Penentuan Prediktor pada Statistical Downscaling dengan Singular Value Decomposition (Studi Kasus di Stasiun Meteorologi Indramayu).

Abstract

Statistical Downscaling (SD) merupakan suatu teknik yang menggunakan model statistika untuk melihat hubungan antara suatu data yang berskala besar (GCM) dengan data yang berskala lokal (stasiun). Beberapa permasalahan dalam SD yaitu penentuan domain, penentuan prediktor, dan pemodelan yang tepat sesuai dengan karakteristik data. Tujuan penelitian ini adalah menentukan prediktor terbaik untuk memprediksi rata-rata curah hujan bulanan stasiun cuaca di Indramayu dengan menggunakan Singular Value Decomposition (SVD). Penelitian ini menggunakan domain 8 8 grid tepat di atas Indramayu. Prediktor yang dipakai dalam penelitian ini adalah rata-rata curah hujan bulanan dari luaran GPCP, curah hujan dari luaran CMAP serta data tekanan udara, precipitable water, tekanan udara permukaan laut, temperatur, dan angin zonal bulanan dari luaran NCEP-NCAR reanalisis. Setiap grid data GCM tersebut memiliki resolusi atau sekitar . Data respon adalah rata-rata curah hujan bulanan periode 1979-2008 dari 15 stasiun cuaca di Indramayu. Hasil dari penelitian ini adalah angin zonal luaran NCEP-NCAR reanalisis dipilih sebagai prediktor terbaik untuk memprediksi rata-rata curah hujan bulanan stasiun di Indramayu. Jika data historis yang digunakan semakin panjang maka prediksi curah hujan semakin mengikuti pola curah hujan sebenarnya.