0.58 0.59 Hasil dan Pembahasan Hubungan Data ARL dengan Rason Menggunakan Metode PLSR

Tabel 3-3. Koefisien Korelasi r dan RMSE Hasil Validasi Silang Model Pendugaan T max dari T 06.00_UTC arl di 9 Wilayah di Pulau Jawa Verifikasi: Des04 - Des05; Validasi: Jan06 - Mar06 Verifikasi:Apr05- Mar06; Validasi: Des04- Mar05 Lokasi r RMSE r RMSE Serang 0.63

1.11 0.58

1.33 Citeko 0.34 1.76 0.45 1.78 Jatiwangi 0.30 1.17 0.48 1.37 Cilacap 0.52

1.03 0.59

1.30 Banyuwangi 0.46 1.20 0.52 1.81 A. Yani, Smg 0.44 1.21 0.48 0.95 Tj. Priok 0.47 1.66 0.64 1.41 Bawean 0.20 1.46 0.46 1.18 Kalianget 0.45 1.13 0.32 1.31 a. T max dugaan VS T max Obs validasi 1 di Serang b. T max dugaan VS T max Obs validasi 2 di Serang c. T max dugaan VS T max Obs validasi 1 di Cilacap d. T max dugaan VS T max Obs validasi 2 di Cilacap Gambar 3-11. Contoh hasil validasi antara T max dugaan model dengan T max observasi permukaan di Serang dan Cilacap 23.0 25.0 27.0 29.0 31.0 33.0 35.0 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 T m a x S e ra n g Hari Pengamatan Tmax_Obs Tmax_dugaan R-sq=29.5, r =0.63 25.0 27.0 29.0 31.0 33.0 35.0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 1 1 1 1 1 1 1 2 1 T m a x S e ra n g Hari Pengamatan Tmax_Obs Tmax_dugaan R-sq= 37.5. r = 0.58 26.0 28.0 30.0 32.0 34.0 36.0 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 T m a x C il a ca p Hari Pengamatan Tmax_obs Tmax_dugaan R-sq=39.3, `r = 0.52 23.0 25.0 27.0 29.0 31.0 33.0 35.0 1 1 1 9 2 8 3 7 4 6 5 5 6 4 7 3 8 2 9 1 1 1 9 1 1 8 T m a x C il a ca p Hari Pengamatan Tmax_obs Tmax_dugaan R-sq=39.8, r = 0.59 Hasil dari validasi model menunjukkan bahwa koefisien r untuk T max dugaan model terhadap T max observasi di Serang dan Cilacap sangat baik bahkan tampak konsisten pada dua periode validasi. Keragaman model yang dihasilkan di Serang berkisar antara 29.5 - 37.5, sedangkan di Cilacap berkisar antara 39.3 - 39.8. Sementara itu, koefisien r pada lokasi lain tidak terlihat konsisten. Meskipun demikian, hasil uji korelasi berdasarkan p-value di semua lokasi sangat signifikan. Untuk mendapatkan hasil yang lebih baik bisa dilakukan dengan penambahan jumlah atau panjang periode data yang digunakan. Dengan demikian, diharapkan bahwa hasil korelasi akan lebih baik, sehingga potensi data T arl akan nampak lebih baik untuk digunakan sebagai penduga T max di permukaan. Contoh hasil T max dugaan model dari dua periode hasil validasi yang dibandingkan dengan T max observasi di Serang dan Cilacap dapat dilihat pada Gambar 3-11. Dari hasil ini, model pendugaan T max untuk wilayah Cilacap memiliki potensi yang sangat baik untuk digunakan. Sementara, untuk lokasi lain perlu kajian lebih lanjut dengan memperpanjang data observasi yang digunakan dalam pembangunan model. Gambar 3-12. Nilai koefisien r antara T max dugaan model dengan T max observasi pada 1 satu bulan, 2 bulan, dan 3 bulan ke depan di Cilacap Contoh kasus di Cilacap, nilai koefisien r untuk 1 bulan hingga 2 dua bulan ke depan cukup tinggi dan sangat baik dengan koefisien r antara 0.57 – 0.72. Dengan demikian, T arl memiliki potensi yang baik untuk dikembangkan sebagai penduga T di permukaan Gambar 3-12. Pada lokasi stasiun yang lain, 23.0 25.0 27.0 29.0 31.0 33.0 35.0 1 5 9 13 17 21 25 29 2 6 10 14 18 22 26 30 3 7 11 15 19 23 27 Des-04 Jan-05 Feb-05 T m a x oC Tmax_Cilacap Tmax_dugaan 2blr = 0.72 Tmax_dugaan 1blr = 0.57 aplikasinya masih memerlukan penyesuaian dan penambahan data untuk mendapatkan hasil yang lebih baik. Selanjutnya, pada bab berikutnya akan dibahas tentang hasil estimasi curah hujan dari data curah hujan CMORPH.

3. 4. SIMPULAN