MODEL STATISTICAL DOWNSCALING DENGAN DOMAIN
HASIL ANALISIS VARIOGRAM
YUAN ASTIKA MILLAFANTI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRAK
YUAN ASTIKA MILLAFANTI. Model Statistical Downscaling dengan Domain Hasil Analisis Variogram. Dibimbing oleh AJI HAMIM WIGENA dan UTAMI DYAH SYAFITRI.
Cuaca, terutama curah hujan, merupakan salah satu topik yang sering menjadi pembicaraan. Pentingnya curah hujan bagi berbagai objek studi membuat banyak penelitian dilakukan untuk mendapatkan ramalan curah hujan dengan tingkat akurasi yang tinggi. Sekarang ini banyak metode dikembangkan untuk melakukan peramalan curah hujan, di antaranya dengan menggunakan ARIMA dan statistical downscaling. Metode statistical downscaling digunakan untuk meramalkan curah hujan skala lokal dengan menggunakan predictor, peubah bebas, curah hujan dalam skala global. Dalam hal ini, curah hujan skala global direpresentasikan oleh data General Circulati on Models (GCM). Teknik yang sering digunakan dalam statistical downscaling adalah Regresi Komponen Utama (RKU) dengan data grid GCM sebagai domain (peubah bebas) dan data curah hujan skala lokal sebagai predictant (peubah tak bebas ). Data grid di posisi mana dan seberapa luas grid GCM yang digunakan sebagai domain dalam statistical downscaling belum banyak dibahas. Penentuan domain menjadi pokok pe rmasalahan dalam penelitian kali ini.
Peubah tak bebas yang digunakan pada penelitian ini adalah curah hujan Stasiun Sukadana yang berada pada posisi 6.6 LS dan 108.3 BT. Domain yang digunakan dalam penelitian ini ada empat macam. Domain yang digunakan sebagai peubah bebasnya adalah data grid GCM berukuran 6x6 di sekitar Stasiun Sukadana pada posisi 1.4 LU -12.6 LS dan 101.3 BT -115.3 BT,
MODEL STATISTICAL DOWNSCALING DENGAN DOMAIN
HASIL ANALISIS VARIOGRAM
YUAN ASTIKA MILLAFANTI
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul Skripsi : Model
S tatistical Downscaling
dengan
Domain
Hasil A nalisis
Variogram
Nama
: Yuan Astika Millafanti
NRP
: G14101022
Disetujui
Ir. Aji Hamim Wigena, M.Sc.
Utami Dyah Syafitri, M.Si.
Ketua
Anggota
Diketahui
Dr. Budi Susetyo, MS.
Ketua Departemen Statistika
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian ini adalah statistical downscaling, dengan judul Model Statistical Downscaling dengan Domain Hasil Analisis Variogram.
Terima kasih penulis ucapkan kepada Bapak Ir. Aji Hamim Wigena, M.Sc. dan Ibu Utami Dyah Sy afitri, M.Si. selaku pembimbing, dan Bapak Dr. Budi Susetyo, MS. selaku Ketua Departemen Statistika IPB beserta jajaran dosen yang telah memberikan ilmunya selama penulis berada di Departemen Statistika IPB.
Semoga karya ilmiah ini bermanfaat.
Bogor, September 2005
UCAPAN TERIMA KASIH
Pada kesempatan ini penulis juga mengucapkan terima kasih kepada:
1.Bapak, Ibu, De’ Tito, serta seluruh keluarga atas segala doa dan kasih sayangnya. Alhamdul illah, akhirnya mbak lulus juga.
2.Teman-teman satu dosen pembimbing, mulai dari Tisrina, Lisda, Heru, Maria, dan Arif. Terima kasih untuk janji ketemu barengnya.
3.Novi dan Gatik, terima kasih untuk HB-nya.
4.Pika, Yulin, dan Nana yang sudah menjadi pembahas. Terima kasih untuk pesanan kue SM -nya. 5.Oe dan Meli terima kasih untuk pinjaman komputernya.
6.Sita, Puput, Renti, Bang Sigit, dan Dion untuk main dan belajar bersamanya menjelang ujian. 7.Teman-teman STK 38 yang telah mendukung penulis dalam masa perkuliahan hingga
penyusunan karya ilmiah ini.
8.Ibu Dede, Ibu Markonah, Ibu Sulis, Bang Sudin, Pak Heri, Pak Iyan, Mang Herman, dan Gus Dur. Terima kasih atas dukungannya.
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 2 April 1983 dari ayah Anton Kadarwanto dan ibu Sri Juartati. Penulis merupakan putri pertama dari dua bersaudara.
Tahun 2001 penulis lulus dari SMA Negeri 48 Jakarta dan pada tahun yang sama lulus seleksi masuk IPB melalui jalur Undangan Seleksi Masuk IPB. Penulis memilih Program Studi Statistika, Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam.
