Pemodelan Spatial Extreme Value Menggunakan Metode Peaks Over Threshold-Kumaraswamy Generalized Pareto (POT-KumGP). Studi Kasus : Pemodelan Curah Hujan Ekstrem di Provinsi Maluku

Usmany, Felix (2025) Pemodelan Spatial Extreme Value Menggunakan Metode Peaks Over Threshold-Kumaraswamy Generalized Pareto (POT-KumGP). Studi Kasus : Pemodelan Curah Hujan Ekstrem di Provinsi Maluku. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003222001-Master_Thesis.pdf Restricted to Repository staff only until 1 April 2027. Download (4MB) | Request a copy

Abstract

Kejadian cuaca ekstrem merupakan salah satu fenomena yang menyebabkan kerugian di berbagai sektor yang tidak dapat dihindari dan berdampak serius terhadap aspek kehidupan. Dampak tersebut dapat diminimalisir dengan mempelajari pola dan karakteristik dari kejadian ekstrem tersebut. Salah satu metode statistika yang digunakan dalam mengidentifikasi kejadian ekstrem adalah extreme value theority (EVT). kemudian metode ini dikembangkan menjadi spatial extreme value (SEV) untuk mengidentifikasi kejadian ekstrem di beberapa Lokasi (multivariat). Dalam studi ini, digunakan model nilai ekstrem berdasarkan distribusi kumaraswamy generalized-pareto yang diterapkan dengan metode peaks over-threshold untuk kasus curah hujan ekstrem, atau biasa disebut POT-KumGP. Model ini menggabungkan kedua distribusi yaitu generalized pareto dan kumaraswamy, dimana GP digunakan untuk bagian ekor distribusi dan kumaraswamy digunakan untuk distribusi utama dari data. Penelitian ini bertujuan untuk mendapatkan estimasi parameter model POT-KumGP dan penerapan model spatial extreme value POT-KumGP pada curah hujan ekstrem bulanan di provinsi Maluku serta mendapatkan hasil estimasi return level. Dalam penelitian ini data yang digunakan untuk menyusun model dan estimasi parameter adalah data curah hujan bulanan tahun 1990-2016, sedangkan untuk validasi model menggunakan data dari tahun 2017-2023. Hasil penelitian ini menunjukan bahwa estimasi parameter model POT-KumGP dengan menggunakan metode maximum likelihood estimation diketahui peneyelesaiannya tidak close form, sehingga diselesaikan dengan metode iterasi numerik BFGS. Model POT-KumGP kemudian dibentuk melalui pemodelan trend surface dengan menghubungkan variabel prediktor longitude dan latitude. Diperoleh model terbaik dengan AIC sebesar 54,5825. Nilai return level tertinggi berada pada stasiun Pattimura Ambon dengan ketinggian curah hujan bulanan yang terus meningkat sepanjang periode 5, 10, dan 15 tahun berturut-turut adalah 1150,6 mm/bulan, 1289,0 mm/bulan, dan 1362,8 mm/bulan.
=================================================================================================================================
Extreme weather events are one of the phenomena that cause unavoidable losses in various sectors and have a serious impact on aspects of life. This impact can be minimized by studying the patterns and characteristics of these extreme events. One of the statistical methods used in identifying extreme events is extreme value theority (EVT). Then this method was developed into spatial extreme value (SEV) to identify extreme events in several locations (multivariate). In this study, an extreme value model based on the generalized Kumaraswamy-Pareto distribution is applied with the peaks-over-threshold method for extreme rainfall cases, or usually called POT-KumGP. This model combines both generalized pareto and kumaraswamy distributions, where GP is used for the tail of the distribution and kumaraswamy is used for the main distribution of the data. This study aims to obtain parameter estimates of the POT-KumGP model and the application of the POT-KumGP spatial extreme value model to monthly extreme rainfall in Maluku province and obtain the results of the return level estimation. In this study, the data used to develop the model and parameter estimation is monthly rainfall data from 1990-2016, while for model validation using data from 2017-2023. The results of this study show that the parameter estimation of the POT-KumGP model using the maximum likelihood estimation method is not close form, so it is solved by the BFGS numerical iteration method. The POT-KumGP model is then formed through trend surface modeling by connecting the longitude and latitude predictor variables. The best model was obtained with an AIC of 54,5825. The highest return level value is at Pattimura Ambon station with monthly rainfall heights that continue to increase throughout the 5, 10, and 15 year periods are 1150,6 mm/month, 1289 mm/month, and 1362,8 mm/month.

Keywords: Extreme Rainfall, Spatial extreme value, Peaks Over Threshold, Generalised Pareto, Kumaraswamy, POT-KumGP, Return level

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Curah Hujan Ekstrem, Spatial extreme value, Peaks Over Threshold,Generalized Pareto, Kumaraswamy, POT- KumGP, Return level, BFGS. ========================================================= Extreme Rainfall, Spatial extreme value, Peaks Over Threshold, Generalised Pareto, Kumaraswamy, POT-KumGP, Return level
Subjects:	H Social Sciences > HA Statistics > HA30.6 Spatial analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Felix Usmany
Date Deposited:	05 Feb 2025 06:50
Last Modified:	05 Feb 2025 06:50
URI:	http://repository.its.ac.id/id/eprint/118199

Actions (login required)

View Item