Statistical Downscaling dengan Analisis Komponen Utama Fungsional untuk Memprediksi Curah Hujan (Studi Kasus: Stasiun Bondan Kabupaten Indramayu)

Abstract

Hasil prediksi curah hujan memberikan kontribusi positif terhadap berbagai bidang kehidupan. Prediksi curah hujan dapat dilakukan berdasarkan data global circulation model (GCM). Namun data GCM berskala global sehingga diperlukan teknik statistical downscaling (SD) untuk memprediksi curah hujan berskala lokal. Masalah pada data GCM adalah multikolinieritas antar grid dan otokorelasi merupakan data deret waktu. Metode regresi komponen utama (RKU) yang selama ini digunakan pada data GCM hanya untuk mengatasi masalah multikolinieritas namun tidak mengatasi masalah otokorelasi. Masalah otokorelasi dapat diatasi dengan metode analisis komponen utama fungsi transfer (AKU-FT) dan regresi komponen utama fungsional (RKUF) dengan basis Fourier. Penelitian ini bertujuan menerapkan dan membandingkan metode RKU, AKU-FT dan RKUF untuk memprediksi curah hujan. Data dalam penelitian ini adalah data GCM yaitu data tekanan udara untuk peubah prediktor dan data curah hujan bulanan stasiun Bondan di Kabupaten Indramayu sebagai peubah respon. Periode datanya adalah dari tahun 1979 sampai dengan 2008. Pemodelan untuk penduga curah hujan dengan ketiga metode menggunakan data periode tahun 1979-2007 dan untuk validasi model menggunakan data tahun 2008. Metode RKU menghasilkan skor komponen utama, yang kemudian dimodelkan untuk memprediksi curah hujan dengan peubah respon data curah hujan. Metode AKU-FT menggunakan data skor komponen utama sebagai deret input dan data curah hujan sebagai deret output, kemudian dimodelkan dengan metode fungsi transfer untuk memprediksi curah hujan. AKUF merupakan metode menggunakan data fungsional, dimana data prediktor yang telah di transformasi menggunakan fungsi Fourier memperoleh skor komponen utama fungsional sebagai peubah prediktor. Skor komponen utama fungsional dan data curah hujan kemudian dimodelkan dengan metode RKUF untuk memprediksi curah hujan. Hasil dari ketiga metode menunjukkan bahwa metode RKU kurang baik dalam memprediksi curah hujan. Metode AKU-FT pada kasus ini baik dalam memprediksi curah hujan dalam jangka waktu satu tahun saja, sedangkan untuk memprediksi jangka panjang cenderung tidak baik. Metode RKUF memberikan hasil predksi yang cukup konsisten untuk memprediksi curah hujan jangka waktu pendek maupun panjang. Kesimpulan tersebut didapat berdasarkan nilai root mean square error prediction (RMSEP) dan korelasi (r) antara nilai prediksi dan data aslinya dari ketiga metode.