STATISTICAL DOWNSCALING LUARAN GCM DAN PEMANFAATANNYA UNTUK PERAMALAN PRODUKSI PADI
SUTIKNO
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008
PERNYATAAN MENGENAI DISERTASI DAN SUMBER INFORMASI
Dengan ini saya menyatakan bahwa disertasi “Statistical Downscaling Luaran GCM dan Pemanfaatannya untuk Peramalan Produksi Padi” adalah karya saya sendiri dengan arahan komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan atau tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini.
Bogor, Agustus 2008
Sutikno NIM G 261030021
ii
ABSTRACT SUTIKNO. Statistical Downscaling of GCM Output and Its Application for Estimating Rice Production. Under the direction of RIZALDI BOER, AHMAD BEY, KHAIRIL ANWAR NOTODIPUTRO, and IRSAL LAS Modeling of statistical downscaling (SDM) is to develop the functional relation between GCM outputs (low resolution) and local rainfall (high resolution). The main research questions in this study are: (1) what is the best GCM domain for the study area, (2) how to select good predictors from GCM outputs for the SDM, (3) what statistical downscaling model suit best for the study area. This study suggested that for station located in flat areas and near the sea should use GCM domain of (12x12), while for those located far from sea should use the domain of (3x3). The significant predictors for prediction dry season rainfall were specific humidity, zonal wind component, and geopotential height, whereas for wet season rainfall the significant predictors were precipitable water, zonal wind component and specific humidity. The type of suitable model was hybrid model, a combination of multivariate adaptive splines regression (MARS) and adaptive splines threshold autoregression (ASTAR). This model gave more accurate prediction than the regression principal component analysis (RPCA). This study also evaluates cluster analysis methods for regionalization of the study area into member of rainfall forecast regions (DPM). Result showed that average linkage method appears to be the best method compared to ward and complete linkage. Delineation of the DPM was assisted by elevation and rainfall contour. The resulted DPM is more homogenous than current DPM from BMG. The study also found that rice harvested area in three main rice growing areas of West Java ( Karawang, Subang, and Indramayu) can be estimated from weighted rainfall index (WRI). The models gave estimates errors of harvested area of about 13% for season 1 (Jan to April), 14% for season 2 (May to August), and 47% for season 3 (Sept to Dec). Rice production is estimated by multiplying the estimated harvested area with average yield of rice in the corresponding season. This study indicates that the rice production at district level can be forecasted using the GCM outputs. In which the predictor WRI of the coming seasons is forecasted using SD model and weighing of the area of DPM was conducted. This study also suggests that the rice harvested area can also be forecasted well with SST at Indian and Pacific Ocean. Key words: GCM, statistical downscaling, MARS, cluster analysis, estimation of rice production, WRI, SST.
iii
ABSTRAK SUTIKNO. Statistical Downscaling Luaran GCM dan Pemanfaatannya untuk Peramalan Produksi Padi. Dibimbing oleh RIZALDI BOER, AHMAD BEY, KHAIRIL ANWAR NOTODIPUTRO, dan IRSAL LAS Pemodelan Statistical downscaling (SD) adalah menyusun model hubungan antara luaran GCM (resolusi rendah) dan curah hujan stasiun (resolusi tinggi). Masalah utama dalam penelitian ini adalah: (1) penentuan domain, (2) penentuan peubah penjelas luaran GCM, dan (3) model regresi yang mempunyai akurasi tinggi dalam meramal. Hasil penelitian menunjukkan bahwa ukuran domain grid GCM