Projection Pursuit Regression Dalam Teknik Statistical Downscaling Untuk Prediksi Curah Hujan Dengan Menggunakan Artificial Neural Network Studi Kasus: Curah Hujan Bulanan DI Kabupaten Jember

Abstract

Prediksi curah hujan penting untuk dimanfaatkan para petani dalam mengambil kebijakan, khususnya untuk wilayah yang menjadi sentra produksi pertanian termasuk di Indonesia. Ketersediaan informasi tentang curah hujan memerlukan suatu metode peramalan yang akurat. Model General Circulation Model (GCM) digunakan dalam prediksi dinamis untuk mendapatkan informasi curah hujan satu bulan, namun dengan resolusinya yang rendah menjadikan model ini tidak dapat digunakan untuk memperoleh informasi dalam skala kecil sehingga diperlukannya teknik statistical downscaling (SD). Projection Pursuit Regression (PPR) salah satu model yang digunakan dalam SD ini termasuk pendekatan non parametrik dan nonlinier untuk memproses data yang berdimensi besar yang dapat menggambarkan dimensi kecil melalui proses proyeksi. Penelitian ini selanjutnya dijelaskan menggunakan pendekatan berbasis jaringan syaraf yakni Artificial Neural Network (ANN) dalam model statistical downscaling dengan aplikasi untuk analisis peristiwa yang terkait dengan prediksi curah hujan. Dalam hal ini, data yang akan menjadi bagian dari pembentukan model PPR adalah data curah hujan bulanan Kabupaten Jember. Data luaran GCM menjadi variabel prediktor. Diantaranya variabel prediktor yang digunakan sebanyak tiga variabel, yakni presipitasi, suhu udara (air temperature) dan tekanan udara (air pressure at sea level). Variabel respon yang digunakan adalah dari data observasi di kabupaten Jember dari Januari 2005 sampai Desember 2018. Data curah hujan lokal berupa data bulanan kabupaten Jember pada periode Januari 2005 sampai dengan Desember 2018 memiliki rataan sebesar 165,10 mm dan simpangan baku sebesar 139,30 mm. Adapun curah hujan paling rendah sebesar 0 mm dan curah hujan tertinggi selama periode tersebut sebesar 537,93 mm. Hal ini menunjukkan bahwa terjadi fluktuasi yang sangat tinggi pada besaran curah hujan setiap bulannya. Secara garis besar, teknik statistical downscaling adalah menghubungkan antara data GCM yang berdimensi besar dengan data curah hujan lokal. Luaran GCM yang akan digunakan harus terseleksi dengan baik agar model peramalan yang dihasilkan menjadi optimal. Salah satu pemilihan variabel adalah dengan menentukan ukuran domain berbentuk persegi lalu memilih ukuran yang optimum. Ukuran dari setiap persegi menentukan seberapa banyak luaran GCM yang akan digunakan.