Statistical Downscaling Dengan Sebaran Gamma Dan Regularisasi Elastic Net Untuk Pendugaan Curah Hujan

Abstract

Sebaran gamma merupakan salah satu sebaran yang dapat digunakan untuk menduga curah hujan karena memiliki kisaran nilai > 0. Dalam pendugaan curah hujan, adanya topografi dan interaksi antara laut, darat dan atmosfir yang kompleks mempersulit prediksi curah hujan sehingga diperlukan model peramalan curah hujan yang akurat pada skala lokal dengan mempertimbangkan informasi tentang sirkulasi atmosfir global. Informasi secara global ini dapat diperoleh dari luaran General Circulation Model (GCM). Namun pada GCM masih sulit untuk memperoleh langsung informasi berskala lokal. Resolusi GCM terlalu rendah untuk memprediksi perubahan iklim lokal. Statistical Downscaling (SDS) menyusun model hubungan fungsional antara luaran GCM sebagai data berskala global yang digunakan sebagai peubah prediktor, dengan curah hujan lokal sebagai data berskala lokal yang digunakan sebagai peubah respons. Pengembangan model SDS yang telah dilakukan pada penelitian sebelumnya terhadap pendugaan curah hujan, prediktor GCM mengandung multikolinieritas yang tinggi. Beberapa metode yang dapat digunakan dalam pemodelan data yang mengandung multikolinieritas antara lain analisis komponen utama, regularisasi Lasso (L1), regularisasi gulud (L2), dan regularisasi elastic net. Metode regularisasi elastic net merupakan kombinasi dari regularisasi lasso dan gulud, serta dianggap mampu mengatasi kelemahan pada lasso. Penelitian ini menggunakan data curah hujan bulanan di Kabupaten Indramayu pada wilayah ZOM 79 sebagai peubah respons dan data presipitasi bulanan Global Precipitation Climatology Project (GPCP) versi 2.2 pada koordinat 18.75o LS- 1.25o LS dan 101.25o BT– 118.75o BT yang merupakan luaran GCM sebagai peubah predikor. Pada posisi tersebut terdapat 8x8 grid data GCM dengan masing-masing grid berukuran 2.50, sehingga terdapat 64 peubah prediktor. Data yang digunakan adalah selama 33 tahun, yaitu dari tahun 1981- 2013. Penelitian ini menggunakan regularisasi gulud dan regularisasi elastic net untuk mengatasi masalah pada data GCM, sekaligus membandingkan kedua metode tersebut. Pada pendugaan curah hujan ini, peubah dummy kelompok curah hujan juga ditambahkan sebagai prediktor dengan tujuan untuk meningkatkan ketepatan model. Rata-rata nilai RMSEP untuk regularisasi gulud dan elastic net tanpa penambahan peubah dummy sebagai prediktor masing-masing sebesar 145.36 mm/bulan dan 85.80 mm/bulan, serta rata-rata korelasi masing-masing sebesar 0.58 dan 0.68. Sebaliknya, rata-rata nilai RMSEP yang dihasilkan dengan penambahan peubah dummy sebagai prediktor lebih kecil dan rata-rata korelasi lebih besar untuk regularisasi gulud dan elastic net yaitu masing-masing sebesar 66.67 mm/bulan dan 45.98 mm/bulan, serta rata-rata korelasi masing-masing sebesar 0.78 dan 0.82. Dengan demikian penambahan peubah dummy sebagai prediktor memberikan hasil dugaan yang menunjukkan kecenderungan yang mirip dengan pola data aktualnya dibandingkan dengan tanpa penambahan peubah dummy. Metode regularisasi gulud menghasilkan nilai simpangan baku untuk nilai RMSEP dan korelasi masing-masing sebesar 27.55 mm/bulan dan 0.27. Sedangkan metode regularisasi elastic net menghasilkan nilai simpangan baku untuk nilai RMSEP dan korelasi masing-masing sebesar 13.43 mm/bulan dan 0.22. Metode regularisasi elastic net menghasilkan nilai simpangan baku RMSEP dan korelasi yang lebih kecil dibandingkan dengan metode regularisasi gulud, sehingga cenderung lebih konsisten daripada regularisasi gulud.