PENDAHULUAN
1.1 Latar Belakang
Parameter model adalah unsur - unsur numerik yang merupakan acuan yang dapat menjelaskan batas - batas atau bagian - bagian tertentu dari suatu model (YTSE, 2010). Misalkan sebuah model dalam bentuk geometri, maka parameter-nya adalah berupa panjang, lebar, atau tinggi dari objek tersebut. Perubahan pada ukuran panjang, lebar, atau tinggi akan mempengaruhi kondisi model terse-but. Demikian juga dengan model dalam bentuk persamaan linear, maka para-meternya adalah gradien dari garis tersebut, perubahan terhadap gradien ini akan mempengaruhi keluaran atau hasil dari model tersebut.
Sementara parameter peramalan adalah unsur-unsur numerik yang meru-pakan acuan yang dapat menjelaskan batas-batas atau bagian-bagian tertentu dari suatu peramalan (YTSE, 2010). Karena peramalan adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa mendatang secara kuantitatif dengan dasar data yang relevan pada masa lalu, maka peramalan yang baik ada-lah peramalan yang berdasar pada data atau tingkah laku gejala yang sudah ada dan terjadi secara berulang-ulang pada masa yang lalu serta telah dilakukan ka-jian secara mendalam baik secara teoretis maupun praktis terhadap model yang digunakan untuk peramalan tersebut. Hasil dari peramalan yang baik ini tentunya akan dijadikan sebagai salah satu unsur terpenting dalam mengambil keputusan.
Parameter model dan parameter peramalan adalah seperti dua sisi mata uang yang tidak mungkin dipisahkan, sebab model yang dibentuk dengan sejumlah pa-rameternya akan menentukan kualitas dari hasil peramalan. Sebaliknya hasil pera-malan yang diperoleh dapat dimanfaatkan untuk melakukan kajian tentang kehan-dalan sebuah model yang digunakan untuk melakukan peramalan (Marzban et al., 2007).
Keterkaitan antara parameter model dan parameter peramalan dapat ter-jadi pada hampir semua masalah yang berhubungan dengan peramalan baik
se-cara kualitatif maupun sese-cara kuantitatif seperti pada masalah peramalan inflasi, peramalan cuaca, persediaan barang, penjadwalan produksi dan transportasi, per-tumbuhan ekonomi, dan sebagainya.
Kajian tentang hubungan antara parameter model dan parameter peramalan merupakan suatu kajian yang mendesak dan penting dilakukan agar diperoleh su-atu kepastian tentang bagaimana sebenarnya pengaruh dari salah ssu-atu parame-ter model parame-terhadap sesama parameparame-ter model yang lain dan parame-terhadap parameparame-ter peramalan. Sebab selama ini literatur-literatur yang berkembang lebih terfokus membicarakan hasil peramalan berdasarkan model yang ada.
Kenyataan di lapangan menunjukkan bahwa sering terjadi hasil ramalan tidak sesuai dengan yang diharapakan. Dampaknya adalah terjadinya kesalahan dalam pengambilan keputusan yang tentunya akan menyebabkan kerugian baik secara langsung maupun tidak langsung. Ketidaktepatan hasil peramalan ini tentunya disebabkan adanya parameter model yang kurang tepat.
Menurut Marzban et al. (2007), ketidaktepatan hasil dalam peramalan da-pat berupa : 1) Model tidak menghasilkan sirkulasi dari suatu yang diamati; 2) Model sirkulasi yang dihasilkan tidak begitu intens seperti yang diamati; 3) Model menghasilkan sesuatu yang salah; 4) Pergerakan peramalan diawal terlalu lambat, atau memiliki bentuk yang salah; dll.
Maksud sirkulasi dari uraian di atas adalah model yang digunakan dalam peramalan menghasilkan suatu kondisi atau prilaku yang sesuai dengan data awal yang digunakan dalam membentuk sebuah model. Sedangkan kata intens mengan-dung makna bahwa model yang digunakan dalam peramalan memiliki kehandalan/ kekuatan yang sama dengan data awal dalam membentuk sebuah model.
Ketidaktepatan hasil peramalan dapat dimanfaatkan untuk merevisi mo-del yang digunakan untuk meningkatkan akurasi hasil peramalan, akan tetapi agak sulit untuk memanfaatkannya secara langsung karena kebanyakan model bi-asanya tidak memiliki ”pengendali” yang mengontrol sirkulasi dari suatu pera-malan. Pengembang model sering mencoba menyesuaikan parameter tertentu un-tuk meningkatkan hasil peramalan, namun berakibat terhadap parameter lainnya yang mungkin saja tidak diketahui.
Berdasarkan uraian di atas, timbul sebuah pertanyaan mendasar yaitu apakah terdapat hubungan fungsional antara parameter model dan parameter peramalan? Untuk melakukan pembahasan terhadap masalah ini, penulis memilih kasus pera-malan cuaca (weather forecasting) sebagai model kasus untuk dikaji hubungan antara parameter model dan parameter peramalan. Model yang digunakan ada-lah Numerical Weather Prediction (NWP), sedangkan peramalannya adaada-lah pera-malan cuaca yang dikembangkan lembaga riset Naval Research Laboratory Marine meteorology Divison Monterey California Amerika Serikat, The Coupled Ocean At-mosphere Mesoscale Prediction System (COAMPS).
