Post Processing Peramalan Unsur Cuaca dengan Model Output Statistics (MOS): Studi Perbandingan Antara Reduksi Dimensi Independent Component Analysis

Transkripsi

1 Post Processg Peramala Usur Cuaca dega Model Output Statstcs (MOS: Stud Perbadga Atara Reduks Dmes Idepedet Compoet Aalyss (ICA da Prcpal Compoet Aalyss (PCA Arum Auravega, Her Kuswato da Sutko Jurusa Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Isttut Tekolog Sepuluh Nopember (ITS Jl. Aref Rahma Hakm, Surabaya 60 Emal : her_k@statstka.ts.ac.d; sutko@statstka.ts.ac.d Abstrak Prakraa cuaca mejad sagat petg utuk mecegah dampak destruktf dar bajr besar da meyapka early warg system bag masyarakat. Sebaga lembaga pemertah, Bada Klmatolog Meteorolog da Geofska (BMKG megguaka data kompoe cuaca Numercal Weather Predcto (NWP utuk megaalsa da memberka formas kepada masyarakat megea keadaa cuaca d seluruh wlayah Idoesa. Namu pada beberapa lokas tertetu, khususya lokas dega topograf da vegetas yag kompleks, hasl ramala NWP sergkal bas. Model Output Statstcs (MOS sebaga post processg dguaka utuk megurag secara optmal bas yag dhaslka data NWP. Terdapat 3 hal petg dalam peyusua MOS, yatu peetua grd, reduks dmes da peyusua model. Idepedet Compoet Aalyss (ICA merupaka salah satu metode reduks dmes yag tegah dkembagka. Utuk megetahu kerja dar metode tersebut, dlakuka stud perbadga dega metode yag serg dguaka, yatu Prcpal Compoet Aalyss (PCA. Usur cuaca yag dpredks yatu suhu maksmum, suhu mmum da kelembapa megguaka 3 varabel NWP. Metode yag dguaka utuk mempredks adalah stepwse regresso. Terbukt bahwa MOS mampu megurag bas NWP. Kemampua MOS ICA da PCA dalam megoreks bas NWP berturut-turut sebesar 90,59% (Suhu Mmum Darmaga da 63,346% (Suhu Mmum Tajug Prok. Secara keseluruha, MOS ICA meghaslka press redah da akuras tgg, sedagka MOS PCA memlk press tgg da akuras redah. Kata kuc : MOS, reduks dmes, ramala usur cuaca I. PENDAHULUAN Bajr d bukota Idoesa, Jakarta, sergkal mejad perhata publk. Bahka, pada Februar 007 yag daggap sebaga bajr terparah, mampu dgeserka oleh becaa bajr akhr-akhr pada Jauar 03. Peyebab bajr sagat kompleks, mula dar taah yag telah jeuh sehgga tdak mampu lag meyerap secara optmal, sstem draase yag buruk, berkuragya fugs suga, da lala. Keadaa mecapa klmaksya ketka memasuk musm huja da huja yag turu terus-meerus sehgga meyebabka bajr besar. Prakraa cuaca mejad sagat petg utuk mecegah dampak destruktf dar bajr besar da meyapka early warg system utuk bajr d kota Metropolta Jakarta []. Pada mulaya, BMKG (Bada Klmatolog Meteorolog da Geofska melakuka prakraa cuaca jagka pedek secara subyektf tapa metode tertetu berdasarka pergeraka usur-usur damk cuaca. Pedekata objektf mula dupayaka pada tahu 004 [] dega pemodela Numercal Weather Predcto (NWP. Pedekata dharapka lebh akurat agar masyarakat memperoleh formas keadaa cuaca dega akuras yag optmal. Namu pada beberapa lokas tertetu, khususya lokas dega topograf da vegetas yag kompleks, hasl ramala NWP sergkal bas. Maka dperluka postprocessg data NWP utuk megoptmalka hasl ramalaya. Sejak tahu 005 BMKG telah melakuka peelta tetag Model Output Statstcs (MOS utuk megembagka model prakraa cuaca hara. Sampa saat peelta tersebut telah meghaslka model pedugaa suhu maksmum, suhu mmum, kelembaba relatf maksmum, da kelembaba relatf mmum utuk 0 stasu pegamata cuaca [3]. Reduks dmes merupaka salah satu hal yag harus dperhatka dalam peyusua MOS. Reduks dmes yag serg dguaka dalam pemodela MOS adalah Prcpal Compoet Aalyss (PCA. Saat, terdapat suatu metode reduks dmes yag tegah dkembagka, yatu Idepedet Compoet Aalyss (ICA. Oleh karea tu, peelta bertujua utuk membadgka kerja reduks dmes ICA da PCA dalam peyusua MOS dega stepwse regresso. II. TINJAUAN PUSTAKA A. Dstrbus Normal Multvarat Sebelum meetuka aalss yag daggap tepat, peelt sebakya megetahu asums-asums yag harus terpeuh. Dar semua asums terpeuh, salah satu asums yag serg dtemu adalah dstrbus ormal (gaussaty. Tdak dapat dpugkr bahwa terdapat bayak keadaa yag meujukka o-gaussaty [4].

