Model Sistem Prediksi Gabungan Dengan Nilai Pembobot Untuk Total Hujan Bulanan
Luaran Model SPT
Berdasarkan pada hasil pengolahan data hujan bulanan (1981-1990) berupa prediksi total hujan bulanan (1991-2000) berbasis pada model SPT ANFIS (F1), model SPT Wavelet-ANFIS (F2), model SPT Wavelet-ARIMA (F3), dan
model SPT ARIMA (F4
Hasil pengolahan data hujan bulanan dengan series 1981-1990 dengan mengaplikasikan masing-masing model SPT nampak menunjukkan hasil prediksi dengan series 1991-2000 (Tabel 4.1.1) dengan nilai r yang tidak menggembirakan.
), maka diperolah tabulasi nilai r sebagai berikut:
Tabel 4.1.1 Nilai r luaran masing-masing model SPT untuk prediksi total hujan bulanan 1991-2000 di wilayah Kabupaten Indramayu
Nama Lokasi ANFIS WANFIS WARIMA ARIMA
Anjatan 0,62 0,38 0,66 0,16 Bangkir 0,37 0,27 0,56 0,11 Bantarhuni 0,63 0,47 0,64 0,26 Bondan 0,70 0,40 0,70 0,31 Bugis 0,70 0,41 0,70 0,20 Bulak 0,47 0,20 0,61 0,28 Cidempet 0,51 0,38 0,54 0,15 Cikedung 0,58 0,28 0,66 0,31 Jatibarang 0,50 0,31 0,59 0,13 Juntinyuat 0,36 0,11 0,55 0,14 Kedokanbunder 0,51 0,19 0,50 0,02 Sudimampir 0,41 0,01 0,61 0,04 Sumurwatu 0,56 0,28 0,59 0,07 Tugu 0,64 0,41 0,70 0,11 Ujungaris 0,71 0,59 0,67 0,11 Wanguk 0,63 0,38 0,71 0,34 Maksimum 0,71 0,59 0,71 0,34 Minimum 0,36 0,01 0,50 0,02 Rerata 0,56 0,32 0,62 0,17
Luaran model SPT ANFIS menghasilkan kisaran nilai r = 0,36 - 0,71. Luaran model SPT Wavelet-ANFIS menghasilkan kisaran nilai r = 0,01 - 0,59. Luaran model SPT Wavelet-ARIMA menghasilkan kisaran nilai r = 0,50 - 0,71. Sementara itu luaran model SPT ARIMA menghasilkan kisaran nilai r = 0,02 - 0,34.
Hal ini ditunjukkan oleh kinerja keempat model SPT dengan kisaran minimum nilai r = 0,17 - 0,62. Sementara itu kisaran maksimum nilai r = 0,34 - 0,71. Sedangkan kisaran rerata nilai r = 0,17 - 0,62. Hasil keseluruhan menunjukkan minimum nilai r yang sangat rendah (0,01), deviasi rerata nilai r = 0,45 dan maksimum nilai r yang tidak cukup tinggi (0,71). Untuk itu agar dapat diperoleh minimum nilai r yang lebih tinggi, rerata nilai r dengan deviasi rendah, dan maksimum nilai r yang lebih tinggi dengan kisaran maksimum nilai r dengan minimum nilai r yang rendah, maka perlu diaplikasilan model SPGP dengan basis series data input yang sama (1981-2000) untuk prediksi series 1991-2000.
Persamaan Model Gabungan
Tabulasi nilai pembobot yang didasarkan pada nilai r yang didapat dari aplikasi setiap luaran model SPT yang digunakan berdasarkan pada persamaan (2.4) seperti yang disajikan pada Tabel 4.1.2 berikut.
