Model Aditif Statistical Downscaling untuk Prediksi Curah Hujan

Abstract

Perubahan iklim di Indonesia sering menjadi ancaman serius, khususnya di bidang pertanian. Peubah yang sering digunakan dalam penelitian yang berkaitan dengan dampak perubahan iklim adalah curah hujan. Oleh karena itu, peramalan curah hujan akan memberikan kontribusi positif bagi pembangunan pertanian. Penelitian ini mengusulkan pemanfaatan data satelit Tropical Rainfall Measuring Mission (TRMM) dan data luaran Global Circulation Model (GCM) untuk meramal curah hujan. Data satelit TRMM dan data GCM digunakan sebagai peubah prediktor, sedangkan peubah responnya adalah data curah hujan lokal yaitu data curah hujan bulanan di Kabupaten Indramayu pada periode 1998 sampai dengan 2008. Data TRMM dan GCM merupakan data iklim yang bersifat global, oleh karena itu untuk mendapatkan data curah hujan yang bersifat lokal perlu diterapkan Statistical Downscaling (SD). Pada umumnya data TRMM dan GCM berdimensi besar dan multikolinear, masalah ini diselesaikan dengan menggunakan Analisis Komponen Utama (AKU). Sebuah metode pemulusan spline digunakan untuk mengetahui pola hubungan antara data curah hujan dengan komponen utama (KU) TRMM dan GCM yang belum diketahui secara pasti. Masalah hubungan nonlinier diatasi dengan suatu metode alternatif yang lebih fleksibel terhadap asumsi yang disebut metode nonparametrik. Metode nonparametrik yang digunakan dalam penelitian ini adalah model aditif dengan menggunakan algoritma backfitting. Secara rinci penelitian ini bertujuan untuk: (1) mengetahui pola hubungan antara data curah hujan bulanan dengan data TRMM dan GCM menggunakan metode pemulusan spline; (2) membentuk model aditif SD untuk menduga curah hujan bulanan dengan data TRMM dan GCM; dan (3) membandingkan model aditif SD dengan data TRMM dan dengan GCM. Analisis komponen utama menghasilkan satu KU data TRMM pada 96% proporsi kumulatif dan empat KU data GCM pada 95% proporsi kumulatif. Proses pemulusan menunjukkan bahwa data curah hujan memiliki hubungan nonlinier dengan KU1-TRMM, KU3-GCM dan KU4-GCM, dan linear dengan KU1-GCM dan KU2-GCM. Dari seleksi model yang dilakukan diperoleh bahwa tingkat akurasi model aditif SD dengan prediktor KU TRMM dan peubah boneka lebih tinggi dari pada KU GCM dan peubah boneka. Model dengan prediktor KU TRMM dan peubah boneka menghasilkan RMSE, RMSEP dan r sebesar: 24.07, 25.93, dan 0.98, sedangkan model dengan prediktor KU GCM dan peubah boneka menghasilkan RMSE, RMSEP dan r sebesar: 28.08, 31.85, dan 0.975. Dengan demikian nilai dugaan curah hujan dari model aditif SD dengan data TRMM dapat dimanfaatkan sebagai penduga data curah hujan yang hilang.