MODEL PREDIKSI CURAH HUJAN DARI DATA TAHUN 1971-2017 DI KOTA BENGKULU DENGAN MENGGUNAKAN METODE KALMAN FILTER
| Main Authors: | SETYO NINGSIH, ENI, Suwarsono, Suwarsono, Ashar, Muda Lubis |
|---|---|
| Format: | Thesis NonPeerReviewed Archive |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.unib.ac.id/16594/1/Skripsi%20Eni%20Setyo%20Ningsih%20%28F1C013011%29.pdf http://repository.unib.ac.id/16594/ |
Daftar Isi:
- Perubahan iklim sebagai akibat dari pemanasan global menyebabkan perubahan harmoni alam. Salah satu contoh dari perubahan harmoni alam ini yaitu perubahan pola hujan. Kota Bengkulu memiliki potensi terjadinya bencana yang diakibatkan oleh curah hujan, sehingga prediksi curah hujan menjadi sangat penting. Untuk mengetahui pola curah hujan dan prediksi curah hujan dapat digunakan model prediksi Kalman Filter. Tujuan dari penelitian ini yaitu mengetahui pola curah hujan, membuat model prediksi dan melakukan prediksi curah hujan pada Juni 2017 sampai Mei 2018. Penelitian ini menggunakan data curah hujan harian Tahun 1971-2017, yang didapat dari 2 stasiun pengukuran yaitu Stasiun Pengukuran Pelabuhan Pulau Baai (PLBI) dan Stasiun Pengukuran Fatmawati Sukarno (BDRF). Data tersebut diolah dengan Program Kalman Filter menggunakan Bahasa Pemrograman Matlab. Hasil penelitian ini menujukan bahwa pola curah hujan di Kota Bengkulu secara spasial dan temporal sangat bervariasi. Hasil selanjutnya adalah Model Kalman Filter yang telah dibuat memiliki nilai koefisien korelasi yaitu sebesar 0,97 untuk Stasiun BDRF dan Stasiun PLBI. Nilai korelasi yang didapat memiliki interpretasi yang tinggi, sehingga model tersebut dapat digunakan untuk memprediksi curah hujan. Berdasarkan prediksi yang telah dilakukan, menurut Stasiun BDRF curah hujan tertinggi akan terjadi pada April 2018 yaitu 13,47 mm/bln dan terendah 8,18 mm/bln pada Bulan Mei 2018. Berdasarkan Stasiun PLBI curah hujan tertinggi akan terjadi di Bulan Juli 2017 yaitu 7,66 mm/bln dan terendah pada April 2018 yaitu 2,52 mm/bln. Salah satu penyebab perbedaan hasil prediksi ini adalah perbedaan arah angin. Verifikasi hasil prediksi yaitu dengan menggunakan nilai mean curah hujan bulanan tahun-tahun sebelumnya. Nilai prediksi pada Desember 2017, Februari 2018, dan April 2018 yang lebih kecil nilai batas tahun-tahun sebelumnya, sehingga diperlukan metode lain seperti Principal Component Analysis (PCA) dan Particle Filter.