TEKNIK STATISTICAL DOWNSCALING DENGAN REGRESI KOMPONEN UTAMA DAN REGRESI KUADRAT TERKECIL PARSIAL UNTUK PREDIKSI CURAH HUJAN PADA KONDISI EL NINO, LA NINA, DAN NORMAL

Abstract

Makalah ini menyajikan hasil validasi model prediksi curah hujan di Kabupaten Indramayu dengan pendekatan statistika untuk downscaling, yaitu Regresi Komponen Utama dan Regresi Kuadrat Terkecil Parsial, pada kondisi El Nino, La Nina, dan Normal. Data curah hujan dari 6 stasiun hujan dan data presipitasi dari Global Circulation Model ECHAM3 digunakan dalam analisis ini dengan domain grid 8x8 (1.4° LU-18.1 LS; 98.4 -118.1 BT), di atas wilayah Indramayu. Data dibagi untuk setiap kondisi anomali iklim berdasarkan pada Oceanic Nino Index (ONI) yang menggunakan data suhu permukaan laut di Nino 3.4 dari hasil analisis NOAA. Ratarata nilai RMSEP dan korelasi pada kondisi El Nino adalah 95.22 dan 0.66 untuk PCR serta 102.52 dan 0.62 untuk PLS, pada kondisi La Nina adalah 85.14 dan 0.65 untuk PCR, serta 98.43 dan 0.69 untuk PLS, sedangkan pada kondisi Normal diperoleh nilai rata-rata 91.41 dan 0.57 untuk PCR, serta 85.37 dan 0.63 untuk PLS. Secara umum pada kondisi El Nino PCR menunjukkan performa yang lebih baik daripada PLS, sedangkan pada kondisi La Nina dan Normal, PLS lebih baik daripada PCR. Pemilihan model tergantung pada cakupan wilayah yang dikaji, apakah mewakili daerah di sekitar stasiun hujan atau mewakili suatu wilayah kabupaten.