4 PRAKIRAAN SUHU MAKSIMUM DAN MINIMUM Pendahuluan Parameter cuaca suhu maksmum dan mnmum merupakan parameter utama yang dprakrakan oleh lembaga pelayanan cuaca dantaranya BMKG. Suhu maksmum adalah suhu udara tertngg yang dcapa selama satu har, sedangkan suhu mnmum adalah suhu udara terendah yang dapat dcapa selama satu har. Suhu udara maksmum d daerah Jabodetabek terjad sektar jam 13 15 WIB sedangkan suhu mnmum terjad sektar jam 03 05 WIB. Man et al. (2003) membangun persamaan regres menggunakan data TOGA dengan semblan grd berukuran 2,5 o 2,5 o tahun 1985 1990 sebaga predktor dan pengamatan suhu sebaga predktan. Pada tahap awal dtentukan predktor yang mungkn dapat dgunakan. Untuk menentukan hasl kombnas lner terbak dar nla-nla predktor d semblan grd sektar lokas stasun, dhtung korelas kanonk antara predktan (Tmaks dan Tmn) d stasun dengan predktor d semblan grd. Kombnas lner terbak yang dhaslkan mempunya korelas maksmum dengan predktan. Untuk mengelmnas predktor yang mempunya nformas redundance dgunakan regres stepwse. Predktor yang berpotens menjelaskan seluruh varan dplh sebaga predktor. Man et al. (2003) melakukan prakraan suhu maksmum dan mnmum menggunakan nterpretas statstk dar luaran model cuaca numers. Dalam peneltannya, dnyatakan bahwa keterbatasan model srkulas umum (GCM) dalam mempredks parameter cuaca permukaan secara akurat memerlukan nterpretas statstk terhadap produk NWP. Sstem untuk mempredks suhu maksmum dan mnmum d 12 lokas d Inda telah dkembangkan dengan pendekatan metoda PPM. Hasl verfkas beberapa model MOS yang dlakukan oleh Man, 2003 menunjukkan nla root mean square error (RMSE) untuk prakraan suhu maksmum har ke-1 sampa ke-4 sektar 1,69 o C - 3,1 o C, sedangkan RMSE prakraan suhu maksmum har ke-1 sampa ke-4 yang dlakukan oleh Federco, 2011 sektar 2,4 o C sampa 2,9 o C. Pada bab n akan dbuat model prakraan suhu udara maksmum dan mnmum d wlayah Jabodetabek (8 lokas stasun) sampa dengan empat har ke depan. Bahan Bahan dan Metoda Bahan yang dgunakan dalam pemodelan n adalah suhu maksmum, mnmum dan NWP perode September 2010 sampa Desember 2012. Data NWP hanya menggunakan grd nomor 29, 30, 31, 37, 38, 39, 45, 46, dan 47. Metode Model statstk dbangun menggunakan data hstors predktor pada waktu t dan predktan pada waktu T. Persamaan regres MOS dan prakraan y p dtuls sebaga berkut (Marzban et al. 2006):
32 Model I : = ( ) + (4.1 ), = ( ) (4.2 ) Model II :, = ( ) + (4.3 ), = ( ) dengan : y : predktan x : predktor o : menyatakan data observas p : menyatakan hasl prakraan m: menyatakan data hasl model t : waktu predktor T: waktu predktan f : fungs persamaan lner dmana parameternya dduga dar data (4.4 ) Pertmbangan penentuan waktu predktan dan predktor djelaskan pada Gambar 4.1. Suhu maksmum umumnya terjad sektar jam 14 WIB atau 07 UTC, sehngga pada penentuan predktor NWP dplh waktu yang palng dekat yatu jam 06 UTC untuk har ke satu, seterusnya jam 30, 54 dan 78 UTC. Suhu mnmum umumnya terjad sektar jam 04 WIB atau 21 UTC, sehngga pada penentuan predktor NWP dplh waktu yang palng dekat yatu jam 18 UTC untuk har ke satu, seterusnya jam 42, 66 dan 90 UTC. Tmaks Dlaporkan 19 L Tmn Dlaporkan 07 L Tmak Tmn t+1 t+2 t+3 07 L 19 L 07 L 19 L 07 L 19 L 07 L 19 L Pengamatan 00 z 12 z 24 z 36 z 48 z 60 z 72 z 84 z NWP y : suhu maksmum (terjad sektar pukul 14.00 WIB / 07.00 UTC) y : suhu mnmum (terjad sektar pukul 04.00 WIB / 21.00 UTC) x : NWP Gambar 4.1. Referens waktu yang dgunakan untuk menentukan predktor dan predktan pemodelan prakraan suhu maksmum dan mnmum
