PERBANDINGAN PREDIKSI CURAH HUJAN KUMULATIF BULANAN DENGAN VARIASI WAKTU JEDA (TIME LAG)

ABSTRAK Peningkatkan akurasi pada prediksi curah hujan kumulatif bulanan sangat penting dilakukan terutama pada wilayah NON ZOM (Non Zona Musim), mengingat curah hujan mempengaruhi terhadap berbagai sektor kehidupan. Salah satu cara untuk meningkatkan akurasi prediksi curah hujan kumulatif bulanan adalah dengan menggunakan metode regresi linier. Terdapat banyak pilihan metode regresi linier untuk prediksi curah hujan, metode yang sering digunakan antara lain adalah regresi linier berganda dan regresi stepwise. Data curah hujan dasarian yang digunakan adalah 3 titik pos hujan dari tahun 1996 – 2016 dengan prediktor suhu muka laut dan air mampu curah (precipitable water). Penelitian ini menggunakan variasi waktu jeda (time lag) untuk mendapatkan nilai prediksi curah hujan kumulatif terbaik berdasarkan nilai RMSE pada waktu jeda tertentu. Masing – masing metode regresi kemudian digunakan untuk melakukan simulasi prediksi curah hujan kumulatif bulanan tahun 2017 – Februari 2019. Hasil prediksi menggunakan metode regresi linier berganda secara umum menujukkan nilai RMSE terendah pada waktu jeda 1 bulan. Untuk hasil prediksi menggunakan metode regresi stepwise secara umum nilai RMSE terendah terjadi pada waktu jeda simultan. Kata kunci: curah hujan; stepwise; time lag; RMSE ABSTRACT Increasing accuracy in predicting monthly cumulative rainfall is very important especially in the NON ZOM area, considering that rainfall affects various sectors of life. One way to improve the accuracy of predictions of monthly cumulative rainfall is to use the linear regression method. There are many choices of linear regression methods for rainfall prediction, methods that are often used include multiple linear regression and stepwise regression. The dasarian rainfall data used are 3 rain post points from 1996-2016 with predictors of sea surface temperature and precipitable water. This study uses a time lag to get the best cumulative rainfall prediction value based on the RMSE value at a certain time interval. Each regression method is then used to simulate monthly cumulative rainfall prediction for 2017 - February 2019. Prediction results using multiple linear regression methods generally show the lowest RMSE value at 1month time lag. For prediction results using the stepwise regression method in general the lowest RMSE value occurs at the time of simultaneous time lag. Keywords: rainfall; stepwise; time lag; RMSE