BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masyarakat dunia saat ini sedang dihadapkan dengan kemajuan teknologi sebagai salah satu penunjang dalam era informasi. Informasi yang menjadi komoditas utama dewasa ini salah satunya adalah informasi terkait prakiraan cuaca. Dalam bidang keilmuan, prakiraan cuaca termasuk ke dalam ilmu Meteorologi. Cuaca merupakan suatu kondisi alam yang terjadi pada jangkauan daerah yang sempit, dalam rentang waktu singkat, dan dapat berubah-ubah bergantung pada perubahan arah angin dan suhu udara. Cuaca merupakan produk derivatif dari iklim. Iklim meliputi wilayah yang lebih luas dan terjadi dalam rentang waktu yang lebih lama. Ilmu yang mempelajari tentang iklim disebut Klimatologi. Meteorologi dan Klimatologi pada dasarnya merupakan ilmu deskriptif. Para peneliti di bidang ini pada awalnya hanya mengamati fenomena-fenomena alam yang muncul dan pengaruhnya terhadap kondisi lingkungan sekitar dalam jangka waktu tertentu. Banyak analisis terkait cuaca yang tidak memiliki pola yang jelas sebagai bahan pertimbangan dalam memprediksi cuaca di suatu lokasi. Navarra (2010) menjelaskan bahwa mulai pertengahan abad ke- 20, ditemukan solusi dari persamaan evolusi untuk sistem iklim dan pola perubahannya dengan pemodelan matematika dan metode numerik. Model tersebut sangat diperlukan untuk mengetahui sifat rata-rata iklim maupun variabilitasnya. Dalam kaitannya untuk menganalisis cuaca, serangkaian pengamatan perlu dilakukan terhadap cuaca di suatu lokasi dalam jangka waktu tertentu, yang selanjutnya dikumpulkan sebagai informasi cuaca, salah satunya merupakan data curah hujan. Data curah hujan berisi informasi yang berkaitan dengan lokasi (stasiun) pengamatan dan jangka waktu pengamatan (harian atau bulanan). Konsep rata-rata dapat digunakan untuk membandingkan sekaligus mengurutkan lokasi atau waktu yang memiliki curah hujan tertinggi, sedang, ataupun terendah. Akan tetapi, faktanya adalah persebaran curah hujan tidak sama untuk setiap lokasi maupun periode waktu. Selain itu, informasi yang disajikan dalam bentuk data curah hujan biasanya memiliki kapasitas yang sangat besar dikarenakan banyaknya rekam jejak informasi curah hujan dari berbagai lokasi maupun waktu pengamatan. Oleh karena itu, diperlukan metode ana- 1

2 2 lisis yang dapat menggambarkan pola persebaran dan klasifikasi data tersebut dengan lebih efektif. Skripsi ini membahas tentang suatu langkah awal dari analisis prakiraan cuaca, yaitu dengan menentukan curah hujan tertinggi pada beberapa lokasi pengamatan dalam jangka waktu yang panjang. Metode yang digunakan dalam skripsi ini adalah metode Principal Component Analysis (PCA). PCA bekerja untuk menggali informasi terpenting dari data yang diobservasi, tanpa mengabaikan informasi lain yang menggambarkan keseluruhan data. Secara umum, PCA merupakan suatu teknik yang digunakan untuk mereduksi data multidimensi menjadi data yang berdimensi lebih rendah, dengan tetap mempertahankan karakteristik dari data awal. Secara matematis, PCA dapat menlihat pola dari suatu data dengan memaksimalkan variansi dari suatu kombinasi linear dari serangkaian variabel pada suatu himpunan data. Konsep dasar yang digunakan dalam metode PCA adalah nilai eigen dan vektor eigen pada aljabar linear dan konsep rata-rata dan kovariansi pada statistik. Dalam melakukan analisis, diasumsikan bahwa hubungan antar variabelnya linear. Selanjutnya, reduksi dimensi dari data awal dilakukan dengan transformasi linear ortogonal terhadap data awal yang telah dinormalisasi. Data hasil transformasi dengan variansi terbesar dianggap dapat mewakili informasi terkait karakteristik dari data, karena data tersebut mempengaruhi perubahan pola data secara keseluruhan. Pada data curah hujan, metode PCA dapat menganalisis evolusi dari data berdasarkan sudut pandang waktu maupun lokasi pengamatan. Jika dilihat dari tahapan analisis yang dilakukan, Principal Component Analysis (PCA) sejalan dengan metode Empirical Orthogonal Function (EOF), atau Transformasi Karhunen-Loeve (Singular Value Decomposition- SVD) pada matriks (Bjornsson, 1997). Metode PCA telah digunakan di dalam berbagai bidang, diantaranya dalam bidang biologi, Rong (2005) menggunakan metode ini untuk menyelidiki prediktabilitas tingkat ekspresi protein jenis M. Smegmatis. Dalam bidang penegakan hukum, Gulumbe (2012) melakukan analisis terhadap data kejahatan di daerah Katsina, negara bagian dari Nigeria. Mereka mendapati bahwa terjadi rata-rata 8 kasus kejahatan utama yang dilaporkan ke polisi selama periode tahun Dalam bidang keuangan, Ionita (2010) menggunakan PCA dalam kasus pemberian pinjaman dengan masukkan sekitar 500 database dari German Bank. Pada studi kasus dalam tugas akhir ini, metode PCA akan digunakan secara khusus untuk menentukan curah hujan tertinggi secara spasial dan temporal di wilayah Indonesia dan secara khusus di Kabupaten Gunungkidul, DIY. Data curah hujan

