dengan wilayah yang dibutuhkan. Informasi numerik tersebut diperoleh dengan
mengkonversi informasi hujan format shapefile
menjadi format text Lampiran 2 sehingga akan diperoleh nilai curah hujan
yang diinginkan. Keluaran estimasi curah hujan dari
CMORPH yang berskala global membuat data ini kurang kompatibel digunakan langsung
dalam skala regional untuk menduga hujan lokal. Oleh karena itu, dilakukan teknik
downscalling
informasi curah hujan skala global yang meliputi empat domain, yaitu
domain 3x3 9 grid, domain 5x5 25 grid, domain 7x7 49 grid, dan domain 9x9 81
grid untuk setiap wilayah kajian. 3.4.3
Analisis Pola Hubungan Curah Huajn Observasi dan Curah Hujan
CMORPH Analisis pola hubungan data observasi
dan CMORPH dilakukan untuk melihat kemampuan data hujan CMORPH dalam
estimasi curah hujan di permukaan. Setelah cukup yakin bahwa data CMORPH dapat
mengikuti pola curah hujan observasi, maka dilakukan uji dua regresi untuk meninjau
apakah perlu dilakukan pemisahan model estimasi curah hujan musim hujan dan musim
kemarau dengan membangun persamaan regresi sederhana dan mengganggap intersep
= 0 sehingga persamaannya menjadi Y = bx.
Uji dua regesi dilakukan dengan persamaan :
z = .......................... 1
dimana : b
1
= slope persamaan 1 b
2
= slope persamaan 2 sb
1
= SE Coef b
1
sb
2
= SE Coef b
2
Jika z taraf nyata berarti kedua persamaan tidak berbeda nyata, sehingga tidak perlu
dilakukan pemisahan antara musim hujan dan musim kemarau. Sebaliknya jika z taraf
nyata berarti kedua persamaan berbeda nyata sehingga perlu dilakukan pemisahan antara
musim hujan dan musim kemarau. Taraf nyata yang digunakan pada penelitian ini adalah 5.
3.4.4 Analisis Regresi Curah Hujan
Observasi dan Curah Hujan CMORPH
Regresi linier merupakan salah satu metode statistika yang digunakan untuk
membentuk model hubungan antara peubah terikat peubah respon ; y dengan satu atau
lebih peubah bebas prediktor ; x Kurniawan 2008. Apabila banyaknya peubah bebas
hanya ada satu maka disebut regresi linier sederhana, sedangkan jika terdapat lebih dari
satu peubah bebas maka disebut regresi linier berganda. Pembangunan model estimasi
berdasarkan regresi sederhana untuk setiap titik pengamatan dibangun dari hubungan
antara curah hujan observasi sebagai peubah terikat dan rataan curah hujan CMORPH
sebagai peubah bebas sesuai dengan ukuran domainnya.
3.4.5 Analisis Partial Least Square PLS
Curah Hujan Observasi dan Curah Hujan CMORPH
Model estimasi curah hujan dibangun berdasarkan data CMORPH harian dengan
periode Januari 2003 – Desember 2008. Data tersebut kemudian dikonversi menjadi data
dasarian 10 harian. Hal ini dilakukan karena fluktuasi dan variabilitas curah hujan terlihat
lebih jelas dibandingkan dengan menggunakan data harian.
Pembangunan model estimasi pada penelitian ini dilakukan berdasarkan metode
Partial Least Square PLS. Metode ini
bertujuan untuk mengatasi adanya multikolinieritas dari model regresi sederhana
sehingga data tidak menjadi bias. Multikolinieritas dapat diketahui berdasarkan
nilai VIF Variation Inflation Factor, dimana VIF merupakan faktor yang mengukur
seberapa besar kenaikan varian dari koefisien regresi dibandingkan dengan peubah bebas
lain yang saling orthogonal Fitriani 2010. VIF dapat dihitung dengan persamaan :
VIF ..........................2
dengan R
i 2
adalah koefisien determinasi R
2
dari peubah bebas x lainnya di dalam model. Model yang dihasilkan oleh PLS
mengoptimalkan hubungan prediksi antara dua kelompok peubah. Proses penentuan
model pada PLS dilakukan secara iterasi dengan melibatkan keragaman pada peubah x
dan y. Struktur ragam dalam y mempengaruhi perhitungan komponen kombinasi linier
dalam x dan sebaliknya, struktur ragam dalam x berpengaruh terhadap kombinasi linier
dalam Y Bilfarsah 2005. Persamaan model PLS adalah:
Y = a + b
1
X
1
+ b
2
X
2
+......+ b
n
X
n
3.4.6 Validasi Model