2 Dstrbus ormal multvarat adalah suatu perluasa dar dstrbus ormal uvarat sebaga aplkas pada varabel-varabel yag mempuya hubuga. Dalam aalss multvarat, asums ormal multvarat dperluka karea utuk memastka data pegamataya megkut dstrbus ormal agar statstk feresa dapat dguaka dalam megaalss data tersebut. T Msalka X ( X, X,..., X m adalah vektor yag megkut dstrbus ormal multvarat dar pegamata terhadap p varabel maka ddapat fugs padata peluag T utuk vektor X dega betuk : f x p ( X ( V exp ( ' 0 X X V ( X X 0 ( dmaa E X X, utuk =,,, m da V 0 adalah matrk varas kovaras dar X, X,..., X m dega eleme-eleme dagoal adalah,,..., mm yag merupaka varas dar X, X,..., X m da eleme-eleme odagoal yag merupaka kovaras dar j, X X m da megkut persamaa sebaga berkut: X,..., j j( jj ( Utuk megetahu keormala data, maka dlakuka peguja, salah satuya dega uj Shapro-Wlk utuk ormal multvarat. Prosedur pegujaya adalah sebaga berkut. Hpotess H 0 : Data berdstrbus ormal multvarat H : Data tdak berdstrbus ormal multvarat Statstk Uj Msal c T = (c, c,, c m adalah vektor dar la ekspektas ormal stadar da V = (v j adalah matrks kovaras berukura m x m. E (x = c dega =,,, m ; cov (x, x j = v j (, j =,, m dmaa x < x < < x m adalah sampel radom dar dstrbus ormal stadar N (0,. Msal y = (y,, y m adalah sampel radom dmaa keormala dega uj MVW megguaka order y ( < y ( < < y (m. Nla MW dperoleh sebaga berkut. b y ( MVW (3 ( yy T T b ( b dega,..., b c V [( c' V ( V c] Krtera peolaka H 0 adalah apabla la sgfkas lebh besar dar taraf sgfkas α [5]. B. Idepedet Compoet Aalyss Pada beberapa dspl lmu, permasalaha utama adalah meemuka represetas yag tepat dar data multvarat. Utuk beberapa alasa komputas da kesederhaaa kosep, sergkal represetas dperoleh dar trasformas lear megguaka data asl. Dega kata la, setap kompoe dar represetas adalah sebuah kombas ler dar varabel aslya. Terdapat beberapa metode trasformas ler yag telah dketahu melput prcpal compoet aalyss (PCA, aalss faktor da projecto pursut [6]. Jka asums ormal multvarat terpeuh, maka PCA atau aalss faktor merupaka solus yag tepat. Namu jka data tdak memeuh asums ormal multvarat, ICA sebaga solus yag lebh tepat. Meurut Jutte da Herault (99; Como (994 dalam [6], utuk meetapka ICA dega telt dapat megguaka model statstka varabel late. Msal sebayak m dmes x, x,, x m dar m kompoe depede, maka persamaa umumya sebaga berkut. x a s a s... a s semua j (4 j j j jm m, Dalam otas matrks, vektor radom pegamata X = [ X, X,, X m ] T, yag m eleme-elemeya merupaka gabuga dar eleme depede m dar vektor radom S = [ S, S,, S m ] T. Maka dberka otas matrks berkut. X = AS (5 dmaa vektor X adalah kombas ler dar kompoe depede o-gaussa, vektor S megadug kompoe depede da A mewakl matrks ler gabuga (mxg matrx m x m. Meurut [7], model ICA adalah model geeratf yag meggambarka bagamaa data pegamata dhaslka dega proses peggabuga (mxg kompoe s. Kompoe-kompoe depede adalah varabel late, (. (. artya kompoe tersebut tdak dapat damat secara lagsug. Matrks A dasumska tdak dketahu. Semua