Penerapan Biweight Midcovariance dan Robust Singular Value Decomposition untuk Menangani Pencilan pada Data Curah Hujan
View/ Open
Date
2012Author
Rizal, Rifki
Wigena, Aji Hamim
Silvianti, Pika
Metadata
Show full item recordAbstract
Data iklim dan cuaca merupakan data yang berpotensi mengandung pencilan karena
dipengaruhi oleh fenomena-fenomena alam yang sulit untuk diprediksi. Oleh karena itu penerapan
metode analisis yang kekar terhadap data iklim dan cuaca sangat diperlukan untuk mengatasi
pencilan tersebut. Curah hujan adalah contoh data iklim dan cuaca yang paling umum. Salah satu
metode yang biasa digunakan dalam mengolah data curah hujan adalah metode Statistical
Downscaling (SD). Kombinasi antara metode Singular Value Decomposition (SVD) dan Analisis
Regresi Peubah Ganda dapat digunakan dalam proses SD untuk memprediksi curah hujan. SVD
digunakan untuk mereduksi dimensi data yang besar dan menghilangkan efek spasial dalam data,
sedangkan Analisis Regresi Peubah Ganda digunakan untuk melakukan prediksi dari hasil
penguraian SVD. Pada kenyataannya metode tersebut menghasilkan prediksi yang kurang tepat
ketika data mengandung pencilan. Biweight Midcovariance (Bicov) dan Robust SVD merupakan
dua metode kekar yang dapat diterapkan pada metode SVD tersebut. Kedua metode tersebut
memiliki cara yang berbeda untuk mengatasi pencilan pada data. Bicov berusaha menyusun
matriks peragam silang yang kekar dengan menggunakan median sedangkan Robust SVD
berusaha menguraikan matriks peragam silang menggunakan median terboboti dan proses iteratif.
Hasil penelitian ini menunjukkan bahwa metode SVD bicov memiliki hasil penguraian matriks
peragam silang yang konsisten. Sedangkan Robust SVD memiliki hasil penguraian yang sama
dengan SVD klasik karena matriks yang diuraikan bukan matriks data awal yang memiliki
pencilan tetapi matriks peragam silang. Hasil prediksi ketiga metode memiliki kemampuan yang
sama. Hal ini dapat dilihat pada nilai RMSEP dan korelasi antara nilai prediksi dengan nilai aktual
yang dihasilkan ketiga metode cenderung sama.