Pemodelan Semiparametrik Statistical Downscaling untuk Prediksi Curah Hujan di Kabupaten Indramayu
![Thumbnail](/bitstream/handle/123456789/70802/2014ari.pdf.jpg?sequence=4&isAllowed=n)
View/ Open
Date
2014Author
Rizki, Akbar
Djuraidah, Anik
Wigena, Aji Hamim
Metadata
Show full item recordAbstract
Unsur-unsur iklim seperti suhu dan curah hujan sangat berpengaruh terhadap kehidupan masyarakat Indonesia yang agraris. Kondisi suhu dan curah hujan dapat digunakan untuk menentukan waktu tanam dan jenis tanaman yang sesuai, sehingga perkembangan sektor pertanian dapat berlangsung secara optimal. Pentingnya peran iklim tersebut mendorong dilakukannya analisis yang diharapkan dapat digunakan untuk memprediksi curah hujan secara tepat. Global circulation model (GCM) dapat digunakan untuk menganalisis curah hujan dalam skala global tetapi belum dapat menjelaskan keragaman skala lokal yang lebih rinci. Statistical downscaling (SD) merupakan suatu teknik pemodelan yang memanfaatkan informasi yang dihasilkan GCM untuk memprediksi curah hujan. Prinsip dasar SD adalah menghubungkan data berskala global (GCM) dengan data berskala lokal (curah hujan). Model SD dapat berupa model parametrik, nonparametrik, maupun semiparametrik (gabungan model parametrik dan nonparametrik). Model semiparametrik dapat mengatasi kelemahan dari model SD parametrik yang memerlukan asumsi sangat ketat dan model SD nonparametrik yang mempunyai kesulitan dalam melakukan seleksi model dan penentuan model terbaik. Tujuan penelitian ini adalah membangun model SD semiparametrik untuk memprediksi data curah hujan. Data curah hujan bulanan dari stasiun klimatologi di Kabupaten Indramayu pada tahun 1979-2008 digunakan sebagai peubah respon sedangkan data presipitasi luaran GCM Climate Model Intercomparison Project (CMIP5) dengan waktu tunda digunakan sebagai peubah penjelas . Data penelitian dibagi menjadi dua bagian yaitu data tahun 1979-2007 untuk pemodelan dan data tahun 2008 untuk validasi. Analisis komponen utama (AKU) yang digunakan untuk mereduksi dimensi data luaran GCM menghasilkan empat komponen utama (KU). Empat komponen utama terpilih tersebut selanjutnya diplotkan dengan curah hujan untuk melihat pola hubungan fungsional pada masing-masing KU. Plot dibuat pada berbagai kemungkinan derajat bebas untuk melakukan pengepasan pola. Jumlah derajat bebas optimum ditentukan menggunakan kriteria GCV minimum. Pada komponen utama yang memiliki hubungan fungsional nonparametrik akan dibangkitkan basis spline yang meliputi penentuan jumlah simpul dan pembangkitan basis fungsi pangkat terpotong. Selanjutnya pendugaan parameter model dilakukan menggunakan model linear campuran. Pemeriksaan asumsi dan kekonsistenan model pada model yang telah diperoleh merupakan tahapan terakhir pada analisis ini. Hasilnya menunjukkan bahwa pola hubungan fungsional curah hujan dengan komponen utama GCM tidak membentuk pola parametrik tertentu, tetapi hubungannya dapat berupa gabungan parametrik dan nonparametrik yaitu semiparametrik kubik. Model ini lebih baik daripada model linier dan kuadratik. Jumlah titik simpul optimum model ini adalah 14, 8, 7, dan 5 masing-masing untuk KU1, KU2, KU3, dan KU4. Namun demikian, sisaan yang dihasilkan oleh model ini tidak homogen. Salah satu cara mengatasi masalah ini adalah dengan menambahkan peubah boneka ke dalam model. Hasil prediksi model SD semiparametrik dengan peubah boneka mempunyai kecenderungan yang lebih mirip dengan pola data aktual dibandingkan dengan model SD semiparametrik tanpa peubah boneka. Hal ini ditunjukkan dengan peningkatan nilai korelasi dari 0.89 menjadi 0.99 dan penurunan nilai RMSEP dari 68.88 menjadi 32.58. Penambahan peubah boneka ke dalam model SD semiparametrik juga dapat menggantikan komponen acak, sehingga model SD semiparametrik berubah menjadi model parametrik. Model SD semiparametrik dengan peubah boneka memberikan hasil prediksi data curah hujan yang konsisten sampai dengan lima tahun ke depan.