Tabel 4.1.2 Nilai pembobot (1991-2000) untuk membentuk persamaan model SPGP total hujan bulanan di wilayah Kabupaten Indramayu
Nama Lokasi ANFIS WANFIS WARIMA ARIMA
Anjatan 0,34 0,21 0,36 0,09 Bangkir 0,29 0,20 0,43 0,08 Bantarhuni 0,31 0,24 0,32 0,13 Bondan 0,33 0,19 0,33 0,15 Bugis 0,35 0,20 0,35 0,10 Bulak 0,30 0,13 0,39 0,18 Cidempet 0,32 0,24 0,34 0,09 Cikedung 0,32 0,15 0,36 0,17 Jatibarang 0,33 0,20 0,39 0,08 Juntinyuat 0,31 0,10 0,47 0,12 Kedokanbunder 0,42 0,16 0,41 0,02 Sudimampir 0,40 0,01 0,60 0,04 Sumurwatu 0,37 0,19 0,40 0,04 Tugu 0,34 0,22 0,32 0,05 Ujungaris 0,34 0,28 0,32 0,05 Wanguk 0,31 0,18 0,35 0,16
Untuk setiap lokasi pos penakar hujan di wilayah Kabupaten Indramayu terdapat masing-masing 4 (empat) nilai pembobot. Keempat nilai pembobot dimaksud digunakan untuk membentuk persamaan model SPGP. Sebagai contoh untuk lokasi Anjatan (6,36 °S, 107,92 °E) memiliki persamaan model SPGP untuk total hujan bulanan sebagai berikut: Fe(i) = 0,34*F1(i) + 0,21*F2(i) + 0,36*F3(i) +
0,09*F4(i). Untuk lokasi Bangkir memiliki persamaan Fe(i) = 0,29*F1(i) +
pos penakar hujan yang ada di wilayah Kabupaten Indramayu masing-masing memiliki persamaan model SPGP untuk total hujan bulanan (Swarinoto, Koesmaryono, Aldrian, dan Wigena 2012). Jumlah persamaan model SPGP untuk total hujan bulanan di wilayah Kabupaten Indramayu adalah 16 persamaan seperti yang disajikan pada Tabel 4.1.3.
Tabel 4.1.3 Persamaan Gabungan untuk membentuk model SPGP total hujan bulanan di wilayah Kabupaten Indramayu
Nama Lokasi Persamaan Gabungan
Anjatan 0,34*F1 + 0,21*F2 + 0,36*F3 + 0,09*F4 Bangkir 0,29*F1 + 0,20*F2 + 0,43*F3 + 0,08*F4 Bantarhuni 0,31*F1 + 0,24*F2 + 0,32*F3 + 0,13*F4 Bondan 0,33*F1 + 0,19*F2 + 0,33*F3 + 0,15*F4 Bugis 0,35*F1 + 0,20*F2 + 0,35*F3 + 0,10*F4 Bulak 0,30*F1 + 0,13*F2 + 0,39*F3 + 0,18*F4 Cidempet 0,32*F1 + 0,24*F2 + 0,34*F3 + 0,09*F4 Cikedung 0,32*F1 + 0,15*F2 + 0,36*F3 + 0,17*F4 Jatibarang 0,33*F1 + 0,20*F2 + 0,39*F3 + 0,08*F4 Juntinyuat 0,31*F1 + 0,10*F2 + 0,47*F3 + 0,12*F4 Kedokanbunder 0,42*F1 + 0,16*F2 + 0,41*F3 + 0,02*F4 Sudimampir 0,40*F1 + 0,01*F2 + 0,60*F3 + 0,04*F4 Sumurwatu 0,37*F1 + 0,19*F2 + 0,40*F3 + 0,04*F4 Tugu 0,34*F1 + 0,22*F2 + 0,32*F3 + 0,05*F4 Ujungaris 0,34*F1 + 0,28*F2 + 0,32*F3 + 0,05*F4 Wanguk 0,31*F1 + 0,18*F2 + 0,35*F3 + 0,16*F4
Berdasarkan pada persamaan tersebut di atas (Tabel 4.1.3), untuk lokasi Anjatan maka kontribusi model SPT ANFIS ke dalam hasil prediksi total hujan bulanan di wilayah Kabupaten Indramayu adalah sebesar 0,34 ke dalam luaran model SPGP. Sementara itu kontribusi model SPT Wavelet-ANFIS sebesar 0,21. Selanjutnya model SPT Wavelet-ARIMA berkontribusi sebesar 0,36. Terakhir model SPT ARIMA berkontribusi sebesar 0,09. Berdasarkan pada Tabel 4.1.2 tersebut dibangun persamaan model SPGP untuk hujan bulanan seperti yang disajikan pada Tabel 4.1.3. Dimana F1 merupakan model SPT ANFIS, F2 merupakan model SPT Wavelet-ANFIS, F3 merupakan model SPT Wavelet- ARIMA, dan terakhir F4 merupakan model SPT ARIMA.