Pemlhan jam predktan dan predktor pada tahap pembangunan dan mplementasa model dapat dlhat pada Tabel 4.1. Prakraan suhu maksmum pada Model I, tahap pembangunan model menggunakan predktan jam 07 UTC dan predktor menggunakan waktu 06 UTC. Sedangkan pada tahap mplementas dgunakan predktor pada jam 30 UTC (atau jam 06 UTC har berkutnya) untuk prakraan har kedua, dan seterusnya menggunakan predktor pada jam 54 UTC dan 78 UTC. Pada Model II, pada tahap pembangunan menggunakan predktor jam 06 UTC, 30 UTC (prakraan jam 06 UTC har berkutnya), 54 UTC dan 78 UTC, demkan pula pada pada tahap mplementas menggunakan waktu yang sama. Prakraan suhu mnmum pada Model I, tahap pembangunan dgunakan predktan jam 21 UTC dan predktor menggunakan waktu 18 UTC. Sedangkan pada tahap mplementas dgunakan predktor pada jam 42 UTC (atau jam 18 UTC har berkutnya) untuk prakraan har kedua, dan seterusnya menggunakan predktor pada jam 66 UTC dan 90 UTC. Pada Model II, pada tahap pembangunan dgunakan predktor jam 18 UTC, 42 UTC (prakraan jam 18 UTC har berkutnya), 66 UTC dan 90UTC, demkan pula pada tahap mplementas menggunakan waktu yang sama. Tabel 4.1. Penentuan waktu (UTC) pada predktan dan predktor pada dua model I dan II Model I Model II Para- Har Pembangunan Implementas Pembangunan Implementas meter Y X X Y X X Tmaks 1 07 *) 6 6 07 *) 6 6 2 - - 30 07 *) 30 30 3 - - 54 07 *) 54 54 4 - - 78 07 *) 78 78 Tmn 1 21 *) 18 18 21 *) 18 18 2 - - 42 21 *) 42 42 3 - - 66 21 *) 66 66 4 - - 90 21 *) 90 90 Ket. : waktu Y berdasarkan tanggal pengamatan, waktu X berdasarkan tanggal nsas NWP, *) waktu perkraan terjad suhu maksmum dan mnmum Pemlhan parameter yang djadkan sebaga predktor sepert pada Tabel 4.2. Semua parameter yang terseda pada GFS dgunakan sebaga predktor dengan alasan agar tdak ada varas data yang tdak masuk dalam model. Alasan n sesua dengan penggunaan metoda yatu PLSR dan PCR. Kedua metoda dmaksudkan untuk menghlangkan faktor multkolonertas. Metoda PCR hanya mengambl komponen utama yang secara kumulatf telah mencapa lebh besar 33
34 dar 90% varas, sedangkan metoda PLSR untuk menghndar varas yang tdak masuk dalam PCR. Tabel 4.2. Predktor untuk model prakraan suhu maksmum dan mnmum Parameter Deskrps Satuan Surf 1000 925 850 700 Heght Geoptental heght m x x x x Tmax Maxmum K x temperature Tmn Mnmum K x temperature T Temperature K x x x x x RH Relatve humdty x x x x U U-component m/det x x x x V V-component m/det x x x x Vvel Vertcal Velocty m/det x x x x Psurf Surface pressure Pa x PRMSL Pressure at mean sea Pa x level Pwat Precptable water mm x Prncpal Component Regresson Salah satu metoda untuk menghlangkan kolnertas peubah bebas X adalah mencar peubah baru sebaga kombnas lner dar X dengan syarat peubah baru tersebut salng ortogonal. Metoda n dsebut metoda PCA atau komponen utama. Regres komponen utama (PCR) adalah analss regres yang menggunakan analss komponen utama dalam menduga koefsen regres. Prosedur n dgunakan untuk memecahkan masalah jka peubah bebasnya mempunya kolnertas. Dalam PCR, komponen yang dplh hanya beberapa komponen yang secara kumulatf telah mempunya keragaman lebh besar dar 90. Persamaan regres asal antara peubah respon Y dengan peubah bebas X adalah sebaga berkut, = + + + + (4.5 ) Msalkan peubah baru K merupakan komponen utama sebaga kombnas lner dar X, maka dapat dbentuk matrks K=AX, sehngga komponen ke-j dapat dtuls sebaga berkut : = + + + (4.6 ) atau =
Msal komponen utama K 1, K 2...K m merupakan komponen yang secara kumulatf mempunya varan lebh dar 90 dan Y adalah peubah respon, maka model regres komponen utama dapat dtuls sebaga berkut : Kalbras dan verfkas model = + + +. + + (4.7 ) Kalbras model untuk menentukan metoda yang tepat untuk setap lokas dan pada tmestep yang berbeda. Kalbras model membandngkan hasl prakraan dan observas pada perode tahun pengembangan model, sedangkan verfkas model adalah untuk membandngkan hasl prakraan dan observas pada perode tga bulan kemudan. Kalbras dan verfkas menggunakan metoda root mean sqare error (RMSE) dan koefsen korelas (r), dengan 35 = = (4.8 ) dengan : e = kesalahan atau galat atau error pada perode ke dengan =1,2,,...n Y = observas (data rl) pada perode ke dengan =1,2,...,n Yˆ = hasl prakraan pada pada perode ke dengan =1,2,,n n= panjang perode = (4.9 ) dengan r ˆ = koefsen korelas antara observas (data rl) dengan hasl prakraan YY Y = observas (data rl) pada perode ke dengan =1,2,..n Y = nla rata rata observas (data real) Yˆ = hasl prakraan pada pada perode ke dengan =1,2,,n Ŷ = nla rata rata hasl prakraan n = panjang perode
