diperoleh dari situs http:cpc.ncep.noaa.gov
dan CMORPH dasarian wilayah kabupaten yang diperoleh dari situs
http:iridl.ldeo.columbia.edumaproom.Fire .
4. 2. Data dan Metode Data dan Alat
Dalam bab ini ada 2 dua macam data CMORPH yang digunakan dalam analisis, yakni: data curah hujan harian dengan resolusi 0.25
o
lintangbujur dan data dasarian curah hujan wilayah. Data curah hujan estimasi CMORPH diperoleh
dari situs CPC NOAA melalui http:cpc.ncep.noaa.gov
, sedangkan data CMORPH
dasarian wilayah
kabupaten diperoleh
dari IRI
melalui http:iridl.ldeo.columbia.edumaproom.Fire
. Data curah hujan observasi yang diperoleh dari 4 empat stasiun pengukuran di wilayah Riau, yakni: Pekanbaru,
Japura Rengat, Tanjung Pinang, Dabo Singkep dan 1 stasiun permukaan di wilayah Kalimantan Tengah, yakni: Palangka Raya. Data yang dianalisis adalah
data tahun 2003 – 2009. Data curah hujan observasi diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika BMKG, Jakarta. Posisi lokasi masing-
masing stasiun pengukuran hujan disajikan pada Tabel 4-1. Alat yang digunakan untuk proses pengolahan data adalah komputer dengan perangkat lunak Microsoft
Excell dan Minitab 14. Tabel 4-1. Lokasi Stasiun Hujan yang dikaji
Stasiun Posisi
Ketinggian m
Bujur Lintang
Pekanbaru 101
o
26’ BT 00
o
28’ LU 31
Tanjung Pinang 104
o
32’ BT 00
o
55’ LU 17
Japura Rengat 102
o
19’ BT 00
o
20’ LS 19
Dabo Singkep Palangka Raya
104
o
35’ BT 113
o
57’ BT 00
o
29’ LS 02
o
14’ LS 29
27
Metode Analisis hubungan curah hujan CMORPH harian dengan observasi
menggunakan metode PLS Partial Least Square
Penelitian dalam bab ini dilakukan melalui beberapa tahapan, yakni: 1 Tahap perolehan data CMORPH untuk masing-masing lokasi penelitian,2 Tahap
ekstraksi data CMORPH dengan beberapa luasan domain yang digunakan untuk estimasi curah hujan dengan teknik downscaling, 3 Tahap pengolahan dan
analisis data, dan 4 Tahap validasi model.
Tahap pertama, proses yang dilakukan dalam tahap ini adalah untuk
mendapatkan data curah hujan CMORPH dari situs http:cpc.ncep.noaa.gov
untuk semua lokasi penelitian. Oleh karena informasi data CMORPH masih berupa raw data, maka dilakukan proses konversi data menjadi informasi numerik
agar dapat dibaca oleh model numerik. Selanjutnya, proses koreksi geometrik dilakukan terhadap data tersebut agar koordinat lintang dan bujurnya sesuai
dengan koordinat bumi yang sebenarnya. Kemudian, untuk mendapatkan curah hujan di seluruh wilayah Indonesia dilakukan proses pencuplikan cropping data.
Tahap kedua, proses yang dilakukan adalah menentukan luasan domain yang
akan digunakan dalam teknik downscaling untuk estimasi curah hujan di wilayah penelitian. Hal ini dikarenakan data luaran CMORPH berskala global, sehingga
membuat data ini kurang kompatibel digunakan langsung dalam skala regionallokal. Selain itu, teknik downscaling ini ditujukan untuk mereduksi
dimensi data CMORPH yang bersifat global untuk mengestimasi curah hujan
regionallokal di wilayah penelitian. Tahap ketiga, dalam tahap ini dilakukan
beberapa langkah pengolahan data, yakni: 1 Menghitung nilai curah hujan dasarian CMORPH dan BMKG di masing-masing lokasi penelitian. Penggunaan
periode dasarian dimaksudkan agar fluktuasi dan variabilitas hujan lebih tergambarkan dengan jelas dibandingkan menggunakan data periode harian, 2
Memplotkan kedua jenis data secara deret waktu untuk penilaian awal potensi pemanfaatan data CMORPH dalam mengestimasi curah hujan di wilayah
penelitian, 3 Menilai hubungan kedua data melalui analisis koefisien korelasi, dan 4 Membangun model estimasi curah hujan di empat lokasi penelitian
menggunakan analisis regresi linier sederhana dan analisis PLSR. Tahap keempat, proses yang dilakukan adalah validasi model. Validasi model dilakukan
dengan teknik validasi silang. Pada tahap validasi model, data dibagi menjadi dua periode data, yakni: periode data untuk verifikasi pembangunan model dan
periode data untuk validasi model. Validitas model diuji untuk menentukan tingkat keterandalan model. Validitas model diukur dari nilai RMSEP root mean
square error prediction dan nilai koefisien korelasi r antara curah hujan dugaan
model terhadap curah hujan observasi. Nilai koefisien korelasi r dan RMSEP dihitung berdasarkan persamaan 3-13 dan persamaan 3-14. Jika nilai r curah
hujan dugaan dengan curah hujan observasi semakin besar maka semakin kuat hubungan di antara keduanya sehingga nilai dugaan akan semakin mendekati pola
data aktualnya. Galat atau error didefinisikan sebagai selisih antara curah hujan dugaan dengan curah hujan observasi Wibowo 2010. RMSEP menunjukkan
tingkat bias pendugaan yang dihasilkan oleh model estimasi curah hujan. Secara ringkas proses analisis dan evaluasi model estimasi dalam penelitian
ini dijelaskan dalam Gambar 4-1.