Sementara itu berdasarkan pada persamaan model SPGP tersebut di atas (Tabel 4.1.3) dapat diketahui bahwa model SPT yang menghasilkan nilai r yang besar akan berkontribusi lebih banyak ke dalam nilai prediksi model SPGP daripada model SPT yang menghasilkan nilai r yang lebih kecil. Selanjutnya persamaan model SPGP untuk lokasi yang lain dapat ditulis sesuai dengan apa yang dilakukan pada lokasi Anjatan di atas dengan memperhatikan persamaan- persamaan yang ada dalam Tabel 4.1.3.
Hasil Prediksi SPGP
Hasil prediksi (luaran) model SPGP untuk total hujan bulanan beserta luaran model SPT pembentuknya untuk beberapa lokasi di wilayah Kabupaten Indramayu disajikan dalam Gambar 4.1.2. Lokasi Anjatan (107,92 °BT, 6,36 °LS) mewakili wilayah Kabupaten Indramayu bagian barat dan lokasi Juntinyuat (108,44 °BT, 6,43 °LS) mewakili wilayah Kabupaten Indramayu bagian timur digunakan sebagai contoh analisis dalam penelitian ini. Garis putus-putus warna biru tua (SPT ANFIS), warna merah (SPT Wavelet-ANFIS), warna hijau (SPT Wavelet-ARIMA), warna ungu (SPT ARIMA), serta garis solid warna hitam (Observasi) dan warna Orange (SPGP). Setiap angka pada absis menunjukkan setiap Bulan Januari pada tahun yang bersangkutan. Sebagai contoh angka 1 menunjukkan Bulan Januari 2001, angka 13 menunjukkan Bulan Januari 2002, dan seterusnya hingga angka 97 menunjukkan Bulan Januari 2009.
Berdasarkan pada Gambar 4.1.2 tersebut di atas maka diketahui bahwa untuk kedua lokasi Anjatan dan lokasi juntinyuat maka luaran model SPGP untuk total hujan bulanan dapat menunjukkan pola yang sangat sesuai dengan data observasi lapangnya. Saat total hujan bulanan tinggi di Bulan Januari-Februari dan saat total hujan bulanan terendah pada Bulan Juli-Agustus maka luaran SPGP dapat menunjukkan nilai yang sesuai dengan kondisi lapang. Hal ini ditunjukkan dengan kisanan nilai r yang diperoleh r = 0,58 - 0,94 (garis solid warna orange). Sementara itu untuk luaran model SPT pembentuk SPGP dimaksud menghasilkan nilai kisaran r = 0,45 - 0,83 untuk ANFIS (garis putus-putus warna biru tua), r = 0,20 - 0,53 untuk Wavelet-ANFIS (garis putus-putus warna merah), r = 0,50 - 0,95 untuk Wavelet-ARIMA (garis putus-putus warna hijau), dan r = 0,14 - 0,66 untuk ARIMA (garis putus-putus warna ungu).
Luaran model SPGP mampu menunjukkan perbaikan terhadap masing- masing luaran model SPT pembentuknya. Hal ini dapat diketahui dari meningkatnya rerata nilai r maksimum dari r = 0,74 menjadi r = 0,94; memingkatnya rerata nilai r minimum dari nilai r = 0,32 menjadi r = 0,58; dan meningkatnya rerata nilai r rerata dari r = 0,53 menjadi r = 0,72. Walaupun luaran model SPGP untuk total hujan bulanan ini mampu dengan lebih baik mensimulasikan kondisi total hujan bulanan di wilayah Kabupaten Indramayu pada bulan-bulan puncak Musim Hujan (MH) dan bulan-bulan puncak Musim Kemarau (MK), namun demikian kejadian yang ekstrim tidak mampu ditunjukkan oleh luaran model SPGP ini. Khususnya yang terjadi dalam bulan-bulan Januari dan Februari seperti yang ditunjukkan oleh data observasi yang didapat (garis warna hitam). Mengingat model SPGP ini tidak dibangun dengan basis analisis nilai ekstrim. Selain itu unsur iklim curah hujan memang mempunyai variabilitas yang tinggi di saat puncak MH di wilayah Kabupaten Indramayu.
