VISUALISASI VARIABEL CUACA MENGGUNAKAN METODE KRIGING BERBASIS BIG DATA

SETYATMOKO, BAYU (2016) VISUALISASI VARIABEL CUACA MENGGUNAKAN METODE KRIGING BERBASIS BIG DATA. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2213206712-Master_theses.pdf - Published Version

Download (4MB) | Preview

Abstract

Indonesia adalah salah satu negara di dunia yang rentan mengalami bencana alam. Bencana banjir bahkan terjadi hampir diseluruh wilayah Indonesia. Salah satu upaya "mitigasi bencana" yang perlu dilakukan adalah peningkatan kualitas pemantauan kondisi cuaca menggunakan visualisasi geospasial variabel cuaca yang dihasilkan oleh peralatan observasi cuaca. Peralatan observasi cuaca yang sering digunakan di bandara udara dan pelabuhan laut di seluruh dunia adalah Automatic Weather Station (AWS). Beberapa permasalahan pengolahan data AWS adalah lokasi data tersebar diseluruh wilayah Indonesia yang luas (107 lokasi), periode update data setiap 15 menit (velocity) dan bentuk data semi terstruktur (variety). Sehingga proses pemindahan seluruh data ke server datawarehouse sulit untuk dilaksanakan karena terbatasnya kapasitas bandwidth jaringan komputer dan kapasitas penyimpanan data. Proses pengolahan data semi terstruktur AWS menggunakan aplikasi Big Data yang berjalan pada sistem data terdistribusi Hadoop Distributed File System (HDFS) tanpa perlu memindahkan semua data AWS tapi hanya data yang dibutuhkan. Sedangkan visualisasi variabel cuaca menggunakan analisa data spasial dengan metode interpolasi kriging yang dapat digunakan sebagai alat bantu pemantauan kondisi cuaca saat ini. Analisa cross validation menunjukkan nilai error yang kecil yaitu Mean Error (ME) sebesar -0,0281 dan Mean Squared Prediction Error (MSPE) sebesar 1,337 pada hasil visualisasi geospasial yang baik. ============================================================ Indonesia is one country in the world that is prone to natural disasters. Flood disaster even occurs almost throughout the territory of Indonesia. One effort "disaster mitigation" that needs to be done is to increase the quality monitoring of geospatial visualization of weather conditions using weather variables generated by the weather observation equipment. Weather observation equipment that are often used in airports and seaports around the world is the Automatic Weather Station (AWS). Some of the problems of AWS data processing is the location of data scattered throughout the vast territory of Indonesia (107 location), the period of data updates every 15 minutes (velocity) and semi-structured data form (variety). So that the process of moving all the data to the server datawarehouse difficult to implement because of the limited capacity of the computer network bandwidth and data storage capacity. Semi structured AWS data processing using Big Data applications running on distributed data system Hadoop Distributed File System (HDFS) without the need to move all the data AWS but only the required data. While the visualization of weather variables using spatial data analysis with kriging interpolation method that can be used as a tool for monitoring current weather conditions. Cross validation analysis shows that a small error values are Mean Error (ME) of -0,0281 and Mean Squared Prediction Error (MSPE) of 1,337 on the outcome of good geospatial visualization.

Item Type: Thesis (Masters)
Additional Information: RTE 006.312 Set v
Uncontrolled Keywords: big data, hadoop, kriging, visualisasi geospasial
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions: Faculty of Industrial Technology > Electrical Engineering > (S2) Master Theses
Depositing User: Mrs Anis Wulandari
Date Deposited: 04 Jan 2017 07:21
Last Modified: 27 Dec 2018 04:53
URI: http://repository.its.ac.id/id/eprint/1297

Actions (login required)

View Item View Item