3 3 tersebut masing-masing diperoleh dari data Global Precipitation Climatology Center (GPCC) dan Badan Meteorologi, Klimatologi dan Geofisika (BMKG). Data tersebut berturut-turut merupakan data curah hujan bulanan selama 110 tahun yang berasal dari stasiun seluruh Indonesia dan data curah hujan bulanan selama 11 tahun yang berasal dari 18 stasiun hujan di Kabupaten Gunungkidul, DIY. 1.2 Tujuan Penelitian Secara umum penelitian ini bertujuan untuk mempelajari Principal Component Analysis (PCA) untuk keperluan analisis pada data cuaca. Adapun tujuan khusus penelitian ini adalah: 1. Melakukan analisis secara matematis tentang pola reduksi dimensi pada suatu data menggunakan PCA. 2. Menerapkan analisis PCA pada data curah hujan rentang panjang, yaitu dengan menentukan curah hujan tertinggi berdasarkan lokasi dan waktu pengamatan. 1.3 Manfaat Penelitian Penyusunan skripsi ini bertujuan untuk memberikan acuan dalam menggunakan Analisis Komponen Utama pada data cuaca. Selain itu diharapkan dapat memberikan masukan bagi peneliti lain yang ingin mengembangkan penelitian tentang analisis data cuaca menggunakan PCA. 1.4 Batasan Masalah Pembahasan masalah dalam skripsi ini dibatasi pada pengolahan data sampai menganalisisnya dengan menggunakan PCA. Selanjutnya melakukan klasifikasi waktu dan stasiun yang memiliki curah hujan tertinggi menggunakan PCA. 1.5 Tinjauan Pustaka Metode PCA dalam skripsi ini merujuk pada catatan (handout) yang ditulis oleh Shalizi (2010). Pada handout Shalizi (2010) dijelaskan secara matematis mengenai mekanisme reduksi dimensi dari suatu data menggunakan PCA. Analisis dalam handout ini menjelaskan tentang dua tahap yang dilakukan dalam menentukan

4 4 komponen utama (principal component) dari suatu data, yaitu dengan meminimalkan redundansi menggunakan konsep jarak dari proyeksi vektor dan memaksimalkan hasil pemetaan menggunakan konsep nilai eigen dan variansi. Referensi ini digunakan sebagai acuan utama dalam penulisan skripsi ini. Analisis tentang metode PCA secara lebih mendalam dijelaskan dalam buku yang ditulis oleh Gentle (2007) dan Jolliffe (2002). Pada handout Gentle (2007) dijelaskan konsep principal components pada sebarang vektor dan pada suatu data, serta menekankan proses reduksi dimensi dari data. Sedangkan, Jolliffe (2002) menjelaskan tentang interpretasi dari masing-masing langkah dalam metode PCA, yang juga dijelaskan dalam bahasa yang lebih sederhana pada Prasetyo (2012). Skrip program MATLAB untuk algoritma metode PCA diambil dari jurnal yang ditulis oleh Shlens (2009). Hubungan keterkaitan antara nilai eigen dengan variansi pada metode PCA dijelaskan dalam buku yang ditulis oleh Rencher (2002). Referensi lain yang menjadi bahan pembanding adalah Navarra (2010). Buku ini menjelaskan tentang analisis EOF secara lebih mendalam pada data cuaca. Jurnal lain terkait metode EOF pada data klimat (iklim) yang digunakan adalah Bjornsson (1997). Jurnal ini juga memaparkan skrip program MATLAB untuk algoritma metode EOF. EOF merupakan metode yang konsep dan algoritmanya identik dengan metode PCA. Konsep-konsep aljabar yang digunakan dalam metode ini diambil dari Anton (2000). Adapun konsep-konsep statistika dirujuk dari buku yang ditulis oleh Bain (1992) dan Walpole (2012). 1.6 Metodologi Penelitian Metode yang digunakan dalam pembuatan skripsi ini adalah dengan terlebih dahulu melakukan kajian literatur untuk mencari informasi terkait PCA. Informasiinformasi tersebut berupa konsep-konsep dasar yang digunakan, kajian teoritis, tahapan analisis, dan pengaplikasiannya pada data. Kajian literatur untuk mencari informasi terkait konsep-konsep dasar dari metode PCA dilakukan dengan mencari sumber-sumber referensi berupa buku-buku dari beberapa pengarang. Secara umum, metode PCA menggunakan konsep-konsep dasar pada aljabar dan statistika. PCA merupakan proses transformasi data yang bertujuan untuk melihat pola dominan dari suatu data dengan melakukan reduksi dimensi dari data tersebut. Konsep aljabar yang digunakan terutama adalah konsep nilai eigen dan transformasi linear. Nilai eigen adalah nilai yang merepresentasikan karakteristik dari

