| dc.description.abstract | Pemodelan Statistical Downscaling (SD) adalah teknik dalam klimatologi yang menggunakan pemodelan statistik untuk menganalisis hubungan antara data skala global dan data skala lokal. SD adalah suatu cara menginterpolasi peubah-peubah prediktor atmosfir berskala regional terhadap peubah-peubah berskala lebih kecil. Teknik SD merupakan suatu proses transformasi data dari suatu grid dengan unit skala besar menjadi data pada grid dengan unit skala yang lebih kecil. Salah satu model yang dimanfaatkan dalam pendugaan curah hujan adalah Global Climate Model (GCM) yang merupakan suatu model berbasis komputer yang terdiri dari berbagai persamaan numerik dan deterministik yang terpadu dan mengikuti kaidah-kaidah fisika. GCM merupakan model numerik yang menghasilkan banyak data dari berbagai parameter iklim seperti curah hujan, suhu, dan kelembaban untuk kebutuhan prakiraan iklim.
Penelitian ini bertujuan untuk: pertama, menduga model Regresi Terboboti Geografis Temporal (RTGT) pada pemodelan SD untuk pendugaan curah hujan bulanan menggunakan metode Kuadrat Terkecil Terboboti (KTT) dan menduga curah hujan bulanan di lokasi baru, dengan memadukan metode RTGT dan interpolasi Kriging; kedua, mengembangkan model Regresi Gamma Terboboti Geografis Temporal (RGTGT) pada pemodelan SD untuk pendugaan curah hujan menggunakan metode Penduga Kemungkinan Maksimum (PKM) dan menduga curah hujan bulanan di lokasi baru dengan memadukan metode RGTGT dan interpolasi Kriging; dan ketiga, mengembangkan model Regresi Terboboti Geografis Temporal Ridge (RGTGTR) dan Regresi Terboboti Geografis Temporal Lasso (RGTGTL) pada pemodelan SD untuk pendugaan curah hujan menggunakan metode PKM serta menduga curah hujan bulanan di lokasi baru dengan perpaduan metode yang terbaik di antara RGTGTR dan RGTGTL dengan interpolasi Kriging.
Regresi global tidak bisa mengatasi data spasial dan temporal dimana antar lokasi dan antar waktu mempunyai ragam yang berbeda sehingga hal ini melanggar asumsi ragam galat yang harus identik. Kajian pertama mengatasi masalah ini dengan melakukan pengembangan menggunakan model RTGT dengan metode KTT yang di dalamnya tercakup proses pemilihan peubah prediktor yang terbaik menggunakan Analisis Komponen Utama (AKU) dan regresi Stepwise. Model RTGT dipadukan dengan interpolasi Kriging untuk menduga peubah respons di lokasi baru. Hasil kajian menunjukkan bahwa metode RTGT menggunakan fungsi kernel Exponensial/Spherical dan lebar jendela tetap memodelkan curah hujan bulanan lebih baik daripada metode pemilihan peubah Stepwise. Kajian ini menggunakan peubah respons berupa data curah hujan bulanan (mm/bulan) dari 35 stasiun pengamatan hujan di Propinsi Jawa Barat yang terletak pada -7,78 oLintang Selatan (LS) sampai -6,28 oLS dan 108,40 oBujur Timur (BT) sampai 107,87 oBT, dari bulan Januari 1984 sampai bulan Juni 2021 (474 bulan), yang diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG), yang diasumsikan menyebar normal. Peubah prediktornya adalah suhu dan presipitasi bulanan bulan Desember 1983 sampai bulan Juni 2021, luaran GCM dari National Centers for Environmental Prediction (NCEP) dalam bentuk model Climate Forecast System Reanalysis (CSFR) dengan menggunakan ukuran grid 8×5, resolusi 2,5o × 2,5o. Peubah prediktor presipitasi bulanan luaran GCM memberikan hasil yang lebih baik dari peubah prediktor suhu. Perpaduan metode RTGT dan interpolasi Kriging Gauss/Spherical merupakan metode terbaik untuk pendugaan nilai curah hujan bulanan pada lokasi baru.
Masalah kedua adalah model RTGT mengasumsikan bahwa peubah respons menyebar Normal sedangkan data curah hujan bulanan bernilai nol atau positif dan kurvanya menjulur ke kanan. Untuk itu, dilakukan pengembangan RTGT menjadi RGTGT dalam pemodelan SD pada pendugaan curah hujan bulanan menggunakan metode PKM dengan memanfaatkan peubah prediktor terbaik hasil kajian pertama. Kajian kedua memberikan hasil bahwa metode RGTGT menggunakan fungsi kernel Gauss/Spherical dan lebar jendela tetap dapat digunakan dalam pemodelan SD untuk pendugaan curah hujan bulanan pada suatu lokasi di Provinsi Jawa Barat pada bulan Oktober sampai Desember 2011 dan Januari 2012. Berdasarkan model RGTGT yang dihasilkan di suatu lokasi, dapat diketahui pengaruh perubahan nilai suatu peubah prediktor terhadap curah hujan bulanan pada suatu periode. Pendugaan curah hujan bulanan pada lokasi baru di Provinsi Jawa Barat dilakukan dengan memadukan metode RGTGT dengan interpolasi Kriging.
Masalah yang ketiga adalah data luaran GCM: memiliki banyak peubah prediktor, terdapat korelasi spasial antar grid dan adanya multikolinearitas antar peubah prediktor. Masalah ini diatasi dengan mengembangkan model RGTGTR dan RGTGTL, dengan menambahkan penalti yang bersesuaian pada model linier terampat. Kajian ketiga memberikan hasil bahwa metode RGTGTR merupakan metode regularisasi terbaik dalam pemodelan SD untuk pendugaan curah hujan bulanan. Perpaduan metode RGTGTR dengan interpolasi Kriging dapat digunakan dalam pendugaan curah hujan bulanan pada lokasi baru di Provinsi Jawa Barat. | |
