PCA terhadap data luaran GCM peubah precipitation. Pemodelan data dilakukan dengan menggabungkan parameter input luaran GCM peubah
precipitation dengan anomali SST Nino 3.4 menggunakan waktu time lag 3
tiga bulan sebelumnya dalam melakukan prediksi sebagai parameter masukan. Penggunaan leg-3 dilakukan untuk melihat maju mundurnya hubungan antara
prediktor dan prediktan. Peubah SST yang digunakan dalam penelitian ini yaitu anomali SST Nino 3.4. Dimana SST Nino 3.4 menjadi indikator fenomena ENSO
yang sering digunakan untuk melihat gejala terjadinya anomali iklim. Menurut Pramudia 2002 Analisis faktor lag bertujuan memperoleh
informasi korelasi anomali iklim pada waktu tertentu. Hubungan curah hujan dan SST Nino 3.4 dinyatakan melalui skenario tenggang waktu time lag 0, 1 2 dan 3
bulan. lag 0 : curah hujan bulan ini dipengaruhi oleh SST pada bulan yang sama
lag 1 : curah hujan bulan ini dipengaruhi oleh SST 1 bulan sebelumnya lag 2 : curah hujan bulan ini dipengaruhi oleh SST 2 bulan sebelumnya
lag 3 : curah hujan bulan ini dipengaruhi oleh SST 3 bulan sebelumnya Semakin besar time lag yang digunakan pada pemodelan pendugaan anomali
iklim maka menjadi lag yang dominan di setiap stasiun hujan berdasarkan besarnya nilai koefisien korelasi r validasi tertinggi.
Diharapkan pada penelitian pemodelan downscaling luaran GCM dan anomali SST Nino 3.4 dengan menggunakan SVR ini dapat menghasilkan nilai
prediksi lebih bagus dari penelitian oleh Agmalaro 2011 khususnya pada kasus beberapa titik yang hasil prediksinya belum sensitif menangkap pola ektrim dan
belum berhasil mendekati nilai observasinya.
2.2 General Circulation Model GCM
GCM merupakan model numerik, deterministik dan simulasi komputer tentang kondisi iklim yang menggambarkan hubungan matematika dengan
interaksi fisika, kimia maupun atmsofir bumi Wigena, 2006. GCM dapat dijadikan sebagai alat dalam kajian studi mengenai perubahan iklim. Dalam kajian
klimatologi jangka panjang mampu menghasilkan ciri sirkulasi global pada skala besar atau resolusi rendah dan merupakan sumber informasi primer untuk melihat
pengaruh perubahan iklim.
Menurut Sutikno 2008 mengemukakan bahwa model GCM memiliki beberapa keuntungan dan kerugian diantaranya :
1. GCM dapat digunakan untuk melakukan estimasi anomali iklim global dalam merespon terhadap peningkatan konsentrasi Gas Rumah Kaca
GRK. 2. Variabel prediksi dalam model GCM terdiri dari peubah-peubah iklim
seperti precipitation curah hujan, suhu, kelembaban. 3. GCM dapat melakukan sebagai alat simulasi mengenai keragaman iklim
dalam siklus harian ataupun bulanan. Sedangkan untuk kelemahan model GCM dijelaskan sebagai berikut :
1. GCM yang memiliki resolusi terlalu kasar maka akan terjadi gap antara hasil simulasi global, regional ataupun dalam simulasi skala lokal.
2. Untuk menjembatani perbedaan gap antara hasil global dengan regional dan lokal, maka diperlukan satu model yang dikenal dengan nama
downscaling.
Selama ini GCM telah banyak dikembangkan dan digunakan di Indonesia untuk simulasi, prediksi dan pembuatan skenario iklim. GCM menghasilkan
luaran untuk berbagai peubah dalam lapisan atmosfir. Jika terdapat banyak peubah iklim atau lapiasan atmosfir yang digunakan dalam pemodelan SD maka
permasalahan data akan semakin kompleks. Data luaran GCM dalam suatu domain umumna bersifat curse of dimensionality dan menjadi masalah tertentu
jika terjadinya dimensi atau domain yang besar. Hasil kajian perbandingan GCM mengenai dampak anomali iklim menunjukkan bahwa setiap model GCM
mempunyai tingkat akurasi yang berbeda-beda pada suatu wilayah Sutikno, 2008. Berikut ini beberapa model GCM yang telah dikembangkan oleh berbagai
negara seperti disajikan pada tabel 1.
Tabel 1. Skala grid model-model GCM dan negara yang mengembangkannya Sumber : Sutikno, 2008
Nama GCM Skala Grid
Negara Hadley Centre’s coupled oceanatmosphere
model 2: HadCM2
2,5° x 3,75° UK
Hadley Centre’s coupled oceanatmosphere
model 3: HadCM3
2,5° x 3,75° UK
Canadian Global Coupled Model: CGCM2 3,7° x 3,7°
Canada
Geophysical Fluid Dynamic Laboratory: GFDL 2,25° x 3,75°
NOAA, USA
NASAGISS Atmosphere-Ocean
Model:
NASAGISS AOM
5° x 4° NASA,US
A
United Kingdom Meteorological Office Model:
UKMO
2,25° x 3,75° UK
Max Plank
Institute Model
ECHAM3: ECHAM3
Spectral Triangular
42 T422,8° x2,8°
Jerman
CSIRO 5,625° x 3,214° Australia
2.3 Sea Surface Temperature Nino 3.4 SST Nino 3.4