bergantung pada lokasi stasiun/wilayah curah hujan. Lokasi stasiun di dekat laut/pantai, luas grid (12 x 12) menghasilkan dugaan yang baik, sebaliknya untuk lokasi yang semakin jauh dari laut, dengan topografi datar (flat), luas grid 12x12 kurang memuaskan hasil dugaannya. Peubah penjelas yang berpengaruh terhadap curah hujan adalah kelembaban spesifik, komponen angin zonal, dan ketinggian geopotensial terutama pada musim kemarau. Pada musim hujan, peubah penjelas yang berpengaruh adalah precipitable water, komponen angin zonal, dan kelembaban spesifik. Model SD yang digunakan adalah model hybrid antara regresi splines adaptif berganda (RSAB) dan adaptive splines threshold autoregression (ASTAR). Model hybrid ini berpotensi menghasikan akurasi dugaan yang tinggi. Dalam penelitian ini juga mengkaji analisis kelompok (cluster analysis) untuk membuat pewilayahan iklim atau daerah prakiraan iklim (DPM) di Karawang, Subang, dan Indramyu. Hasil penelitian menunjukkan bahwa metode average linkage mempunyai kinerja yang baik jika dibandingkan dengan metode ward ataupun complete linkage. Dalam pembuatan DPM digunakan pula peta elevasi dan kontur curah hujan. Hasil DPM yang terbangun lebih homogen daripada DPM BMG. Penelitian lainnya adalah membuat model luas panen padi di sentra produksi padi di Jawa Barat (Karawang, Subang dan Indramyu ) dengan menggunakan indeks hujan terboboti (weighted rainfall index: WRI). Kisaran kesalahan model ini adalah 13% untuk periode 1 (Januari-April), 14% untuk periode 2 (MeiAgustus), dan 47% untuk periode 3 (September-Desember). Produksi padi diduga dengan perkalian luas panen dan rata-rata produktifitas pada periode tertentu. Hasil penelitian menunjukkan bahwa produksi padi pada tingkat kabupaten dapat diduga dengan luaran GCM, dimana peubah penjelas WRI masing-masing periode dapat diduga menggunakan model SD dan dilakukan pembobotan dengan luas wilayah DPM. Di samping peubah penjelas WRI, peubah SST di Lautan Hindia dan Pasifik dapat digunakan untuk meramal luas panen di lokasi penelitian. Kata kunci: GCM, statistical downscaling, RSAB, cluster analysis, ramalan produksi padi, WRI, SST.
iv
RINGKASAN SUTIKNO. Statistical Downscaling Luaran GCM dan Pemanfaatannya untuk Peramalan Produksi Padi. Dibimbing oleh RIZALDI BOER, AHMAD BEY, KHAIRIL ANWAR NOTODIPUTRO, dan IRSAL LAS GCM (General Circulation Models) diakui banyak pihak sebagai alat penting dalam upaya memahami sistem iklim, namun beberapa komunitas ilmiah mengungkapkan ketidakpuasannya terhadap kurang memadainya skala ruang prakiraan yang dihasilkan. Salah satu upaya untuk mengatasi masalah tersebut digunakan teknik statistical downscaling (SD). Keuntungan utama teknik ini adalah komputasinya lebih murah dan dapat dengan mudah diaplikasikan pada luaran berbagai simulasi dan eksperimen berbasis GCM. Berbagai teknik SD untuk berbagai kajian iklim telah berkembang di negara-negara lintang tinggi, sedangkan di wilayah lintang rendah (tropik, seperti Indonesia) masih sangat terbatas. Teknik SD yang digunakan beragam berdasarkan region/spasial, temporal, peubah respon, peubah penjelas, dan metode statistik untuk membangun model hubungan skala besar dan skala lokal. Pemodelan SD dapat dilakukan untuk skala titik/stasiun maupun wilayah. Beberapa permasalahan yang muncul dalam pemodelan SD adalah: (1) menentukan domain (grid) dan reduksi dimensi, (2) mendapatkan peubah penjelas yang mampu menjelaskan keragaman peubah lokal, dan (3) mendapatkan metode statistik yang sesuai karakteristik data, sehingga bisa menggambarkan hubungan antara peubah penjelas dan peubah respon, serta dapat mengakomodasi kejadian ekstrim. Pemanfaatan luaran model SD telah digunakan dalam berbagai