Dimana : r = besarnya korelasi antara AMH dengan SST
X
t
= AMH bulan ke t Y
i,j,t
3.7 Principal Componen Regression PCR
= Rata-rata SML pada lintang ke i bujur ke j, bulan ke t n = Banyaknya bulan
r = Nilai korelasi pada rentang -1 ≤ r ≤ 1
Analisis korelasi, di gunakan untuk menentukan keeratan hubungan antara AMH tiap kelompok dan wilayah grid SML yang ditandai dengan nilai korelasi signifikan
-0.5 ≥ r ≥ 0.5. Nilai korelasi signifikan dari tiap grid akan membentuk suatu pola
spasial, kemudian di ambil sebagai domain prediktor untuk menyusun model prediksi AMH di Jawa. Dalam mempetakan hubungan korelasi spasial antara SML dan AMH
di Jawa digunakan software Interactive Tool for Analysis of Climate System ITACS yang di dikembangkan oleh Japan Meteorological Administration JMA
tahun 2008. Peta korelasi spasial ini menunjukan korelasi lokasi spesifik antara series data kelompok AMH di Jawa dan tiap grid wilayah SML. Korelasi AMH tiap
kelompok di Jawa dengan wilayah SML Perairan India, Indonesia dan Pasifik mengindikasikan wilayah SML potensial menjadi prediktor model AMH. Ketiga
perairan tersebut merupakan lokasi dimana kejadian fenomena iklim regional dan global serta berasosiasi dengan kondisi iklim wilayah Jawa. Kesimpulan tersebut
menguatkan alasan teknik korelasi yang digunakan dalam penelitian ini untuk menentukan prediktor.
Model regresi statistik dalam prosesnya adalah mengolah data histori dan mengidentifikasi hubungan sebab akibat. Dalam menyusun model prediksi penelitian
ini, digunakan teknik analisis Principal Component Regression PCR dengan variable bebas
sebagai predik
tor adalah SML pada suatu wilayah grid dan variable tak bebas sebagai prediktan adalah AMH di Jawa. Metoda Principal Component
Regression PCR merupakan teknik analisis multivariat yang dilakukan dengan
terlebih dahulu mereduksi komponen data awal dengan teknik Principal Component Analysis PCA dilanjutkan dengan teknik analisis regresi antara komponen utama
yang baru PC
1
,PC
2
...PC
n
terhadap respon Prediktan. PCR secara khas digunakan untuk model regresi linier, dimana jumlah variabel bebas prediktor adalah sangat
banyak. Metoda ini telah dioperasionalkan untuk prediksi musim hujan oleh India Meteorological Departement Rajeevan 2009. Selain itu dengan teknik PCR ini juga
diaplikasikan untuk model penentu datangnya monsun untuk wilayah Kerala India dengan performa yang baik Pai Rejeevan 2009. Prediktor model PCR dalam
model AMH di Jawa, menggunakan komponen utama PC hasil reduksi SML pada suatu domain terpilih. Prosedur model yang diduga dari nilai PC
1,
PC
2
,….PC
n
e Z
b Z
b Z
b Z
b b
Y
n n
+ +
+ +
+ +
= .....
ˆ
3 3
2 2
1 1
, ditunjukkan sebagai berikut :
9 Dimana :
Y : Respon data AMHLMH tiap stasiun b
: Nilai intersepsi b
1
3.8 Analisis Validasi Silang Cross validation