Electronic Theses and Dissertation

Curah hujan merupakan parameter iklim yang sangat dibutuhkan dan berpengaruh secara signifikan terhadap berbagai sektor, salah satunya sektor pertanian. Oleh karena itu, diperlukan pembuatan prakiraan curah hujan yang tepat akurat guna memudahkan pekerjaan baik dalam sektor pertanian maupun sektor lainnya. Penelitian ini bertujuan untuk membuat pemodelan curah hujan di kabupaten Aceh Besar dengan menggunakan data Suhu Permukaan Laut (SPL) wilayah Indonesia yang dibatasi oleh 10LU – 15LS dan 90BT – 145BT untuk setiap bulan (Januari s/d Desember) dengan periode data 10 tahun yaitu tahun 2010 – 2019. Hasil penelitian dengan analisis korelasi menunjukan adanya hubungan yang signifikan antara curah hujan Aceh Besar dengan anomali SPL Indonesia pada bulan Januari hingga Desember dengan nilai korelasi positif tertinggi yaitu sekitar 0.7 – 0.9 dengan wilayah yang bervariasi untuk setiap bulannya. Selanjutnya dibangun model dengan mengunakan data SPL dari wilayah yang berkorelasi paling tinggi untuk setiap bulannya dengan menggunakan metode Principal Component Regression (PCR). Hasil validasi model menunjukan bahwa pola prakiraan curah hujan yang dihasilkan cukup mendekati pola curah hujan observasinya dengan nilai RMSE sebesar 37.1 atau sekitar 19.5%.

Kata Kunci : Curah Hujan, Suhu Permukaan Laut (SPL), Korelasi, Principal Component Regression (PCR)

Rainfall is a climate parameter that is needed and has a significant effect on various sectors, one of which is the agricultural sector. Therefore, it is necessary to make accurate and precise rainfall forecasts in order to facilitate work both in the agricultural sector and other sectors. This study aims to make rainfall modeling in Aceh Besar district using Sea Surface Temperature (SST) data for the Indonesian region which is limited by 10N – 15S and 90E – 145E for each month (January to December ) with a data period of 10 years, namely 2010 - 2019. The results of the research using correlation analysis show a significant relationship between Aceh Besar rainfall and Indonesia SST anomalies in January to December with the highest positive correlation value of around 0.7 - 0.9 with varying areas for each month. Then a model was built using SST data from the region with the highest correlation for each month using the Principal Component Regression (PCR) method. The results of the model validation show that the resulting rainfall forecast pattern is quite close to the observed rainfall pattern with an RMSE value of 37.1 or about 19.5%. Keyword : Rainall, Sea Surface Temperature (SPL), Correlation, Principal Component Regression (PCR)