yag damat adalah vektor radom X, da peelt harus megestmas A da S. Pegguaa ICA membutuhka asums yag sagat sederhaa, yatu kompoe S adalah depede secara statstk. Kompoe depede memlk asums berdstrbus ogaussa. Tujua ICA adalah meemuka matrks umxg W (vers dar A yag aka dberka oleh Y dega pedekata terbak S sebaga berkut. Y = WX S (6 C. Prcpal Compoet Aalyss PCA dguaka utuk mereduks dmes data dega cara metrasformas varabel-varabel asl yag berkorelas mejad satu set varabel baru yag tdak berkorelas, dega tetap mempertahaka sebayak mugk keragama yag dapat djelaska [8]. Selajutya varabel baru damaka prcpal compoet (PC. PC dapat dbetuk dar matrks kovaras maupu matrks korelas. PC yag dbetuk dar matrk korelas dlakuka jka varabel-varabel yag damat tdak mempuya satua pegukura yag sama, maka varabel tersebut perlu dstadarsaska terlebh dahulu. Vektor radom x = [x, x,,x p ] T mempuya matrks varas - kovaras dega akar cr (egevalue berturutturut yatu p 0, maka kombas ler utama sepert pada persamaa (8. Z = e T x = e x + e x e p x p Z = e T x = e x + e x e p x p dega:. Z p = e p T x = e p x + e p x e pp x p.. (8

3 3 Z = PC pertama, yag mempuya varas terbesar Z = PC kedua, yag mempuya varas terbesar kedua Z p = PC ke-p, yag mempuya varas terbesar ke-p x = varabel asal pertama x p = varabel asal ke-p e p = vektor karakterstk (egevector data ke-p Model PC ke- secara umum dapat dtuls dega : Z = e T x, dmaa : =,,..., p Sehgga, Var( Z = e T e = λ, dmaa,,..., p (9 Cov( Z,Z k = e T e = 0 k (0 Jka PCA ler megguaka matrk korelas dalam pembetuka PC, maka : Propors varas ke- = ( p D. Stepwse Regresso Stepwse Regresso merupaka gabuga prosedur backward da forward. Berkut adalah lagkah-lagkah dalam peyusua model Regres Stepwse: [9]. Meregreska varabel respo, Y, dega setap varabel predktor, msal X, X,..., X k. Kemuda dplh model yag mempuya la R tertgg. Msal model tersebut adalah yag memuat predktor X a, yatu Ŷ b 0 + b a X a. Bla pegaruh X a bermaka, maka X a dpertahaka. Pemlha juga dapat dlakuka melalu korelas atara respo dega setap predktor. Predktor yag korelasya tertgg dmasukka ke dalam model. Apabla terdapat dua predktor berla korelas sama, dplh yag memlk R tertgg.. Meghtug korelas parsal atara setap predktor (kecual X a dega respo, ddapatka : r y.a, r y.a,..., r ky.a. Predktor yag korelas parsal tertgg dmasukka kedalam model. Msal yag korelasya tertgg adalah r by.a, maka predktor yag dplh alah X b. 3. Meregreska Y terhadap X a da X b. Bla kedua predktor bermaka, keduaya dpertahaka. 4. Meghtug korelas parsal atara setap predktor (kecual X a da X b dega respo (X a da X b sebaga pegoreks, ddapatka : r y.ab, r y.ab, dst. Kemuda dplh predktor dega korelas parsal tertgg, msal X c. 5. Lagkah dlajutka sampa tdak terdapat predktor yag bermaka. E. Numercal Weather Predcto (NWP NWP adalah sekumpula kode komputer yag mempresetaska secara umerk persamaa-persamaa atmosfer berdasarka sfat-sfat fska dams, dguaka utuk mempredks kods atau status atmosfer yag aka datag dega megguaka kemampua