Model Statistical Downscaling Dengan Domain Hasil Analisis Variogram
Abstract
Cuaca, terutama curah hujan, merupakan salah satu topik yang sering menjadi pembicaraan. Pentingnya curah hujan bagi berbagai objek studi membuat banyak penelitian dilakukan untuk mendapatkan ramalan curah hujan dengan tingkat akurasi yang tinggi. Sekarang ini banyak metode dikembangkan untuk melakukan peramalan curah hujan, di antaranya dengan menggunakan ARIMA dan statistical downscaling. Metode statistical downscaling digunakan untuk meramalkan curah hujan skala lokal dengan menggunakan predictor, peubah bebas, curah hujan dalam skala global. Dalam hal ini, curah hujan skala global direpresentasikan oleh data General Circulation Models (GCM). Teknik yang sering digunakan dalam statistical downscaling adalah Regresi Komponen Utama (RKU) dengan data grid GCM sebagai domain (peubah bebas) dan data curah hujan skala lokal sebagai predictant (peubah tak bebas). Data grid di posisi mana dan seberapa luas grid GCM yang digunakan sebagai domain dalam statistical downscaling belum banyak dibahas. Penentuan domain menjadi pokok permasalahan dalam penelitian kali ini. Peubah tak bebas yang digunakan pada penelitian ini adalah curah hujan Stasiun Sukadana yang berada pada posisi 6.6 LS dan 108.3 BT. Domain yang digunakan dalam penelitian ini ada empat macam. Domain yang digunakan sebagai peubah bebasnya adalah data grid GCM berukuran 6x6 di sekitar Stasiun Sukadana pada posisi 1.4 LU -12.6 LS dan 101.3 BT -115.3 BT, grid GCM berukuran 8x8 di sekitar Stasiun Sukadana pada posisi 4.19 LU -15.3 LS dan 98.4 BT- 118.1 BT , serta wilayah Indonesia pada posisi 6 LU -11 LS dan 95 BT-141 BT. Domain hasil analisis variogram yang didapat merupakan grid berukuran 19x19 pada posisi 12.6 LU-37.7 LS dan 104.1 BT-154.7 BT dengan titik pusatnya adalah grid yang memiliki korelasi tertinggi dengan curah hujan Stasiun Sukadana. Penelitian ini menunjukkan bahwa model dengan domain hasil analisis variogram dan model tanpa analisis variogram memberikan hasil yang relatif sama.