Aplikasi Teknik Group Lasso pada Pemodelan Statistical Downscaling untuk Pendugaan Curah Hujan Bulanan (Studi Kasus Curah Hujan pada 11 Pos Hujan di Kabupaten Indramayu).

Abstract

Produktivitas bidang pertanian khususnya padi sangat tergantung dari unsur iklim yaitu curah hujan. Curah hujan merupakan salah satu unsur iklim di daerah tropis yang memiliki variasi tinggi sehingga sulit untuk dilakukan pendugaan. Pendugaan curah hujan penting dilakukan untuk meningkatkan produktivitas padi di Indonesia. Provinsi Jawa Barat merupakan salah satu produsen padi terbesar di Indonesia. Produksi padi di Jawa Barat pada tahun 2014, mencapai ± 11 juta ton gabah kering giling (GKG), mengalami penurunan sebesar 3.7% dibanding tahun 2013. Kabupaten Indramayu merupakan salah satu kabupaten di Jawa Barat yang memiliki luas panen padi sebesar 225983 Ha. Hal ini menjadikan Indramayu sebagai kabupaten dengan luas panen padi terluas di Jawa Barat. Metode pendugaan curah hujan telah banyak dilakukan, salah satunya dengan teknik pemodelan Statistical Downscaling (SDs). Pemodelan SDs merupakan salah satu penerapan pemodelan dengan kondisi kovariat yang umumnya banyak dan tidak saling bebas. Permasalahan yang akan dihadapi adalah masalah ill-conditional data dalam hal ini multikolinieritas dan korelasi tinggi antar peubah. Kasus data berkorelasi tinggi menyebabkan penduga koefisien regresi linier yang diperoleh memiliki ragam yang besar. Masalah data berkorelasi tinggi pada regresi linier tidak dapat ditangani secara langsung oleh metode kuadrat terkecil. Solusi masalah ini, dapat menggunakan seleksi peubah dan penyusutan dalam menduga model. Teknik seleksi subset (seperti best subsets, forward selection, backward elimination, stepwise), shrinkage (seperti lasso dan regresi gulud), dan transformasi dimensi (seperti PCA dan PLS). Teknik least absolute shrinkage and selection operator (lasso) mengubah penalti dalam regresi gulud dengan norm L1 (regularisasi L1). Kelemahan teknik lasso adalah masih mungkin menghilangkan beberapa kovariat penting yang memiliki korelasi tinggi. Teknik group lasso merupakan perluasan dari lasso dan diduga dapat mengatasi hal tersebut. Oleh karena itu, penting untuk dipelajari karakteristik group lasso dalam kasus data berkorelasi tinggi dengan menggunakan data simulasi. Selanjutnya, digunakan dalam pemodelan SDs untuk pendugaan curah hujan bulanan di Kabupaten Indramayu dan sekitarnya. Kajian dilakukan dengan membuat simulasi untuk mempelajari karakteristik group lasso. Hasil simulasi menunjukkan group lasso dan lasso memberikan suatu alternatif bagi penyeleksian peubah dan pendugaan koefisien regresi pada kovariat berkorelasi tinggi. Teknik group lasso lebih baik dibanding mkt dan lasso pada saat terdapat kelompok �� dan dalam satu kelompok, ���� ≥ 1 semua atau ���� < 1 semua atau ���� = 0 semua. Pada kasus yang lainnya group lasso relatif sama baik dibanding lasso dan MKT dan dapat dijadikan sebagai alternatif pilihan. Selanjutnya, teknik group lasso dan lasso digunakan dalam pemodelan SDs untuk pendugaan curah hujan bulanan di Kabupaten Indramayu dan sekitarnya. Hasil analisis menunjukkan group lasso dan lasso memberikan suatu alternatif bagi pemodelan Statistics Downscaling untuk pendugaan data curah hujan. Secara umum, pemodelan linier tanpa dummy dengan lasso dan group lasso sama-sama dapat dipertimbangkan dalam pemodelan SDs. Tujuh skenario yang diterapkan pada teknik group lasso tanpa dummy, skenario enam dapat dijadikan sebagai alternatif pilihan yang lebih baik dibanding skenario lainnya. Selanjutnya, Pemodelan linier dengan dummy lebih baik dibanding tanpa dummy pada kedua teknik tersebut. Pemodelan linier dengan dummy, menggunakan teknik lasso dan group lasso sama-sama dapat dipertimbangkan dalam pemodelan SDs. Tujuh skenario yang diterapkan pada teknik group lasso dengan dummy, tidak ada skenario yang selalu lebih unggul dibanding yang skenario lainnya. Oleh karena itu, ketujuh skenario tersebut dapat dijadikan sebagai alternatif pilihan dalam pemodelan SDs. Hal ini karena perbedaan nilai dan selisih nilai statistik RMSEP dan nilai koefisien korelasi yang belum terlalu signifikan. Kata kunci: curah hujan, group lasso, lasso, metode kuadrat terkecil, statistical downscaling