3.3 Prosedur Pengolahan Data
Bagan alir penyusunan model prediksi awal musim hujan di sajikan dalam Gambar 7, Metode penyusunan model dapat di jelaskan sebagai berikut :
Gambar 8. Diagram alir penyusunan model prediksi AMH
Kelompokan sta yang memiliki kemiripan AMH dengan cluster
Tentukan domain SML yang berkorelasi tinggi tiap kelompok AMH
Susun Pers. Hubungan antara PC anomali SML pada
domain terpilih vs AMH tiap kelompok stasiun Daftar pengelompokan hasil cluster
Rata-rata AMH berdasarkan daftar kelompok
Analisis Korelasi Spasial Anomali SML vs AMH tiap kelompok
Gunakan model untuk memprediksi AMH tahun 2008
Verifikasi Model
PETA SKILL AMH Evaluasi Skill Model AMH dengan ROC
Pilihekstrak data prediktor Anomali SML sesuai dengan Domain terpilih
Reduksi Data Anomali SML
Uji Kelayakan Model dengan Validasi Silang
Data AMH Stasiun wilayah Jawa Periode
1978-2008 Data SML spasial
Wilayah Global Periode 1978-2008
3.4 Analisis Cluster
Analisis cluster merupakan teknik multivariat
∑∑ −
= =
=
G g
n i
g
x x
i W
1 1
2
yang mempunyai tujuan utama untuk mengelompokkan beberapa objek berdasarkan karakteristik yang dimilikinya.
Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam kelompok yang sama. Kelompok yang
terbentuk memiliki homogenitas internal yang tinggi dan heterogenitas eksternal yang tinggi. Banyaknya cluster ditentukan dengan plot jarak antar data sebagai fungsi dari
jumlah cluster. Bila terjadi lompatan signifikan jarak antar data maka dapat di tetapkan sebagai referensi jumlah cluster. Metode pemecahan dimulai dari satu
kelompok besar yang mengandung seluruh observasi, selanjutnya observasi yang paling tidak sama dipisah dan dibentuk kelompok yang lebih kecil. Proses ini
dilakukan hingga tiap observasi menjadi beberapa kelompok kecil objek. Kesamaan antar objek merupakan ukuran korespodensi antar objek. Teknik untuk mengukur
jarak dalam metode ini yaitu metode ward’s, dengan menghitung jumlah kuadrat antara dua kelompok untuk seluruh variabel, formulasinya adalah :
Dimana ; W : Jarak
G : Kelompok Besar g : Objek kelompok kecil
3.5 Menghitung PCA Principal Componen Analysis
Kategori