| dc.description.abstract | Curah hujan merupakan salah satu peubah iklim yang paling sering digunakan dalam studi dampak perubahan iklim. Informasi mengenai curah hujan sangat penting untuk diketahui terutama dalam bidang pertanian. Pendugaan curah hujan dapat dilakukan dengan memanfaatkan data luaran Global Circulation Model (GCM). Akan tetapi data GCM merupakan data skala global, sehingga dibutuhkan suatu teknik untuk mendapatkan informasi pada data skala lokal yang dinamakan teknik statistical downscaling. Karakteristik data GCM yang melibatkan banyak peubah prediktor memungkinkan terjadinya multikolinearitas antar peubah. Beberapa metode yang dapat digunakan untuk mengatasi hal tersebut adalah teknik pereduksian dimensi, seleksi peubah, dan penyusutan koefisien.
Beberapa kajian yang telah dilakukan menyimpulkan bahwa penambahan peubah dummy kelompok curah hujan membuat model pendugaan curah hujan menjadi lebih baik. Akan tetapi model dengan peubah dummy pada penelitian sebelumnya tidak dapat digunakan untuk prediksi curah hujan pada periode ke depan karena peubah dummy yang digunakan adalah data curah hujan itu sendiri. Oleh karena itu, perlu dilakukan pendugaan terlebih dahulu pada peubah dummy yang akan dimasukkan pada model pendugaan curah hujan. Pada penelitian ini dilakukan pemodelan curah hujan dengan analisis regresi komponen utama (RKU) dan regresi gerombol. Pada analisis regresi komponen utama, dilakukan penambahan dummy klasifikasi curah hujan ≤ 100 mm/bulan dan > 100 mm/bulan. Pendugaan dummy klasifikasi curah hujan dilakukan dengan menggunakan model regresi logistik dan Classification and Regression Trees (CART). Oleh karena itu, pemodelan curah hujan pada penelitian ini menggunakan pemodelan dua tahap. Pada analisis regresi gerombol, jumlah gerombol ditetapkan di awal dengan menggunakan 2 gerombol.
Penelitian ini menggunakan data observasi Global Precipitation Climatology Project (GPCP) versi 2.2. Data kovariat diambil dalam domain 7 × 7 grid (49 kovariat) pada sistem koordinat 101.25o-116.25o BT dan 13.75o LS – 1.25o LU dengan lebar grid sebesar 2.5o×2.5o. Data peubah respon adalah data curah hujan bulanan dari 11 pos pengamatan curah hujan di Kabupaten Indramayu, yaitu Kr Anyar, Pusakanegara, Tulangkacang, Dempet, Indramayu, Juntinyuat, Losarang, Gegesik, Karangkendal, Krangkeng, dan Sukadana.
Untuk mendapatkan nilai RMSEP pada setiap model pendugaan, data dibagi menjadi data training dan data testing dengan metode K-fold cross validation. K-fold cross validation atau validasi silang membagi data menjadi k bagian, kemudian sebanyak k-1 bagian akan digunakan sebagai data training dan 1 bagian akan digunakan sebagai data testing. Proses ini diulangi sebanyak k kali sehingga setiap bagian pernah dijadikan data uji sebanyak 1 kali. Pada penelitian ini digunakan validasi silang dengan 10-fold.
Secara umum, pendugaan model dengan RKU dan RKU-dummy logistik memberikan nilai RMSEP yang relatif sama pada setiap pos pengamatan. RKU dengan dummy dari pendugaan dengan CART menghasilkan nilai RMSEP yang
lebih kecil dibandingkan dengan RKU tanpa peubah dummy dan RKU dengan dummy dari pendugaan logistik. Hal ini sejalan dengan ketepatan klasifikasi CART yang lebih baik daripada regresi logistik. Sehingga, dapat dikatakan bahwa penambahan peubah dummy klasifikasi curah hujan ≤ 100 mm/bulan dan > 100 mm/bulan dengan menggunakan metode CART mampu memperbaiki model pendugaan curah hujan dengan menghasilkan nilai RMSEP yang lebih kecil dibandingkan metode RKU dan RKU dengan peubah dummy dari regresi logistik. Namun, diantara keempat metode yang dibandingkan, metode regresi gerombol menghasilkan nilai RMSEP yang paling kecil sehingga dapat dikatakan bahwa metode ini lebih baik dalam menduga curah hujan dibandingkan dengan ketiga metode lainnya. | id |