kajian iklim seperti kajian perubahan iklim, rekonstruksi iklim historis dan berbagai aplikasi lainnya. Dalam penelitan ini akan digunakan sebagai masukan dalam pemodelan peramalan produksi padi dengan menggunakan indeks hujan terboboti (weighted rainfall index: WRI). Tujuan penelitian adalah: (1) menentukan luasan dan lokasi grid domain GCM yang optimum untuk penyusunan pemodelan SD, (2) menentukan peubah penjelas GCM yang berpengaruh terhadap curah hujan pada wilayah penelitian, (3) membangun model SD dengan menggunakan metode regresi splines adaptif berganda (RSAB), (4) mengkaji analisis kelompok (cluster analysis) untuk membuat daerah prakiraan musim (DPM), dan (5) mengembangkan model produksi padi dengan menggunakan modifikasi indeks hujan terboboti. Hasil penelitian menunjukkan bahwa luasan grid yang menghasilkan kinerja baik bergantung pada lokasi stasiun. Untuk lokasi stasiun di dekat laut/pantai, luas grid (12x12) cenderung semakin baik hasil dugaan modelnya, sebaliknya untuk lokasi yang semakin jauh dari laut, dengan topografi datar (flat), luas grid (12x12) kurang memuaskan. Peubah penjelas yang berpengaruh terhadap curah hujan adalah kelembaban spesifik, komponen angin zonal, dan ketinggian geopotensial terutama pada musim kemarau. Pada musim hujan, peubah penjelas yang berpengaruh adalah precipitable water, komponen angin zonal, dan kelembaban spesifik. v
Model untuk musim kemarau mempunyai tingkat ketepatan lebih tinggi daripada musim hujan, baik model regresi splines adaptif berganda (RSAB) maupun regresi komponen utama (RKU). Metode RSAB mempunyai kinerja yang lebih baik daripada metode RKU, sehingga berpotensi mendapatkan hasil dugaan dengan ketepatan tinggi. Model hybrid antara RSAB dan adaptive splines threshold autoregression (ASTAR) akan meningkatkan ketepatan dugaan, pada kondisi autokorelasi yang kuat. Dalam penelitian ini pula disimpulkan bahwa metode average linkage mempunyai potensi yang lebih baik untuk menghasilkan zona prakiraan iklim (DPM) yang homogen jika dibandingkan dengan metode ward dan complete linkage. Untuk menentukan batasan daerah prakiraan iklim dan luasannya perlu dilakukan overlay (tumpah-tindih) peta elevasi, peta kontur curah hujan, sehingga didapatkan DPM yang semakin homogen. Kesimpulan lain dalam penelitian ini adalah hasil ramalan luas panen padi periode 2 (Mei-Agustus) lebih baik daripada periode 1 (Januari-April) dan periode 3 (September-Desember) baik menggunakan peubah WRI maupun peubah gabungan SST Nino 3.4, DMI, rasio LT/LB. Periode 2 merupakan masa tanam kedua yang sangat rentan terhadap kesediaan air (terutama air hujan). Rataan kesalahan ramalan luas panen dari nilai aktualnya dengan peubah WRI periode 1, 2, dan 3, masing-masing secara berurutan adalah 13%, 14%, dan 47%, sementara peubah penjelas SST Nino 3.4, DMI, rasio LT/LB adalah 27%, 12%, dan 49%. Ramalan produksi per periode merupakan perkalian antara ramalan luas panen dan produktifitas per masing-masing periode. Ramalan per tahun merupakan penjumlahan dari ketiga periode. Kisaran kesalahan ramalan produksi padi per tahun mencapai 10%-11% dari nilai aktualnya. Pengembangan model WRI dapat digunakan sebagai peramalan produksi padi terutama untuk level kabupaten. Model ramalan produksi padi dengan peubah WRI dapat menggunakan masukan curah hujan dari hasil keluaran pemodelan SD.
vi
© Hak Cipta milik IPB, tahun 2008 Hak Cipta dilindungi Undang-Undang 1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya: a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah, dan b. Pengutipan tersebut tidak merugikan kepentingan yang wajar IPB. 2. Dilarang mengumumkan atau memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB.