Luaran model SPGP untuk total hujan bulanan di wilayah Kabupaten Indramayu menunjukkan adanya peningkatan signifikan nilai r bila dibandingkan dengan luaran model SPT pembentuknya. Berdasarkan pada hasil perhitungan nilai r (Tabel 4.1.4) dapat diketahui bahwa luaran model SPGP untuk total hujan bulanan di wilayah Kabupaten Indramayu dapat memberikan hasil yang lebih konsisten daripada masing-masing luaran model SPT pembentuknya. Mengingat semakin rendah nilai kisaran r dengan nilai minimum r yang lebih besar dengan nilai r maksimum yang relatif sama, akan menunjukkan perbaikan performa
luaran model SPGP untuk total hujan bulanan tersebut terhadap luaran model SPT pembentuknya.
(a)
(b)
Gambar 4.1.2 Hasil prediksi total hujan bulanan di wilayah Kabupaten Indramayu menggunakan model SPT dan model SPGP untuk lokasi- lokasi (a) Anjatan dan (b) Juntinyuat
0 100 200 300 400 500 600 1 13 25 37 49 61 73 85 97 T o ta l H u ja n B u la n a n ( m m ) Bulan Anjatan (2001-2009) ANFIS WANFIS WARIMA ARIMA OBS SPGP 0 100 200 300 400 500 600 700 1 13 25 37 49 61 73 85 97 T o ta l H u ja n B u la n a n ( m m ) Bulan Juntinyuat (2001-2009) ANFIS WANFIS WARIMA ARIMA OBS SPGP
Tabel 4.1.4 Nilai r (2001-2009) luaran model SPGP untuk total hujan bulanan di wilayah Kabupaten Indramayu beserta luaran model SPT pembentuknya
Nama ANFIS WANFIS WARIMA ARIMA GAB Lokasi Anjatan 0,72 0,52 0,73 0,50 0,77 Bangkir 0,62 0,47 0,74 0,61 0,79 Bantarhuni 0,74 0,53 0,73 0,54 0,80 Bondan 0,64 0,31 0,67 0,51 0,71 Bugis 0,59 0,41 0,71 0,63 0,74 Bulak 0,54 0,31 0,58 0,42 0,66 Cidempet 0,57 0,46 0,59 0,41 0,67 Cikedung 0,66 0,38 0,65 0,32 0,69 Jatibarang 0,70 0,36 0,70 0,14 0,71 Juntinyuat 0,53 0,20 0,64 0,63 0,68 Kedokanbunder 0,45 0,30 0,65 0,26 0,62 Sudimampir 0,58 0,21 0,65 0,43 0,68 Sumurwatu 0,51 0,29 0,50 0,14 0,58 Tugu 0,63 0,38 0,62 0,50 0,69 Ujungaris 0,72 0,39 0,74 0,24 0,76 Wanguk 0,83 0,43 0,95 0,66 0,94 Maksimum 0,83 0,53 0,95 0,66 0,94 Minimum 0,45 0,20 0,50 0,14 0,58 Rerata 0,63 0,37 0,68 0,43 0,72
Keterangan: GAB = Gabungan
Medan Nilai Koefisien Korelasi Pearson
Medan nilai r digunakan untuk menunjukkan performa luaran model SPGP untuk total hujan bulanan di wilayah Kabupaten Indramayu secara spasial. Berdasarkan pada medan nilai r ini dapat diketahui secara cepat pada lokasi mana luaran model SPGP yang memiliki hasil baik maupun sebaliknya. Medan nilai r untuk luaran model SPGP untuk total hujan bulanan di wilayah Kabupaten Indramayu disajikan pada Gambar 4.1.3.
Gambar 4.1.3(a) menunjukkan medan nilai r secara spasial luaran model SPT ANFIS. Warna merah semakin gelap berarti nilai r semakin tinggi, sebaliknya warna semakin terang berarti nilai r semakin rendah. Verifikasi luaran model SPT ini selama periode 2001-2009 menunjukkan kisaran nilai r = 0,45 - 0,83. Sementara itu didapat rerata nilai r = 0,63. Lokasi Wanguk memiliki hasil tertinggi dengan r = 0,83 dan lokasi Kedokanbunder memiliki hasil terendah dengan r = 0,45.
Gambar 4.1.3(a). Medan nilai r luaran model SPT ANFIS untuk total hujan bulanan di wilayah Kabupaten Indramayu
Gambar 4.1.3(b). Medan nilai r luaran model SPT Wavelet-ANFIS untuk total hujan bulanan di wilayah Kabupaten Indramayu
Gambar 4.1.3(b) menunjukkan medan nilai r secara spasial luaran model SPT Wavelet-ANFIS. Verifikasi luaran model SPT ini selama periode 2001-2009 menunjukkan kisaran nilai r = 0,20 - 0,53. Sementara itu didapat rerata nilai r =
0,37. Lokasi Bantarhuni memiliki hasil tertinggi dengan r = 0,53 dan lokasi Juntinyuat memiliki hasil terendah dengan r = 0,20.
