Pemodelan Statistical Downscaling Menggunakan Regresi Linier Dengan Persentil L1 Dan Persentil L2 Untuk Pendugaan Curah Hujan

Abstract

Salah satu fenomena perubahan iklim yang berdampak besar bagi manusia dan makhluk hidup lainnya adalah curah hujan ekstrim. Dampak kerugian dari curah hujan ekstrim mempengaruhi hampir semua aspek pertanian. Sebagai upaya untuk mengantisipasi akibat permasalahan tersebut perlu dibangun satu model peramalan curah hujan di suatu wilayah tertentu. Peramalan curah hujan ini memberikan informasi yang sangat berguna khususnya pada bidang pertanian. Statistical downscaling (SDS) merupakan teknik analisis statistik yang menggambarkan hubungan antara data curah hujan (berskala lokal) dengan data presipitasi (berskala global) yang merupakan luaran dari data General Circulation Model (GCM). Data luaran GCM memiliki karakteristik berdimensi tinggi dan terdapat multikolinieritas. Metode untuk mengatasi masalah multikoliniertas dapat diatasi antara lain dengan analisis komponen utama (AKU), regresi gulud, lasso, dan elastic net. Pada regresi gulud dan lasso nilai parameter λ berperan dalam mengontrol besarnya penyusutan koefisien regresi. Salah satu cara untuk mencari nilai λ yang optimal adalah metode validasi silang. Metode validasi silang ini memiliki kelebihan ketika jumlah data amatan sedikit, namun metode ini menunjukkan adanya ketidakstabilan pada saat proses validasi silang apabila diulang sampai k kali. Oleh sebab itu berdasarkan hasil kajian, metode persentil L1 memberikan nilai akurasi yang lebih stabil dibandingkan regularisasi L1. Persentil merupakan suatu teknik validasi silang yang dipertimbangkan untuk prosedur kestabilan pemilihan λ dalam dugaan koefisien regresi. Tujuan penelitian ini adalah menerapkan model SDS menggunakan regresi linier dengan persentil L1 dan persentil L2 untuk menduga curah hujan. Kemudian, kedua metode tersebut akan dipilih model yang terbaik berdasarkan nilai RMSEP terkecil dan korelasi terbesar. Data respon yang digunakan adalah data curah hujan bulanan 11 pos hujan dari Kabupaten Indramayu dan sekitarnya pada periode 1981-2013. Penelitian ini menggunakan ZOM 79 yang mencakup 4 pos hujan yaitu Gegesik, Karangkendal, Krangkeng dan Sukadana. Data peubah bebas diperoleh dari data presipitasi CMIP5 (multi-model ensemble Phase 5 Couple Model Intercomparisson Project). Tahapan analisis data adalah (1) Menentukan pergeseran waktu untuk data pada tiap grid data GCM; (2) Analisis dengan teknik persentil L1 dan persentil L2 untuk mengatasi masalah multikolinieritas pada peubah bebas yang merupakan data presipitasi dari luaran GCM; (3) Menentukan parameter pengontrol (λ) persentil L1 dan persentil L2 yang optimum diperoleh dari Cross Validation Error (CVE) terkeci; Nilai λ optimum yang terpilih dari teknik persentil L1 dan persentil L2 digunakan dalam model SDS dengan respon menyebar normal; Pemilihan model terbaik dilakukan berdasarkan nilai RMSEP terkecil; (4) Menguji konsistensi model penduga pada beberapa tahun. Prediksi curah hujan menggunakan teknik persentil L1 dengan penambahan peubah dummy (RMSEP=18.87 mm/bulan; r=0.99) lebih baik daripada dengan persentil L1 tanpa peubah dummy (RMSEP=72.42 mm/bulan; r=0.76). Demikian juga, prediksi curah hujan menggunakan teknik persentil L2 dengan dummy (RMSEP=26.64 mm/bulan; r=0.97) lebih baik daripada menggunakan persentil L2 tanpa dummy (RMSEP=71.11 mm/bulan; r=0.79). Pendugaan prediksi curah hujan menggunakan model dengan peubah dummy lebih konsisten daripada menggunakan model tanpa dummy. Pengujian konsistensi model tersebut, berdasarkan hasil simpangan baku dari nilai korelasi pada setiap waktu. Secara umum, hasil penelitian menunjukkan bahwa (1) Prediksi curah hujan dengan persentil L1 dan persentil L2 lebih baik daripada validasi silang hanya satu kali; (2) Penambahan peubah dummy pada teknik persentil L1 dan persentil L2 memperbaiki hasil prediksi curah hujan; (3) Model SDS persentil L1 merupakan model terbaik untuk prediksi curah hujan.