7. EVALUASI ZONA PRAKIRAAN IKLIM (ZPI) BMG DENGAN PENDEKATAN ANALISIS KELOMPOK

Transkripsi

1 7. EVALUASI ZONA PRAKIRAAN IKLIM (ZPI) BMG DENGAN PENDEKATAN ANALISIS KELOMPOK 7. Pendahuluan Banyak penelitian klimatologi yang bertujuan membuat kelompok stasiun/wilayah perkiraan iklim. Penggunaan data kelompok stasiun lebih menguntungkan daripada data masing-masing individu stasiun. Salah satu keuntungan data kelompok stasiun adalah data lebih homogen. Data pengamatan stasiun seringkali tidak homogen, karena adanya penggantian alat pengamatan (instrumentasi), perpindahan lokasi stasiun pengamatan, dan pengaruh urbanisasi (Bunkers et al. 996). BMG telah melakukan pengelompokkan iklim (pola curah hujan) dengan membuat zona prakiraan iklim (ZPI) pada tahun 6, yang sebelumnya dinamakan daerah prakiraan iklim (DPM). Untuk Propinsi Jawa Barat, Banten, dan DKI Jakarta terbagi atas zona (Gambar 7.). Khusus Kabupaten Karawang, Subang, dan Indramayu terbagi atas ZPI. Pembagian zona tidak dibatasi oleh wilayah administrasi kabupaten atau kota, sehingga dalam satu zona tertentu bisa mencakup beberapa kabupaten/kota. Sementara Wigena (6) 7, 8, : nomor zona prakiraan iklim Gambar 7. Zona prakiraan iklim di Jawa Barat, Banten, dan DKI Jakarta (Sumber: BMG 6).

2 8 mendapatkan DPM untuk Kabupaten Indramayu. Kedua penelitian (BMG 6; Wigena 6) menghasilkan jumlah kelompok prakiraan musim yang sama khususnya untuk Kabupaten Indramayu, namun luasan dan lokasi kelompok yang dihasilkan berbeda. Analisis kelompok seringkali digunakan untuk mengelompokkan stasiun. Beberapa penelitian menggunakan analisis ini untuk mengelompokkan stasiun, seperti: BMG ; Wigena 6. Secara umum terdapat dua tahapan dalam mengelompokkan daerah prakiraan iklim (stasiun), yaitu: () mereduksi dimensi karena redudansi peubah dengan menggunakan analisis komponen utama dan () melakukan analisis kelompok. Dalam analisis kelompok, pemilihan matriks jarak seringkali digunakan jarak Euclidean dan Mahalanobis (Gong dan Richman 99). Pengelompokkan stasiun dengan analisis komponen utama dan menggunakan jarak Euclidean, maka pada dasarnya sama dengan menggunakan jarak Mahalobis dari data yang tidak distandardisasi (Mimmack et al. ). Lebih jauh, Mimmack et al. () menyimpulkan bahwa penggunaan jarak Mahalanobis akan tepat untuk mengelompokkan stasiun, dengan menggunakan komponen utama, asalkan menggunakan input data yang tidak distandarkan (untuk satu peubah) atau menggunakan input ragam-koragam. Metode penggabungan yang seringkali digunakan adalah complete linkage, average linkage, Ward s (Bunkers et al. 996); complete linkage (BMG ); Ward s dan Centroid (Wigena 6). Bunkers et al. (996) menyimpulkan bahwa average linkage mempunyai kinerja yang baik. Sementara itu Gong dan Richman (99) menyimpulkan metode Ward s mempunyai kinerja yang baik diantara metode-metode hierarkhi lainnya. Banyaknya metode dan prosedur dalam analisis kelompok seringkali menyulitkan dalam proses pemilihannya. Seperti pemilihan matriks jarak, hierarkhi atau nonhierarkhi, dan metode penggabungan. Dalam penelitian ini akan mengevaluasi ZPI BMG khusus Kabupaten Karawang, Subang dan Indramayu dengan menggunakan analisis kelompok. Lebih khusus, akan dikaji penggunaan beberapa metode analisis kelompok berhierarkhi (complete linkage, average linkage, dan Ward s).

