Penulis: Jumadi, Danardono, Efri Roziaty; Agus Ulinuha, Supari, Lam Kuok Choy, Farha Sattar, Muhammad Nawaz
Prediksi curah hujan spasio-temporal yang andal merupakan elemen kunci dalam mitigasi bencana dan pengelolaan sumber daya air di wilayah tropis yang dinamis, seperti Daerah Aliran Sungai (DAS) Bengawan Solo. Namun, variabilitas iklim yang tinggi serta keterbatasan data sering kali menjadi tantangan utama dalam meningkatkan akurasi model prediksi konvensional.
Penelitian ini mengusulkan pendekatan inovatif melalui penerapan ensemble stacking, yang mengombinasikan berbagai model machine learning seperti Random Forest (RF), Extreme Gradient Boosting (XGB), Support Vector Regression (SVR), Multi-Layer Perceptron (MLP), Light Gradient Boosting Machine (LGBM), serta model deep learning seperti Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), Temporal Convolutional Networks (TCN), Convolutional Neural Network (CNN), dan arsitektur Transformer. Seluruh model dibangun menggunakan data bulanan Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS) periode 1981–2024.
Kebaruan penelitian ini terletak pada eksplorasi sistematis berbagai skenario pengombinasian model, baik model klasik maupun deep learning, serta evaluasi kinerjanya dalam memproyeksikan curah hujan untuk periode 2025–2030. Seluruh model dasar dilatih menggunakan data periode 1981–2019 dan divalidasi dengan data tahun 2020–2024, sementara metode ensemble stacking dikembangkan menggunakan meta-learner regresi linear.
Hasil penelitian menunjukkan bahwa skenario ensemble terbaik mampu menurunkan nilai MAE hingga 53,735 mm dan RMSE hingga 69,242 mm, serta meningkatkan nilai koefisien determinasi (R²) menjadi 0,795826, yang lebih baik dibandingkan seluruh model individual. Analisis spasial dan temporal juga memperlihatkan kinerja model yang konsisten pada sebagian besar lokasi dan periode waktu. Proyeksi curah hujan tahunan untuk periode 2025–2030 selanjutnya diinterpolasi menggunakan metode Inverse Distance Weighting (IDW) untuk menghasilkan peta distribusi curah hujan spasio-temporal.
Peningkatan akurasi ini memberikan dasar ilmiah yang kuat bagi kesiapsiagaan bencana, pengelolaan banjir dan kekeringan, serta perencanaan sumber daya air yang berkelanjutan di DAS Bengawan Solo. Selain itu, pendekatan yang dikembangkan dalam penelitian ini menunjukkan potensi transferabilitas yang tinggi untuk diterapkan di wilayah lain yang sensitif terhadap perubahan iklim dan memiliki keterbatasan data.
Selengkapnya artikel dapat di baca disini