komputer yag tgg [0]. Model dracag utuk mempredks perkraa cuaca secara lebh detal dega cara membag wlayah-wlayah dar belaha dua yag basa dlakuka oleh lembaga perkraa cuaca, mlter, da beberapa perusahaa. Pedekata dharapka lebh akurat dbadgka pedekata subjektf agar masyarakat memperoleh formas keadaa cuaca dega akuras yag optmal. Peramala NWP bersfat determstk da tdak memperhtugka ketdakpasta yag terbetuk dar sal prakraa usur cuaca yag tdak sempura []. Sela tu hasl peramala model NWP yag bas juga dkareaka keadaa atmosfer yag tdak past da terbatasya peghtuga matematk utuk memodelka keadaa fsk da damk atmosfer. NWP dukur dalam doma lokas atau grd yag tgg, yatu atara 7 60 km, dega skala sebesar tu, NWP aka memberka formas cuaca yag homoge pada daerah grd tersebut. Kods cuaca skala kecl atau skala lokal kurag terepretaska dega bak. Pada beberapa lokas tertetu, khususya lokas dega topograf da vegetas yag kompleks, hasl ramala NWP sergkal bas. F. Model Output Statstcs (MOS MOS merupaka pemodela hubuga atara hasl observas cuaca dega luara Numercal Weather Predcto (NWP, dega model berbass regres []. Meurut [3], secara umum persamaa matemats MOS adalah sebaga berkut : Yˆ t fmos ( x t ( Keteraga : Yˆ t = ramala cuaca saat t x t = varabel-varabel parameter NWP pada waktu t MOS megguaka persamaa d atas dalam pegembaga da mplemetas. Dalam proses pegembaga, model MOS ddapatka dar hubuga regres observas cuaca da luara NWP dega t yag sama. Sedagka dalam proses mplemetas, ramala cuaca saat t+ ddapat berdasarka ramala NWP saat t+ (yag dketahu saat t. G. Valdas Model Valdas model adalah proses utuk megetahu apakah model meghaslka la predks yag akurat. Data dbag mejad out-sample da -sample. Data -sample dguaka utuk medapatka model, sedagka data outsample dguaka utuk valdas model. Ukura kebaka model dapat megguaka RMSE (Root Mea Square Error da RMSEP (Root Mea Square Error Predcto. RMSE RMSEP MSE ( Y Yˆ ( Y Yˆ RMSE merupaka akar kuadrat dar jumlaha selsh data -sample dega taksra data hasl pemodela sejumlah sama dega data -sample. RMSEP adalah adalah akar kuadrat dar jumlaha selsh data out-sample dega hasl peramala sejumlah sama dega data outsample.

4 4 H. Ukura Pegkoreks Bas Hasl ramala model MOS memlk RMSEP yag lebh kecl darpada hasl ramala NWP. Persetase perbaka model MOS terhadap NWP dtujukka oleh ukura Percetage Improval atau yag dsgkat %IM sebaga berkut [4]. RMSEP NWP RMSEP MOS % 00% RMSEP NWP Nla %IM berksar atara 0% sampa 00%. Semak besar %IM maka semak bak model MOS megkoreks bas dar hasl ramala NWP. IM (.39 III. METODOLOGI A. Data Peelta Data yag dguaka dalam peelta berupa data sekuder yag dperoleh dar Bada Meteorolog Klmatolog, da Geofska (BMKG. Data yag dguaka adalah data usur cuaca dar output NWP (Numercal Weather Predcto model CCAM hara perode Jauar 009 sampa 3 Desember 00 pada stasu pegamata Tajug Prok, Cegkareg, Curug da Darmaga. Tabel. Output NWP Sebaga Varabel Predktor No Nama Varabel Level Surface Pressure Tedecy (dpsdt Permukaa Water Mxg Rato (mxr,, da 