Perbandingan metode orthogonal score regresi kuadrat terkecil parsial untuk satu respon dan multirespon dalam statistical downscaling
Abstract
Output GCM (Generalized Circulation Model ) yang bersifat global mengakibatkan GCM
kurang mampu untuk menggambarkan kondisi cuaca skala lokal pada suatu daerah tertentu. Oleh
karena itu, diperlukan teknik Statistical Downscaling (SD), yaitu teknik pendugaan curah hujan
skala lokal dengan menggunakan output GCM yang berskala global sebagai peubah penjelasnya.
Data curah hujan skala global pada grid-grid yang berukuran 300km x 300km
mengindikasikan adanya multikolinearitas antar grid. Begitupula data curah hujan skala lokal pada
enam stasiun cuaca di Indramayu yang juga memungkinkan adanya multikolinearitas. Salah satu
cara untuk mengatasi masalah tersebut adalah metode Regresi Kuadrat Terkecil Parsial (RKTP),
dimana metode RKTP tersebut dapat memodelkan beberapa peubah respon secara terpisah (satu
respon) maupun secara bersamaan (multi respon).
Hasil dari penelitian menunjukkan bahwa metode RKTP satu respon tidak dapat
disimpulkan mampu memberikan hasil yang lebih baik dibandingkan dengan menggunakan RKTP
multirespon di dalam pendugaan curah hujan di enam stasiun cuaca di Indramayu. Kedua metode
tersebut memberikan nilai RMSEP dan korelasi yang tidak jauh berbeda, walaupun terdapat
multikolinearitas yang cukup tinggi di antara keenam stasiun cuaca di Indramayu.