3 9 7. Bahan dan Metode Bahan Data curah hujan bulanan yang digunakan adalah stasiun-stasiun di wilayah Kabupaten Karawang, Subang, dan Indramayu sebanyak stasiun. Periode data curah hujan antar stasiun cukup beragam mulai tahun 9- (lihat Tabel 7.). Lokasi stasiun selengkapnya disajikan pada Gambar 7.. Gambar 7. Lokasi stasiun penelitian dan ZPI BMG. Metode Analisis Data curah hujan merupakan hasil rataan bulanan dari masing-masing stasiun yang tersedia series datanya (non-missing). Dari peubah curah hujan (Januari-Desember) dilakukan reduksi dimensi dengan menggunakan analisis komponen utama agar tidak terjadi redudansi antar peubah. Input matriks yang digunakan adalah nilai korelasi. Penentuan banyaknya komponen utama digunakan scree plot. Untuk memperjelas keterkaitan antara peubah asal dengan komponen utama dilakukan rotasi varimax.

4 6 Langkah selanjutnya adalah memilih metode analisis kelompok. Analisis kelompok yang digunakan adalah berhierarkhi dengan metode average, complete, dan ward. Matriks jarak yang digunakan adalah jarak Euclidean dari peubah rotasi komponen utama (skor faktor). Banyaknya kelompok pada masing-masing metode diidentifikasi melalui analisis ragam (uji F) dan dendogram. Beberapa penelitian yang menggunakan uji F dalam penentuan banyak kelompok diantaranya: Bunkers et al. 996; (Mather 976; Ronberg dan Wang 987; Stooksbury dan Michaels 99; David dan Kalkstein 99), diacu dalam Gong dan Richman 99. Untuk melihat kinerja ketiga metode tersebut digunakan kriteria dua nilai simpangan baku, yaitu dalam kelompok (S w ) dan antar kelompok (S B ) (Bunkers et al. 996). S K w = K S k k = (7.) Dimana, K adalah banyaknya kelompok yang terbentuk dan S k merupakan simpangan baku kelompok ke-k. Dimana, K ( K ) ( X X ) / S B = k (7.) k = X k adalah rataan kelompok ke-k dan X rataan keseluruhan kelompok. Semakin kecil nilai S w dan semakin besar nilai S B, maka metode tersebut memiliki kinerja yang baik, artinya mempunyai homogenitas yang tinggi. Dengan kata lain metode yang dipilih adalah metode yang mempunyai nilai S w yang minimum dan nilai S B yang maksimum. Nilai S w dan S B yang akan dihitung dari masing-masing peubah skor komponen utama (PC). Untuk menentukan luasan kelompok (zona) yang terbentuk digunakan bantuan peta kontur (elevasi stasiun pengamatan) dan kontur dari masing-masing skor komponen utama (PC). Untuk melakukan evaluasi kinerja daerah prakiraan iklim BMG (ZPI) dan zona hasil analisis kelompok (zona revisi) akan digunakan kriteria simpangan baku dalam kelompok (pers. 7.) dan antar kelompok (pers. 7.).

5 6 Tabel 7. Lokasi stasiun penelitian Kabupaten Stasiun Lintang (Selatan) Bujur (Timur) Kode Periode data (bulanan) Karawang Karawang , 9-97, 97- Karawang Petaruman , 9-966, Karawang Plawad , 9-966, 97- Karawang Rengasdengklok , 9-97, 976- Karawang Gempollor , 9-97, 97- Karawang Pacing , 9-97, 97- Karawang Cibuaya , 9-97, Karawang Batujaya , 9-97, 97- Karawang Telukbango , 9-97, Bekasi Telukbuyung , 9-97, 97- Karawang Pengakaran , 9-97, Karawang Pedes , 9-96, , , 998- Karawang Rawamerta , Karawang Pondokbalas , 9-97, Karawang Cibadar , 96-97, 97- Karawang Ceuplik Karawang Rawagempol Karawang Peundeuy Karawang Cilamaya , 9-968, 97- Karawang Rawagempol , 9-97, 97- Karawang Pasirukeum , 9-97, 97- Karawang Tempuran/BR Karawang Telukjambe , Karawang Gebangmalang Karawang Pegadungan Karawang Telagasari , , 979- Karawang Gempolhaji , 9-967, Karawang Walahar , 9-97, Karawang Leuweung S , 9-969, Karawang Dawuhan , 9-97, Karawang Pangkalan , 97-97, 979 Karawang Jatisari , 9-97, Karawang Telar , 9-97, Karawang Cikalong , 9-97, Karawang Cikampek , 9-97, Karawang Kopo , 9-97, Karawang Purwasari Karawang Cilentah Karawang Citapen Karawang Talenpare/BTP