4 3 Vertcal Velocty (omega,, da 4 4 PBL depth (pblh Permukaa 5 Surface Pressure (ps Permukaa 6 Mea Sea Level Pressure (psl Permukaa 7 Scree Mxg Rato (qgscr Permukaa 8 Relatve Humdty (rh,, da 4 9 Precptato (rd Permukaa 0 Temperature,, da 4 Maxmum Scree Temperature (tmaxcr Permukaa Mmum Scree Temperature (tmcr Permukaa 3 Pa Temperature (tpa Permukaa 4 Scree Temperature (tscr Permukaa 5 Zoal Wd (u,, da 4 6 Frcto Velocty (ustar Permukaa 7 Merdoal Wd (v,, da 4 8 Geopotetal Heght (zg,, da 4 Varabel depede merupaka usur cuaca yag terdr dar suhu maksmum, suhu mmum da kelembapa. Sedagka varabel berupa varabel NWP, secara legkap dsajka pada Tabel. B. Lagkah Aalss Tahapa Lagkah-lagkah pegolaha data da aalss data yag dlakuka dalam peelta adalah sebaga berkut :. Proses peyapa data Melakuka kovers format data NWP (format grd ke dalam format text.. Megetahu ormaltas multvarat data. Peguja ormaltas yag dguaka adalah Shapro-Wlk utuk ormal multvarat. 3. Pre-processg secara statstk. a. Reduks dmes varabel depede (grd dega megguaka Idepedet Compoet Aalyss (ICA da Prcpal Compoet Aalyss (PCA. Algortma ICA sebaga berkut.. Memlh sebuah sal vektor w.. Membetuk w + = E{xg(w T x} E{g (w T x} w. Membetuk w = w + / w + v. Jka tdak koverge, kembal ke lagkah. sedagka lagkah PCA adalah :. Msalka sekumpula observas x j, dmaa j =,,..., m.. Membetuk matrks varas - kovaras Σ. Meetuka la akar karakterstk (egevalue dega meghtug Σ λι 0 da egevector dega persamaa ΣΧ λ Χ v. Meetuka jumlah kompoe utama yag dbagktka. Keragama yag lebh dar 85% meujukka bayakya kompoe utama yag terbetuk. v. Meghtug la kompoe utama dar model kompoe utama Z = e T x, dmaa e adalah egevector. b. Membag data mejad data -sample da outsample. Data -sample adalah data mula Jauar 009 hgga 3 Oktober 00, sedagka data out-sample utuk valdas megguaka data perode November 00 sampa dega 3 Desember Post-processg secara statstk a. Melakuka pemodela MOS megguaka Regres Stepwse dega data -sample. b. Valdas model NWP dega data out-sample megguaka la RMSEP. c. Membadgka keakurata model MOS dega model NWP dega krtera RMSEP. d. Megukur pegkoreksa bas model MOS terhadap model NWP dega ukura %IM. IV. ANALISIS DAN PEMBAHASAN A. Peguja Normal Multvarat Sebelum meetuka aalss yag daggap tepat, perlu dketahu asums-asums yag harus dpeuh terlebh dahulu sepert asums tetag keormala data. Uj ormal multvarat utuk varabel maxmum scree temperature (tmaxcr d stasu pegamata Darmaga dlakuka dega hpotesa sebaga berkut. H 0 : Data varabel tmaxcr dega 9 grd d stamet Darmaga berdstrbus ormal multvarat H : Data varabel tmaxcr dega 9 grd d stamet Darmaga tdak berdstrbus ormal multvarat Hasl peguja dtamplka dalam tabel berkut: Dega taraf sgfkas 5%, maka tolak H 0 karea P- value <, x 0-6. Artya, data varabel maxmum scree temperature (tmaxcr dega 9 grd d stasu pegamata Darmaga tdak berdstrbus ormal multvarat. Setelah melakuka peguja yag sama utuk semua varabel d empat stasu pegamata dperoleh bahwa tap varabel tersebut tdak berdstrbus ormal multvarat.

