31 Semakin besar pengurangan nilai GCV suatu peubah penjelas semakin
berpengaruh peubah penjelas tersebut terhadap model regresi yang dibentuk.
Diagram alir metode analisis selengkapnya disajikan pada Gambar 5.2.
Data GCM: Ukuran grid 12x12
Ketinggian: permukaan, 850 hPa, 500 hPa, dan 200 hPa
Peubah: prw, hus, ua, va, zg, dan slp
Untuk setiap peubah GCM: Dilakukan reduksi dimensi secara serentak
grid terpilih dan ketinggian level dengan menggunakan komponen utama
Data curah hujan
Untuk setiap peubah GCM: Mengambil satu atau lebih komponen
utama yang representasi: PC
prw1
, PC
prw2
, …, PC
slp1
, PC
slp2
PC
prw1
: komponen utama pertama prw
Pilih peubah GCM yang mempunyai pengurangan nilai
GCV besar Hitung goodness of fit validasi
silang:GCV setiap penghilangan satu peubah penjelas
Y = f PCprw1, PCprw2, …, PCslp1, PCslp2
Metode RSAB
Gambar 5.2 Diagram alir penentuan peubah GCM yang paling berpengaruh terhadap curah hujan.
5.3 Hasil dan Pembahasan Reduksi dimensi grid domain
Keragaman yang dapat dijelaskan oleh komponen utama masing-masing peubah penjelas GCM 80, dengan jumlah komponen utama berkisar 2-10.
Banyaknya komponen utama menunjukkan hubungan keeratan antar peubah- peubah yang dilakukan reduksi dimensi. Semakin sedikit jumlah komponen dan
32 mempunyai persentase keragaman yang besar menunjukkan antar peubah yang
dilakukan reduksi sangat erat dan sebaliknya. Peubah tekanan permukaan laut slp mempunyai hubungan yang erat antar grid. Terbukti hanya 2 komponen
utama mampu menjelaskan lebih dari 90 total keragaman data. Demikian juga ketinggian geopotensial zg. Berbeda dengan peubah komponen angin meridional
va hubungan antar grid dan ketinggian level tidak seerat peubah-peubah lainnya Tabel 5.1. Keragaman masing-masing komponen utama selengkapnya
disajikan pada Lampiran 5. Tabel 5.1 Keragaman yang dapat dijelaskan oleh komponen utama menurut
peubah GCM
MH MK Peubah
Jumlah komponen
utama total
keragaman Jumlah
komponen utama
total keragaman
Precipitable water prw 5
95.5 5
93.7 Tekanan permukaan laut slp 2
94.9 2
93.9 Komponen angin meridional va
10 79.9 10 79.1 Komponen angin zonal ua
10 92.4
10 91.40
Ketinggian geopotensial zg 3 96
3 93
Kelembaban spesifik hus 10 88.6
10 86.5
Peubah penjelas yang berpengaruh terhadap peubah respon
Berdasarkan nilai pengurangan validasi silang -GCV, dapat diidentifikasi peubah penjelas yang paling berpengaruh terhadap peubah respon curah hujan.
Semakin besar nilai -GCV suatu peubah penjelas, maka semakin berpengaruh peubah penjelas tersebut. Besarnya nilai -GCV pada peringkat tertentu cende-
rung sama, tergantung lokasi dan musim Lampiran 4. Tabel 5.2 menunjukkan bahwa kelembaban spesifik hus merupakan
peubah penjelas yang berpengaruh untuk semua stasiun, khususnya musim kemarau. Peubah penjelas sirkulasi yang paling berpengaruh adalah angin zonal
ua. Kemudian peubah ketinggian geopotensial zg di beberapa stasiun cukup berpengaruh. Untuk musim hujan, precipitable water prw merupakan peubah
yang dominan. Peubah dominan berikutnya adalah komponen angin zonal ua dan kelembaban spesifik hus. Identifikasi lain melalui analisis korelasi, terdapat
hubungan yang nyata α=5 antara peubah kelembaban spesifik, komponen
33 angin zonal, dan curah hujan, khususnya musim kemarau. Demikian juga dengan
peubah precipitable water, angin zonal terdapat hubungan yang nyata α=5
pada musim hujan lihat Lampiran 6. Tabel 5.2 Peringkat peubah penjelas yang terpenting berpengaruh terhadap
peubah respon menurut stasiun
Musim Stasiun prw slp ua va hus zg
Hujan Indramayu
2 1 4 3 Losarang
1 5 2 4 3 6 Sumurwatu
2 3 1 Tulangkacang 2 1 3 4
Yuntinyuat 1 3 2
Kemarau Indramayu 4 2 3 1
Losarang 1
2 Sumurwatu
3 2 1 Tulangkacang
4 2 1 5 3 6 Yuntinyuat
6 3 2 4 5 1 Keterangan : Angka dalam sel menunjukkan urutan peringkat dalam satu baris. Sel yang kosong
dalam satu baris mempunyai peringkat yang sama, karena nilai GCV sama.