Menurut KMA (2002), model Numerical Weather Prediction (NWP) adalah sekumpulan kode komputer yang mempresentasikan secara numerik persamaan -persamaan atmosfer, digunakan untuk memprediksi kondisi atau status atmosfer yang akan datang dengan menggunakan kemampuan komputer yang tinggi. Model ini dirancang untuk memprediksi perkiraan cuaca secara lebih detail dengan cara membagi wilayah-wilayah dari belahan dunia yang biasa dilakukan oleh lembaga perkiraan cuaca, militer, dan beberapa perusahaan. Pemantauannya dilakukan secara terus menerus yang dipusatkan di Amerika Serikat.
Gambaran umum dari hubungan antara parameter model dan parameter peramalan diilustrasikan seperti berikut ini.
Gambar 1.1 Gambaran Umum Hubungan antara Parameter Model dan Parameter Peramalan
”Kotak hitam” (black box) pada gambar di atas dapat dipandang sebagai suatu sistem (Makridakis et al., 2007), yang menggambarkan hubungan antara parameter model dan parameter peramalan. Hubungan antara parameter pada ”kotak hitam” diasumsikan sebagai fungsi interaksi antar inputnya yang kompleks dan non-linear dengan tujuan agar dapat mengembangkan sebuah metodologi un-tuk mengaproksimasi hubungan antara parameter dengan sebuah model statistika. Model statistika yang akan digunakan terdiri dari model statistika ”forward” yang memetakan parameter model terhadap parameter peramalan, dan model statistika invers yang memetakan parameter peramalan terhadap parameter model. Kegunaan dari model statistika ini hanyalah mewakili (meniru) hubungan antara parameter model dan parameter peramalan dalam model Numerical Weather Pre-diction (NWP).
Kegunaan dari model statistika forward adalah mengkaji tentang pengaruh pada sejumlah parameter peramalan dari perubahan sejumlah parameter model. Sedangkan model statistika invers berguna untuk melakukan pengaturan secara op-timal terhadap parameter model. Misalnya, jika sebuah model Numerical Weather Prediction (NWP) menghasilkan curah hujan terlalu banyak, maka pengembang model dapat mengkonsultasikannya dengan model statistika invers untuk mene-mukan pengaturan yang optimal pada parameter model agar supaya mengurangi jumlah curah hujan yang diramalkan, tanpa mempengaruhi secara signifikan para-meter lain dari peramalan.
Kegiatan lebih lanjut yang akan dilakukan dalam mengkaji hubungan pa-rameter model dan papa-rameter peramalan adalah melakukan analisis sensitifitas (Cacuci, 2003). Dalam analisis sensitifitas, salah satu yang dilakukan adalah me-nguji pengaruh variasi parameter model terhadap hasil keluaran (output) dari mo-del, bukan parameter peramalan. Lebih penting lagi, dalam analisis sensitifitas ini diasumsikan bahwa tidak ada interaksi antara parameter model (Marzban et al., 2007). Dengan kata lain, dalam analisis sensitifitas diasumsikan bahwa salah satu dari parameter model saling lepas (independent) terhadap parameter model yang lain. Juga, dalam analisis sensitifitas dilakukan pengujian pengaruh beberapa pa-rameter model pada sebuah papa-rameter peramalan tunggal, bukan pada sejumlah parameter peramalan secara bersamaan.
Analisis hubungan lain yang akan dilakukan adalah pemodelan adjoint (Errico, 1997) yang berfungsi untuk menilai sensitifitas output model terhadap input model, bukan parameter model terhadap parameter peramalan. Akhirnya, model statis-tika digunakan untuk meniru model numerik yang kompleks (Krasnopolsky et al., 2008.), Di sini, model statistika meniru hubungan antara parameter model dan parameter peramalan. Kemudian, model Lorenz (Lorenz, 1963) digunakan untuk mempelajari lebih dalam tentang hubungan antara parameter model dan parame-ter peramalan.
1.2 Rumusan Masalah
Rumusan masalah dalam penelitian ini adalah bagaimanakah hubungan an-tara parameter model dan parameter peramalan?
1.3 Tujuan Penelitian
Adapun tujuan penelitian ini adalah sebagai berikut :
1. Untuk mengetahui pengaruh perubahan salah satu parameter model ter-hadap parameter peramalan.
2. Untuk mengetahui bentuk hubungan antara parameter model dan parameter peramalan.
1.4 Kontribusi Penelitian
Penelitian ini diharapkan bermanfaat untuk pengembangan ilmu pengetahuan dan teknologi, khususnya dalam pengembangan model dan peramalan cuaca.
1.5 Metodologi Penelitian
Penelitian ini merupakan jenis penelitian pustaka. Dengan demikian metode penelitian yang akan dilakukan adalah mengumpulkan informasi dari berbagai re-ferensi yang relevan seperti buku dan jurnal. Langkah-langkah penelitian yang dilakukan adalah sebagai berikut :
1. Membicarakan tentang dasar-dasar teoretis tentang parameter model; 2. Membicarakan tentang dasar-dasar teoretis tentang parameter peramalan; 3. Menjelaskan hubungan antara parameter model dan parameter peramalan.
