4. PENENTUAN DOMAIN GRID GCM UNTUK PEMODELAN
STATISTICAL DOWNSCALING
4.1 Pendahuluan
Penentuan domain GCM merupakan salah satu bagian penting dalam pemodelan SD. Berbagai penelitian telah dilakukan khusus untuk menentukan
luasan jumlah grid dan lokasi grid GCM. Seperti Cavazos dan Hewitson 2002; Maini dan Kumar 2005 menggunakan 9 grid 3x3 lintang-bujur di sekitar lokasi
stasiun lokasi stasiun berada ditengah-tengah. Wigena 2006 menyimpulkan bahwa 64 grid 8x8 lintang-bujur di sekitar lokasi stasiun menghasilkan dugaan
yang lebih baik daripada menggunakan grid bujusangkar 10x10, 12x12, 14x14, dan 16x16. Sementara itu Haryoko 2004 menggunakan luasan grid 11x 23
lintang-bujur. GCM yang digunakan berbeda-beda dengan resolusi lintang dan bujur yang berbeda pula, Wigena 2006 menggunakan GCM ECHAM dengan
resolusi 2.8 x2.8
, sedangkan Haryoko 2004 menggunakan GCM NCEP- reanalysis
dengan resolusi 2.5 x2.5
. Banyaknya penelitian dengan menggunakan GCM yang berbeda, luas dan
domain yang berbeda dan beragam metode statistik, seringkali menyulitkan dalam menentukan domain yang akan dipilih. Berbagai permasalahan muncul dalam
penentuan domain, salah satunya adalah apakah penggunaan luasan grid yang sama pada GCM berbeda akan menghasilkan tingkat ketepatan ramalanprediksi
yang sama konsisten. Demikian juga lokasi penelitian yang berbeda, apakah luasan dan lokasi grid yang sama memberikan ketepatan yang sama pula. Terlalu
sempit luasan griddomain yang digunakan mengurangi informasi pengaruh globalregional. Sebaliknya, luasan grid terlalu luas menyebabkan informasi lokal
akan berkurang. Adanya permasalahan-permasalahan tersebut di atas, maka perlu diteliti
penentuan domain untuk pemodelan SD. Terbatasnya penelitian pemodelan SD khususnya di Indonesia, maka perlu dikaji tentang penentuan domain dengan
menggunakan GCM yang berbeda. Dalam penelitian ini bertujuan menentukan domain luasan grid GCM CSIRO-Mk3 yang menghasilkan kinerja model yang
baik untuk pemodelan SD.
20
4.2 Bahan dan Metode Bahan
Data yang digunakan adalah peubah-peubah luaran CSIRO Mk3 dengan resolusi lintang-bujur 1.865
x 1.875 . Peubah luaran CSIRO Mk3 yang diguna-
kan meliputi: precipitable water prw, tekanan permukaan laut slp, komponen angin meridional va, komponen zonal ua, ketinggian geopotensial zg, dan
kelembaban spesifik hus. Ketinggian level yang digunakan dalam penelitian adalah 850 hPa, 500 hPa, dan 200 hPa Tabel 4.1.
Tabel 4.1 Peubah penjelas yang di ambil dari model luaran CSIRO-Mk3 dan pengkodingan
Ketinggianlevel No. Peubah Satuan
Permukaan 850 hPa
500 hPa 200 hPa
1. Precipitable water
Kg m
-2
prw - - - 2. Tekanan
permukaan laut Pa slp - - -
3. Komponen angin
meridional m s
-1
vas va850 va500 va200
4. Komponen angin
zonal m s
-1
uas ua850 ua500 ua200
5. Ketinggian geopotensial
m -
zg850 zg500 zg200 6.
Kelembaban spesifik
ltr huss
hus850 hus500 hus200
Data curah hujan bulanan meliputi stasiun: Losarang 6.41 LS, 108.15
BT, Indramayu 6.35 LS, 108.32
BT, Tulangkacang 6.36 LS, 107.01
BT , Sumurwatu 6.52
LS, 108.10 BT, dan Yuntinyuat 6.43
LS, 108.44 BT. Data
diperoleh dari Badan Meteorologi dan Geofisika BMG dengan periode 1967- 2000.
