| dc.description.abstract | Curah hujan sangat berpengaruh terhadap aktivitas kehidupan manusia. Keragamannya cukup besar dan mencirikan iklim di Indonesia. Perubahan iklim global dapat meningkatkan kejadian-kejadian curah hujan ekstrim. Sebuah analisis dibutuhkan untuk memperoleh informasi prediksi curah hujan yang sangat berguna untuk mengurangi akibat dari kemungkinan kejadian-kejadian curah hujan ekstrim. Statistical downscaling (SD) menggunakan model statistika dapat digunakan untuk analisis antara data berskala lokal sebagai peubah respon (data curah hujan) dengan data berskala global sebagai peubah prediktor (data presipitasi luaran Global circulation model (GCM)). Ide dasar dari SD adalah menentukan parameter hubungan antara peubah iklim skala global dengan peubah iklim skala lokal. Selanjutnya, model SD ini digunakan untuk prediksi iklim skala lokal. Regresi kuantil merupakan perluasan dari regresi median pada berbagai nilai kuantil. Metode ini digunakan untuk mengukur efek peubah prediktor tidak hanya dipusat sebaran data tetapi juga pada bagian atas atau bawah ekor sebaran. Analisis ini sangat berguna dalam penerapannya, khususnya nilai ekstrim yang merupakan masalah penting. Bentuk hubungan fungsional pada regresi kuntil dapat berupa parametrik, nonparametrik, ataupun keduanya. Hubungan fungsional nonparametrik dapat dimodelkan dengan spline. Tujuan penelitian ini adalah memodelkan SD dengan regresi kuantil spline dan memprediksi curah hujan ekstrim di kabupaten Indramayu. Data yang digunakan dalam penelitian ini adalah data curah hujan dari tahun 1979-2008 dan data presipitasi GCM dengan pergeseran waktu (GCM-lag) Climate Model Intercomparison Project (CMIP5) dari tahun 1979-2008. Data curah hujan dari stasiun klimatologi di kabupaten Indramayu digunakan sebagai peubah respon dan data presipitasi GCM-lag digunakan sebagai peubah prediktor. Pada GCM dilagkan agar menghasilkan korelasi yang kuat sehingga menghasilkan pendugaan curah hujan yang lebih baik. Dalam data dibagi menjadi dua bagian, yaitu data pada tahun 1979-2007 untuk pemodelan dan data pada tahun 2008 untuk prediksi. Penambahan peubah boneka dapat mengatasi masalah keheterogenan sisaan. Peubah boneka ditentukan dengan metode regresi kuadrat terkecil parsial (RKTP) yang menunjukkan bahwa berdasarkan plot antara nilai skor prediktor dan skor respon yang dihasilkan dari komponen utama terdapat 5 kelompok data curah hujan (Sahriman 2014). Karakteristik data GCM-lag yang berdimensi besar dan multikolinieritas diatasi dengan analisis komponen utama (AKU). Hasil AKU menunjukkan bahwa terdapat empat komponen utama (KU) yang memiliki proporsi kumulatif keragaman sebesar 95% dari peubah asal. Empat komponen utama terpilih tersebut selanjutnya diplotkan dengan curah hujan untuk melihat pola hubungan fungsional pada masing-masing KU. Berdasarkan penelitian Rizki (2014) menunjukkan bahwa kombinasi titik simpul spline dengan derajat kubik terbaik adalah 14, 8, 7, 5. Selanjutnya pendugaan parameter model dilakukan menggunakan regresi kuantil. Pemilihan model terbaik dilakukan dengan kriteria nilai pseudo dan root mean square error ( ). Hasil penelitian menunjukkan bahwa model SD dengan peubah boneka memberikan peningkatan yang nyata pada nilai pseudo dan penurunan yang nyata pada nilai serta pada prediksi model juga memberikan peningkatan yang nyata pada nilai korelasi dan penurunan yang nyata pada nilai root mean square error of prediction ( ). Hal ini menunjukkan bahwa dengan adanya penambahan peubah boneka membuat model semakin baik dalam melakukan prediksi. Plot pada model SD dengan peubah boneka menunjukkan pola yang lebih mirip dengan data aktual. Model SD ini dapat digunakan untuk prediksi curah hujan ekstrim baik dengan model regresi kuantil polinomial dengan peubah boneka (RKPB) maupun model regresi kuantil spline dengan peubah boneka (RKSB). Model yang paling baik untuk menggambarkan nilai ekstrim biasa pada kuantil ke 90 adalah model RKPB dengan pseudo dan serta prediksi model RKPB mempunyai nilai korelasi dengan dan Selanjutnya, model yang paling baik untuk menggambarkan nilai ekstrim yang lebih tinggi pada kuantil ke 95 adalah model RKSB dengan pseudo dan serta prediksi model RKSB mempunyai nilai korelasi dengan dan Prediksi curah hujan yang dilakukan satu tahun kedepan dengan menggunakan model SD memberikan hasil yang konsisten. | id |
