mengenai dampak, 4 mampu mensimulasi keragaman iklim siklus harian. Disamping kelebihan seperti disebutkan di atas, beberapa kelemahannya adalah :
1 resolusi terlalu kasar, sehingga terjadi gap antara hasil simulasi global, regional dan lokal, 2 model-model tersebut sulit mengkopel dengan model-
model sirkulasi lautan, dan 3 proses-proses umpan balik atmosfer-biosfer tidak terpenuhi. Untuk menjembatani gap antara hasil global dengan regional dan lokal,
maka diperlukan satu model yang dikenal dengan nama downscaling. Dalam perkembangannya, model sirkulasi umum dikenal dengan nama
model dinamik untuk memprediksi musim dan kondisi ENSO yang disebut model dinamik Coupled AO-GCM. Kedua model yang terpisah ini dipasangkan dan
saling mempengaruhi satu sama lain. Saat model atmorfer bergerak dengan waktu, perubahan-perubahan pada angin rendah dekat permukaan laut berfungsi sebagai
daya yang menggerakkan model lautan. Dengan bergeraknya model lautan dengan waktu, perubahan pada suhu lautan berfungsi sebagai mesin untuk model
atmosfer melalui aliran panas dan uap air dari laut ke atmosfer. Luaran dari prakiraan musim disajikan dalam bentuk peluang yang diperoleh dari banyak
model yang dikenal dengan ensemble model. Dalam hal ini Coupled AO-GCM dijalankan beberapa kali dengan nilai input awal yang sedikit berbeda.
2.2 Statistical Downscaling
Statistical Downscaling didefinisikan sebagai upaya menghubungkan antara sirkulasi peubah skala global peubah penjelas dan peubah skala lokal
peubah respon, Sutikno 2008. Gambar 2 memberikan ilustrasi proses downscaling.
Pendekatan statistical downscaling SD menggunakan data regional statistic dynamical downscaling atau global statistical downscaling untuk
memperoleh hubungan fungsional antara skala lokal dengan skala global GCM, seperti model regresi. Pendekatan SD disusun berdasarkan adanya hubungan
antara grid skala besar prediktor dengan grid skala lokal respon yang dinyatakan dengan model statistik yang dapat digunaan untuk menterjemahkan
anomali-anomali skala global yang menjadi anomali dari beberapa peubah iklim lokal. Dalam hal ini SD merupakan suatu fungsi transfer yang menggambarkan
hubungan fungsional sirkulasi atmosfer global dengan unsur-unsur iklim lokal, yang bentuk umumnya adalah Storch et al, 1993:
, ,
, ,
g s
q t
p t
X f
Y
1 Dengan :
Y : Peubah-peubah iklim lokal X : Peubah-peubah luaran GCM
t : Periode waktu
p : Banyaknya peubah Y
q : Banyaknya peubah X
s : Banyaknya lapisan atmosfer
g : Banyaknya grid domain GCM
Gambar 2 Ilustrasi proses downscaling, Sumber : Sutikno 2008
Pada umumnya model SD melibatkan data deret waktu t dan data spasial GCM g. Banyaknya peubah Y, peubah X, lapisan atmosfer dalam model
dan autokorelasi serta kolinearitas pada peubah Y maupun X menunjukkan kompleksitas model.
Saat ini telah banyak dikembangkan model SD yang secara umum dikategorikan menjadi lima, yaitu teknik yang berbasis regresi atau klasifikasi,
berbasis model linear atau non linear, berbasis parametrik dan non parametrik, berbasis proyeksi dan seleksi, serta teknik berbasis model-driven atau data-driven.
Pembedaan mengenai model yang dipergunakan sesuai kategori, disajikan secara detail pada Tabel 1. Suatu model perhitungan SD bisa termasuk ke dalam
kombinasi ke lima kategori tersebut, sebagai contoh PCR termasuk kategori metode berbasis regresi, linear, parametrik, proyeksim dan data-driven.
Pengembangan model-model downscaling sangat diperlukan untuk pelaksanaan kegiatan kajian dampak keragaman dan perubahan iklim dan
penyusunan strategi atau pembuatan keputusan baik pada tingkat pembuatan keputusan sampai petani.
Tabel 1 Kategori teknik downscaling Sumber : Sutikno 2008
2.3 Principal Component Analysis PCA
