Abstract:
Penelitian ini dilakukan untuk memprediksi awal musim hujan berdasarkan
prediktor iklim menggunakan beberapa prediktor iklim. Adapun metode yang
digunakan yaitu dengan metode Regresi Linier Berganda (RLB). RLB ialah suatu
metode yang dipergunakan untuk menyatakan pola hubungan antara beberapa variabel
respon dan variabel prediktor. RLB menggunakan OLS memerlukan beberapa uji
asumsi yang harus terpenuhi oleh komponen error dalam model. Ketika asumsi
tidak terpenuhi, maka estimator OLS akan memberikan kesimpulan yakni metode
yang tidak tepat sehingga interpretasi menjadi tidak valid. Salah satu penyebab
terlanggarnya uji asumsi tersebut ialah karena adanya outlier pada amatan. Oleh sebab
itu, diperlukan alternatif metode pendugaan parameter lain yang bisa mengatasi
keberadaan outlier pada data. Metode tersebut ialah regresi robust, yakni metode yang
tidak sensitif terhadap outlier. Tujuan dari penelitian ini untuk menyusun model regresi
linier berganda untuk memprediksi awal musim hujan di Kota Banjarbaru dengan
parameter Suhu Permukaan Laut, Index Monsun, dan Indeks Osilasi Selatan. Hasil dari
penelitian adalah prediksi AMH di Banjarbaru tahun 2011-2020 paling awal terjadi
pada tahun 2016 yaitu AMH jatuh di dasarian ke 26 (September dasarian ke 2),
sedangkan AMH paling lambat terjadi pada tahun 2015, 2018, dan 2019 yang jatuh di
dasarian ke 34 (Desember dasarian ke 1). Secara keseluruhan prediksi awal musim
hujan di Banjarbaru selama 10 tahun dari tahun 2011-2020 dengan menggunakan
prediktor dasarian ke 30 menghasilkan nilai RMSE sebesar 2.1. Hal ini menunjukkan
bahwa nilai error hasil prediksi awal musim hujan ± 2 dasarian yang berarti hasil
prediksi tersebut bisa maju 2 dasarian atau mundur 2 dasarian. Tingkat akurasi hasil
verifikasi yang tergolong “sesuai prediksi” adalah sebanyak 6 kejadian dan yang
“menyimpang prediksi” sebanyak 4 kejadian. Persentase hasil prediksi yang sesuai
prediksi sebesar 60.0%.
Kata Kunci: Curah Hujan, Suhu Permukaan Laut, Iklim, Prediksi, Regresi Linier
Berganda, Regresi Robust, RMSE, RLB, OLS