5 5 B. Reduks Dmes PCA Peetua bayakya kompoe utama (PC dperoleh melalu la ege da prosetase varas kumulatf. Sebaga cotoh, varabel (tmaxcr da (temp_ da d stasu pegamata Darmaga dperoleh hasl sebaga berkut. Pada Tabel dketahu bahwa dega satu kompoe dperoleh varas kumulatf utuk varabel tmaxcr da temp_ masg-masg sebesar % da 9.90 %. Prosetase tersebut telah memeuh syarat utuk meetuka jumlah kompoe yag aka dguaka sebayak Tabel. Nla Ege da Varas Kumulatf tmaxcr da temp_ d Stamet Darmaga Megguaka PCA Jml Kompoe Nla Ege Var. Kum (% tmaxcr temp_ Tmaxcr temp_ 8,645 8,36 96,059 9,90 0,8 0,343 98,079 96,78 3 0,00 0,34 99,86 98, 4 0,036 0,070 99, ,05 0,05 99, ,008 0,03 99, ,003 0,008 99, ,00 0,007 99, ,00 0,00 00, C. Reduks Dmes ICA Peetua bayakya kompoe depede (IC pada ICA juga melalu la ege da prosetase varas kumulatf. Nla ege da prosetase varas kumulatf dar varabel maxmum scree temperature (tmaxcr da temperatur level (temp_ d staklm Darmaga. Tabel 3. Nla Ege da Varas Kumulatf Varabel tmaxcr da temp_ d Stamet Darmaga Megguaka ICA Jml Nla Ege Var. Kum (% Kompoe tmaxcr temp_ Tmaxcr temp_ Berdasarka Tabel 3, la ege yag terbetuk dega kompoe (IC telah lebh dar,000. Kemuda, varas kumulatf dar tmaxcr da temp_ yag djelaska oleh IC berturut-turut sebesar 95,8 % da %. D. Pemodela MOS Pada model regres utuk varabel suhu maksmum (Tmax d stasu pegamata Darmaga dega varabel depede yag terbetuk dar reduks dmes data NWP dega ICA, dperoleh varabel terplh d tahap 7 sepert pada Tabel 4. Tabel 4. Varabel Terplh Prosedur Stepwse dalam Peyusua Model utuk Tmax Darmaga Varabel Koefse SE Koefse P-value Kostata,3653 0,9809 0,000 tmaxcr -0,08 0,0 0,000 u_lvl4 0,099 0,0059 0,00 IC rd 0,0078 0,00 0,000 v_lvl4-0,034 0,0073 0,000 u_lvl 0,375 0,037 0,000 IC qgscr 5, ,800 0,00 u_lvl -0,0673 0,083 0,08 Lagkah berulag utuk medapatka MOS utuk varabel depede Tm da RH. selajutya juga pada peyusua MOS-PCA. MOS Stepwse ICA da PCA d stasu pegamata Darmaga dsajka pada Tabel 5. Tabel 5. MOS Stepwse (a ICA da (b PCA d Stamet Darmaga (a MOS Stepwse ICA Tmax =,4-0, tmaxcr + 0,000 u_lvl4 + 0,00779 IC rd - 0,034 v_lvl4 + 0,38 u_lvl + 6 IC qgscr - 0,0673 u_lvl Tm = 0,3-0,099 t_lvl4-0,0667 tmcr + 0,096 tmaxcr - 0 mxr_lvl - 0,057 IC rh_lvl - 0,957 IC ustar RH = 47,9 + 0,85 tmaxcr + 0,0640 IC zg_lvl4-340 IC qgscr - 0,38 tpa + 0,00 pblh mxr_lvl (b MOS Stepwse PCA Tmax =,5-0, tmaxcr + 0,095 u_lvl4 + 0,00793 rd - 0,037 v_lvl4 + 0,40 u_lvl - 89,0 IC qgscr - 0,0686 u_lvl Tm = 9,9-0,4 t_lvl4-0,0694 tmcr + 0,033 tmaxcr - 79,5 mxr_lvl RH = 4,7 + 0,83 tmaxcr + 0,065 IC zg_lvl4-0,8 tpa + 0,0044 pblh - 0,047 rd - 38 mxr_lvl - 0,0 t_lvl4 Peyusua MOS Stepwse utuk stasu pegamata Tajug Prok, Cegkareg da Curug mempuya lagkah-lagkah yag sama sepert pada peyusua MOS Stepwse pada stasu klm Darmaga. Tabel 6 meyajka