Putri, Risda Ikfina (2019) Statistical Downscaling Output GCM dengan Pendekatan Regresi Gamma untuk Prediksi Curah Hujan Sebagai Dasar Prediksi Banjir Genangan di Surabaya. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211540000065_Undergraduate_Theses.pdf - Accepted Version Download (7MB) | Preview |
Abstract
Analisa banjir dapat dilakukan dengan memperkirakan potensi terjadinya hujan lebat (curah hujan tinggi) yang diturunkan dari data variabel-variabel yang mempengaruhi curah hujan yang diperoleh dari data GCM (General Circulation Model) yang menyediakan data iklim secara global. Namun informasi GCM sifatnya global dan tidak berlaku untuk informasi skala kecil, sehingga untuk menjembatani skala gcm ke skala kecil dipakai teknik Statistical Downscaling (SD). Output gcm yang digunakan adalah pada grid 3x3, maka digunakan metode reduksi dimensi untuk mendapatkan prediktor yang lebih sederhana. Metode reduksi dimensi yang sering digunakan adalah Principal Component Analysis (PCA). Dari hasil reduksi dimensi domain grid tersebut selanjutnya diregresikan dengan variabel respon yaitu data curah hujan harian kota Surabaya periode 2009-2018 menggunakan regresi gamma untuk mendapatkan model SD, kemudian dilakukan validasi model SD dengan menggunakan kriteria kebaikan model RMSEP. Prediksi curah hujan terbaik di wilayah Keputih, Wonorejo, Wonokromo, dan Gubeng terdapat pada grid 3x3. Sedangkan Prediksi curah hujan terbaik di wilayah Kedung Cowek dan Gubengterdapat pada grid 3x3. Prediksi curah hujan yang paling tinggi di setiap wilayah digunakan untuk melakukan prediksi banjir. Prediksi banjir pada semua saluran di enam wilayah tidak berpotensi banjir.
====================================================================================================================================
Flood analysis can be done by estimating heavy rain (high rainfall) predicted from potential variables that affect rainfall. The potential predictor are obtained from GCM (General Circulation Model) that provide climate data globally. However, GCM information is global in nature and does not apply to small-scale information. Therefore, to bridge the GCM scale to small scale, Statistical Downscaling (SD) techniques are used. The gcm output used is on the 3x3 grid, then the dimension reduction method is used to get a simpler predictor. The dimension reduction method that is often used is Principal Component Analysis (PCA). From the results obtained from dimension reduction is regressed with the response variable (rainfall). This research employs daily rainfall data for the period 2009-2018 using gamma regression to obtain the SD model, whereas the model validation is performed using the RMSEP criterion. The best rainfall predictions in the Keputih, Wonorejo, Wonokromo, and Gubeng areas are obtained by considering on the 3x3 grid of GCM output or predictor. While the best rainfall predictions in the Kedung Cowek and Gubeng areas are on the 3x3 grid. The highest rainfall predictions in each region are based to predict floods. Flood prediction on all channels in six regions has no potential for flooding.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSt 519.536 Put s-1 2019 |
| Uncontrolled Keywords: | Banjir, Curah Hujan, GCM, Regresi Gamma, Statistical Downscaling |
| Subjects: | G Geography. Anthropology. Recreation > GB Physical geography > GB1399.9 Floods Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression S Agriculture > S Agriculture (General) > S600.7.R35 Rain and rainfall |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Risda Ikfina Putri |
| Date Deposited: | 23 May 2023 06:33 |
| Last Modified: | 23 May 2023 06:33 |
| URI: | http://repository.its.ac.id/id/eprint/64485 |
Actions (login required)
 |
View Item |