28 SD, sehingga teknik SD harus bersifat kekar robust terhadap kejadian ekstrim
atau pencilan. Peubah prediktor bersifat spasial g dan temporal t sedangkan peubah
respon bersifat temporal t di mana peubah ini berupa deret waktu. Kedua jenis peubah ini mempunyai permasalahannya masing- masing, di samping masalah
curse of dimensionality terutama pada peubah prediktor. Peubah prediktor adalah data luaran GCM yang tergantung pada luasan dan lokasi domain GCM yang
bersifat spasial sehingga kemungkinan adanya korelasi spasial antar grid dalam domain. Keadaan ini menunjukkan kemungkinan adanya masalah
multikolinearitas antar grid. Demikian juga jika model melibatkan lebih dari satu prediktor dan lebih dari satu lapisan atmosfir, yang kemungkinan ada korelasi
antara peubah prediktor. Di samping bersifat spasial, prediktor ini bersifat temporal sehingga kemungkinan ada masalah otokorelasi.
Secara umum permasalahan dalam pemodelan SD adalah sebagai berikut: 1 Luasan dan lokasi domain GCM, yaitu jumlah grid dalam domain dan lokasi
domain di mana peubah prediktornya berkorelasi tinggi dengan peubah respon.
2 Peubah prediktor luaran GCM yang bersifat curse of dimensionality, nonlinear, non Gaussian, bahkan tidak mengikuti sebaran statistik yang
baku, dan multikolinearitas. 3 Peubah respon juga bersifat nonlinear, non Gaussian, bahkan tidak
mengikuti sebaran statistik yang baku. 4 Panjang data historis, di mana umumnya teknik SD memerlukan data
historis yang relatif panjang. 5 Data peubah respon yang ekstrim atau pencilan.
2.7. Simpulan
1. Penggunaan suatu teknik SD perlu memperhatikan permasalahan yang ada. Teknik-teknik SD yang ada sudah memberikan hasil yang cukup
akurat dengan berbagai asumsi dan kendala tertentu. Pada kenyataannya teknik SD masih terus berkembang dan mencoba untuk mengantisipasi
permasalahan yang ada sehingga dapat memberikan hasil dugaan dengan
29 kesalahan yang relatif kecil. Teknik-teknik SD berbasis regresi nonlinear,
nonparametrik, proyeksi atau seleksi, dan data-driven akan menjadi pilihan yang lebih tepat untuk data iklim, antara lain metode PPR.
2. Pemilihan domain GCM yang berhubungan kuat dengan peubah responnya masih merupakan masalah dalam SD. Peubah prediktornya
bersifat curse of dimensionality dan peubah respon umumnya bersifat nonlinear dan tidak menyebar menurut sebaran yang baku tidak normal,
sehingga diperlukan teknik SD berbasis regresi nonlinear, nonparametrik, proyeksi atau seleksi, dan data-driven. Masalah lainnya berkaitan dengan
kestabilan model hubungan peubah prediktor dengan peubah respon dari waktu ke waktu atau bahwa apakah model tersebut time invariant.
Meskipun tidak sering menjadi kendala, panjang data historis dan data peubah respon yang ekstrim mungkin berupa data pencilan juga dapat
mempengaruhi hasil pendugaan model SD.
3. PENENTUAN DOMAIN GCM DALAM PENYUSUNAN
MODEL STATISTICAL DOWNSCALING
3.1. Pendahuluan
Domain GCM berperan penting dalam pemodelan SD. Data pada domain ini dijadikan sebagai faktor yang menentukan pendugaan dalam pemodelan SD.
Pemodelan SD menghubungkan data luaran GCM pada domain tertentu yang berskala global dengan data yang berskala lebih kecil atau skala lokal. Pemilihan
domain GCM akan menentukan hasil peramalan dan merupakan faktor kritis dalam pemodelan SD Wilby Wigley 2000. Ketepatan pemilihan domain, baik
luasan maupun lokasinya, akan menghasilkan pendugaan curah hujan yang lebih akurat. Dengan demikian diperlukan suatu metode untuk memperoleh domain
optimum. Selama ini belum ada suatu metode yang dapat digunakan untuk pemilihan
domain GCM. Pada umumnya domain ditetapkan secara apriori yaitu berupa persegi atau bujur sangkar mencakup lokasi pendugaan. Dalam penelitiannya
tentang teknik SD, Bergant et al 2002 menyarankan domain minimum seluas 8×8 grid dengan posisi tepat di atas lokasi target pendugaan. Fernandez 2005
membandingkan tiga domain untuk peramalan rata-rata temperatur harian dan rata-rata curah hujan di sekitar Eropa. Ketiga domain tersebut adalah 1 domain
besar 30
o
LU-75
o
LS dan 30
o
BB-40
o
BT, 2 domain sedang yaitu seperempat dari domain besar atau seluas 22,5
o
lintang dan 35
o
bujur, dan 3 domain kecil seluas 10
o
lintang dan 20
o
bujur. Hasil kajiannya menunjukkan bahwa perbedaan luasan ketiga domain kurang berpengaruh terhadap hasil peramalan.
Secara umum dalam pemodelan SD antara peubah respon dan peubah prediktor harus berkorelasi kuat. Busuioc et al 2000 menyatakan bahwa salah
satu syarat dalam pemodelan SD adalah adanya hubungan erat antara respon dengan prediktor. Hal ini dapat menjadi pertimbangan dalam penentuan domain
GCM. Domain dipilih berdasarkan nilai korelasi tinggi sehingga domain terpilih terdiri dari grid-grid dengan data yang berkorelsi tinggi dengan data peubah
respon. Wigena Aunuddin 2004a menggunakan domain yang tidak contiguous, yaitu sebagian di sebelah utara dan sebagian di sebelah selatan lokasi
