Model Ensemble Statistical Downscaling dengan Gamma-LASSO untuk Prediksi Curah Hujan di Jawa Barat

Abstract

Hujan memiliki peran penting dalam kehidupan manusia. Pemodelan dan prediksi curah hujan penting karena dapat membantu mengambil keputusan. Metode yang memanfaatkan data berskala global untuk memprediksi curah hujan lokal yaitu Statistical Downscaling (SD). SD menggunakan luaran dari model simulasi kompleks yang menggambarkan proses geografis untuk memprediksi parameter iklim global yang disebut General Circulation Model (GCM). Model GCM saat ini telah banyak dikembangkan di berbagai negara dengan spesifikasi yang berbedabeda. Salah satu jenis dari GCM yang menjadi fokus penelitian ini adalah Decadal Climate Production Project (DCPP) yang fokus pada pengembangan prediksi menggunakan data re-analisis. Penelitian ini bertujuan untuk membentuk model ensemble dari 10 model GCM DCPP untuk mengatasi perbedaan karakteristik prediksi dari setiap model agar dapat diterapkan pada daerah dengan karakteristik curah hujan yang beragam di Jawa Barat. Curah hujan memiliki sifat sebaran yang tidak mengikuti sebaran normal sehingga digunakan regresi berbasis sebaran gamma yang dikombinasikan dengan LASSO untuk mengatasi masalah multikolinearitas pada luaran GCM. Hasil regresi dari setiap model GCM kemudian digabungkan menggunakan metode averaging dan stacking yang menghasilkan prediksi dengan tingkat akurasi yang lebih baik dibanding model individu. Hasil pemodelan menunjukkan bahwa penggabungan model dengan ensemble dapat mengatasi masalah konsistensi dan meningkatkan kualitas prediksi