DATA DAN METODE. Peubah yang digunakan dalarn penelitian adalah rata - Sandkan ( ), dan Rembiga-Ampenan ( ),

Transkripsi

1 DATA DAN METODE Peublah Respon dan Prediktor Peubah yang digunakan dalarn penelitian adalah rata - bular~an dari 3 (tiga) tipe hujan yaitu :(a) tipe monsoon meliputi TI Sandkan ( ), dan Rembiga-Ampenan ( ), equatorial meliputi Pekanbaru ( ), Pontianak ( ' ata curah hujan Ian ( ), (b) tipe hujan )7), dan Medan ( ), dan (c) tipe hujan lokal : Ambon ( ). Peubah prediktor meliputi : (a) Tekanan permukaan lau 2001 ), (b) Tekanan permukaan laut di Darwin ( ), (c) Sul (sea mrface temperature : SST) terdiri dari Nino 1.2, Nino 3, Nir dari ltahun , (d) Indeks osilasi selatan (southern oscil2 Tahiti-Darwin, yaitu nilai perbedaan antara tekanan atmosfer di at di Tahiti (Pasifik Selatan) dan Darwin (Australia) dibagi dengar selisih antara tekanan Tahiti dan tekanan Darwin dari tahun 1950 osilasi Jakarta-Darwin (IOJD) dari tahun , yaitu nilai tekanan atmosfer di atas permukaan laut di Jakarta dan Darwin dengan simpangan baku selisih antara tekanan Jakarta dan tekanan I di Tahiti ( perrnukaan laut I 4, dan Nino 3.4 tion index: SOI) ; permukaan laut simpangan baku 1997, (e) Indeks lerbedaan antara 4ustralia) dibagi arwin.

2 Metode Analisis Untuk mencapai tujuan penelitian, dilakukan analisis dat piranti MARS for windows versi 2.0 dan ItsMARS versi 2.0.1: dengan bantuan dengan langkah sebagai berikut: 1. Langkah awal untuk membangun model regresi membuat pl respon (curah hujan) dan peubah prediktor (indikator ENSO). akan terdeteksi pola hubungan, pengamatan pencilan at; antara perubah ari plot tersebut penyimpangan kelinieran. 2. Pembentukan model regresi dengan menggunakan metode :uadrat terkecil, akan diperoleh model regresi, sidik ragam, R~, ~~terkor :si, dan peubah prediktor yang nyata. Kemudian dilanjutkan dengan penguj model. Untuk asumsi kenormalan digunakan plot kuantil-i Bila hasil plot ini mempunyai pola linier, maka.asumsi E terpenuhi. Asumsi kehomogenan ragam digunakan plot si: dugaan. Jika hasil plot ini menunjukkan pola acak di sekiq asumsi kehomogen ragam terpenuhi. Asumsi independ n asumsi sisaan anti1 (QQ-plot). lorrnalan sisaan in dengan nilai garis nol, maka t (bebas antar pengamatan) digunakan plot antara sisaan dan pengarnatan. 3. Pembentukan model regresi dengan menggunakan metodt regresi yang diperoleh : RSAB. Model

3 dimana Y merupakan peubah respon, BO adalah konstaa, BI, B2,.... Bk merupakan koefisien basis fungsi spline ke-1,2,... k, dan BFl, BF2... BFk merupakan basis fungsi ke-1, 2... k. Pendugaan parameter terlebih dahulu menentukan maksimum basis fungsi, maksimum jumlah inaeraksi, minimum jumlah pengamatan diantara knot. Untuk mengoptimalis$si jumlah knot ditentukan lebih dulu derajat bebasnya. Friedman (1991) merflyarankan derajat bebas knot antara 2 sampai 5, itupun tergantung dari jumlah pengamatan dan peubahnya. Semakin kecil derajat bebas semakin komplkks fungsi yang didapatkan, demikian sebaliknya. Di samping model regregi, diperoleh juga R~, ~~terkoreksi, dan peubah prediktor yang terpenting. Penentuan peubah terpenting berdasarkan seberapa besar peubah tersebut memberikan kontribusi terhadap model. Kriteria penentuan peubah prediktor yang relatif penting adalah GCV. Semakin kecil nilai GCV suatu peubah semakin penting peubah tersebut terhadap model yang dibangun. 4. Pembentukan model deret waktu dengan menggunakan metode ASTAR dari peubah yang terpenting. Untuk membangun model ini terlebih dahulu menentukan maksimum jumlah interkasi, maksimum jumllah basis fungsi, minimum jumlah pengamatan antar knot, derajat bebas, nilai embedding, dan kriteria pemilihan model yaitu GCV. Lang kah - langkah metode analisis selengkapnya tercantum dalarn Qambar 3.

4 Eksplorasi data (matrik plot peubah repon dan prediktor) Pembentukan model Pemeriksaan asumsi sisaan model Pembentukan model regresi RSAB Input : maks. BF, maks interak Minspan, DF Bandingkan kedua metode dgn kriteria Penentuan peubah prediktor indikator ENS0 terpenting : nilai GCV terkecil Pembentukan model deret waktu dgn metode ASTAR Input : maks BF, maks interaksi, Minspan, DF, embedding Gambar 3. Diagram alur metodologi penelitian

5 Verijfikasi dan Validasi Model Verifikasi model digunakan untuk mengetahui kemampdan model dalam menjelaskan keragaman data. Validasi model digunakan untuk melihat keterandalan modt:l tersebut dalam peramalan, yang biasanya digunakan data bebhs. Verifikasi dan validasi model menggunakan analisis korelasi dan root mean square, error (RMSE). Validasi peramalan dengan bantuan perangkat lunak ItsMarb terdapat 2 (dua) metode pendekatan yaitu iterasi dan langsung. Kedua istilah ini dalw beberapa buku deret waktu sering disebut peramalan ex post forecast dan ex ante forecast (Makridakis et al. 1998). Pada metode iterasi, validasi ranpalan mendatang menggunakan nilai hasil dugaan sebelurnnya. Sebagai ilustrasi, qisalkan diketahui modal X(t) =X(t- 1) dan diinginkan untuk meramal periode t = 10d sampai t = 110, maka X'(100) = X(99), kemudian X'(101) = X'(100), dan seteruspya dimana X'(t) adalah nilai hasil dugaan dan X(t) nilai aktual. Metode validasi perwalan ini hampir sama dengan metode pendekatan tradisional model autoregressive, Sedangkan pada metode langsung, validasi peramalannya untuk setiap nilai dugam digunakan nilai aktual. Sebagai contoh, seperti model di atas, X(t) = X(t-1), maka vblidasi peramalan X'(100) = X(99), X'(101) = X(l OO), dan seterusnya. Kedua metode validasi tersebut di atas dapat memberikan hdsil yang berbeda. Hal tersebut tergantung pada relatif besarnya ragarn dari sisaan dah tergantung dari pola fungsi non-linier yang dibentuk (Baldwin dan La ).