Winarningtyas, Henidar Islami (2019) Statistical Downscaling Output GCM dengan Metode Support Vector Regression untuk Prediksi Curah Hujan Sebagai Dasar Prediksi Banjir Genangan di Kota Surabaya. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211540000011-Undergraduate_Theses.pdf Download (8MB) | Preview |
Abstract
Indonesia merupakan negara kepulauan terbesar di dunia yang dilalui oleh angin monsun, yaitu angin monsun barat dan monsun timur yang menyebabkan Indonesia memiliki dua musim, yaitu musim kemarau dan musim penghujan. Pada musim penghujan, curah hujan yang sangat tinggi dapat menimbulkan banjir di daerah dataran rendah dan kota-kota besar seperti kota Surabaya. Prediksi curah hujan dapat dilakukan dengan melakukan statistical downscaling output General Circulation Models (GCM) (model CSIRO Mk3.6.0) pada grid 1x1, grid 3x3 dan grid 3x3 dengan perlakuan PCA. Metode yang digunakan dalam penelitian ini adalah Support Vector Regression (SVR). Prediktor data GCM pada grid 3x3 merupakan grid terbaik untuk memprediksi curah hujan sekaligus dengan penambahan variabel dummy serta lag curah hujan dari hasil model ARIMA(1,0,0)(5,1,0)365 sebagai input pada pemodelan SVR. Hasil RMSE dan RMSE* pada data testing untuk pos hujan Keputih yaitu sebesar 5.6648. Selanjutnya, dilakukan prediksi curah hujan bulan Desember 2018 untuk setiap pos hujan. Setelah itu dilakukan perhitungan mathematics hidrologi dengan metode rasional dan dibandingkan dengan perhitungan matematis hidrolika saluran – saluran air dan sungai dan didapatkan hasil prediksi bahwa Q_hidrologi<Q_hidrolika. Kesimpulan yang diperoleh adalah pada wilayah Keputih, Kedung Cowek, Gubeng, Wonorejo, Wonokromo, dan Gunung Sari tidak berpotensi terjadinya banjir genangan di bulan Desember 2018.
=================================================================================================================================
Indonesia is the largest archipelagic country in the world which is passed by Monsoon Wind, which is the West and East Monsoon Wind which causes Indonesia have two seasons, i.e dry season and rainy season. In rainy season, extreme rainfall can cause flooding in low-lying areas and big cities such as Surabaya. Rainfall prediction can be done by statistical downscaling of General Circulation Models (GCM) output (CSIRO Mk3.6.0 model) on a 1x1 grid, 3x3 grid, and 3x3 grid with PCA treatment. The method used in this research is Support Vector Regression (SVR). The predictor from GCM data on a 3x3 grid is the best grid for forecasting rainfall with addition of dummy variables and lag of rainfall from the (resulted from ARIMA(1,0,0)(5,1,0)365) as input of SVR modeling. The results of RMSE and RMSE* in testing dataset for the Keputih rainfall post are 5.6648. Furthermore, rainfall prediction is carried out in December 2018 for each rainfall post. Next, the mathematical hydrological calculations were carried out using the rational method and compared with the mathematical calculations of the hydraulics of the waterways and rivers. It obtained that the Q_hidrologi<Q_hidrolika. The conclusions obtained were that Keputih, Kedung Cowek, Gubeng, Wonorejo, Wonokromo, and Gunung Sari areas had no potential for flood inundation in December 2018.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSt 519.536 Win s-1 2019 |
| Uncontrolled Keywords: | Banjir, Curah Hujan, GCM, Statistical Downscaling, SVR. |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Henidar Islami Winarningtyas |
| Date Deposited: | 27 Dec 2023 06:20 |
| Last Modified: | 27 Dec 2023 06:20 |
| URI: | http://repository.its.ac.id/id/eprint/64092 |
Actions (login required)
 |
View Item |