hasl peyusua MOS Stepwse ICA da PCA d tga stasu pegamata tersebut. Tabel 6. MOS Stepwse ICA da PCA d Stamet (a Tajug Prok, (b Cegkareg da (c Curug a MOS Stepwse ICA Tmax = 5,8-0,8 tmaxcr - 0,083 u_lvl4-0,0333 v_lvl4 Tm = - 4,0-0,066 tmaxcr - 0,05 zg_lvl4-0,076 u_lvl4-46, mxr_lvl + 0,593 ustar - 0,035 v_lvl - 0,06 u_lvl RH = ,674 tmaxcr mxr_lvl + 0,60 u_lvl4-0,57 t_lvl4 + 0,35 u_lvl + 0,96 tscr MOS Stepwse PCA Tmax = - 6,7-0,73 tmaxcr + 0,09 u_lvl4-0,040 v_lvl4-0,36 IC zg_lvl - 0,05 u_lvl - 6, mxr_lvl4-0,4 IC3 zg_lvl + 0,00977 IC rh_lvl + 0, omega_lvl4 Tm = - 50,4-0,079 tmaxcr - 0,044 zg_lvl4 + 0,038 IC rh_lvl + 0,058 u_lvl4-44, mxr_lvl - 0,0346 v_lvl + 0,585 ustar - 0,046 u_lvl RH = ,679 tmaxcr - 04 mxr_lvl - 0,33 u_lvl4 +,3 t_lvl4 + 0,0 u_lvl - 0,0458 rh_lvl4-0,30 IC rh_lvl - 0,00438 IC pblh + 0,5 zg_lvl4 b MOS Stepwse ICA Tmax = 6,49-0,98 tmaxcr + 0,055 u_lvl4-0,04 t_lvl - 0,046 v_lvl4 Tm = -,8-39,8 mxr_lvl + 0,80 IC zg_lvl - 0,349 t_lvl4-0,00749 rh_lvl - 0,03 v_lvl4-0,0538 rh_lvl4 + 0,4 IC zg_lvl - 68 mxr_lvl4 RH = + 0,586 tmaxcr - 64 mxr_lvl - 0,0993 u_lvl4 + 0,0039 IC pblh + 0,0906 v_lvl4-0,706 omega_lvl4 + 0,0838 u_lvl MOS Stepwse PCA Tmax =, - 0,84 tmaxcr + 0,0306 u_lvl4-0,06 t_lvl - 0,064 v_lvl4-0,3 IC zg_lvl - 0,00057 dpsdt - 0,058 u_lvl + 0,09 ps - 0,038 v_lvl Tm = - 3,0 + 36, mxr_lvl - 6 mxr_lvl4-0,87 t_lvl4-0,00656 rh_lvl + 0,90 IC zg_lvl - 0,056 v_lvl4-0,0445 rh_lvl4-0,00396 u_lvl4-0,0665 IC zg_lvl + 0,0 IC zg_lvl RH = 59,4 + 0,58 tmaxcr - 39 mxr_lvl - 0, u_lvl4 + 0,00303 pblh + 0,084 v_lvl4-0,750 omega_lvl4 + 0,0886 u_lvl + 55 qgscr - 0,860 IC zg_lvl

6 6 Lajuta Tabel 6 c MOS Stepwse ICA Tmax = 9,73-0, tmaxcr + 0,0353 u_lvl4-0,0355 v_lvl4 + 0,7 omega_lvl + 0,0374 u_lvl - 0,0477 t_lvl Tm = - 6,8-0 mxr_lvl - 0,0648 IC zg_lvl - 0,07 u_lvl4-6,4 mxr_lvl4-0,0765 t_lvl4 RH = ,837 tmaxcr - 3 mxr_lvl mxr_lvl4-0,434 t_lvl4 MOS Stepwse PCA Tmax = 9,74 0, tmaxcr + 0,0353 u_lvl4 + 0,0355 v_lvl4 + 0,7 omega_lvl 0,0374 u_lvl 0,0476 t_lvl Tm = - 50,3 96,9 mxr_lvl 0,04 IC zg_lvl 0,008 u_lvl4 66,7 mxr_lvl4 0,8 t_lvl4 + 0,077 t_lvl + 0,37 omega_lvl RH = tmaxcr mxr_lvl4 -.6 t_lvl IC zg_lvl v_lvl pblh mxr_lvl t_lvl E. Valdas Model Valdas model terdr dar krtera kebaka utuk data trag da data testg karea data pada peelta dbag mejad data -sample da out-sample. Valdas model utuk data out-sample megguaka RMSEP. Tabel 7. RMSEP MOS ICA da PCA, RMSEP NWP da %IM Stamet Tajug Prok Cegkareg Curug Darmaga Usur Cuaca RMSEP MOS RMSEP %IM ICA PCA NWP ICA PCA Tmax Tm RH Tmax Tm RH Tmax Tm RH Tmax Tm RH Hal membuktka bahwa MOS berhasl megurag bas yag dhaslka data NWP. Dar total model usur cuaca sebayak model, 8 dataraya meujukka RMSEP dar ICA lebh kecl dbadgka PCA. Hasl meujukka bahwa metode ICA lebh bak dalam megurag bas dar data NWP dalam peyusua MOS. Sela