| dc.description.abstract | Sebaran gamma merupakan salah satu sebaran yang dapat digunakan untuk
menduga curah hujan karena memiliki kisaran nilai > 0. Dalam pendugaan curah
hujan, adanya topografi dan interaksi antara laut, darat dan atmosfir yang
kompleks mempersulit prediksi curah hujan sehingga diperlukan model peramalan
curah hujan yang akurat pada skala lokal dengan mempertimbangkan informasi
tentang sirkulasi atmosfir global. Informasi secara global ini dapat diperoleh dari
luaran General Circulation Model (GCM). Namun pada GCM masih sulit untuk
memperoleh langsung informasi berskala lokal. Resolusi GCM terlalu rendah
untuk memprediksi perubahan iklim lokal. Statistical Downscaling (SDS)
menyusun model hubungan fungsional antara luaran GCM sebagai data berskala
global yang digunakan sebagai peubah prediktor, dengan curah hujan lokal
sebagai data berskala lokal yang digunakan sebagai peubah respons.
Pengembangan model SDS yang telah dilakukan pada penelitian
sebelumnya terhadap pendugaan curah hujan, prediktor GCM mengandung
multikolinieritas yang tinggi. Beberapa metode yang dapat digunakan dalam
pemodelan data yang mengandung multikolinieritas antara lain analisis komponen
utama, regularisasi Lasso (L1), regularisasi gulud (L2), dan regularisasi elastic net.
Metode regularisasi elastic net merupakan kombinasi dari regularisasi lasso dan
gulud, serta dianggap mampu mengatasi kelemahan pada lasso.
Penelitian ini menggunakan data curah hujan bulanan di Kabupaten
Indramayu pada wilayah ZOM 79 sebagai peubah respons dan data presipitasi
bulanan Global Precipitation Climatology Project (GPCP) versi 2.2 pada
koordinat 18.75o LS- 1.25o LS dan 101.25o BT– 118.75o BT yang merupakan
luaran GCM sebagai peubah predikor. Pada posisi tersebut terdapat 8x8 grid data
GCM dengan masing-masing grid berukuran 2.50, sehingga terdapat 64 peubah
prediktor. Data yang digunakan adalah selama 33 tahun, yaitu dari tahun 1981-
2013. Penelitian ini menggunakan regularisasi gulud dan regularisasi elastic net
untuk mengatasi masalah pada data GCM, sekaligus membandingkan kedua
metode tersebut. Pada pendugaan curah hujan ini, peubah dummy kelompok curah
hujan juga ditambahkan sebagai prediktor dengan tujuan untuk meningkatkan
ketepatan model.
Rata-rata nilai RMSEP untuk regularisasi gulud dan elastic net tanpa
penambahan peubah dummy sebagai prediktor masing-masing sebesar 145.36
mm/bulan dan 85.80 mm/bulan, serta rata-rata korelasi masing-masing sebesar
0.58 dan 0.68. Sebaliknya, rata-rata nilai RMSEP yang dihasilkan dengan
penambahan peubah dummy sebagai prediktor lebih kecil dan rata-rata korelasi
lebih besar untuk regularisasi gulud dan elastic net yaitu masing-masing sebesar
66.67 mm/bulan dan 45.98 mm/bulan, serta rata-rata korelasi masing-masing
sebesar 0.78 dan 0.82. Dengan demikian penambahan peubah dummy sebagai
prediktor memberikan hasil dugaan yang menunjukkan kecenderungan yang mirip
dengan pola data aktualnya dibandingkan dengan tanpa penambahan peubah
dummy. Metode regularisasi gulud menghasilkan nilai simpangan baku untuk nilai
RMSEP dan korelasi masing-masing sebesar 27.55 mm/bulan dan 0.27.
Sedangkan metode regularisasi elastic net menghasilkan nilai simpangan baku
untuk nilai RMSEP dan korelasi masing-masing sebesar 13.43 mm/bulan dan
0.22. Metode regularisasi elastic net menghasilkan nilai simpangan baku RMSEP
dan korelasi yang lebih kecil dibandingkan dengan metode regularisasi gulud,
sehingga cenderung lebih konsisten daripada regularisasi gulud. | id |