Analisis hubungan data CMORPH dasarian wilayah dengan observasi permukaan
Analisis hubungan data CMORPH dasarian wilayah dengan observasi permukaan dilakukan untuk wilayah Pekanbaru dan Palangka Raya. Tahapan
yang dilakukan
adalah: 1
Ekstraksi data
CMORPH melalui
http:iridl.ldeo.columbia.edumaproom.Fire ; 2 Memplotkan kedua jenis data
dalam sebuah grafik; 3 Menguji korelasi antara kedua jenis data;4 Menguji dua persamaan regresi untuk menilai perlu atau tidaknya dilakukan pemisahan antara
model estimasi pada musim hujan dengan musim kemarau dengan menggunakan uji Zpersamaan dua regresi; 5 analisis regresi untuk mendapatkan model estimasi
curah hujan; dan 6 validasi model.
Gambar 4-1. Bagan Alir Proses Analisis dan Evaluasi Model Estimasi Curah Hujan dari data CMORPH
Tahap pertama, tahapan ini dilakukan untuk mendapatkan data curah
hujan dasarian wilayah penelitian, yakni wilayah Pekanbaru dan Palangka Raya dengan mengunduh download dari situs:
http:iridl.ldeo.columbia.edu maproom.Fire
yang dipulikasikan oleh IRI International Research Institute.
Tahap kedua, tahapan ini dilakukan untuk menilai apakah curah hujan CMORPH mampu mengikuti perubahan curah hujan observasi. Tahap ketiga, tahapan ini
ditujukan untuk menilai seberapa kuat hubungan antara data CMORPH dengan data observasi. Semakin baik hubungan antara kedua data, maka potensi data
Data CMORPH Data Curah Hujan
Observasi Ekstraksi dan Konversi
format data CMORPH
Reduksi spasial domain wilayah Indonesia 94
BT- 141
BT dan 6 LU-11
LS
Validasi Model PLSR Penentuan ukuran domain grid
dan reduksi dimensi domain dengan PLS
Analisis hubungan data observasi dan CMORPH
dengan Regresi Sederhana
Apakah PLSR lebih baik?
Model dapat dipergunakan
Tidak
Ya
Analisis hubungan data observasi dan CMORPH
dengan PLSR Validasi Model
Regresi Sederhana
Validasi bagus
Ya Tidak
CMORPH semakin baik digunakan untuk menduga curah hujan. Tahap keempat,
tahapan ini ditujukan untuk meninjau perlu atau tidaknya pemisahan antara model pendugaan curah hujan musim kemarau dengan musim hujan. Tujuan tersebut
dicapai melalui uji dua regresi dengan membangun persamaan regresi sederhana untuk musim kemarau MK dan musim hujan MH dan mengganggap intersep =
0 sehingga persamaannya menjadi Y = bx. Uji dua regesi dilakukan dengan persamaan :
z =
. .
01. 1.
............................................................................................. 4-3 dengan b
1
adalah slope persamaan 1 musim hujan, b
2
adalah slope persamaan 2 musim kemarau, sb
1
adalah SE Coef b
1
, dan 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, dan sebaliknya. Taraf nyata yang digunakan pada penelitian ini adalah 5.
Tahap kelima adalah membangun model pendugaan curah hujan
permukaan melalui analisis persamaan regresi. Untuk tujuan ini dilakukan plotting kedua data dalam grafik scatter diagram diagram pencar guna membangkitkan
model yang sesuai linier ataukah non linier. Model persamaan penduganya dapat berupa persamaan: Y = bX, apabila linier, atau polinomia, eksponensial,
logaritmik apabila non linier. Tahap keenam adalah melakukan validasi dengan
teknik validasi silang untuk mengukur keterandalan model. Keterandalan model diukur dari nilai korelasi dan RMSE antara curah hujan hasil dugaan model
dengan observasi. RMSE dihitung dengan menggunakan persamaan 3-13 dan korelasi dihitung dengan persamaan 3-14.
Selanjutnya untuk membedakan hasil analisis antara data CMORPH pada sub bab sebelumnya dengan CMORPH dalam sub bab ini, maka data CMORPH
dalam sub bab ini digunakan istilah CMORPH-IRI berdasarkan sumber perolehan data CMORPHnya.
4. 3. HASIL DAN PEMBAHASAN Hubungan CMORPH harian dengan observasi permukaan menggunakan
