TEKNIK STATISTICAL DOWNSCALING DENGAN REGRESI KOMPONEN UTAMA DAN REGRESI KUADRAT TERKECIL PARSIAL UNTUK PREDIKSI CURAH HUJAN PADA KONDISI EL NINO, LA NINA, DAN NORMAL

• Main Authors: Woro Estiningtyas, Aji Hamim Wigena
• Format: Article
• Language: English
• Published: Pusat Penelitian dan Pengembangan Badan Meteorologi Klimatologi dan Geofisika 2014-06-01
• Series: Jurnal Meteorologi dan Geofisika
• Subjects: Curah Hujan; Statistical Downscalling; Regresi Komponen Utama; Partial Least Square Regression
• Online Access: http://puslitbang.bmkg.go.id/jmg/index.php/jmg/article/view/87

Makalah ini menyajikan hasil validasi model prediksi curah hujan di Kabupaten Indramayu dengan pendekatan statistika untuk downscaling, yaitu Regresi Komponen Utama dan Regresi Kuadrat Terkecil Parsial, pada kondisi El Nino, La Nina, dan Normal. Data curah hujan dari 6 stasiun hujan dan data presipitasi dari Global Circulation Model ECHAM3 digunakan dalam analisis ini dengan domain grid 8x8 (1.4°LU-18.1°LS; 98.4°-118.1°BT), di atas wilayah Indramayu. Data dibagi untuk setiap kondisi anomali iklim berdasarkan pada Oceanic Nino Index (ONI) yang menggunakan data suhu permukaan laut di Nino 3.4 dari hasil analisis NOAA. Rata- rata nilai RMSEP dan korelasi pada kondisi El Nino adalah 95.22 dan 0.66 untuk PCR serta 102.52 dan 0.62 untuk PLS, pada kondisi La Nina adalah 85.14 dan 0.65 untuk PCR, serta 98.43 dan 0.69 untuk PLS, sedangkan pada kondisi Normal diperoleh nilai rata-rata 91.41 dan 0.57 untuk PCR, serta 85.37 dan 0.63 untuk PLS. Secara umum pada kondisi El Nino PCR menunjukkan performa yang lebih baik daripada PLS, sedangkan pada kondisi La Nina dan Normal, PLS lebih baik daripada PCR. Pemilihan model tergantung pada cakupan wilayah yang dikaji, apakah mewakili daerah di sekitar stasiun hujan atau mewakili suatu wilayah kabupaten.   This paper presents the results of validation of rainfall prediction models in Indramayu district using statistical approaches for downscaling, i.e. Principal Component Regression and Partial Least Square Regression, during El Nino, La Nina, and Normal conditions. Rainfall data from 6 stations and the precipitation data from Global Circulation Model ECHAM3 are used in this analysis with the domain size 8x8 (1.4°S-18.1°S; 98.4°-118.1°E), over the Indramayu region. Data are classified into each climatic anomaly condition based on the Oceanic Nino Index (ONI) which uses sea surface temperature data at the Nino 3.4 as the results of NOAA analysis. The average value of RMSEP and correlation in El Nino conditions are 95.22 and 0.66 for PCR and 102.52 and 0.62 for PLS,in La Nina conditions the values are 85.14 and 0.65 for the PCR, and 98.43 and 0.69 for the PLS, and in normal conditions the values are 91.41 and 0.57 for PCR, and 85.37 and 0.63 for PLS. In general PCR shows better performance than PLS in El Nino conditions, while in La Nina and Normal conditions the PLS performance is better than PCR. The selection model depends on the coverage areas studied, whether representing the area around the rainfall station or representing a district area.