6 6 Tabel 7. Lokasi stasiun penelitian (lanjutan) Kabupaten Stasiun Lintang Bujur Periode data Kode (Selatan) (Timur) (bulanan) Purwakarta Barugbug , 9-97, Subang Ciasem Subang KarangToman Subang Rancabango Subang Pamanukan , 9-97, 98- Subang Cigadung Subang Cibandung Subang BojongKeding Subang Pawelutan Subang Jatiroke Subang Tambakdahan Subang Wanasari Subang Tanjungsari Subang SalamDarma , 9-98, 96, 968, Subang Cipeundeuy Subang Ponggang Subang Pagaden , 978- Subang Subang , 9-97, , 98- Subang Dangdeur , 9-96, 977- Subang Cinangling Subang Curugagung Subang Ciseuti Subang Kasomalang , 9-97, 97- Subang Sindanglaya Subang Pusakanagara , 9-97, 96-96, , 978, Subang Karanganyar Subang Cigugur Subang Sukamandi , 9-98, , 97-98, Subang Tanjung , 9-98, 96-97, Purwakarta Pundong , Subang Ciberes

7 6 Tabel 7. Lokasi stasiun penelitian (lanjutan) Kabupaten Stasiun Lintang Bujur Periode data curah hujan Kode (Selatan) (Timur) (bulanan) Indramayu Anjatan Indramayu Bangkir , 9-97, , 978- Indramayu Bantarhuni , 9-97, Indramayu Bondan Indramayu Bugel , 9-97, 97- Indramayu Bugis , Indramayu Bulak , 9-97, , 97- Indramayu Cidempet , 98- Indramayu Cikedung , 97-97, 97- Indramayu Cipancuh , 9-96, 98-96, , 979- Indramayu Gabuswetan Indramayu Gantar , , Indramayu Indramayu , 9-96, , 97- Indramayu Jatibarang , , 978- Indramayu Juntinyuat , 9-969, 97- Indramayu Karangasem Indramayu Kedokanbunder Indramayu Kertasemaya , 9-97, 97- Indramayu Krangkeng Indramayu Kroya Indramayu Lohbener Indramayu Losarang , 9-97, 99-97, 97- Indramayu Luwungsemut , 9-96, , 98- Indramayu Sudikampiran Indramayu Sudimampir Indramayu Sukadana Indramayu Sukra , 9-97, Indramayu Sumurwatu , 9-97, 97- Indramayu Tamiyang Indramayu Tugu Indramayu Tulangkacang Indramayu Ujungaris , 99- Indramayu Wanguk

8 6 7. Hasil dan Pembahasan Komponen utama Berdasarkan scree plot menunjukkan bahwa terdapat komponen utama yang terbentuk dengan total keragaman 9% (Gambar 7.). Keragaman masingmasing PC, PC, PC, dan PC yang tidak dirotasi (A) secara berurutan 8%, 9.%,.%, dan,%. Masing-masing PC (A) yang dihasilkan masih belum jelas menggambarkan karakteristik tertentu. Hasil rotasi PC (B) memperjelas karakteristik dari masing-masing PC (Tabel 7.). PC menggambarkan bulan-bulan musim transisi (Maret-Mei dan Oktober-Desember), mampu menjelaskan keragaman sebesar %. PC mempunyai keragaman %. PC lebih menggambarkan puncak musim hujan (Januari, Pebruari). PC menggambarkan awal musim kemarau (Juni, Juli, Agustus), keragaman yang bisa dijelaskan sebesar 7%. PC mempunyai keragaman sebesar %, yang menunjukkan puncak musim kemarau (September). Tabel 7. Nilai loading komponen utama yang tidak dirotasi (A) dan dirotasi varimax (B) Peubah PC PC PC PC PC PC PC PC (A) (B) Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Akar ciri Proporsi keragaman Kumulatif keragaman.9.9 Angka yang dicetak bold menunjukkan nilai loading tertinggi pada masing-masing PC

9 6 Gambar 7. Scree-plot (untuk menentukan jumlah PC yang optimum). Analisis kelompok Langkah awal untuk menguji kinerja ketiga metode pengelompokkan, dilakukan penentuan jumlah kelompok. Untuk menentukan jumlah kelompok dilakukan simulasi mulai sampai dengan kelompok. Identifikasi penentuan jumlah kelompok yang digunakan dalam menghitung simpangan baku dalam dan antar kelompok adalah nilai F (Pseudo F) pada analisis ragam. Semakin besar nilai F berarti semakin besar perbedaan rataan antar kelompok. 8 6 Nilai Pseudo F 8 6 Ave Comp Ward Jml Kelompok Gambar 7. Nilai Pseudo F menurut jumlah kelompok.

