| dc.description.abstract | Banyak lokasi di wilayah Indonesia yang sangat rentan terhadap kondisi hujan. Kondisi hujan di atas normal dapat mengakibatkan banjir, tanah longsor. Kondisi hujan di bawah normal dapat menyebabkan kekeringan. Kekeringan berkepanjangan bahkan dapat mengakibatkan kebakaran hutan/lahan. Berkaitan dengan kondisi hujan ini, maka manajemen air menjadi penting. Utamanya bagi lokasi-lokasi yang tidak/minim memiliki sarana irigasi teknis. Berkaitan dengan manajemen air ini maka prediksi hujan menjadi amat perlu disiapkan dan dilakukan. Dalam hal ini prediksi hujan dapat digunakan untuk mengantisipasi nilai Kandungan Air Tanah (KAT) khususnya untuk mendukung program ketahanan pangan. Tujuan dilakukan penelitian ini adalah untuk (1) merancang, mengkonstruksi, dan mengaplikasikan model Sistem Prediksi Gabungan dengan nilai Pembobot (SPGP) untuk total hujan bulanan di wilayah Kabupaten Indramayu guna dapat mengatasi ketidakkonsistenan kemampuan luaran model Sistem Prediksi Tunggal (SPT) di lapangan; (2) mengevaluasi keandalan luaran model SPGP total hujan bulanan untuk wilayah Kabupaten Indramayu secara spasial; (3) mengevaluasi peranan dinamika Suhu Muka Laut (SML) Japan Re-Analysis 25 years (JRA-25) di sekitar wilayah Kabupaten Indramayu ke dalam proses pengolahan data menggunakan teknik PLSR untuk memahami peranan time lag data SML JRA-25 tersebut terhadap luaran model SPGP; dan (4) menduga nilai Kandungan Air Tanah (KAT) berbasis luaran model SPGP maupun SPGP-PLSR untuk memprediksi besarnya nilai produksi padi dalam beberapa bulan ke depan. Dalam penelitian ini dilakukan prediksi hujan bulanan di wilayah Kabupaten Indramayu dengan menggunakan model SPGP. Model SPGP dibentuk berdasarkan pada nilai koefisien korelasi Pearson (r) sebagai hasil yang didapat dari luaran model SPT terhadap series data total hujan bulanan 1991-2000. Dalam penelitian ini digunakan luaran model SPT ANFIS, SPT Wavelet-ANFIS, SPT Waveket-ARIMA, dan SPT ARIMA. Persamaan model SPGP dibentuk berbasis pada nilai koefisien korelasi Pearson (r) yang diperoleh dari luaran SPT dimaksud dalam masa pelatihan. Persamaan SPGP kemudian diaplikasikan untuk memperoleh nilai prediksi total hujan bulanan dengan series 2001-2009. Hasil pediksi hujan bulanan luaran model SPGP ini selanjutnya diregresikan terhadap data Suhu Muka Laut (SML) Japan Re-Analysis 25 years (JRA-25) dengan resolusi 1° x 1° yang berada di sekitar wilayah Kabupaten Indramayu dengan menggunakan series data 2006-2009 dengan pergeseran waktu (time lag) 1 dan 2 bulan. Teknik yang dimanfaatkan adalah Partial Least Square Regression (PLSR). Hasilnya disebut sebagai SPGP-PLSR. Berbasis pada luaran SPGP-PLSR inilah maka dapat dilakukan pendugaan nilai KAT. Hasilnya disebut sebagai KAT(SPGP-PLSR). Prediksi hujan bulanan luaran model SPT di wilayah Kabupaten Indramayu menghasilkan nilai r yang tidak konsisten dengan kisaran r = 0,45 - 0,83 dan rerata r = 0,63 untuk luaran SPT ANFIS; kisaran r = 0,20 - 0,53 dan rerata r = 0,37 untuk luaran SPT Wavelet-ANFIS; kisaran r = 0,50 - 0,95 dan rerata r = 0,68 untuk luaran SPT Wavelet-ARIMA, dan kisaran r = 0,14 - 0,66 dan rerata r = 0,43 untuk luaran SPT ARIMA. Sementara itu luaran model SPGP menghasilkan nilai r dengan kisaran r = 0,58 - 0,94 dengan rerata r = 0,72. Selanjutnya luaran model SPT-PLSR menghasilkan nilai r dengan kisaran r = 0,64 - 0,90 dan rerata r = 0,75. Hasil perhitungan nilai Kesalahan Akar Kuadrat Rerata (Root Mean Square Error, RMSE) luaran model SPGP memiliki kisaran 32-181 mm/bulan dengan rerata RMSE = 108 mm/bulan, sedangkan luaran model SPGP-PLSR menghasilkan kisaran RMSE = 37-142 dengan rerata RMSE = 92 mm/bulan. Hasil perhitungan nilai KAT(SPGP) menunjukkan nilai r dengan kisaran r = 0,41 - 0,84 dengan rerata r = 0,66. Sementara itu nilai r untuk nilai KAT(SPGP-PLSR) menghasilkan kisaran r = 0,57 - 0,93 dengan rerata r = 0,76. Selanjutnya hasil pengolahan data menunjukkan bahwa secara umum puncak hasil produksi padi di beberapa lokasi di wilayah Kabupaten Indramayu menghasilkan nilai tertinggi saat hasil pendugaan nilai KAT(SPGP-PLSR) menunjukkan nilai yang signifikan untuk beberapa bulan mendahului puncak produksi padi tersebut. Berdasarkan pada hasil-hasil tersebut di atas, maka dapat ditarik beberapa simpulan: (1) Model SPGP telah dirancang, dikonstruksi, dan diaplikasikan untuk melakukan prediksi total hujan bulanan di wilayah Kabupaten Indramayu; (2) Luaran model SPGP memiliki keandalan spasial yang lebih baik daripada luaran model SPT pembentuknya dimana luaran model SPGP ini dapat menghasilkan nilai r yang lebih konsisten (kisaran nilai r lebih kecil, minimal nilai r lebih besar, maksimal nilai r lebih tinggi, rerata nilai r lebih besar) daripada luaran model SPT masing-masing pembentuk model SPGP tersebut. (3) Selanjutnya luaran model SPGP-PLSR memiliki keandalan yang lebih baik daripada luaran model SPGP dimana luaran model SPGP-PLSR dengan waktu tunda selama 2 bulan di depan untuk data SML JRA-25 sebagai nilai prediktor dapat menghasilkan nilai r dengan kisaran yang lebih baik (minimum nilai r lebih besar, maksimum nilai r relatif sama, rerata nilai r lebih tinggi) daripada luaran model SPGP dengan nilai RMSE yang lebih rendah. Pendugaan nilai KAT(SPGP-PLSR) menghasilkan nilai kisaran r yang lebih baik (minimum nilai r lebih tinggi, maksimum nilai r lebih tinggi, rerata nilai r lebih tinggi) daripada hasil pendugaan nilai KAT(SPGP). (4) Luaran model SPGP-PLSR bermanfaat untuk melakukan pendugaan nilai KAT(SPGP-PLSR) yang lebih lanjut dapat digunakan untuk memprediksi kondisi KAT beberapa bulan ke depan. Informasi KAT(SPGP-PLSR) ini berguna untuk memprediksi puncak produksi padi dalam beberapa bulan ke depan guna mendukung ketahan pangan di wilayah Kabupaten Indramayu. | en |