Gambar 4.1.3(c) menunjukkan medan nilai r secara spasial luaran model SPT Wavelet-ARIMA. Verifikasi luaran model SPT ini selama periode 2001- 2009 menunjukkan kisaran nilai r = 0,50 - 0,95. Sementara itu didapat rerata nilai r = 0,68. Lokasi Wanguk memiliki hasil tertinggi dengan r = 0,95 dan lokasi Sumurwatu memiliki hasil terendah dengan r = 0,50.
Gambar 4.1.3(c). Medan nilai r luaran model SPT Wavelet-ARIMA untuk total hujan bulanan di wilayah Kabupaten Indramayu
Gambar 4.1.3(d) menunjukkan medan nilai r secara spasial luaran model SPT ARIMA. Verifikasi luaran model SPT ini selama periode 2001-2009 menunjukkan kisaran nilai r = 0,14 - 0,66. Sementara itu didapat rerata nilai r = 0,43. Lokasi Wanguk memiliki hasil tertinggi dengan r = 0,66 dan lokasi Kedokanbunder memiliki hasil terendah dengan r = 0,14.
Gambar 4.1.3(d). Medan nilai r luaran model SPT ARIMA untuk total hujan bulanan di wilayah Kabupaten Indramayu
Gambar 4.1.3(e). Medan nilai r luaran model SPGP untuk total hujan bulanan di wilayah Kabupaten Indramayu
Gambar 4.1.3(e) menunjukkan medan nilai r secara spasial luaran model SPGP yang diperoleh berdasarkan nilai r yang diperoleh. Verifikasi luaran model SPGP ini selama periode 2001-2009 menunjukkan kisaran nilai r = 0,58 - 0,94.
Sementara itu didapat rerata nilai r = 0,72. Lokasi Wanguk memiliki hasil tertinggi dengan r = 0,94 dan lokasi Sumurwatu memiliki hasil terendah dengan r = 0,58.
Luaran model SPT ANFIS, SPT Wavelet-ARIMA, SPT ARIMA, dan luaran model SPGP untuk total hujan bulanan di wilayah Kabupaten Indramayu menghasilkan nilai r maksimum untuk lokasi Wanguk. Lokasi ini memiliki elevasi berkisar 11-20 meter di atas permukaan laut dan berada di bagian barat wilayah Kabupaten Indramayu yang memiliki kondisi iklim relatif basah. Sementara itu luaran model SPT Wavelet-ANFIS menghasilkan nilai r maksimum di lokasi Bantarhuni. Lokasi ini memiliki elevasi berkisar 51-60 meter di atas permukaan laut. Bantarhuni juga terletak di wilayah bagian barat Kabupaten Indramayu yang mempunyai kondisi iklim yang relatif basah.
Hasil nilai r terendah dialami oleh lokasi Kedokanbunder hasil luaran model SPT ANFIS. Lokasi ini berada di bagian timur wilayah Kabupaten Indramayu yang memiliki kondisi iklim relatif kering. Demikian juga halnya luaran model SPT Wavelet-ANFIS menghasilkan nilai r terendah untuk lokasi Juntinyuat yang berada di bagian timur wilayah Kabupaten Indramayu dengan kondisi iklim relatif kering. Hal yang senada juga diperoleh untuk lokasi Jatibarang dari luaran model SPT ARIMA. Lokasi ini juga berada di bagian timur wilayah Kabupaten Indramayu dengan kondisi iklim relatif kering. Sementara itu luaran model SPT Wavelet-ARIMA menghasilkan nilai r terendah di lokasi Sumurwatu yang berada di bagian selatan wilayah Kabupaten Indramayu. Demikian juga halnya yang disajikan oleh luaran model SPGP. Lokasi Sumurwatu memiliki elevasi berkisar 21-30 meter di atas permukaan laut. Lokasi ini berada di sebelah selatan wilayah Kabupaten Indramayu.