36 Model prakraan suhu maksmum Model prakraan suhu maksmum menggunakan metoda PLSR dan PCR, masng-masng dbuat dalam dua model. Model I menggunakan predktor pada waktu yang sama dengan predktan, sedangkan Model II menggunakan predktor pada waktu prakraan NWP, sehngga untuk Model I dperoleh 8 persamaan regres dan Model II sebanyak 32 persamaan untuk masng-masng metoda PLSR dan PCR. Prosedur penentuan predktor merupakan bagan yang pentng pada tahap pembangunan model MOS (Termona dan Deckmyn 2007). Calon predktor yang dgunakan sepert pada Tabel 4.2. Jumlah keseluruhan predktor adalah [30 (parameter level) x 9 grd] atau 270. Pada tahap awal dhtung nla RMSE antara suhu maksmum pengamatan d delapan stasun dengan suhu maksmum NWP d 9 grd untuk data bulan Oktober 2012 sampa Desember 2012. Tahap n adalah pengujan keakuratan secara langsung prakraan luaran NWP terhadap nla pengamatan tanpa menggunakan model statstk. Tabel 4.3 adalah nla RMSE antara suhu maksmum pengamatan d delapan stasun dengan suhu maksmum NWP d grd doman 3 yatu 29, 30, 31, 37, 38, 39, 45, 46, dan 47. RMSE terkecl tercatat antara suhu maksmum prakraan d grd 39 terhadap suhu maksmum d semua stasun, kecual stasun Cteko, rata-rata RMSE sebesar 2,06. Plot data suhu maksmum pengamatan dan suhu maksmum luaran NWP pukul 06 UTC pada grd 39 tersaj pada Lampran 3 dan Lampran 4. Pada plot tersebut tampak bahwa keduanya tdak mempunya pola yang sama, bahkan perbedaan sangat menyolok d stasun Cteko. Secara umum keduanya sangat berbeda pada bulan-bulan Me sampa Nopember atau pada saat musm kemarau. Berdasarkan letak topograf, Cteko yang terletak d kawasan Puncak, Bogor, mempunya ketnggan palng tngg (920 m) dbandngkan dengan stasun lannya (Dramaga Bogor = 207 m). Berdasarkan fakta n terlhat bahwa NWP belum mampu untuk memprakrakan cuaca d tempat yang mempunya sfat ekstrm dbandng sektarnya, dalam hal n terlhat untuk kasus d Cteko. Tabel 4.3. Nla RMSE antara suhu maksmum pengamatan dan NWP ( o C) pada setap ttk grd doman 3 (har ke-1) grd PRI CKG KMO TNG PBT CRG BGR CTK 29 5.4 4.7 5.8 5.2 5.6 5.0 4.4 2.1 30 5.9 5.3 6.4 5.8 6.2 5.6 5.0 2.1 31 8.2 7.6 8.7 8.1 8.5 7.8 7.3 2.2 37 3.6 2.9 3.9 3.3 3.8 3.2 2.6 3.8 38 2.5 1.9 2.8 2.3 2.6 2.1 1.6 5.0 39 1.4 1.5 1.4 1.5 1.3 1.3 1.3 6.8 45 2.9 2.1 3.2 2.5 3.1 2.4 2.0 4.6 46 3.5 2.7 3.8 3.2 3.7 3.0 2.5 3.9 47 3.7 2.9 4.0 3.4 3.8 3.2 2.6 3.7
37 NWP sebaga predktor mempunya korelas antar parameter cuaca, korelas antar grd dan korelas antar level, atau terdapat multkolnertas. Dkarenakan adanya multkolnertas n, maka model yang dgunakan adalah PLSR dan PCR. PLSR dan PCR keduanya menghlangkan faktor multkolnertas dengan cara menghtung komponen utama bak predktor dan predktan untuk PLSR maupun predktor saja untuk PCR. Tabel 4.4 adalah nla egen predktor NWP jam 06 UTC untuk prakraan suhu maksmum Model I dan II serta nla propors varas kumulatfnya. Komponen pertama telah mencapa 98%, dan pada komponen ke lma telah mencapa 100%. Tga komponen utama dsumbang oleh empat parameter utama yatu tekanan udara permukaan laut, tekanan udara permukaan, tngg geopotensal, kelembapan, precptable water (lhat Tabel 4.5. kolom parameter). Area 64 grd yang dgunakan melput sebagan besar wlayah laut (Gambar 3.1), sehngga varas terbesar komponen utama adalah tekanan udara permukaan laut. In menunjukan bahwa srkulas atmosfer dan laut menjad pemcu cuaca d daerah peneltan. Varas angn zonal (U) dan