vii
STATISTICAL DOWNSCALING LUARAN GCM DAN PEMANFAATANNYA UNTUK PERAMALAN PRODUKSI PADI
SUTIKNO
Disertasi sebagai salah satu syarat untuk memperoleh gelar Doktor pada Program Studi Agroklimatologi Departemen Geofisika dan Meteorologi
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008
viii
Judul Disertasi Nama
: Statistical Downscaling Luaran GCM dan Pemanfaatannya untuk Peramalan Produksi Padi : Sutikno
NRP
: G 261030021
Disetujui Komisi Pembimbing
Dr. Ir. Rizaldi Boer, M.Sc Ketua
Prof. Dr. Ir. Ahmad Bey, M.Sc Anggota
Prof. Dr.Ir.Khairil Anwar Notodiputro, MS Anggota
Prof (R).Dr.Ir. Irsal Las, MS Anggota
Diketahui Ketua Program Studi Agroklimatologi
Dekan Sekolah Pascasarjana Dekan
Dr. Ir. Sobri Effendy, M.Si Tanggal Ujian: 24 Juli 2008
Prof. Dr.Ir.Khairil Anwar Notodiputro, MS Tanggal Lulus: ix
PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya sehingga disertasi ini berhasil diselesaikan. Penelitian ini dilaksanakan sejak Desember 2005 dengan judul Statistical Downscaling Luaran GCM dan Pemanfaatannya untuk Peramalan Produksi Padi. Terima kasih penulis ucapkan kepada Bapak Dr.Ir. Rizaldi Boer, M.Sc Bapak Prof. Dr. Ir Ahmad Bey, M.Sc, Bapak Prof. Dr. Ir. Khairil Anwar Notodiputro, MS dan Bapak Prof (R). Dr. Ir. Irsal Las, MS atas bimbingan, arahan, dan kritik, serta saran selama penelitian. Tak lupa penulis ucapkan terima kasih kepada: 1. Pimpinan Institut Teknologi Sepuluh Nopember Surabaya yang telah memberikan ijin untuk melanjutkan studi di Sekolah Pascasajana IPB. 2. Pimpinan Sekolah Pascasarjana, Ketua Program Studi Agroklimatologi dan staf pengajar serta karyawan yang telah memberikan layanan pengajaran dan administrasi dengan baik. 3. Kepala Laboratorium Klimatologi dan teman-teman di Labklim yang selalu memberikan bantuan dalam penelitian. 4. Kepala UP3D LPPM ITS dan teman-teman yang selalu memberikan dukungan selama studi di IPB. 5.
Bapak Ir. Sigit Purnomo, M.Si, Bapak Ir. Aries Pramudia, M.Si, dan Bapak Urip Haryoko, S.Si, M.Si atas bantuannya untuk mendapatkan data.
6. Saudara Muhammad Taufik, S.Si, Ahmad Faqih, S.Si yang memberikan bantuan dengan sabar. 7. Kedua orang tua, istri, kedua putra, dan seluruh keluarga penulis yang senantiasa memberikan semangat dan do’a yang tulus. Penulis menyadari sepenuhnya bahwa disertasi ini masih jauh dari sempurna. Namun demikian penulis berharap karya ini dapat bermanfaat bagi pihak-pihak lain yang membutuhkannya. Bogor, Agustus 2008 Sutikno x
RIWAYAT HIDUP Penulis dilahirkan di Lamongan pada tanggal 13 Maret 1971, sebagai anak ketiga dari pasangan Boenasah (alm) dan Painten. Pendidikan sarjana ditempuh di Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember Surabaya (ITS), lulus tahun 1996. Pada tahun 1999 penulis diterima di Program Studi Statistika pada Sekolah Pascasarjana IPB, dan menyelesaikannya pada tahun 2002. Setahun berikutnya, penulis mendapatkan kesempatan melanjutkan program doktor pada Program Studi Agroklimatologi Sekolah Pascasarjana IPB, dengan beasiswa Due-Like diperoleh dari Direktorat Jendral Pendidikan, Diknas. Saat ini penulis bekerja sebagai staf pengajar pada Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember Surabaya (ITS). Penulis menikah dengan Titik Indahyani dan dikaruniai dua orang anak, yaitu Tino Ali Iqbal Mahmud dan Tino Zaidan Hazim. Selama mengikuti program S3, penulis telah menghasilkan beberapa karya ilmiah yang telah dipublikasikan dalam seminar nasional, dan sebagian dipublikasikan dalam jurnal ilmiah nasional. Karya-karya ilmiah tersebut adalah: 1. Sutikno, Boer R, Bey A, Notodiputro KA, Las I. 2007. Evaluasi Zona Prakiraan Iklim (ZPI) untuk Kabupaten Karawang, Subang, dan Indramayu dengan Pendekatan Analisis Kelompok. Buletin Meteorologi dan Geofisika 3(4): 365-379. 2. Sutikno, Bey A. 2003. Analisis Peluang untuk Memprediksi Kejadian Iklim Ekstrim.“Studi kasus: Distribusi Curah hujan di Subang, Karawang, dan Indramayu”. Jurnal Agromet Indonesia. 17(1-2):62-72. 3. Sutikno, Boer R. 2004. Model Prediksi Curah Hujan dengan Regresi Splines Adaptif Berganda . Jurnal Agromet Indonesia. 18(1):36-52. 4. Sutikno, Boer R. 2004. Penggunaan Adaptive Splines Threshold Autoregression (ASTAR) Untuk Menduga Indeks ENSO. Prosiding Seminar Nasional Matematika, Udayana-Bali. Juli 2004. 5. Sutikno, Boer R. 2005. Penggunaan Regresi Splines Adaptif Berganda, Regresi Komponen Utama, dan Jaringan Syaraf Tiruan untuk xi
Statistical Downscaling GCM. Prosiding Seminar Nasional Statistika VII FMIPA ITS. 26 Nopember 2005. 6. Sipayung SB, Avia LQ, Dasanto BD, Sutikno. 2007. Analisis Pola Curah Hujan Indonesia Berbasis Luaran Model Sirkulasi Global (GCM). Jurnal Sains Dirgantara. 4(2):145-154. 7. Sutikno, Boer R, Bey A, Notodiputro KA, Las I. 2008. Penentuan Domain (Grid) GCM CSIRO-Mk3 untuk Pemodelan Statistical Downscaling. Di Dalam Suhardi et al. Editor. Prosiding Jurnal Scientific BMG 2007. hlm 35-40.