Peranan SML Dalam Meningkatkan Keandalan Luaran Model SPGP Untuk Total Hujan Bulanan
Medan Koefisien Korelasi Pearson
Hasil pengolahan data berbasis series data 1991-2000 menghasilkan luaran model SPGP dengan series 2001-2009. Selanjutnya luaran SPGP ini diregresikan dengan data SML JRA-25 dengan time lag 1 dan 2 bulan (Swarinoto, Koesmaryono, Aldrian, dan Wigena 2013). Hasilnya disebut sebagai luaran Sistem Prediksi Gabungan dengan nilai Pembobot memanfaatkan teknik PLSR (SPGP-PLSR). Time lag ini dimaksudkan untuk mengantisipasi respon lautan dalam menyimpan dan melepaskan energi yang berasal dari radiasi matahari ke dalam atmosfer yang memang membutuhkan jeda waktu.
Medan nilai r untuk luaran model SPGP dan SPGP-PLSR dengan time lag prediktor data SML JRA-25 1 bulan disajikan pada Gambar 4.2.1 (a) dan Gambar 4.2.1 (b). Nilai tertinggi luaran model SPGP dengan r = 0,94 terjadi di lokasi Wanguk, sementara itu nilai terendah r = 0,68 terjadi di lokasi Cikedung. Nilai rerata spasial r = 0,82. Nilai tertinggi luaran model SPGP-PLSR dengan r = 0,92 terjadi di lokasi Wanguk, sementara itu nilai terendah r = 0,64 terjadi di lokasi
Kedokanbunder. Nilai rerata spasial r = 0,72. Kondisi ini menunjukkan adanya kenaikan rerata nilai r sebesar 0,04 antara luaran model SPGP dengan luaran model SPGP-PLSR. Kontribusi prediktor data SML JRA-25 kurang signifikan dalam memperbaiki luaran model SPGP-PLSR. Secara spasial luasan wilayah Kabupaten Indramayu yang memiliki arsir warna lebih gelap nampak lebih luas untuk luaran model SPGP daripada luaran model SPGP-PLSR.
Walaupun kedua luaran model SPGP dan SPGP-PLSR menghasilkan nilai r yang relatif baik selalu > 0,5 namun hasil tersebut di atas menunjukkan bahwa luaran model SPGP memiliki nilai r yang relatif sedikit lebih baik daripada luaran model SPGP-PLSR untuk time lag 1 bulan dengan prediktor data SML JRA-25. Baik untuk nilai r maksimum, r minimum, maupun r reratanya.
Medan nilai r untuk luaran model SPGP dan SPGP-PLSR dengan time lag 2 bulan untuk prediktor data SML JRA-25 disajikan pada Gambar 4.2.2 (a) dan Gambar 4.2.2 (b). Nilai tertinggi luaran model SPGP dengan r = 0,96 terjadi di lokasi Wanguk, sementara itu terendah r = 0,37 terjadi di lokasi Jatibarang. Nilai rerata spasial r = 0,72. Sementara itu nilai tertinggi luaran model SPGP-PLSR dengan r = 0,90 terjadi di lokasi Wanguk, sementara itu terendah r = 0,64 terjadi di lokasi Bondan. Nilai rerata spasial r = 0,75. Secara spasial luasan wilayah Kabupaten Indramayu yang memiliki arsir warna lebih gelap nampak lebih luas untuk luaran model SPGP-PLSR daripada luaran model SPGP. Hal ini menunjukkan bahwa luaran model SPGP-PLSR mampu memperbaiki kualitas luaran model SPGP. Peranan prediktor data SML JRA-25 nampak signifikan dalam perbaikan keandalan luaran model SPGP.
(a)
(b)
Gambar 4.2.1 Medan nilai r luaran (a) model SPGP dan (b) model SPGP-PLSR di wilayah Kabupaten Indramayu menggunakan prediktor data SML JRA-25 time lag 1 bulan
(a)
(b)
Gambar 4.2.2 Medan nilai r luaran (a) model SPGP dan (b) model SPGP-PLSR di wilayah Kabupaten Indramayu menggunakan prediktor data SML JRA-25 time lag 2 bulan
Hasil tersebut di atas menunjukkan bahwa luaran model SPGP menghasilkan nilai r yang lemah di lokasi Jatibarang. Lokasi ini berada di sebelah timur wilayah Kabupaten Indramayu yang mempunyai klimatologis relatif lebih kering. Sementara itu untuk lokasi lainnya, kedua luaran model SPGP dan SPGP- PLSR menghasilkan nilai r yang relatif baik dengan r > 0,5. Secara umum luaran model SPGP-PLSR memiliki nilai r yang lebih baik daripada luaran model SPGP untuk time lag 2 bulan dari data SML JRA-25. Baik untuk nilai r maksimum, r minimum, maupun r reratanya.
