| dc.description.abstract | Perubahan iklim global berpengaruh signifikan terhadap pola iklim pada
wilayah tertentu di berbagai belahan dunia, termasuk di Indonesia. Ketidakpastian
pola curah hujan menjadi salah satu dampak perubahan iklim yang paling dirasakan
oleh masyarakat di Indonesia, salah satunya Jawa Barat. Topografi yang kompleks
dan populasi yang padat pada wilayah ini juga membuat perubahan pola curah hujan
menjadi masalah yang serius. Berdasarkan hal tersebut, perlu dilakukan analisis
mendalam mengenai pola curah hujan untuk merencanakan mitigasi risiko bencana
dan strategi perubahan iklim yang lebih baik.
Pola curah hujan dapat dipelajari lebih dalam melalui analisis terhadap
beberapa indeks iklim ekstrem, yaitu Consecutive Dry Days (CDD) dan
Consecutive Wet Days (CWD). Salah satu pendekatan yang efektif dalam melihat
ketergantungan antara dua variabel adalah pendekatan bivariat berbasis copula.
Pendekatan ini digunakan sebagai landasan dalam menganalisis Joint Return
Period (JRP) pada penelitian ini. Analisis JRP digunakan untuk melihat
karakteristik curah hujan ekstrem berdasarkan CDD dan CWD dengan
menggunakan pendekatan copula.
Analisis curah hujan ekstrem secara univariat umumnya terbatas satu variabel
secara terpisah sehingga mengabaikan adanya ketergantungan antara dua variabel.
Penelitian ini mengembangkannya dengan cakupan fungsi copula yang lebih luas.
Terdapat tujuh fungsi copula yang digunakan, yaitu Frank, Clayton, Gaussian, t
student, Joe, Galambos dan Gumbel copula. Analisis JRP digunakan untuk melihat
karakteristik curah hujan ekstrem berdasarkan CDD dan CWD dengan
menggunakan pendekatan copula. Berdasarkan hal tersebut, penelitian ini bertujuan
untuk memilih fungsi copula terbaik dari tujuh fungsi copula yang dicobakan dan
menganalisis karakteristik curah hujan ekstrem melalui penghitungan JRP antara
variabel CDD dan CWD.
Data yang digunakan pada penelitian ini adalah data curah hujan (dalam
satuan meter) di Provinsi Jawa Barat pada tahun 1981-2022 yang bersumber dari
ERA5-Land. Data berupa data spasio temporal dengan resolusi 0.1°×0.1° dan
resolusi temporalnya adalah per jam. Terdapat tujuh tahapan pada penelitian ini,
yaitu ekstraksi data, fitting distribution, penghitungan CDF dari distribusi data
CDD dan CWD yang paling fit, fitting copula, pembentukan joint distribution
function, penghitungan JRP, visualisasi (plotting) dan analisis model copula terbaik,
serta analisis JRP pada dua skema dengan beberapa nilai batas.
Dari tujuh fungsi copula yang digunakan, Gaussian copula dan Frank copula
secara umum merupakan model terbaik dalam merepresenTasikmalayaan
hubungan antara CDD dan CWD di wilayah Jawa Barat, dengan estimasi parameter
diperoleh melalui metode IFM dan evaluasi menggunakan kriteria AIC. Copula
tersebut menggambarkan ketergantungan simetris dan moderat, namun di beberapa
titik lokal seperti pada bagian ekor distribusi ditemukan bahwa Joe, Clayton, dan t
student copula lebih sesuai, mencerminkan ketergantungan ekstrem.
Analisis karakteristik curah hujan ekstrem dilakukan melalui penghitungan
JRP antara CDD dan CWD menggunakan pendekatan copula. Penghitungan
dilakukan untuk dua skema, yaitu skema "AND" yang merepresenTasikmalayaan
kejadian ekstrem ketika CDD dan CWD melampaui ambang batas secara
bersamaan, serta skema "OR" yang menggambarkan kejadian ekstrem ketika salah
satu dari CDD atau CWD melebihi ambang batas. Ambang batas ditentukan
berdasarkan persentil 75%, 90%, dan 95% dari distribusi masing-masing indeks.
Hasil analisis JRP menunjukkan bahwa kejadian ekstrem berdasarkan
skema "AND" cenderung memiliki Joint Return Period yang lebih panjang (lebih
jarang terjadi) dibandingkan skema "OR". Selain itu, distribusi spasial dari JRP di
Jawa Barat menunjukkan adanya variasi spasial yang signifikan antar wilayah, yang
mencerminkan perbedaan tingkat kerentanan terhadap kejadian ekstrem. Temuan
ini memberikan informasi penting bagi perencanaan adaptasi dan mitigasi risiko
bencana berbasis iklim, khususnya dalam menghadapi pola cuaca ekstrem yang
semakin kompleks akibat perubahan iklim. | |