xii
DAFTAR ISI Halaman DAFTAR TABEL ........................................................................................
xv
DAFTAR GAMBAR ...................................................................................
xvii
DAFTAR LAMPIRAN .................................................................................
xix
1. PENDAHULUAN 1.1 Latar Belakang ……………………………………………………... 1.2 Kerangka Pemikiran ........................................................................... 1.3 Tujuan Penelitian …………………………………………………... 1.4 Manfaat Penelitian ………………………………………………….. 1.5 Ruang Lingkup …………………………………………………....... 1.6 Sistematika Penulisan .........................................................................
1 4 7 7 7 7
2. PEMODELAN STATISTICAL DOWNSCALING 2.1 Model Sirkulasi Umum (General Circulation Models:GCM) ........... 2.2 Definisi Downscaling .........................................................................
9 10
3. PEMANFAATAN INFORMASI IKLIM UNTUK PENYUSUNAN MODEL PRODUKSI PERTANIAN 3.1 Model ramalan tanpa indikator iklim : Model BPS ........................... 3.2 Model ramalan dengan indiator iklim ................................................
15 16
4. PENENTUAN DOMAIN GRID GCM UNTUK STATISTICAL DOWNSCALING 4.1 Pendahuluan ..................................................................................... 4.2 Bahan dan Metode .............................................................................. 4.3 Hasil dan Pembahasan ........................................................................ 4.4 Simpulan ............................................................................................
19 20 23 25
5. HUBUNGAN ANTARA PEUBAH-PEUBAH PENJELAS GCM CSIRO Mk3 DAN CURAH HUJAN BULANAN 5.1 Pendahuluan .................................................................................... 5.2 Bahan dan Metode .............................................................................. 5.3 Hasil dan Pembahasan ........................................................................ 5.4 Simpulan .............................................................................................
27 28 31 35
6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM 6.1 Pendahuluan .................................................................................... 6.2 Bahan dan Metode ............................................................................. 6.3 Hasil dan Pembahasan ....................................................................... 6.4 Simpulan ............................................................................................
36 41 43 55
7. EVALUASI ZONA PRAKIRAAN IKLIM (ZPI) BMG DENGAN PENDEKATAN ANALISIS KELOMPOK 7.1 Pendahuluan ....................................................................................
57 xiii
7.2 7.3 7.4
Bahan dan Metode .............................................................................. Hasil dan Pembahasan ........................................................................ Simpulan .............................................................................................
59 64 73
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan .................................................................................... 8.2 Bahan dan Metode .............................................................................. 8.3 Hasil dan Pembahasan ........................................................................ 8.4 Simpulan .............................................................................................
74 75 77 91
9. PEMBAHASAN UMUM 9.1 Pemodelan statistical downscaling .................................................... 9.2 Model ramalan produksi padi ............................................................
92 94
10. SIMPULAN DAN SARAN 10.1 Simpulan ............................................................................................ 10.2 Saran ...................................................................................................
96 97
DAFTAR PUSTAKA ..................................................................................
98
LAMPIRAN ...................................................................................................
104
xiv
DAFTAR TABEL Halaman 1 Deskripsi, kelebihan, dan kelemahan metode downscaling GCM ………………………………………………….......................
2
2 Skala grid model-model GCM dan negara yang mengembangkannya ..........................................................................
10
3 Kelebihan dan kelemahan utama metode SD ……………………......
13
4 Peubah penjelas yang di ambil dari model CSIRO-Mk3 dan pengkodingan ............................................................................................