angn merdonal tdak tampak dalam tga komponen utama. Selanjutnya untuk membangun model PCR dgunakan tga komponen utama. Tabel 4.6 adalah prosentase kumulatf dar varas komponen utama pada pemodelan PLSR. X menyatakan peubah NWP sedangkan Y merupakan peubah suhu maksmum. Secara umum, varas peubah X telah mencapa 99% pada tga komponen utama, sedangkan untuk peubah Y hanya mencapa 52% pada sepuluh komponen utama. Selanjutnya untuk membangun model PLSR dgunakan tga komponen utama. Tabel 4.4. Propors kumulatf nla Egen predktor NWP jam 06, 30, 54 dan 78 UTC untuk Model I dan II (Model I menggunakan statstk har ke-1) PC EgenValue Propors Kumulatf (%) Har-1 Har-2 Har-3 Har-4 Har-1 Har-2 Har-3 Har-4 1 473715.7 464554.6 504944.5 511457.2 98 97 98 98 2 4851.6 5079.3 5084.6 508 99 98 99 99 3 3272.7 3411.0 3559.9 3433.2 99 99 99 99 4 1164.3 1217.8 1167.8 1177.9 99 99 99 99 5 868.2 878.9 849.5 757.2 100 100 100 100 6 565.3 554.4 583.9 649.9 100 100 100 100 7 467.0 488.3 446.9 457.2 100 100 100 100 8 327.6 333.7 367.6 372.9 100 100 100 100 9 22 246.7 215.1 254.7 100 100 100 100 10 168.6 191.9 183.1 191.8 100 100 100 100 Tabel 4.5. Parameter penyumbang varas terbesar pada tga komponen utama PC Parameter 1 PRMSL, Psurf, Heght, RH 2 Psurf, RH, PWAT, Heght 3 Psurf, PRMSL, RH, PWAT
38 Tabel 4.6. Persentase kumulatf varas komponen utama pada pemodelan PLSR Har PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 1 X 97 98 99 99 99 99 100 100 Y 15 38 43 47 49 50 51 52 2 X 97 98 99 99 99 99 99 100 Y 16 37 42 46 47 48 49 50 3 X 97 98 99 99 99 99 100 100 Y 17 31 36 38 41 42 43 44 4 X 97 98 99 99 99 99 100 100 Y 17 29 34 37 39 39 40 41 Hasl pemodelan suhu maksmum menggunakan metode PLSR sepert pada Lampran 5 (koefsen regres b 11 sampa b 270 tdak dcantumkan). Tabel 4.7 adalah koefsen determnas (R 2 ) yang menjelaskan sumbangan predktor (NWP) yang dapat menjelaskan predktan (suhu maksmum pengamatan). Nla R 2 berksar antara 33 sampa dengan 64, terendah tercatat d Tangerang har ke tga dan Cengkareng har ke empat dan tertngg tercatat d Bogor har ke satu. Tabel 4.7. Nla R 2 (%) pada pemodelan PLSR Model I dan II (Model I hanya menggunakan statstk har ke-1) Har 1 49 53 42 40 58 50 64 49 2 45 49 39 37 54 51 60 52 3 39 42 35 33 48 44 55 44 4 36 40 33 28 44 42 53 40 Tabel 4.8 dan Tabel 4.9 adalah hasl verfkas model selama tga bulan (Oktober 2012 sampa dengan Desember 2012). Gambar 4.2 dan Gambar 4.3 adalah penggambaran grafs dar nla korelas dan RMSE untuk setap metoda dan model. Korelas yang dmaksud pada tabel tersebut adalah korelas antara prakraan suhu maksmum dengan pengamatan suhu maksmum, sedangkan RMSE adalah nla kesalahan rata-rata dar prakraan suhu maksmum terhadap pengamatannya. Har 1 menyatakan waktu yang dtetapkan sebaga awal prakraan, sedangkan adalah satu har berkutnya, dan seterusnya. Secara umum, pemodelan PLSR Model I dan Model II mempunya tngkat keakuratan yang hampr sama, tdak ada perbedaan yang sgnfkan bak dar nla korelas maupun RMSE-nya. Hal n menunjukkan bahwa predktor luaran NWP menggunakan waktu yang sama dengan predktan (pengamatan) menghaslkan predks yang sama jka menggunakan predktor pada waktu prakraan. Dengan kata lan bahwa tdak perlu menggunakan 32 persamaan model, namun cukup menggunakan delapan persamaan. Hasl pemodelan PLSR bak Model I maupun Model II menunjukkan bahwa makn jauh waktu yang dprakrakan maka tngkat keakuratannya semakn menurun. Hal n dapat dlhat dar nla korelas pada har ke-1 lebh besar dar har ke-2, korelas har ke-2 lebh besar dar har ke-3 dan seterusnya. Demkan