Medan Kesalahan Akar Kuadrat Rerata
Medan nilai RMSE untuk luaran model SPGP dan SPGP-PLSR dengan time lag 1 bulan dengan prediktor data SML JRA-25 disajikan pada Gambar 4.2.3 (a) dan Gambar 4.2.3 (b). Nilai tertinggi luaran model SPGP dengan RMSE = 143 mm/bulan terjadi di lokasi Jatibarang, sementara itu nilai terendah RMSE = 32 mm/bulan terjadi di lokasi Wanguk. Nilai rerata spasial RMSE = 96 mm/bulan. Sementara itu nilai tertinggi dari luaran model SPGP-PLSR dengan RMSE = 137 mm/bulan terjadi di lokasi Bondan, sementara itu nilai terendah RMSE = 35 mm/bulan terjadi di lokasi Wanguk. Nilai rerata spasial RMSE = 97 mm/bulan.
Rerata nilai RMSE tidak berbeda jauh antara luaran model SPGP dan model SPGP-PLSR untuk time lag 1 bulan dengan prediktor data SML JRA-25. Hanya terpaut 1 mm/bulan. Kondisi ini menunjukkan bahwa luaran model SPGP sedikit lebih baik daripada luaran model SPGP-PLSR. Namun demikian, nilai RMSE maksimum nampak relatif lebih baik untuk luaran model SPGP-PLSR daripada luran model SPGP. Sedangkan untuk RMSE minimum, maka luaran model SPGP menunjukkan hasil yang lebih baik daripada luaran model SPGP-PLSR.
Secara spasial luasan wilayah Kabupaten Indramayu yang memiliki arsir warna lebih muda nampak hampir sama untuk luaran model SPGP dan luaran model SPGP-PLSR. Luasan dengan arsir warna yang lebih muda menunjukkan semakin rendah nilai RMSE diperoleh. Mengingat hasil terbaik RMSE adalah bernilai kecil atau mendekati nol, berarti semakin baik luaran model yang bersangkutan. Untuk itu luaran model SPGP nampak sedikit lebih baik daripada luaran model SPGP-PLSR dalam kasus ini. Hasil ini menunjukkan bahwa luaran model SPGP memiliki nilai RMSE yang relatif lebih baik daripada luaran model SPGP-PLSR untuk time lag 1 bulan dengan prediktor data SML JRA-25.
(a)
(b)
Gambar 4.2.3 Medan nilai RMSE luaran (a) model SPGPdan (b) model SPGP- PLSR di Kabupaten Indramayu menggunakan prediktor data SML JRA-25 time lag 1 bulan
(a)
(b)
Gambar 4.2.4 Medan nilai RMSE luaran (a) model SPGP dan (b) model SPGP- PLSR di wilayah Kabupaten Indramayu menggunakan prediktor data SML JRA-25 time lag 2 bulan
Medan nilai RMSE untuk luaran model SPGP dan SPGP-PLSR dengan time lag SML JRA-25 2 bulan disajikan pada Gambar 4.2.4 (a) dan Gambar 4.2.4 (b). Nilai tertinggi luaran model SPGP dengan RMSE = 181 mm/bulan terjadi di lokasi Jatibarang, sementara itu nilai terendah RMSE = 32 mm/bulan terjadi di lokasi Wanguk. Nilai rerata spasial RMSE = 108 mm/bulan. Nilai tertinggi luaran model SPGP-PLSR dengan RMSE = 142 mm/bulan terjadi di lokasi Bondan, sementara itu nilai terendah RMSE = 37 mm/bulan terjadi di lokasi Wanguk. Nilai rerata spasial RMSE = 92 mm/bulan.
Rerata nilai RMSE sangat berbeda jauh antara luaran model SPGP dan model SPGP-PLSR untuk time lag 2 bulan dengan prediktor data SML JRA-25 ini. Terpaut 16 mm/bulan dengan luaran model SPGP-PLSR relatif lebih baik daripada luaran model SPGP. Nilai RMSE maksimum nampak lebih rendah untuk luaran model SPGP-PLSR daripada luran model SPGP dengan perbedaan nilai RMSE = 39 mm/bulan. Sedangkan untuk RMSE minimum, maka luaran model SPGP menunjukkan hasil yang relatif lebih baik daripada luaran model SPGP- PLSR dengan perbedaan nilai RMSE = 5 mm/bulan.
