kuadrat Terkecil Parsial (RKTP), dimana metode RKTP tersebut dapat memodelkan beberapa peubah respon secara terpisah (satu respon) maupun secara bersamaan (multi respon). Hasil dari penelitian menunjukkan bahwa metode RKTP satu respon tidak dapat disimpulkan mampu memberikan hasil yang lebih baik dibandingkan dengan menggunakan RKTP multirespon di dalam pendugaan curah hujan di enam stasiun cuaca di Indramayu. Kedua metode tersebut memberikan nilai RMSEP dan korelasi yang tidak jauh berbeda, walaupun terdapat multikolinearitas yang cukup tinggi di antara keenam stasiun cuaca di Indramayu.