( ) ( ) juga dengan nla RMSE, har ke-1 lebh kecl dar har ke-2, har ke-2 lebh kecl dar har ke-3. Model terbak dcatat d Bogor dan terburuk d Tanjung Prok dan Tangerang. Tabel 4.8. Hasl verfkas prakraan suhu maksmum PLSR Model I dan Model II Model Statstk I II Prak Korelas 0.56 0.59 7 3 0.7 2 0.74 6 8 9 0.53 5 0.5 6 8 9 9 0.53 0.53 0.52 5 5 4 0.34 0.38 0.5 0.51 RMSE 1.64 1.26 1.06 1.06 0.99 1.03 9 ( o C) 1.69 1.26 1.09 1.12 1.12 1.13 0.9 1 39 1.69 1.33 1.18 1.17 1.26 1.12 1.05 1 1.73 1.31 1.17 1.15 1.39 1.23 1.05 1.01 Korelas 0.57 0.58 6 0.38 9 1 0.74 8 0.52 3 0.35 3 0.52 0.72 9 8 9 0.32 0.34 0.54 0.56 2 7 0.32 9 9 6 7 9 2 6 RMSE 1.57 1.23 1.05 1.09 1.01 1.04 0.79 9 ( o C) 1.59 1.21 1.05 1.08 1.12 1.13 2 1.05 1.61 1.29 1.12 1.1 1.23 1.11 0.95 1.04 1.68 1.23 1.11 1.05 1.27 1.11 0.9 1.03 K o r e l a s 0.7 0.5 0.3 0.1 Korelas (PLSR Model I) r-mn 2.0 1.8 1.6 R 1.4 M 1.2 S 1.0 E C RMSE (PLSR Model I) K o r e l a s 0.7 0.5 0.3 0.1 Korelas (PLSR Model II) r-mn 2.0 1.8 1.6 R 1.4 M 1.2 S 1.0 E C RMSE (PLSR Model II) Gambar 4.2. Grafk verfkas prakraan suhu maksmum PLSR Model I dan Model II (r-mn : korelas mnmum pada n=90 dan alpha=5%)
40 Tabel 4.9. Hasl verfkas prakraan suhu maksmum PCR Model I dan Model II Model Statstk I II Prak Korelas 0.58 0.51 3 0.5 3 3 0.71 2 0.56 9 5 3 0.59 0.56 9 0.38 8 5 0.3 1 0.55 0.59 1 0.38 1 0.38 0.17 0.3 1 7 0.54 1 RMSE 1.84 1.51 1.16 1.09 1.12 1.12 0.97 1.06 ( o C) 1.8 1.44 1.12 1.08 1.11 1.1 0.91 1.05 1.82 1.49 1.2 1.1 1.19 1.12 1 1.05 1.84 1.5 1.25 1.1 1.25 1.18 1 1.03 Korelas 0.58 0.51 3 0.5 3 3 0.71 2 0.59 0.5 5 2 1 0.57 0.7 0.38 0.56 9 0.34 1 0.58 5 8 2 2 0.33 9 6 0.58 1 RMSE 1.84 1.51 1.16 1.09 1.12 1.12 0.97 1.06 ( o C) 1.84 1.44 1.11 1.07 1.1 1.13 0.94 1.05 1.89 1.56 1.21 1.13 1.19 1.21 1.05 1.06 1.93 1.6 1.25 1.12 1.24 1.26 1.06 1.07 K o r e l a s 0.7 0.5 0.3 0.1 Korelas (PCR Model I) r-mn R M S E 2.0 1.8 1.6 1.4 1.2 1.0 RMSE (PCR Model I) K o r e l a s 0.7 0.5 0.3 0.1 Korelas (PCR Model II) r-mn Gambar 4.3. Grafk verfkas prakraan suhu maksmum PCR Model I dan II (rmn : korelas mnmum pada n=90 dan alpha=5%) R M S E 2.0 1.8 1.6 1.4 1.2 1.0 RMSE (PCR Model II)
Hasl pemodelan suhu maksmum menggunakan metode PCR sepert pada Lampran 6. Persamaan regres seluruhnya sangat sgnfkan (alpha<1) dan nla R 2 berksar antara 12 sampa dengan 43. Hasl pemodelan PCR n tdak berbeda dengan PLSR. Pemodelan PCR Model I dan II juga mempunya tngkat keakuratan yang hampr sama. Model terbak dcatat d Bogor dan terburuk d Tangerang. Demkan pula dengan keakuratan prakraan har ke-1 lebh akurat dar har ke-2, har ke-2 lebh akurat dar har ke-3 dan seterusnya. Perbedaan RMSE antara prakraan dan observas tanpa pemodelan dan dengan pemodelan cukup sgnfkan yatu rata-rata sebesar 0,8 o C. Rata-rata RMSE tanpa pemodelan (tdak termasuk Cteko) adalah sektar 1,9 o C, sedangkan rata-rata RMSE dengan pemodelan (metoda PCR dan PLSR bak model I atau II) sebesar 1,2 o C. Dengan demkan dengan menggunakan model statstk mampu menngkatkan keakuratan prakraan rata-rata sektar 0,7 o C. Plot suhu maksmum pengamatan dan hasl prakraan metode PCR Model I tersaj pada Lampran 7 dan Lampran 8. Pada plot tersebut umumnya tampak bahwa keduanya mempunya pola yang sama, namun demkan model belum bsa memprakrakan dengan tepat untuk pengamatan yang ekstrm. Hal menark adalah plot pada Tanjung Prok, perbedaan antara pengamatan dan prakraan cukup besar (>2 o C) terjad pada bulan Oktober 2012. Tabel 4.10 bers resume nla RMSE dan korelas prakraan suhu maksmum antara metode PLSR dan PCR, keduanya mempunya hasl yang hampr sama. Statstk (maksmum, mnmum, rata-rata dan standard devas) dar RMSE dan korelas mempunya nla yang hampr sama atau tdak ada yang secara sgnfkan berbeda. Tabel 4.10. Resume nla RMSE dan korelas Model I dan II prakraan suhu maksmum Metode Model RMSE Korelas Maks Mn Rata SD Maks abs(mn) Rata SD PLSR I 1.73 0 1.18 3 0.74 4 6 0.14 II 1.68 0.79 1.14 2 0.74 6 0.50 0.12 PCR I 1.84 0.91 1.24 7 0.71 0.17 8 0.12 II 1.93 0.94 1.26 8 0.71 2 0.50 0.11 Model prakraan suhu mnmum Sebagamana yang dmodelkan pada prakraan suhu maksmum, prakraan suhu mnmum juga dmodelkan dengan dua metode yatu PLSR dan PCR dan masng-masng dbuat dalam dua model yatu Model I dan Model II (persamaan 4.1 sampa 4.4). Tabel 4.11 adalah nla egen predktor NWP jam 18, 42, 66 dan 90 UTC untuk prakraan suhu mnmum Model I dan II serta nla propors kumulatfnya. Komponen pertama telah mencapa 100%. Tga komponen utama dsumbang oleh empat parameter utama yatu suhu permukaan laut, suhu permukaan, kelembapan, tngg geopotensal, dan precptable water (lhat Tabel 4.12 kolom parameter). Selanjutnya untuk membangun model PCR dgunakan tga komponen utama. 41