10 Berdasarkan nilai F yang tertinggi, metode ward menghasilkan kelompok, metode complete 6 kelompok, dan average 9 kelompok (Gambar 7.). Namun untuk perhitungan simpangan baku dalam dan antar kelompok digunakan jumlah kelompok dengan nilai F tertinggi masing-masing PC. Besarnya nilai F setiap metode untuk masing-masing PC sangat beragam (Lampiran ). Nilai simpangan baku dalam dan antar kelompok juga dihitung berdasarkan jumlah kelompok yang sama, yaitu kelompok. Meskipun jumlah kelompok yang dihasilkan berbeda, namun pola sebaran kelompok stasiun dari ketiga metode pengelompokkan di beberapa lokasi sama. Seperti kelompok stasiun di Karawang bagian barat laut, Subang bagian selatan, dan Indramayu bagian timur mempunyai anggota kelompok yang sama. Berdasarkan besarnya simpangan baku dalam kelompok menunjukkan tidak terdapat metode yang paling baik. Metode average dan complete mempunyai nilai yang hampir sama. Berbeda dengan simpangan baku antar kelompok, metode average menunjukkan nilainya konsisten tinggi (Tabel 7.). Hasil ini mendukung penelitian Bunkers et al. (996), yang menyimpulkan metode average mempunyai kinerja yang lebih baik dari metode hierarkhi lainnya. Tabel 7. Nilai simpangan baku dalam kelompok (S w ) dan antar kelompok (S B ) masing-masing PC Jumlah Kelompok # Simpangan baku PC PC PC PC Average A S w S BB B S w S BB Complete A S w.6... S BB B S w S BB Ward A S w S BB.9... B S w S BB # Kode A menunjukkan banyaknya kelompok ditentukan berdasarkan nilai F tertinggi pada masing masing PC, kode B menunjukkan jumlah kelompok yang digunakan adalah sama untuk setiap PC. 66

11 67 (A) (B) (C) Gambar 7. Pola sebaran kelompok stasiun menurut metode: ward (A), complete (B), dan average (C).

12 68 Langkah selanjutnya adalah menentukan luasan zona prakiraan. Identifikasi awal dilakukan dengan menggunakan banyaknya kelompok yang dihasilkan dari metode average, yaitu 9 kelompok (Gambar 7.c). Pengelompokan ulang (re-grouping) dilakukan pada kode stasiun sama (dalam satu kelompok) yang memencil (outlier) pola sebarannya. Untuk membantu pengelompokkan digunakan peta kontur elevasi (Lampiran ), peta kontur masing-masing PC (Gambar 7.6) dan peta kontur rataan tinggi hujan bulanan (Lampiran ). Di samping itu identifikasi pengelompokkan ulang digunakan plot skor komponen utama. (a) PC:.7% (b) PC:.7% (c) PC: 6.9% (d) PC: % Gambar 7.6 Kontur PC dan nilai keragamannya. Gambar 7.7a-7.7f menunjukkan bahwa beberapa kode stasiun dapat dilakukan pengelompokan ulang. Seperti pada zona kode stasiun dilakukan pengelompokkan dengan kode (Gambar 7.7a). Zona meliputi Karawang bagian Utara dan Barat laut yang berhadapan langsung dengan Laut Jawa. Zona yang tidak mengalami pengelompokkan ulang (Tabel 7.). Zona mempunyai ciri yang agak khusus, yaitu tidak terdapat perbedaan yang nyata tinggi hujan antara