DAFTAR ISI
Halaman
DAFTAR TABEL ... ix
DAFTAR LAMPIRAN ... ix
PENDAHULUAN Latar Belakang ... 1
Tujuan ... 1
TINJAUAN PUSTAKA GCM dan Statistical Downscaling ... 1
Koefisien Korelasi ... 1
Variogram ... 2
Regresi Komponen Utama ... 2
Pengujian ModelStatistik ... 3
BAHAN DAN METODE ... 4
HASIL DAN PEMBAHASAN Korelasi antara Grid GCM dan Curah Hujan Stasiun Sukadana ... 4
Analisis Variogram ... 5
RKU dengan Domain 6x6, 8x8, dan Wilayah Indonesia ... 5
RKU dengan Domain Hasil Analisis Variogram ... 6
Validasi ... 6
KESIMPULAN ... 6
DAFTAR PUSTAKA ... 7
DAFTAR TABEL
Halaman
1 Ragam dan galat baku nilai korelasi grid GCM dengan
curah hujan Stasiun Sukadana untuk tiap domain ... 4
2 Variogram data curah hujan Stasiun Sukadana untuk wilayah Indonesia ……….. 5
3 Kriteria kebaikan model ... 5
4 Hasil validasi silang ………. 6
DAFTAR LAMPIRAN
Halaman 1 Posisi grid GCM ... 92 Korelasi antara grid dan curah hujan Stasiun Sukadana periode Januari 1981-Desember 2000 ... 10
3 Model variogram ... 11
4 Nilai aktual dan dugaan variogram ... 11
5 Analisis komponen utama ... 12
6 Model regresi komponen utama ... 12
1
PENDAHULUAN
Latar Belakang
Data mengenai cuaca khususnya dan meteorologi umumnya telah dikumpulkan untuk penelitian berbagai objek studi (Cressie 1993). Salah satu objek studi yang bergantung terhadap cuaca, terutama curah hujan, adalah pertanian. Petani umumnya mengandalkan curah hujan dalam mengairi lahan usaha taninya. Menurut Kurnia (2004) curah hujan tahunan yang rendah dengan periode hujan yang relatif pendek, misalnya di kawasan timur Indonesia, merupakan pembatas pola tanam dan waktu tanam, serta pemilihan komoditas yang akan diusahakan .
Peramalan curah hujan dilakukan mengingat pentingnya peranan curah hujan dalam bidang pertanian. Metode peramalan yang sering digunakan antara lain ARIMA dan statistical downscaling. Penggunaan
statistical downscaling dalam peramalan curah hujan skala lokal yang menggunakan data skala global dapat mengatasi perbedaan skala di antara keduanya. Menurut Bergant
et al. (2002), salah satu teknik statistical downscaling yang sering digunakan adalah regresi komponen utama.
Dalam regresi komponen utam a pada
statistical downscaling, domain grid-grid
GCM digunakan sebagai peubah bebas dan curah hujan skala lokal sebagai peubah tak bebasnya. Penentuan domain mencakup
grid-grid di posisi mana saja yang digunakan dan seberapa luas areanya. Menurut Bergant et al. (2002), domain yang digunakan minimal berukuran 8x8 di sekitar wilayah respon. Fernandez (2005) menggunakan tiga macam domain—skala besar, sedang, dan kecil—untuk meramalkan penguapan harian dan rata-rata suhu harian pada stasiun-stasiun cuaca di seluruh Eropa. Untuk skala besar, seluruh wilayah Eropa digunakan sebagai domain. Domain skala sedang merupakan seperempat dari luas wilayah Eropa. Sedangkan untuk skala kecil, Fernandez membagi wilayah Eropa menjadi tujuh bagian berdasarkan kedekatan lokasi antar stasiun pengamat. Belum adanya ketentuan yang pasti dalam menentukan posisi dan luas area grid yang digunakan sebagai domain dalam statistical downscaling menjadi pokok permasalahan dalam penelitian kali ini.
Tujuan
Penelitian ini bertujuan untuk memberikan alternatif dalam menentukan domain yang digunakan dalam statistical downscaling, yaitu dengan menggunakan variogram, dan juga membandingkan model statistical downscaling
antara model yang menggunakan domain hasil analisis variogram dan tanpa analisis variogram.
TINJAUAN PUSTAKA
GCMdan Statistical Downscaling
General Circulation Models (GCM) merupakan alat terpenting dalam memahami sistem iklim karena mampu memberikan informasi tentang pergeseran iklim di masa yang akan datang. GCM menghasilkan data dalam bentuk grid atau petak wilayah dengan resolusi rendah (2,5o atau ±300 km) yang merepresentasikan keadaan iklim global tetapi tidak dalam skala regional atau lokal. Data GCM dalam bentuk grid-grid menunjukkan bahwa GCM merupakan salah satu contoh bentuk data spasial, yaitu data yang berkaitan dengan keruangan. Salah satu peubah GCM adalah curah hujan yang diukur dalam satuan mm. Menurut BMG (2003), curah hujan itu sendiri merupakan ketebalan air hujan yang terkumpul dalam tempat yang datar, tidak menguap, dan juga tidak mengalir.
Bergant et al. (2002) menyatakan bahwa adanya perbedaan skala antara peubah bebas dan peubah tak bebas dapat diatasi dengan
statistical downscaling. Dalam hal ini, peubah tak bebasnya adalah curah hujan skala lokal. Sedangkan curah hujan skala global sebagai peubah bebasnya direpresentasikan oleh data GCM.
Koefisien Korelasi
Menurut Huntsberger dan Billingsley (1987), koefisien korelasi antara dua peubah (X dan Y) dinyatakan dalam rumus berikut :