Metode Analisis
Langkah awal dalam pengolahan data adalah mengkonversi format data GCM netCDF ke format text ASCII. Selanjutnya pada masing-masing peubah
GCM dilakukan cropping grid dengan luasan 3x3, 8x8, dan 12x12. Lokasi grid yang diambil adalah ditengah-tengah lokasi penelitian, yaitu koodinat grid 3x3 :
4.66 LS- 8.39
LS, 106.87 BT– 110.64
BT; grid 8x8: 0.93 -13.99
LS, 101.12
21 BT - 114.38
BT; dan grid 12x12: 2.79 LU-17.72
LS, 97.50 BT – 118.125
BT Gambar 4.1. Proses mengkonversi format data GCM netCDF ke format text
ASCII dan cropping grid GCM menggunakan piranti lunak Matlab 6.5 yang selengkapnya disajikan pada Lampiran 1.
A
B
C Lokasi
penelitian stasiun
Gambar 4.1. Penentuan domain grid; 3x3 A, 8x8 B, dan 12x12 C. Langkah berikutnya adalah mendapatkan nilai besaran dari masing-
masing peubah GCM yang mewakili setiap luasan grid. Terdapat 17 peubah penjelas GCM yang saling berkorelasi. Demikian juga antar grid pada masing-
masing peubah, memungkinkan adanya korelasi. Adanya korelasi antar peubah penjelas akan mengakibatkan kasus multikolinearitas pada proses pemodelan,
terutama model regresi SD. Untuk itu dilakukan reduksi dimensi secara serentak peubah GCM dan jumlah grid dengan menggunakan komponen utama. Reduksi
dimensi dilakukan menurut ketinggian level, yaitu permukaan, 850 hPa, 500 hPa, dan 200 hPa. Pada setiap hasil reduksi per level diambil satu atau lebih kompo-
nen utama dengan keragaman lebih dari 90. Berdasarkan analisis komponen utama diperoleh 4 - 5 komponen utama. Selanjutnya, untuk menduga fungsi
hubungan antara peubah penjelas peubah GCM dan peubah respon digunakan regresi splines adaptif berganda RSAB.
Untuk melihat keterandalan pemilihan domain digunakan: 1 root mean square error prediction
RMSEP, yang dirumuskan:
∑
=
− =
p
N i
p i
i
N y
y RMSEP
1 2
ˆ
,
22 y
i
adalah nilai observasi, adalah nilai dugaan, N
i
yˆ
p
banyaknya data bebas yang digunakan untuk validasi model, 2 mean absolut error prediction MAEP,
yang dirumuskan:
p N
i i
i
N y
y MAEP
p
ˆ
1
∑
=
− =
, dan 3 korelasi r antara data obser- vasi dan data hasil dugaan. Data yang digunakan untuk validasi model adalah data
bebas sepanjang 12 bulan terakhir periode 1999-2000. Diagram alir metode analisis data selengkapnya disajikan pada Gambar 4.2.
Data GCM: Ukuran grid: 3x3; 8x8;12x12
Ketinggian: permukaan, 850 hPa, 500 hPa, dan 200 hPa
Peubah: prw, hus, ua, va, zg, dan slp
Untuk setiap ukuran grid: Dilakukan reduksi dimensi secara serentak
grid dan peubah GCM menurut ketinggian level dengan menggunakan komponen
utama
Untuk setiap ukuran grid: Mengambil satu atau lebih komponen
utama yang representasi di setiap level ketinggian : PC
L11
, PC
L12
, …, PC
L41
, PC
L42
PC
L11
: komponen utama pertama level 1
Untuk setiap ukuran grid: Y = f PC
L11
, PC
L12
, …, PC
L41
, PC
L42
Metode RSAB
Data Curah hujan
Hitung RMSEP, MAEP, dan korelasi pada masing-masing
ukuran grid
Pilih ukuran grid yang mempunyai nilai RMSEP dan
MAEP kecil, serta korelasi yang tinggi antara nilai observasi dan
hasil dugaan Ukuran grid yang dipakai
Gambar 4.2. Diagram alir untuk menentukan luasan griddomain.
23
4.3 Hasil dan Pembahasan