Book Detail

JURNAL PREDIKSI CURAH HUJAN BULANAN STASIUN BMKG DI PROVINSI BENGKULU MENGGUNAKAN TEKNIK DOWNSCALLING STATISTIK

Author(s)
: Dodo Gunawan
PUNGKY SAIFUL AKBAR
Edition
:
Call Number
: 551.6 AKB j
ISBN/ISSN
:
Subject(s)
: CURAH HUJAN BULANAN
Downscaling Statistik
CFSv2
PLSR
Clasification
: 551.6 AKB j
Series Title
:
GMD
: Compact Disc
Language
: Indonesia
Publisher
: STMKG
Publishing Year
: 2015
Publishing Place
: Jakarta
Collation
: PDF download
Specific Detail Info
: PDF download
File Attachment
:
Availibilty
: JURPDFK00028.1   My Library   : Available
Prediksi curah hujan merupakan informasi yang penting dan dibutuhkan di berbagai bidang. Untuk itu perlu dilakukan peningkatan akurasi prediksi curah hujan dengan berbagai teknik. Salah satunya dengan menggunakan data Climate Forecast System version 2 (CFSv2) untuk dijadikan model prediksi curah hujan bulanan. Informasi CFSv2 merupakan informasi berskala global dan memiliki resolusi yang masih rendah, maka diperlukan suatu teknik downscaling untuk mendapatkan informasi kondisi lokal suatu daerah. Metode Partial Least Square Regression (PLSR) digunakan dalam pemodelan Statistical Downscalling untuk mereduksi dimensi dan mengatasi masalah multikolinieritas. Model optimal yang dibentuk dari input data CFSv2 Analaysis dan curah hujan bulanan observasi adalah model dengan menggunakan dua komponen utama. Sedangkan variabel iklim yang paling berpengaruh pada kedua komponen tersebut adalah variabel gradien angin zonal dan temperatur 850 mb. Berdasarkan nilai korelasi dan RMSE, prediksi curah hujan bulanan paling bagus dilakukan di Stasiun Meteorologi dan Geofisika dengan nilai korelasi di atas 0.9 dan nilai RMSE berturut-turut 67 dan 106, lebih baik daripada prediksi curah hujan bulanan di Stasiun Klimatologi Bengkulu dengan nilai korelasi 0.65 dan RMSE 129. Kata Kunci : Downscaling Statistik, Curah Hujan Bulanan, CFSv2, PLSR.

Prediksi curah hujan merupakan informasi yang penting dan dibutuhkan di berbagai bidang. Untuk itu perlu dilakukan peningkatan akurasi prediksi curah hujan dengan berbagai teknik. Salah satunya dengan menggunakan data Climate Forecast System version 2 (CFSv2) untuk dijadikan model prediksi curah hujan bulanan. Informasi CFSv2 merupakan informasi berskala global dan memiliki resolusi yang masih rendah, maka diperlukan suatu teknik downscaling untuk mendapatkan informasi kondisi lokal suatu daerah. Metode Partial Least Square Regression (PLSR) digunakan dalam pemodelan Statistical Downscalling untuk mereduksi dimensi dan mengatasi masalah multikolinieritas. Model optimal yang dibentuk dari input data CFSv2 Analaysis dan curah hujan bulanan observasi adalah model dengan menggunakan dua komponen utama. Sedangkan variabel iklim yang paling berpengaruh pada kedua komponen tersebut adalah variabel gradien angin zonal dan temperatur 850 mb. Berdasarkan nilai korelasi dan RMSE, prediksi curah hujan bulanan paling bagus dilakukan di Stasiun Meteorologi dan Geofisika dengan nilai korelasi di atas 0.9 dan nilai RMSE berturut-turut 67 dan 106, lebih baik daripada prediksi curah hujan bulanan di Stasiun Klimatologi Bengkulu dengan nilai korelasi 0.65 dan RMSE 129. Kata Kunci : Downscaling Statistik, Curah Hujan Bulanan, CFSv2, PLSR.

PDF download

Peminjam Aktif

  • Boby Christian Sinaga ( 78 )
  • Lisnawati ( 77 )
  • BIMA TRI ARIYANTO ( 74 )
  • Hanif Kurniadi ( 71 )
  • Jesnny Claudia Grimeldi Haurissa ( 65 )
Perpustakaan STMKG