Secara spasial luasan wilayah Kabupaten Indramayu yang memiliki arsir warna lebih muda nampak lebih luas untuk luaran model SPGP-PLSR daripada luaran model SPGP. Luasan dengan arsir warna yang lebih muda memiliki nilai RMSE yang lebih rendah. Berarti semakin baik keandalan luaran model SPGP- PLSR tersebut. Dengan demikian luaran model SPGP-PLSR nampak memiliki hasil yang lebih baik daripada luaran model SPGP. Hasil ini menunjukkan bahwa luaran model SPGP-PLSR memiliki nilai RMSE yang relatif lebih baik daripada luaran model SPGP untuk time lag 2 bulan dengan prediktor data SML JRA-25.
Pendugaan Nilai KAT Berbasis Luaran Model SPGP dan SPGP-PLSR
Nilai KAT untuk wilayah Kabupaten Indramayu diduga setelah diperoleh nilai prediksi total hujan bulanan luaran model SPGP dan luaran model SPGP- PLSR. Berbasis pada nilai prediksi total hujan bulanan luaran model SPGP, maka dapat dilakukan pendugaan nilai KAT(SPGP). Sementara itu berbasis pada nilai prediksi total hujan bulanan luaran model SPGP-PLSR, dapat dilakukan pendugaan nilai KAT(SPGP-PLSR). Kedua nilai KAT dimaksud bersifat dugaan atau prediksi karena dihitung berdasarkan pada hasil prediksi total hujan bulanan luaran model SPGP dan luaran model SPGP-PLSR.
Periode evaluasi digunakan data tahun 2006-2009. Dalam evaluasi hasil pendugaan nilai KAT(SPGP) dan nilai KAT(SPGP-PLSR) digunakan rujukan hasil perhitungan KAT berbasis pada data total hujan bulanan hasil observasi. Hal ini dimaksudkan untuk mengetahui peranan fluktuasi data SML JRS-25 sebagai prediktor dalam perbaikan hasil perhitungan pendugaan nilai KAT(SPGP) secara spasial di wilayah Kabupaten Indramayu.
Pendugaan Nilai KAT Berbasis Luaran Model SPGP
Sebanyak 16 series data total hujan bulanan luaran model SPGP dari 16 titik lokasi observasi digunakan sebagai dasar penghitungan pendugaan nilai KAT(SPGP) bulanan di wilayah Kabupaten Indramayu. Sebagai contoh hasil perhitungan nilai KAT(SPGP) bulanan di beberapa lokasi disajikan pada Gambar 4.3.1 (a) untuk lokasi Anjatan dan Gambar 4.3.1 (b) untuk lokasi Juntinyuat.
Kurva warna merah menunjukkan nilai KAT(SPGP) bulanan yang dihitung berdasarkan pada nilai prediksi curah hujan bulanan luaran model SPGP. Sementara itu kurva warna biru menunjukkan nilai KAT(OBS) bulanan yang dihitung berdasarkan pada nilai curah hujan bulanan hasil observasi.
(a)
(b)
Gambar 4.3.1 Pendugaan nilai KAT(SPGP) bulanan di (a) lokasi Anjatan dan (b) lokasi Juntinuat berbasis luaran model SPGP
0 50 100 150 200 250 300 350 400 1 13 25 37 49 61 73 85 97 K A T ( m m / b u la n ) Bulan
Anjatan (2001-2009)
Obs SPEP 0 50 100 150 200 250 300 350 400 1 13 25 37 49 61 73 85 97 K A T ( m m / b u la n ) BulanJuntinyuat (2001-2009)
Obs SPEPUntuk lokasi Anjatan yang disajikan pada Gambar 4.3.1 (a) menunjukkan bahwa nilai KAT(SPGP) umumnya menghasilkan luaran yang lebih rendah jika dibandingkan dengan nilai KAT(OBS). Pada umumnya nilai KAT(SPGP) menunjukkan kondisi yang relatif lebih kering ketimbang nilai KAT(OBS). Tahun 2001, 2008, dan 2009 nilai KAT(SPGP) menunjukkan kesesuaian yang sangat baik dengan nilai KAT(OBS) dengan menghasilkan nilai yang mendekati kondisi lapangnya. Untuk lokasi Anjatan didapat nilai r = 0,69.