PC 42 Tabel 4.13 adalah prosentase kumulatf dar varas komponen utama pada pemodelan suhu mnmum dengan metode PLSR. X menyatakan peubah NWP sedangkan Y merupakan peubah suhu maksmum. Secara umum, peubah X telah mencapa 100 pada dua komponen utama, sedangkan untuk peubah Y hanya mencapa 38 pada sepuluh komponen utama. Selanjutnya untuk membangun model PLSR dgunakan tga komponen utama. Tabel 4.14 merupakan nla RMSE antara suhu mnmum pengamatan d delapan stasun dengan suhu mnmum NWP d 9 grd untuk data bulan Oktober 2012 sampa Desember 2012. RMSE terkecl tercatat d grd 37 terhadap suhu maksmum d semua stasun, kecual stasun Cteko. Rata-rata RMSE pada grd 37 sebesar 2,05 o C. Sama sepert pada hasl pemodelan suhu maksmum, bahwa Cteko merupakan lokas dengan hasl RMSE yang sangat berbeda dengan lokas lannya. NWP juga belum mampu untuk memprakrakan suhu mnmum d tempat yang mempunya sfat ekstrm dbandng sektarnya. Tabel 4.11. Nla Eegen predktor NWP jam 18, 42, 66 dan 90 UTC untuk prakraan suhu mnmum Model II (Model I menggunakan statstk har ke-1) EgenValue Propors Kumulatf (%) Har-1 Har-2 Har-3 Har-4 Har-1 Har-2 Har-3 Har-4 1 181881620 2083131230 1759258593 1047305211 100 100 100 100 2 228349 8858 141371 8680 100 100 100 100 3 3463 2812 8479 2862 100 100 100 100 4 1808 1770 2636 1716 100 100 100 100 5 1218 1084 1518 1124 100 100 100 100 6 649 812 1120 793 100 100 100 100 7 493 525 796 668 100 100 100 100 8 307 348 532 463 100 100 100 100 9 218 221 388 262 100 100 100 100 10 174 184 255 222 100 100 100 100 Tabel 4.12. Parameter penyumbang varas terbesar pada tga komponen utama untuk pemodelan suhu mnmum PC Parameter 1 PRMSL, Psurf 2 Psurf, RH, Heght 3 RH, Psurf, PWAT Jka dbandngkan dengan pemodelan suhu maksmum, NWP yang menghaslkan RMSE terkecl untuk suhu mnmum adalah grd 37, sedangkan untuk suhu maksmum pada grd 39. Besaran nla RMSE pada suhu maksmum umumnya lebh besar dar RMSE suhu mnmum. Plot data suhu mnmum pengamatan dan suhu mnmum luaran NWP pukul 18 UTC pada grd 37 tersaj pada Lampran 9 dan Lampran 10. Pada plot tersebut tampak bahwa keduanya tdak mempunya pola yang sama.pada Cteko mempunya pola yang sama, namun error antara keduanya cukup besar yatu sektar 3 o C.
Tabel 4.13. Persentase kumulatf varas komponen utama pada pemodelan PLSR Komponen Har 1 2 3 4 5 6 7 8 1 X 90 91 95 96 98 98 98 99 Y 19 32 32 34 35 36 38 38 2 X 98 100 100 100 100 100 100 100 Y 1 14 15 16 18 21 21 23 3 X 26 100 100 100 100 100 100 100 Y 9 13 14 15 17 20 21 22 4 X 82 100 100 100 100 100 100 100 Y 2 11 12 14 15 18 20 22 Tabel 4.14. Nla RMSE antara suhu mnmum pengamatan dan NWP ( o C) pada setap ttk grd doman 3 (har ke-1) grd 29 2.2 1.6 0.9 1 1 1 1.4 5.4 30 4.3 3.6 2.9 2.8 2.8 1.8 1.3 3.3 31 6 5.3 4.5 4.5 4.4 3.4 2.8 1.6 37 1.2 0.9 1 1.1 1.2 1.9 2.5 6.6 38 1 1.6 1.6 1.8 2.6 3.3 7.4 39 1.4 2 2.8 2.9 3 3.9 4.5 8.6 45 3 3.7 4.4 4.5 4.6 5.6 6.2 10.3 46 2.7 3.4 4.1 4.2 4.3 5.3 5.9 10 47 2.6 3.3 4.1 4.1 4.3 5.2 5.8 10 Hasl pemodelan suhu mnmum menggunakan metode PLSR sepert pada Lampran 11 (koefsen regres b 11 sampa b 270 tdak dcantumkan). Tabel 4.15 adalah koefsen determnas (R 2 ) yang menjelaskan sumbangan predktor (NWP) yang dapat menjelaskan predktan (suhu mnmum pengamatan). Nla R 2 berksar antara 9 sampa dengan 62, terendah tercatat d Tangerang dan Kemayoran har ke empat dan tertngg tercatat d Curug har ke satu. Tabel 4.15. Nla R 2 (%) pada pemodelan PLSR Model I dan II (Model I hanya menggunakan statstk har ke-1) Har 1 26 25 31 26 22 62 42 58 2 15 11 13 9 13 41 31 37 3 12 11 18 9 10 42 29 38 4 14 12 16 11 8 39 29 37 43
