Pemodelan Statistical Downscaling dengan Regresi Kuantil Komponen Utama Fungsional untuk Prediksi Curah Hujan Ekstrim

Abstract

Informasi curah hujan ekstrim merupakan salah satu kajian penting dalam bidang pertanian untuk mengantisipasi kemungkinan terjadinya banjir dan kegagalan panen. Informasi ini dapat diprediksi dengan menggunakan model statistical downscaling (SD) yang merupakan hubungan fungsional peubah skala lokal sebagai peubah respon dengan peubah skala global sebagai peubah penjelas. Dalam penelitian ini, data curah hujan bulanan kabupaten Indramayu digunakan sebagai peubah respon sedangkan data luaran GCM yang terletak pada 1.250 LU-16.250 LS digunakan sebagai peubah penjelas. Periode data yang digunakan baik data curah hujan bulanan kabupaten Indramayu maupun data luaran GCM adalah 30 tahun (1979-2008). Data luaran GCM umumnya berdimensi besar dan mengandung multikolinieritas. Kedua permasalahan ini diatasi dengan menggunakan analisis komponen utama fungsional (AKUF). Metode ini merupakan pengembangan analisis komponen utama (AKU) dengan pendekatan fungsional. Sebelum direduksi dengan mengunakan AKUF, data terlebih dahulu ditransformasi dengan menggunakan transformasi deret fourier. Pola data luaran GCM sebelum dan sesudah transformasi serupa hanya saja pola data setelah tansformasi lebih halus dibanding sebelumnya. Data hasil transformasi tidak mengabaikan masalah otokorelasi. Pemilihan jumlah komponen ditentukan berdasarkan proporsi keragaman kumulatif. Hasil penelitian menunjukkan bahwa pada tingkat keragaman 98%, jumlah komponen dengan AKU adalah 4 komponen sedangkan AKUF adalah 2 komponen. Pemodelah SD dengan regresi kuantil menunjukkan bahwa pada kuantil ke-90, dan ke- 95 pada bulan Januari hingga Desember 2008, pola prediksi curah hujan menggunakan AKU dan AKUF mirip dengan curah hujan aktual. Model SD dengan prediktor KUF memberikan prediksi curah hujan yang lebih akurat dan konsisten dibandingkan menggunakan KU khususnya untuk bulan basah yang terjadi pada Oktober-Maret. Pada kuantil ke-90 dan ke-95, RMSEP model SD dengan KUF adalah 100.45 dan 124.69, sedangkan RMSEP model SD dengan KU adalah 104.80 dan 145.83. Hasil penelitian menunjukkan bahwa model SD dengan prediktor KUF sangat baik digunakan khususnya untuk prediksi curah hujan ekstrim. Pada bulan Februari 2008 sebagai titik ekstrim, model SD regresi kuantil dengan KUF dapat memprediksi nilai aktual (439 mm/bulan) dengan lebih tepat dibanding dengan menggunakan KU. Prediksi model SD dengan KUF adalah 460 mm/bulan sedangkan prediksi model SD dengan KU adalah 512 mm/bulan (Overestimate).