Pemodelan Statistical Downscaling Untuk Peramalan Curah Hujan Ekstrim Menggunakan Generelized Additive Model For Location Scale And Shape

Abstract

Perubahan iklim global bisa meningkatkan kejadian curah hujan ekstrim. Curah hujan ekstrim merupakan kondisi curah hujan di atas atau di bawah rata-rata kondisi pada normalnya yang secara garis besar dapat dibedakan menjadi curah hujan ekstrim basah yang akan berdampak pada kebanjiran dan curah hujan ekstrim kering yang akan berdampak pada kekeringan. Analisis yang mempelajari kejadian-kejadian ekstrim dibutuhkan untuk memperkecil dampak buruk karena adanya kejadian curah hujan ekstrim tersebut. Dalam menganalisis curah hujan sudah banyak model-model yang telah diterapakan diantaranya GCM (General Circulation Model). Skala spasial yang digunakan pada GCM masih bersifat global sehingga tidak dapat menjelaskan variabilitas dalam skala lokal. GCM masih mungkin dapat digunakan dalam memberikan informasi skala lokal atau regional dengan menambahkan teknik Statistical Downscaling (SD). SD adalah suatu model yang berbasis regresi dalam menentukan hubungan fungsional antara variabel respon dan variabel prediktor. Karakteristik GCM yang memiliki sifat nonlinier dan berdimensi besar mengakibatkan kesulitan dalam menganalisis. Permasalahan ini dapat diatasi dengan metode alternatif yang fleksibel terhadap asumsi yang disebut metode semi-parametrik. Pada penelitian ini metode semi-parametrik yang digunakan adalah Generelized Additive Model for Location, Scale and Shape (GAMLSS) dengan variabel respon data curah hujan BMKG dan variabel prediktor data presipitasi luaaran dari GCM. GAMLSS merupakan perluasan dari Generelized Linear Model dan Generelized Additive Model yang mencakup distribusi Keluarga Eksponensial dan distribusi non Keluarga Eksponensial. Distribusi Keluarga Eksponensial salah satunya yakni distribusi Gamma (GA) yang memiliki dua parameter (𝜎, 𝜇) sedangkan untuk non Keluarga Eksponensial yaitu distribusi Zero Adjusted Gamma (ZAGA) yang memiliki tiga parameter yakni (𝜎, 𝜇, 𝑣). Model optimal statistical downscalling metode GAMLSS untuk meramalkan curah hujan harian di Kota Kupang Nusa Tenggara Timur dengan menggunakan distribusi ZAGA pada pemulusan loess dengan degree 1 dan span 0.8 menghasilkan Untuk parameter lokasi (𝜇) diperoleh 𝜇 = exp(1,575 + (−183,793) × 10−2 Presipitasi12 + 4285,443 × 10−3 Presipitasi13 + 15,618 × 10−4 Presipitasi21 + (−678,819) × 10−5 Presipitasi22 + (−5440,280) × 10−6 Presipitasi23 + 3326,070 × 10−7 Presipitasi31 + 4418,469 × 10−8 Presipitasi32 + 2258,129 × 10−9 Presipitasi33) Untuk parameter scale (𝜎) diperoleh 𝜎 = exp (0,4668) Untuk parameter shape (𝑣) diperoleh 𝑣 = 0.09596. Pola antara hasil ramalan dan observasi menunjukkan bahwa hasil ramalan curah hujan di Kota Kupang mendekati data observasi dengan nilai RMSE 1.715409 domain grid 3 × 3. Sehingga model yang diperoleh adalah model yang baik untuk meramalkan curah hujan di Kota Kupang.