Prediksi Suhu Maksimum, Suhu Minimum, Dan Kelembaban Rata-Rata Relatif Dalam Jangka Pendek Dengan Multivariate Regression Melalui Pra-Pemrosesan Principal Component Analysis

Kusumawardani, Rizky (2014) Prediksi Suhu Maksimum, Suhu Minimum, Dan Kelembaban Rata-Rata Relatif Dalam Jangka Pendek Dengan Multivariate Regression Melalui Pra-Pemrosesan Principal Component Analysis. Other thesis, Insititut Teknologi Sepuluh Nopember.

Text 1310100036_Undergraduate_Thesis.pdf Download (4MB)

Abstract

Dalam upaya meminimalkan dampak bencana akibat cuaca/iklim, maka informasi prakiraan suhu dan kelembapan yang cepat dan tepat sangatlah penting, mengingat suhu dan kelembapan tidak pernah lepas dari kehidupan manusia. Salah satu lembaga pemerintahan non departemen yang menangani masalah prakiraan suhu dan kelembapan adalah Badan Meteorologi Klimatologi dan Geofisika (BMKG). Sebelum tahun 2004 BMKG lebih mengandalkan seorang prakirawan untuk memprakirakan suhu dan kelembapan, sehingga hasilnya masih bersifat subyektif. Mulai tahun 2004 BMKG mulai mengembangkan metode baru dengan memanfaatkan luaran Numerical Weather Prediction (NWP). NWP akan bias bila digunakan pada daerah yang memiliki topografi dengan vegetasi yang dominan, sehingga diperlukan suatu post-proccesing dengan menggunakan Model Output Statistics (MOS). MOS merupakan suatu metode berbasis analisis regresi dengan variabel respon observasi unsur cuaca di permukaan dan variabel prediktor adalah unsur cuaca NWP. Penelitian ini menganalisis data suhu maksimum, suhu minimum, dan kelembapan rata-rata relatif sehingga digunakan metode regresi multivariat untuk post-processingnya. Jumlah variabel prediktor yang digunakan ada sebanyak 18, sebelum dimodelkan variabel ini direduksi terlebih dahulu menggunakan Principal Componen Analysisi (PCA) berdasarkan grid dan variabel. Komponen utama yang dihasilkan dari proses reduksi dimensi grid sebagian besar ada sebanyak satu untuk setiap variabel, sedangkan untuk reduksi variabel sebagian besar ada sebanyak 7 untuk setiap stasiun pengamatan. Hasil yang didapatkan setelah pemodelan dengan regresi multivariat adalah residual yang dihasilkan masih belum identik dan independen, namun metode regresi multivariat mampu memperbaiki model NWP sebesar 89,22%. Jadi dapat dikatakan pemodelan MOS melalui regresi multivariat lebih akurat dibandingkan NWP untuk menduga suhu dan kelembapan hasil observasi.
===============================================================================================================================
In an effort to minimize the impact of disaster due to the weather/climate, forecasting information temperature and humidity quickly and accurately are important, considering temperature and humidity never loses of human life. One of the non departemen government istitutions that handles forecasts of temperature and humidity is the Badan Meteorologi Klimatologi and Geofisika (BMKG). Prior to 2004 BMKG only rely on a forcaster to prediction temperature and humidity, so the results was subjective. Starting in 2004 BMKG began developing new methods by using Numerical Weather Prediction (NWP). NWP will be bias when used in area which have topography with the dominant vegetation, so it needed a post-processing using Model Output Statistics (MOS). MOS is a method based regression. This research analyzed maximum temperature, minimum temperature, and average relative humidity so it need multivariate regression as the post-processing. The number of predictor variable that used as many as 18, before modeled this variab le are reduced by Principal Compenent Analysis (PCA) based on grid and variable.The principal component resulting from a reduction process based on grid mostly there were one for each variable,while reduction process based on variabel resulted mostlt 7 for each location. The result of regression multivariate is the residual still not identic and independent, but this method can repairing NWP model of 89,22%. So be considered that MOS through multivariate regression more accurate than NWP for prediction temperature and humidity of observation results.

Item Type:	Thesis (Other)
Additional Information:	RSSt 519.535 4 Kus p
Uncontrolled Keywords:	Model Output Statistics, Numerical Weather Prediction, PCA, regresi multivariat, (Model Output Statistics) MOS, (Numerical Weather Prediction) NWP,(Principal Component Analysis) PCA, multivariate regression.
Subjects:	Q Science > QA Mathematics > QA278.5 Principal components analysis. Factor analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	02 Jan 2024 07:59
Last Modified:	02 Jan 2024 07:59
URI:	http://repository.its.ac.id/id/eprint/105344

Actions (login required)

View Item