44 Verfkas pemodelan dengan metoda PLSR bak untuk Model I atau Model II (Tabel 4.16 dan Gambar 4.4) mengndkaskan bahwa hasl prakraan dapat memperbak prakraan dbandng dengan prakraan langsung menggunakan data NWP. Secara umum metoda PLSR mampu memperkecl RMSE sebesar 1,3 o C, yatu dar rata-rata RMSE sebesar 2,0 o C menjad sektar 0,7 o C. Nla korelas terkecl tercatat pada lokas Tangerang, Pondok Betung dan Kemayoran yatu d bawah 0,2. Sedangkan untuk lokas lan umumnya korelasnya mencapa antara 0,3 sampa dengan 0,56. Nla korelas yang mencolok adalah d Cteko, yatu mempunya korelas tertngg d antara stasun yang lan. Sedangkan nla RMSE antara suhu mnmum Cteko dengan prakraan NWP suhu mnmum pada 9 grd menunjukkan nla yang tertngg. Hal n menunjukkan bahwa pemodelan PLSR dan PCR mampu menngkatkan keterandalan prakraan. Tabel 4.16. Hasl verfkas prakraan suhu mnmum PLSR Model I dan Model II Model Statstk Prak I Korelas 9 0.39 0.16 0.1 7 0.35 0.56 7 0.32 4 5 0.17 5 9 0.53 8 0.32 0.13 5 0 0.39 6 0.52 0.36 4 0.16 9-1 0.5 8 8 RMSE 8 4 8 0.78 0.91 5 6 8 0.71 9 6 1 0.9 7 9 0.5 0.7 7 9 0.79 0.94 9 0.7 0.51 7 6 8 0.7 0.94 4 8 0.53 II Korelas 7 0.39 1 0.15 9 8 0.34 0.54 0.13 0.12 0.18 7 8 7 0.19 0.35 0.13 7 0.1 0 2 0.34 0.16 0.38 1-2 8 0.1 6 0.34 4 6 RMSE 9 3 8 0.78 0.91 4 6 9 0.74 0.93 8 0.92 4 0.71 0.57 0.73 0.94 8 1 0.92 7 0.73 0.55 0.73 0.94 0.75 1 0.91 0.73 0.73 4 Plot suhu mnmum pengamatan dan hasl prakraan metode PCR Model I tersaj pada Lampran 13 dan Lampran 14. Pada plot tersebut umumnya tampak bahwa keduanya mempunya pola yang tdak sama. Hanya d Cteko yang mempunya pola yang sama.
( ) ( ) 45 Korelas (PLSR Model I) RMSE (PLSR Model I) K o r e l a s 0.7 0.5 0.3 0.1 r-mn 2.0 1.8 1.6 R 1.4 M 1.2 S 1.0 E C Korelas (PLSR Model II) RMSE (PLSR Model II) K o r e l a s 0.7 0.5 0.3 0.1 r-mn 2.0 1.8 1.6 R 1.4 M 1.2 S 1.0 E C Gambar 4.4. Grafk verfkas prakraan suhu mnmum PLSR Model I dan II(rmn : korelas mnmum pada n=90 dan alpha=5%) Perbandngan keterandalan prakraan har ke-1, 2, 3 dan 4 menunjukkan umumnya semakn menurun. Korelas verfkas har ke 1 lebh bak dar har-har berkutnya, dan RMSE juga menngkat nlanya pada har-har berkutnya. Namun demkan penurunan keterandalan prakraan tdak sgnfkan, yatu penurunan maksmum nla korelas hanya sektar 0,01 sampa 0,19. Verfkas prakraan Model I secara umum sedkt lebh bak dar Model II. Sehngga dengan menggunakan metoda PLSR tdak dperlukan data prakraan NWP pada tahapan pengembangan. Hal n juga terjad pada pemodelan suhu maksmum. Hasl pemodelan suhu mnmum menggunakan metode PCR sepert pada Lampran 12. Persamaan regres seluruhnya sangat sgnfkan (alpha<1) dan nla R 2 berksar antara 7 sampa dengan 54. Hasl pemodelan PCR n tdak berbeda dengan PLSR. Tabel 4.17 dan Gambar 4.5 menunjukkan bahwa hasl prakraan metoda PCR bak Model I dan II dapat memperbak prakraan dbandng dengan prakraan langsung menggunakan data NWP. Secara umum metode PCR mampu memperbak keakuratan prakraan, yatu dar rata-rata RMSE sebesar 2,0 o C menjad sektar 0,74 o C. Sama dengan prakraan suhu maksmum, verfkas pada prakraan suhu mnmum juga menunjukkan nla korelas terkecl tercatat pada lokas Tangerang, Pondok Betung dan Kemayoran yatu d bawah 0,2. Sedangkan untuk lokas lan umumnya korelasnya mencapa antara 0,3 sampa dengan 0,6. Demkan pula dengan yang terjad d Cteko, nla korelas Cteko mempunya korelas tertngg d antara stasun yang lan. Sedangkan nla RMSE antara suhu mnmum Cteko dengan prakraan NWP suhu mnmum pada 9 grd menunjukkan nla yang tertngg. Hal n menunjukkan bahwa pemodelan PLSR dan PCR mampu menngkatkan keterandalan prakraan.