13 69 musim hujan dan kemarau. Rataan tinggi hujan puncak musim kemarau sebesar mm (Gambar 7.7c, 7.7e dan 7.7f). Menurut BMG (6) zona ini dikatakan sebagai wilayah yang tidak mempunyai ZPI (non-zpi). Pada zona, kode stasiun,, 6, 7, 8,, dan dilakukan pengelompokkan dengan kode (Gambar 7.7a dan 7.7b). Pada zona ini membentang dari bagian Barat dan Tengah Karawang, bagian Utara Karawang dan Subang, serta bagian utara Indramayu. Pada luasan zona ini yang nampak jelas perbedaan dengan ZPI BMG. Luasan zona ini lebih luas cakupannya daripada ZPI BMG. Zona meliputi Indramayu bagian timur yang berbatasan dengan Cirebon. Kode stasiun yang masuk pada zona ini adalah,8, dan 9. Zona meliputi Subang bagian Tengah dan Timur, bagian Selatan Indramayu. Kode stasiun yang termasuk dalam zona ini adalah dan 6 (Gambar 7.7a, 7.7b, dan 7.7c). Zona 6 adalah wilayah Subang bagian Selatan, yang mempunyai tinggi hujan yang relatif tinggi baik terutama pada musim hujan dan musim transisi. Yang membedakan zona ini dengan zona lain adalah topografinya. Pada zona ini banyak pegunungan. Kode stasiun yang masuk dalam zona ini adalah,,, dan (Gambar 7.7a, 7.7b, dan 7.7c). Zona 7 terdapat di Indramayu bagian Timur laut, dimana zona ini berhadapan dengan laut, sehingga mempunyai iklim yang berbeda dengan zona lainnya. Stasiun yang termasuk dalam zona ini adalah dan 7 (Gambar 7.7a). Hasil pengelompokkan ulang menghasilkan 7 kelompok yang selanjutnya dinamakan ZPI hasil revisi (Gambar 7.8) dan nama stasiun selengkapnya disajikan pada Lampiran. Tabel 7. Kode stasiun yang dilakukan pengelompokkan ulang menurut zona Zona Kode stasiun Kode stasiun Keterangan awal dominan Zona, Kode sebanyak Zona 9 9 Zona,,,6,7, 8,, dan Kode sebanyak ; sebanyak ; 6 sebanyak ; 7 sebanyak ; 8 sebanyak ; sebanyak ; sebanyak Zona,8, 9 9 Kode sebanyak ; 8 sebanyak Zona, 6 Kode 6 sebanyak Zona 6,,, Kode sebanyak ; sebanyak ; sebanyak Zona 7,7 Kode 7 sebanyak

14 7 (A) PC PC 9 (B) PC PC Gambar 7.7 Plot skor PC dan skor PC (A), skor PC dan skor PC (B), skor PC dan skor PC (C), skor PC dan skor PC (D), skor PC dan skor PC (E), skor PC dan skor PC (F) (Keterangan: angka menunjukkan kode kelompok hasil metode average linkage dengan 9 kelompok).

15 7 (C ) PC PC (D) PC PC Gambar 7.7 Plot skor PC dan skor PC (A), skor PC dan skor PC (B), skor PC dan skor PC (C), skor PC dan skor PC (D), skor PC dan skor PC (E), skor PC dan skor PC (F) (Keterangan: angka menunjukkan kode kelompok hasil metode average linkage dengan 9 kelompok) (lanjutan).

16 7 (E) PC PC (F) PC PC Gambar 7.7 Plot skor PC dan skor PC (A), skor PC dan skor PC (B), skor PC dan skor PC (C), skor PC dan skor PC (D), skor PC dan skor PC (E), skor PC dan skor PC (F) (Keterangan: angka menunjukkan kode kelompok hasil metode average linkage dengan 9 kelompok) (lanjutan).

17 7 Gambar 7.8 Zona prakiraan iklim hasil revisi (ZPI revisi). Berdasarkan nilai simpangan baku antar kelompok nampak bahwa ZPI revisi lebih konsisten tinggi jika dibandingkan dengan ZPI BMG (Tabel 7.). Namun simpangan baku dalam kelompok belum menunjukkan perbedaan yang nyata. Tabel 7. Nilai simpangan baku dalam kelompok (S w ) dan antar kelompok (S B ) masing-masing PC menurut ZPI BMG dan ZPI Revisi Simpangan baku PC PC PC PC PC PC PC PC ZPI BMG ZPI Revisi S w S B Simpulan. Metode average linkage mempunyai potensi yang lebih baik untuk menghasilkan zona prakiraan iklim yang homogen jika dibandingkan dengan metode ward dan complete linkage.. Homogenitas iklim hasil zona revisi (ZPI revisi) lebih baik daripada ZPI BMG.