PENERAPAN GENERALIZED ADDITIVE MODELS DENGAN AUTOKORELASI DALAM PEMODELAN ANOMALI SUHU PERMUKAAN LAUT

Anomali Suhu Permukaan Laut (AnoSPL) di Samudera Hindia, atau yang lebih sering disebut dengan Indian Ocean Dipole (IOD) merupakan salah satu parameter yang mempengaruhi kondisi iklim di Indonesia khususnya di pulau Sumatera. AnoSPL juga erat kaitannya dengan kejadian iklim ekstrim. Terdapat beberapa fitur iklim utama yang mempengaruhi AnoSPL diantaranya suhu udara, curah hujan, kelembaban relatif, kecepatan angin, dan radiasi matahari. Analisis yang mengkaji kejadian-kejadian iklim ekstrim dibutuhkan untuk memperkecil dampak buruk karena adanya kejadian AnoSPL tersebut. Salah satu metode untuk pendugaan model dalam kajian ekstrim adalah Generalized Additive Models (GAM) dengan autokorelasi. Metode GAM dapat mengakomodasi dengan baik adanya pengaruh non linier antar variabel respon dengan variabel prediktor. Data yang digunakan dalam penelitian ini merupakan data deret waktu dimana residual antar pengamatan saling berkorelasi dari waktu ke waktu. Data yang digunakan merupakan data harian dari tahun 2006 s.d. 2017 dan terdapat gap didalamnya. Tujuan dari penelitian ini adalah untuk mendapatkan model yang representatif berdasarkan pola dari kejadian AnoSPL, mengetahui faktor-faktor yang berpengaruh terhadap AnoSPL, serta mengetahui perbandingan antara data ramalan dengan data aktual. Hasil yang diperoleh menunjukkan bahwa model terbaik GAM dengan autokorelasi adalah model GAM dengan memasukkan variabel bulan dan tahun dengan struktur autokorelasi bulan. Faktor yang berpengaruh terhadap AnoSPL adalah suhu udara, bulan, dan tahun. Hasil ramalan untuk AnoSPL tahun 2018 yang diperoleh menjauhi data aktual namun memiliki fluktuasi yang sama dengan data AnoSPL aktual. Namun dengan menggunakan data tahun 2015 s.d. 2017 diperoleh hasil ramalan telah mendekati data aktual dengan empat ukuran akurasi peramalan terendah yaitu MSE sebesar 0,256, MSLE sebesar 0,307, RMSE sebesar 0,506, dan RMSLE sebesar 0,553. Berdasarkan hal tersebut maka dapat disimpulkan bahwa gap pada data mempengaruhi urutan waktu sehingga mempengaruhi hasil peramalan dari model GAM dengan autokorelasi dalam penelitian ini.Kata kunci: AnoSPL, IOD, fitur iklim, GAM dengan autokorelas