Pemodelan Regresi Kuantil Bayes untuk Pendugaan Curah Hujan Ekstrim di Jawa Barat
| Main Author: | Hendri, Eko Primadi |
|---|---|
| Other Authors: | Wigena, Aji Hamim, Djuraidah, Anik |
| Format: | Thesis application/pdf |
| Bahasa: | ind |
| Terbitan: |
IPB University
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ipb.ac.id/handle/123456789/100731 |
Daftar Isi:
- Regresi linear sederhana sering digunakan untuk mendapatkan hubungan fungsional antar dua peubah atau lebih dan juga dapat memprediksi pengaruh peubah respon terhadap peubah penjelas. Ketika data yang digunakan tidak simetris, regresi linear sederhana kurang tepat digunakan dikarenakan nilai dugaan sensitif terhadap pencilan. Oleh karena itu dikembangkan metode regresi kuantil (RK) yang dapat digunakan menganalisis sejumlah data yang tidak simetris. Pendugaan parameter RK dapat ditentukan dengan metode Bayes, regresi kuantil Bayes (RKB). RKB berdasarkan sebaran Laplace asimetrik sehingga untuk mendapatkan pendugaan paramater dari sebaran posterior menggunakan metode Markov Chain Monte Carlo (MCMC). RK dapat diterapkan pada statistical downscaling (SD) untuk menganalisis data-data curah hujan ekstrim karena RK dapat mengukur efek peubah penjelas tidak hanya di pusat sebaran data, tetapi juga pada bagian atas dan bawah ekor sebaran. SD merupakan suatu teknik yang menggunakan metode statistika untuk melihat hubungan data yang berskala global dengan data berskala lokal. Data berskala global yaitu data luaran global climate model (GCM) dan data berskala lokal yaitu data curah hujan bulanan. Data luaran GCM yaitu berdimensi banyak sehingga terjadi multikolinearitas yang akan menyebabkan dugaan parameter untuk setiap model menjadi bias. Hal ini dapat diselesaikan dengan least absolute shrinkage and selection operator (LASSO). Jawa Barat memiliki luas sebesar 35 ribu km2 dengan kawasan utara merupakan daerah dataran rendah dan kawasan selatan merupakan daerah dataran tinggi. Rata-rata curah hujan bulanan di Jawa Barat sebesar 184.7 mm/bulan pada tahun 2016. Adanya perbedaan ketinggian mengakibatkan perbedaan intensitas curah hujan, sehingga dibutuhkan sebuah analisis untuk memperoleh prediksi curah hujan yang akurat untuk mencegah kejadian ekstrim yang dapat mengakibatkan kerugian di bidang pertanian. Data yang digunakan pada tahun 1981-2009. Data curah hujan dikelompokan berdasarkan ketinggian dataran yaitu dataran rendah memiliki ketinggian 0-200 mdpl dan dataran tinggi memiliki ketinggian lebih dari 200 mdpl sebagai peubah respon. Data luaran GCM adalah data presipitasi bulanan Climate Forecas System Reanalysis (CFSR) dengan ukuran grid 2:50 2:50 pada domain 5 8 grid atau 40 grid sebagai peubah penjelas. Curah hujan ekstrim yaitu intensitas curah hujan bulanan lebih besar dari 400 mm/bulan. Oleh karena itu, di Jawa Barat, curah hujan ekstrim terjadi pada bulan Januari dan Februari di dataran rendah. Di dataran tinggi, curah hujan ekstrim terjadi di bulan Oktober - April. Model RKB di dataran rendah memiliki nilai RMSE terkecil dari pada nilai RMSE dari model RKB di dataran tinggi. Model RKB di dataran rendah memiliki nilai korelasi tertinggi dari pada nilai korelasi dari model RKB di dataran tinggi. Oleh karena itu, model RKB di dataran rendah lebih baik dari pada model RKB di dataran tinggi. Untuk prediksi model RKB di dataran rendah memiliki nilai RMSEP terkecil dari pada nilai RMSEP dari model RKB di dataran tinggi. Model RKB di dataran rendah memiliki nilai korelasi tertinggi dari pada nilai korelasi dari model RKB di dataran tinggi. Oleh karena itu, model RKB di dataran rendah lebih baik dari pada model RKB di dataran tinggi dalam hal prediksi. Di dataran rendah, curah hujan di bulan Januari dapat diprediksi dengan model kuantil 0.95. Curah hujan ekstrim di bulan Februari dapat diprediksi dengan model kuantil 0.99. Di dataran tinggi, Curah hujan ekstrim di bulan Januari dan November dapat diprediksi dengan model kuantil 0.99. Curah hujan ekstrim di bulan Febuari dan April dapat diprediksi dengan model kuantil 0.95. Curah hujan ekstrim di bulan Maret dan Desember dapat diprediksi dengan model kuantil 0.90. Model RKB di dataran rendah dan tinggi memiliki akurasi yang relatif lebih baik dalam menghasilkan nilai prediksi dalam satu tahun ke depan.