23 respon lainnya, antara lain populasi zooplankton di Belanda dan polusi udara di
London Wilby et al. 2004. Bergant et al 2002 memprediksi jumlah hari untuk mulai pembungaan tanaman Dandelion berdasarkan temperatur luaran GCM.
Peubah prediktor yang sering digunakan adalah SST Sea Surface Temperature, SLP Sea Level Pressure, Geopotential height, Humidity. Peubah prediktor
lainnya yang digunakan, antara lain Wind speed, Precipitable water, Presipitasi.
2.5. Kategori Teknik
Statistical Downscaling
Teknik-teknik SD pada Tabel 2.2 dapat dikelompokkan menjadi lima kategori seperti tercantum pada Tabel 2.3. Kategori ini berdasarkan teknik
berbasis Regresi atau Klasifikasi, teknik dengan model Linear atau model Nonlinear, teknik dengan model Parametrik atau model Nonparametrik, teknik
berbasis Proyeksi atau Seleksi, dan teknik berbasis model-driven atau data-driven. Sailor Li 1999 mengemukakan bahwa ada dua kelompok teknik SD, yaitu 1
Teknik SD berbasis Regresi; dan 2 Teknik SD berbasis Klasifikasi tipe cuaca. Kelompok teknik pertama baik digunakan untuk memprediksi peubah lokal yang
bersifat kontinu berdasarkan waktu, sedangkan kelompok teknik kedua dapat digunakan baik untuk peubah lokal yang kontinu maupun diskrit. Zorita Storch
1999 mengklasifikasikan teknik-teknik SD menjadi tiga kategori, yaitu 1 Teknik SD berbasis model linear; 2 Teknik SD berbasis model nonlinear; dan
3 Teknik SD berbasis klasifikasi tipe cuaca. Suatu teknik SD bisa termasuk ke dalam kombinasi kelima kategori. PCR
termasuk kategori metode berbasis regresi, linear, parametrik, berbasis proyeksi, dan model-driven. PCR adalah suatu metode pemodelan regresi berdasarkan PCA,
di mana PCA melakukan pereduksian dimensi atau melakukan proyeksi peubah- peubah awal berdimensi besar menjadi sejumlah peubah baru yang berdimensi
lebih kecil, yang disebut komponen utama. Model regresi dibentuk berdasarkan peubah-peubah baru sebagai prediktor. Modelnya sudah ditentukan sejak awal
model-driven, bersifat linear, dan parametrik yang ketat asumsi. Pendugaan model dilakukan dengan metode kuadrat terkecil.
24 Tabel 2.3. Kategori Teknik-Teknik Statistical Downscaling
No Kategori
Teknik-Teknik SD a. Berbasis Regresi
MOS, Perfect Prognosis, Analog, PCR, CCA, MARS, Regresi bertatar, ANN,
[PPR] 1
b. Berbasis Klasifikasi CART TSR, NHMM
a. Model Linear MOS, Perfect Prognosis, Analog, Regresi
bertatar, PCR, CCA, CART TSR 2
b. Model Nonlinear ANN, MARS, [PPR]
a. Model Parametrik MOS, Regresi bertatar, PCR, CCA, CART
TSR 3
b. Model Nonparametrik ANN, MARS, [PPR]
a. Berbasis Proyeksi PCR, [PPR]
4 b. Berbasis Seleksi
CART TSR, Regresi Bertatar a. Model driven
MOS, PCR, CCA, Regresi Bertatar, ANN 5
b. Data driven MARS, CART TSR, [PPR]
Keterangan: [PPR] belum digunakan dalam SD
Berbeda dengan PCR, MARS berbasis regresi, nonlinear, nonparametrik yang tidak memerlukan asumsi yang ketat soft modeling, dan data-driven.
Dalam metode ini pendugaan model regresi menggunakan fungsi spline berdasarkan kondisi data, tanpa model yang baku dan spesifik. Teknik SD lainnya
yang berbasis regresi, nonlinear, nonparametrik dan model-driven adalah ANN. Model regresi bertatar termasuk kategori teknik berbasis regresi, linear,
parame trik, berbasis seleksi, dan model-driven. Dalam teknik ini dilakukan proses seleksi peubah prediktor yang memenuhi syarat masuk ke dalam model. CART
atau TSR termasuk teknik SD berbasis klasifikasi di mana dalam prosesnya teknik ini melakukan penge lompokan secara bertahap, bersifat linear, parametrik,
berbasis seleksi, dan data-driven. Model PPR termasuk kategori model berbasis regresi nonlinear,
nonparametrik, berbasis proyeksi, dan data-driven, serta tidak mempunyai bentuk model yang baku dan tidak ketat asumsi atau tidak memerlukan asumsi seperti
halnya pada model regresi parametrik. Teknik ini tidak menghasilkan bentuk model penduga, tetapi dapat memberikan hasil pendugaannya. Serupa dengan
PCR, PPR melakukan pendugaan model yang diawali dengan pereduksian dimensi peubah asal menjadi peubah baru berdimensi lebih kecil dari dimensi
asal, sehingga PPR termasuk kategori model regresi berbasis proyeksi. Dalam
25 proses pendugaan modelnya, teknik ini menggunakan fungsi kernel atau spline
serupa dengan pada teknik MARS, yang membiarkan model PPR mengikuti keadaan datanya, sehingga PPR termasuk ke dalam kategori model berbasis data-
driven.
2.6. Permasalahan Dalam Teknik