Hasil ini mendukung penelitian Cavazos dan Hewitson 2002; 2005 menyimpulkan bahwa peubah penjelas yang sesuai untuk daerah tropik dan
subtropik adalah kelembaban spesifik, baik musim kemarau maupun musim hujan. Demikian juga Hewitson 1999; Charles et al. 1999, diacu dalam Wilby et
al . 2004 menyatakan bahwa kelembaban humidity mempunyai hubungan yang
nyata pada peubah respon curah hujan. Di samping itu Cavazos dan Hewitson 2002; 2005 menggunakan peubah penjelas thickness 500-1000 hPa, ketinggian
geopotential 700 hPa, dan komponen angin meridional pada permukaan vas khususnya untuk musim hujan, sedangkan musim kemarau adalah ketinggian
geopotensial 700 hPa, thickness 500-1000 hPa, dan komponen angin zonal 850 hPa ua.
Hasil yang berbeda diperoleh oleh Huth 1999, yang menyatakan peubah penjelas suhu lebih baik dari peubah sirkulasi. Disamping itu kombinasi antara
ketinggian geopotensial 500 hPa dan suhu 850 hPa mempunyai kinerja yang terbaik diantara peubah penjelas lainnya. Adanya perbedaan peubah penjelas
diduga karena lokasi penelitian yang berbeda. Huth 1999 menyatakan bahwa
34
a
b
c
d
Gambar 5.3 Vektor angin 850 mb per tiga bulanan: DJF a, MAM b, JJA c, dan SON d.
35 tingkat akurasi peubah penjelas sangat beragam dan bergantung pada lokasi
stasiun. Komponen angin zonal ua berkaitan dengan adanya angin monsun
monsun dingin dan monsun panas yang berpengaruh terhadap keragaman curah hujan di Indonesia Aldrian dan Susanto 2003; Mc Bride et al. 2003. Gambar 5.3
menunjukkan bahwa arah angin per tiga bulanan yang dominan adalah komponen zonal barat-timur. Kelembaban spesifik dan precipitable water terkait dengan
proses pembentukan awan dan penyebaran awan. Di daerah tropik, keawanan cukup tinggi yang berhubungan dengan konvergensi massa udara dari dua belahan
bumi ITCZ: Inter Tropical Convergence Zone. Tekanan permukaan laut berpengaruh khususnya pada musim kemarau
dan tidak begitu jelas pengaruhnya pada musim hujan. Ketidakjelasan pengaruh
tersebut diduga disebabkan karena luasan domaingrid GCM terlalu sempit, sehingga tidak mampu meng-capture peubah tersebut. Beberapa hasil kajian yang
diuraikan pada Bab 3, tekanan permukaan laut atau suhu permukaan laut sea surface temperature
: SST yang berpengaruh terhadap curah hujan terdapat di Lautan Pasifik fenomena ENSO dan Lautan Hindia DMI. Hal ini menunjukkan
bahwa peubah penjelasparameter GCM akan cukup berpengaruh terhadap peubah respon bergantung pada luasan dan lokasi grid yang digunakan. Giannini 2005
menggunakan peubah penjelas suhu permukaan laut SST dan presipitasi dengan luasan domain 20
o
LU-20
o
LS, 90
o
BT – 180
o
BT untuk membuat model SD di
Indramayu Jawa Barat.
5.4 Simpulan