20
5 Nilai RMSEP, korelasi validasi model menurut luasan grid dan stasiun .................................................................................................
23
6 Nilai minimum, maksimum, rataan, dan simpangan baku RMSEP, MAEP, dan korelasi validasi model masing-masing grid ...............
24
7 Keragaman yang dapat dijelaskan oleh komponen utama menurut peubah GCM .................................................................................
32
8 Peringkat peubah penjelas yang terpenting (berpengaruh) terhadap peubah respon menurut stasiun …………………………………….
33
9 Nilai basis fungsi (BF), maksimum interaksi (MI), minimal observasi di setiap subregion (Min.obs), dan besarnya nilai penalty (γ) yang menghasilkan nilai R2, dan R2 terkoreksi tinggi (model optimum) menurut musim dan stasiun .............................................
43
10 Sidik ragam model RSAB musim hujan (A) dan musim kemarau (B) Stasiun Indramayu .......................................................................
45
11 Nilai observasi dan hasil dugaan model RSAB dan RKU di stasiun Indramayu (tahun 1999) .....................................................................
51
12 Nilai autokorelasi (ACF), Ljung Box Q (LBQ), dan p-value pada masing-masing lag menurut musim dan stasiun ...............................
52
13 Model sisaan (ASTAR) menurut musim dan stasiun .........................
54
14 Nilai RMSEP, MAEP, korelasi (r) menurut model non hybrid dan model hybrid ...............................................................................
55
15 Nilai RMSEP, MAEP, dan korelasi (r) per musim menurut model non hybrid dan model hybrid ...........................................................
56
16 Lokasi stasiun penelitian ....................................................................
61
17 Nilai loading komponen utama yang tidak dirotasi (A) dan dirotasi varimax (B) ........................................................................................
64
xv
18 Nilai simpangan baku dalam kelompok (Sw) dan antar kelompok (SB) masing-masing PC .......................................................................
66
19 Kode stasiun yang dilakukan pengelompokkan ulang menurut zona ......................................................................................
69
20 Nilai simpangan baku dalam kelompok (Sw) dan antar kelompok (SB) masing-masing PC menurut ZPI BMG dan ZPI Revisi .............
73
21 Periode data dan sumber data menurut peubah yang digunakan .......
75
22 Nilai rataan, simpangan baku, minimum, dan maksimun produksi padi, produktifitas, dan luas panen per periode menurut kabupaten ...
78
23 Nilai korelasi antara anomali luas panen dan WRI per periode menurut kabupaten .............................................................................
83
24 Koefisien regresi dengan peubah penjelas WRI menggunakan metode kuadrat terkecil, nilai R2, dan koefisien deret waktu model anomali luas panen .............................................................................
84
25 Koefisien regresi dengan peubah penjelas WRI menggunakan metode robust , nilai R2, dan koefisien deret waktu model anomali luas panen ...........................................................................................
84
26 Nilai loading komponen utama yang dirotasi periode 1 (A), periode 2 (B), dan periode 3 (C) .....................................................................
86
27 Koefisien regresi komponen utama dengan metode kuadrat terkecil, nilai R2, dan koefisien deret waktu model anomali luas panen ...
88
28 Koefisien regresi komponen utama, nilai R2, dan koefisien deret waktu model anomali luas panen dengan metode robust ..................................................................................................
88
39 Nilai ramalan produksi padi dan aktual per tahun dengan menggunakan peubah penjelas WRI (A) dan SST, DMI, LT/LB (B) ...
91
xvi
DAFTAR GAMBAR Halaman 1 Diagram alir kerangka penelitian ……………...................................
6
2 Keterkaitan antar bab dalam penulisan disertasi ................................
8
3 Ilustrasi downscaling ..........................................................................
10
4 Penentuan domain grid; 3x3 (A), 8x8 (B), dan 12x12 (C) .................
21
5 Diagram alir untuk menentukan luasan grid/domain .........................
22
6 Nilai RMSEP, MAEP, dan korelasi validasi model menurut stasiun dan luasan grid ...................................................................................
25
7 Lokasi penelitian (stasiun) dan pola hujan rataan bulanan ................
29
8 Diagram alir penentuan peubah GCM yang paling berpengaruh terhadap curah hujan ..........................................................................
