PERBANDINGAN PREDIKSI CURAH HUJAN KUMULATIF BULANAN DENGAN VARIASI WAKTU JEDA (TIME LAG)
DOI:
https://doi.org/10.31764/orbita.v9i1.13950Keywords:
rainfall, stepwise, time lag, RMSEAbstract
ABSTRAK
Peningkatkan akurasi pada prediksi curah hujan kumulatif bulanan sangat penting dilakukan terutama pada wilayah NON ZOM (Non Zona Musim), mengingat curah hujan mempengaruhi terhadap berbagai sektor kehidupan. Salah satu cara untuk meningkatkan akurasi prediksi curah hujan kumulatif bulanan adalah dengan menggunakan metode regresi linier. Terdapat banyak pilihan metode regresi linier untuk prediksi curah hujan, metode yang sering digunakan antara lain adalah regresi linier berganda dan regresi stepwise. Data curah hujan dasarian yang digunakan adalah 3 titik pos hujan dari tahun 1996 – 2016 dengan prediktor suhu muka laut dan air mampu curah (precipitable water). Penelitian ini menggunakan variasi waktu jeda (time lag) untuk mendapatkan nilai prediksi curah hujan kumulatif terbaik berdasarkan nilai RMSE pada waktu jeda tertentu. Masing – masing metode regresi kemudian digunakan untuk melakukan simulasi prediksi curah hujan kumulatif bulanan tahun 2017 – Februari 2019. Hasil prediksi menggunakan metode regresi linier berganda secara umum menujukkan nilai RMSE terendah pada waktu jeda 1 bulan. Untuk hasil prediksi menggunakan metode regresi stepwise secara umum nilai RMSE terendah terjadi pada waktu jeda simultan.
Â
Kata kunci: curah hujan; stepwise; time lag; RMSE
Â
ABSTRACT
Increasing accuracy in predicting monthly cumulative rainfall is very important especially in the NON ZOM area, considering that rainfall affects various sectors of life. One way to improve the accuracy of predictions of monthly cumulative rainfall is to use the linear regression method. There are many choices of linear regression methods for rainfall prediction, methods that are often used include multiple linear regression and stepwise regression. The dasarian rainfall data used are 3 rain post points from 1996-2016 with predictors of sea surface temperature and precipitable water. This study uses a time lag to get the best cumulative rainfall prediction value based on the RMSE value at a certain time interval. Each regression method is then used to simulate monthly cumulative rainfall prediction for 2017 - February 2019. Prediction results using multiple linear regression methods generally show the lowest RMSE value at 1month time lag. For prediction results using the stepwise regression method in general the lowest RMSE value occurs at the time of simultaneous time lag.
Â
Keywords: rainfall; stepwise; time lag; RMSE
References
Aldrian, E. (2008). Meteorologi Laut Indonesia. Puslitbang BMKG. https://www.researchgate.net/publication/305809658
Allan, R. P., Willett, K. M., John, V. O., & Trent, T. (2022). Global Changes in Water Vapor 1979–2020. Journal of Geophysical Research: Atmospheres, 127(12). https://doi.org/10.1029/2022JD036728
Bayong, T. H. (2004). Klimatologi (Kedua). ITB. http://opac.lib.unlam.ac.id/id/opac/detail.php?q1=551.5&q2=Bay&q3=K&q4=-
BMKG. (2022). Prakiraan Musim Hujan 2022/2023 di Indonesia. Badan Meteorologi Klimatologi dan Geofisika.
Chai, T., & Draxler, R. R. (2014). Root mean square error (RMSE) or mean absolute error (MAE)? – Arguments against avoiding RMSE in the literature. Geosci. Model Dev., 7(3), 1247–1250. https://doi.org/10.5194/gmd-7-1247-2014
Ghozali, I. (2016). Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23 (8th ed.). Universitas Diponegoro.
Gordon, N., & Shaykewich, J. (2000). Guidelines for Performance Assessment of Public Weather Services.
Hendon, H. H. (2003). Indonesian Rainfall Variability: Impacts of ENSO and Local Air-Sea Interaction.
Hodnebrog, Ø., Myhre, G., Samset, B. H., Alterskjær, K., Andrews, T., Boucher, O., Faluvegi, G., Fläschner, D., Forster, P. M., Kasoar, M., Kirkevåg, A., Lamarque, J.-F., Olivié, D., Richardson, T. B., Shawki, D., Shindell, D., Shine, K. P., Stier, P., Takemura, T., … Watson-Parris, D. (2019). Water vapour adjustments and responses differ between climate drivers. Atmospheric Chemistry and Physics, 19(20), 12887–12899. https://doi.org/10.5194/acp-19-12887-2019
Setiawan, P., Agus, H., Sugiarto, T., & Hasnaeni. (2006). Estimasi Air Mampu Curah Menggunakan Data Modis Sebagai Informasi Cuaca Spasial Di Pulau Jawa. Jurnal Penginderaan Jauh Dan Pengolahan Data Citra Digital, 3(1), 64–76. https://jurnal.lapan.go.id/index.php/jurnal_inderaja/article/view/500
Sosrodarsono, S., & Takeda, K. (1987). Hidrologi Untuk Pengairan (6th ed.). Pradnya Paramita.
Sucahyono, S., & Ribudiyanto, K. (2013). Cuaca dan Iklim Ekstrim di Indonesia (1st ed.). Badan Meteorologi Klimatologi dan Geofisika.
Sugiyono. (2016). METODE PENELITIAN KUANTITATIF, KUALITATIF DAN R&D. Alfabeta.
Susilawati, M., Komang, I., Sukarsa, K., Ayu, I., & Krisna, H. (2012). PERBANDINGAN REGRESI BERTATAR (STEPWISE REGRESSION) DAN REGRESI KOMPONEN UTAMA (RKU) DALAM MENGATASI MULTIKOLINIERITAS PADA MODEL REGRESI LINIER BERGANDA.
Swarinoto, Y. S., Koesmaryono, Y., Aldrian, E., & Wigena, A. H. (2013). PENGARUH TIME LAG SML SEBAGAI PREDIKTOR DALAM MODEL SISTEM PREDIKSI ENSEMBLE PEMBOBOT PRAKIRAAN HUJAN BULANAN DI KABUPATEN INDRAMAYU. Jurnal Meteorologi Dan Geofisika, 14(1). https://doi.org/10.31172/jmg.v14i1.144
Walpole, R. E. (Ronald E. (1982). Introduction to statistics (3rd ed.). Macmillan.
Wohon, S. C., Hatidja, D., & Nainggolan, N. (2017). PENENTUAN MODEL REGRESI TERBAIK DENGAN MENGGUNAKAN METODE STEPWISE (STUDI KASUS : IMPOR BERAS DI SULAWESI UTARA). JURNAL ILMIAH SAINS, 17(2), 80. https://doi.org/10.35799/jis.17.2.2017.16834
Downloads
Published
Issue
Section
License
The copyright of the received article shall be assigned to the journal as the publisher of the journal. The intended copyright includes the right to publish the article in various forms (including reprints). The journal maintains the publishing rights to the published articles.
ORBITA: Jurnal Pendidikan dan Ilmu Fisika is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.