ANALISIS POLA DATA KLIMATOLOGI POTENSIAL DENGAN PRINCIPAL COMPONENT ANALYSIS

Abstract

Perubahan iklim global menyebabkan pola curah hujan di berbagai wilayah menjadi semakin kompleks dan sulit diprediksi, termasuk di Jawa Timur. Kompleksitas tersebut menimbulkan tantangan dalam analisis klimatologi karena data curah hujan bersifat multivariat dan memiliki tingkat variabilitas tinggi. Hal ini menyebabkan proses identifikasi faktor dominan yang memengaruhi variasi curah hujan menjadi sulit dilakukan secara langsung. Penelitian ini bertujuan untuk menyederhanakan data curah hujan yang kompleks melalui penerapan metode Principal Component Analysis (PCA) guna memperoleh representasi data yang lebih efisien tanpa kehilangan informasi penting. Data penelitian diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Jawa Timur, khususnya dari Stasiun Sumberpucung dan Karangploso selama periode Januari hingga Desember 2023. Tahapan penelitian meliputi pembersihan data, normalisasi menggunakan Standard Scaler, serta analisis reduksi dimensi menggunakan PCA. Hasil penelitian menunjukkan bahwa dua komponen utama (PC1 dan PC2) mampu menjelaskan 73,33% total variansi data, dengan PC1 sebesar 42,14% dan PC2 sebesar 31,19%. Hasil ini membuktikan bahwa PCA efektif dalam mereduksi enam variabel klimatologis menjadi dua komponen representatif, sehingga dapat digunakan sebagai pendekatan awal yang kuat dalam analisis dan visualisasi pola curah hujan di wilayah Malang.