46 Tabel 4.17. Hasl verfkas prakraan suhu mnmum PCR Model I dan Model II Model Statstk Prak I Korelas 8 0.35 0.19 0.17 7 8 0.31 0.54 0.16 8 0.16 2 0.1 3 7 9 0.17 0 0.12 1-5 0.38 5 7 9 8 0.1 9 0.34 0.33 RMSE 6 2 9 0.78 0.91 6 8 9 0.7 0.9 0.7 2 0.91 0.7 0.7 0.53 9 0.92 0.71 2 0.93 0.71 0.71 0.53 8 0.9 0.74 1 0.9 0.73 0.74 II Korelas 8 0.35 0.19 0.17 7 8 0.31 0.54 0.17 0.12 0.16 0.11 4 8 2 0.38 0.17 5 0.14-1 -1 0.39 0.18 0.38 7-2 0.1 5 8 0.33 1 7 RMSE 6 2 9 0.78 0.91 6 8 9 0.71 0.91 9 0.92 5 0.71 0.56 0.71 0.94 8 0.92 5 0.72 0.55 0.7 0.93 0.71 1 0.9 0.71 0.72 Jka dlhat dar keterandalan prakraan suhu mnmum har ke-1, 2, 3 dan 4 umumnya semakn menurun. Korelas verfkas har ke 1 lebh bak dar har ke- 2, demkan juga seterusnya, dan RMSE juga menngkat nlanya pada har-har berkutnya. Penurunan keterandalan prakraan har ke satu ke har berkutnya tdak sgnfkan, yatu penurunan maksmum nla korelas hanya sektar 0,01 sampa 0,07. Verfkas prakraan Model I secara umum sama dengan Model II. Sehngga dengan menggunakan metoda PLSR dan PCR tdak dperlukan data prakraan NWP pada tahapan pengembangan. Tabel 4.18 bers resume nla RMSE dan korelas prakraan suhu mnmum metode PLSR dan PCR untuk Model I dan II. Dar tabel n menunjukkan bahwa antara metode PLSR dan PCR mempunya hasl yang sama. Statstk (maksmum, mnmum, rata-rata dan standard devas) dar RMSE dan korelas mempunya nla yang hampr sama atau tdak ada yang secara sgnfkan berbeda.
( ) ( ) 47 Korelas (PCR Model I) RMSE (PCR Model I) K o r e l a s 0.7 0.5 0.3 0.1-0.1 r-mn 2.0 1.8 1.6 R 1.4 M 1.2 S 1.0 E C K o r e l a s 0.7 0.5 0.3 0.1-0.1 Korelas (PCR Model II) r-mn 2.0 1.8 1.6 R 1.4 M 1.2 S 1.0 E C Gambar 4.5. Grafk verfkas prakraan suhu mnmum PCR Model I dan II (rmn : korelas mnmum pada n=90 dan alpha=5%) Tabel 4.18. Resume nla RMSE dan korelas Model I dan II prakraan suhu mnmum Metode Model RMSE Korelas Maks Mn Rata SD Maks abs(mn) Rata SD PLSR I 0.94 8 0.72 0.13 0.56 1 8 0.16 II 0.94 9 0.75 0.12 0.54 0 0 0.15 PCR I 0.93 9 0.74 0.12 0.54 5 2 0.16 II 0.94 9 0.74 0.12 0.54 1 0 0.15 Smpulan RMSE (PCR Model II) Luaran NWP khususnya GFS belum mampu memprakrakan suhu maksmum dan mnmum secara tepat untuk tempat yang mempunya karakterstk sangat berbeda dengan wlayah sektarnya. Hal n terlhat pada ketdakakuratan prakraan NWP suhu maksmum dan mnmum d Meteorolog Cteko. Cteko mempunya ketnggan yang berbeda secara sgnfkan terhadap wlayah sektarnya. Pemodelan MOS suhu maksmum menggunakan metoda PLSR dan PCR tdak berbeda, keduanya menunjukkan keakuratan yang sama yatu rata-rata RMSE sebesar 1,2 o C. Pemodelan n mampu menngkatkan keakuratan prakraan NWP sebesar 0,86 o C dar rata-rata RMSE sebesar 2,06 o C menjad 1,2 o C. Pemodelan Model I dan Model II, keduanya menunjukkan keakuratan yang tdak berbeda. Pemodelan prakraan suhu mnmum dengan metode PLSR dan PCR mampu menngkatkan keakuratan sebesar 1,35 o C dar RMSE sebesar 2,05 o C menjad 0,7 o C. Sehngga pemodelan MOS cukup menggunakan luaran NWP pada waktu yang bersamaan dengan observas. Perbedaan yang sgnfkan adalah
48 keakuratan model untuk memprakrakan pada waktu yang akan datang. Prakraan suhu maksmum dan mnmum har ke-1 lebh akurat dbandngkan har ke-2, prakraan har ke-2 lebh akurat har ke-3, dan seterusnya. Perlu dcar metode lan yang mampu menngkatkan keakuratan prakraan terutama yang mampu memprakrakan tujuh har ke depan dengan tngkat keakuratan yang sama.