Model Prakiraan Curah Hujan Bulanan di 10 Kabupaten

PERFORMA MODEL PRAKIRAAN CURAH HUJAN BULANAN DI 10 KABUPATEN Oleh Woro Estiningtyas Balitklimat Online

Validasi model prakiraan curah hujan bulanan dibahas dalam tulisan ini, dengan pendekatan metode Filter Kalman, serta dibandingkan dengan 4 metode lain, yaitu : ARIMA, ANFIS,Transformasi Wavelet dan ANFIS ITB yang merupakan hasil dari validasi model iklim multi teknik kerjasama dengan Badan Meteorologi dan Geofisika. Sepuluh kabupaten yang tersebar di Propinsi Jawa Barat, Jawa Tengah, Bali, Jawa Timur dan Kalimantan Selatan digunakan sebagai lokasi studi, masing-masing dengan 3 hingga 4 tipe hujan di setiap kabupaten. Parameter yang digunakan untuk melihat performa model adalah koefisien korelasi validasi (r) dan Root Mean Square Error (RMSE). Data yang digunakan untuk validasi adalah data curah hujan bulanan tahun 2005. Hasil validasi dengan metode filter Kalman menunjukkan bahwa model yang paling banyak digunakan untuk menghubungkan SST Nino 3.4 sebagai input dan curah hujan sebagai output adalah model Output Error (OE). Nilai koefisien korelasi (r) menunjukkan bahwa nilai r tertinggi sebesar 0,89; dan yang terendah sebesar -0,83. Untuk nilai RMSE terendah sebesar 60,4 dan yang tertinggi sebesar 185. Untuk sebaran performa kalman filter mempunyai r diatas 0,8 sebesar 32,3% dan r dibawah 0,5 sebesar 16,1%. Untuk data RMSE dibawah 100 sebesar 46,9% dan diatas 150 sebesar 18,8%. Sebaran ini menunjukkan bahwa performa kalman filter untuk memprediksi curah hujan cukup baik. Validasi beberapa metode prediksi hujan bulanan menghasilkan nilai koefisien korelasi (r) > 0,75 masing-masing adalah: ARIMA 32%, ANFIS 11%, WAVELET 14%, Filter Kalman 38% dan ANFIS-ITB 30%. Sedangkan untuk nilai RMSE < 100%, masing-masing model menghasilkan persentase : ARIMA 19%, ANFIS 11%, WAVELET 8%, Filter Kalman 38% dan ANFIS-ITB 30%. Dari dua parameter yang dibandingkan tersebut mengindikasikan bahwa model filter Kalman menghasilkan performa yang cukup baik. 

Kata kunci: Filter Kalman, SST Nino 3.4, curah hujan, validasi, ANFIS, Transformasi Wavelet