31
9 Vektor angin 850 mb DJF (a), MAM (b), JJA (c), dan SON (d) .......
34
10 Truncated linear fungsi basis ..............................................................
38
11 Ilustrasi tahapan pembentukan fungsi basis .......................................
39
12 Nilai RMSEP, MAEP, dan korelasi (r) dengan panjang data untuk validasi model : 6 bulan (a) dan 12 bulan (b) ....................................
47
13 Plot antara nilai observasi dan nilai dugaan metode RSAB dan RKU ............................................................................................
48
14 Nilai RMSEP, MAEP, dan korelasi (r) menurut stasiun dan metode .........................................................................................
50
15 Plot antara residual dan urutan observasi untuk pendeteksian autokorelasi ........................................................................................
53
16 Zona prakiraan iklim di Jawa Barat, Banten, dan DKI Jakarta ..........
57
17 Lokasi stasiun penelitian dan ZPI BMG ............................................
59
18 Scree-plot (untuk menentukan jumlah PC yang optimum) ................
65
19 Nilai Pseudo F menurut jumlah kelompok .........................................
65
20 Pola sebaran kelompok stasiun menurut metode: ward (A), complete (B), dan average (C) ..........................................................................
67
21 Kontur PC dan nilai keragamannya ...................................................
68
22 Plot skor PC1 dan skor PC2 (A), skor PC1 dan skor PC3 (B), skor PC1 dan skor PC4 (C), skor PC2 dan skor PC3 (D), skor PC2 dan skor PC4 (E), skor PC 3 dan skor PC4 (F) .........................................
70
23 Zona prakiraan iklim hasil revisi (ZPI revisi) ....................................
73 xvii
24 Diagram alir pengembangan model produksi padi dengan menggunakan modifikasi indeks hujan terboboti ...............................
76
25 Produksi padi (sawah dan ladang) per subround di Jawa Barat dan 3 kabupaten (Indramayu, Subang, dan Karawang) ...............................
77
26 Produksi padi per tahun Kabupaten Indramayu, Subang dan Karawang dan plot deret waktu anomali SST Nino 3.4, dan DMI (Keterangan: El-Nino (---), La-Nina ( ) ..........................................
79
27 Diagram pencar antara WRI dan anomali luas panen Kabupaten Indramayu (I), Subang (II), dan Karawang (III) menurut periode: pertama (a), kedua (b), dan ketiga (c) ................................................
81
28 Nilai RMSEP model anomali luas panen per periode menurut peubah penjelas WRI dan SST, DMI, LT/LB ....................................
89
29 Validasi model luas panen dan produksi per periode dengan WRI (a) dan SST, DMI, LT/LB (b) .................................................................
90
xviii
DAFTAR LAMPIRAN Halaman 1 Daftar Istilah ......................................................................................
104
2 Pemrosesan data GCM ………………………………………….......
105
3 Peubah penjelas, peubah respon, dan waktu yang digunakan dalam pemodelan SD (fungsi transfer) menurut lokasi ......................
113
4 Urutan peubah penjelas GCM yang terpenting dan nilai GCV menurut musim dan stasiun ................................................................
114
5 Keragaman yang dijelaskan oleh setiap komponen utama masingmasing peubah penjelas ………………..............................................
118
6 Korelasi antara peubah penjelas (GCM) dan peubah respon .............
119
7 Nilai RMSEP, MAEP, korelasi, dan besarnya penalty validasi model menurut musim dan stasiun ................................................................
123
8 Masukan model ASTAR ....................................................................
124
9 Program RSAB dengan menggunakan MARS vr 2.0 ........................
125
10 Model RSAB ......................................................................................
126
11 Nilai F (Pseudo F) menurut jumlah kelompok ...................................
128
12 Kontur rataan tinggi curah hujan bulanan ..........................................
129
13 Peta elevasi Kabupaten Subang, Kerawang, dan Indramayu .............
130
14 Daftar stasiun menurut ZPI hasil revisi (R_ZPI) ...............................
131
15 Nilai korelasi antara luas panen dan SST, DMI, LT/LB per periode menurut kabupaten .............................................................................
134
xix
Penguji Luar Komisi Pembimbing pada Ujian Tertutup: Dr. Edvin Aldrian, B.Eng, M.Sc Penguji Luar Komisi Pembimbing pada Ujian Terbuka: 1. Dr.Ir. Aji Hamim Wigena, M.Sc 2. Dr. Dodo Gunawan
xx