tu, model MOS ICA mampu megkoreks bas hgga 90.59% (RH staklm Darmaga yag dtada dega %IM (pegkoreks bas. Sedagka kemampua MOS PCA megkoreks bas adalah % (Tmax Tajug Prok. Sebaga besar RMSE MOS dega reduks ICA maupu PCA lebh kecl dbadgka RMSE NWP. Sehgga MOS terbukt mampu megurag bas yag dhaslka data NWP. Perbadga kerja reduks dmes PCA lebh bak dbadg PCA jka dlhat dar la RMSE tap varabel depede (suhu maksmum, suhu mmum da kelembapa. Kemampua MOS ICA da PCA dalam megoreks bas NWP berturut-turut sebesar 90,59% (Suhu Mmum Darmaga da 63,346% (Suhu Mmum Tajug Prok. Secara keseluruha, MOS ICA meghaslka press redah da akuras tgg, sedagka MOS PCA memlk press tgg da akuras redah. VI. UCAPAN TERIMA KASIH Peuls A.A. megucapka termakash kepada BMKG yag telah memberka dukuga perhal peyedaa data da PT. Agkasa Pura II, sebaga pember daa peelta. DAFTAR PUSTAKA [] Aldra, E. (008. Domat Factors of Jakarta s Three Largest Floods. J. Hdrosfr Idoesa 3: 05-. [] Bada Meteorolog Klmatolog da Geofska. (005. Lapora Kegata Pegembaga Model Output Statstk (MOS utuk Pemodela Prakraa Cuaca Jagka Pedek. BMKG-Jakarta. [3] Aryat, A. (008. Perbadga Metode Regres Usur Utama, Regres Kuadrat Terkecl Parsal, da regres Bertatar dalam Pedugaa Suhu da Kelembapa. Skrps. Bogor: Isttut Pertaa Bogor. [4] Laglos, D et al. (00. A Itroducto to Idepedet Compoet Aalyss: IfoMax ad FastICA algorthms. Tutorals Quattatve Methods for Psychology 6: [5] Roysto, J. P. (98. A Exteso of Shapro ad Wlk s W Test for Normalty to Normalty to Large Samples. Jural Appl. Statst. : 5-4 [6] Hyväre, A & Oja, E. (000. Idepedet Compoet Aalyss: Algorthm ad Applcatos. Neural Networks 3: [7] Hyväre et al. (00. Idepedet Compoet Aalyss. New York: Joh Wley ad Sos, Ic. [8] Johso, R.A & Wcher, D.W. (00. Appled Multvarate Statstcal Aalyss. 5th Ed. New Jersey: Pretce Hall. [9] Draper, N & Smth, H. (998. Aalss Regres Terapa. Jakarta: PT Grameda Pustaka Utama. [0] Korea Meteorologcal Admstrato (KMA. (00. Trag Course o Weather Forecastg for Operatoal Meteorologsts. Korea Meteorologcal Admstrato. [] Thorarsdottr, T.L. & Getg, L. (008. Probablstc Forecasts of Wd Speed: Esemble Model Output Statstcs usg Heteroskedastc Cesored Regresso. Techcal Report 546, Departmet of Statstcs, Uversty of Washgto. [] Nchols, M. (008. Model Output Statstcs. Idepedet Research Program [3] Wlks, D. S. (006. Statstcal Methods the Atmospherc Sceces ( d. Bosto: Elveser. V. KESIMPULAN Hasl reduks dmes megguaka metode PCA, meghaslka total kompoe utama yag dguaka sebaga varabel predktor pada pemodela MOS d stasu Tajug Prok sebayak 38 varabel, Cegkareg sebayak 37 varabel, Curug sebayak 34 varabel, da Darmaga sebayak 36 varabel. Sedagka hasl reduks dmes ICA meghaslka total kompoe utama yag dguaka dalam peyusua MOS berturut-turut 36, 38, 34 da 43 varabel.