5 5 data, sedangkan transformasi linear merupakan konsep dasar yang digunakan dalam mereduksi dimensi dari data. Konsep statistika yang utama digunakan dalam metode PCA adalah konsep rata-rata dan kovariansi. Kedua statistik tersebut mengolah data asli hasil pengamatan menjadi data masukkan (input) di dalam proses analisis menggunakan metode PCA. Referensi berupa buku-buku dan jurnal juga dilakukan untuk mencari informasi terkait kajian teoritis dan tahapan analisis dari metode PCA. Kajian teoritis yang diperoleh berupa dua tujuan utama dari metode PCA, yaitu meminimalkan jarak proyeksi dan memaksimalkan variansi dari data, sedangkan informasi yang dicari terkait tahapan analisis merupakan informasi mengenai interpretasi dari masing-masing tahapan dalam analisis menggunakan metode PCA. Dalam proses pengaplikasian pada data, metode yang digunakan adalah dengan melakukan simulasi terhadap data curah hujan rentang panjang yang diperoleh dari GPCC maupun BMKG pusat. Perhitungan PCs (Principal Components) dari data curah hujan tersebut pada studi kasus dalam skripsi ini dilakukan dengan bantuan aplikasi MATLAB. Proses ini ditempuh dengan menuliskan serangkaian script pada MATLAB mulai dari proses membuka data dengan format tertentu, memasukkan data awal hingga mendapatkan nilai PC dan plot PC-nya. Hal baru yang dipelajari dalam skripsi ini adalah penerapan metode PCA pada kasus data curah hujan rentang panjang, yaitu data curah hujan bulanan wilayah Indonesia selama 110 tahun dan data curah hujan bulanan Kabupaten Gunungkidul, DIY di 18 stasiun hujan selama 11 tahun. Dalam hal ini, metode PCA berperan menentukan curah hujan tertinggi berdasarkan lokasi maupun waktu pengamatan dari data tersebut. 1.7 Sistematika Penulisan Pada penulisan skripsi ini, penulis menggunakan sistematika sebagai berikut. BAB I PENDAHULUAN Pada bab ini dibahas mengenai latar belakang, perumusan dan batasan masalah, tujuan penulisan, metodologi penelitian, dan sistematika penulisan. BAB II DASAR TEORI Pada bab ini dibahas mengenai materi dasar untuk mendukung pokok materi yang dibahas dalam skripsi ini.

6 6 BAB III PRINCIPAL COMPONENT ANALYSIS Pada bab ini dibahas mengenai salah satu teknik yang digunakan dalam menganalisis data cuaca, yaitu Principal Component Analysis (PCA). Secara lebih komprehensif, bab ini menjelaskan pola reduksi dimensi dari data beserta interpretasi data menggunakan PCA. BAB IV STUDI KASUS Pada bab ini dibahas mengenai penggunaan metode Principal Component Analysis pada data curah hujan rentang panjang. Penelitian terkait data curah hujan ini merupakan hasil kerja sama antara pihak UGM dengan Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Pusat. Adapun tujuan utama dalam penelitian ini adalah untuk mengetahui dan menentukan curah hujan tertinggi di Indonesia maupun secara khusus di Kabupaten Gunungkidul, DIY. BAB V PENUTUP Pada bab ini dibahas mengenai kesimpulan dan arah penelitian lanjutan.