Penerapan Unscented Kalman Filter untuk Estimasi Curah Hujan pada Model Matematika Temperature - Forest Area - Rainfall (TFR)

Adyaksa, Nailah Rana Hanifah (2025) Penerapan Unscented Kalman Filter untuk Estimasi Curah Hujan pada Model Matematika Temperature - Forest Area - Rainfall (TFR). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002211154-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (11MB) | Request a copy

Abstract

Indonesia, sebagai negara kepulauan terbesar dengan curah hujan tertinggi di dunia, menghadapi banyak masalah terkait bencana hidrometeorologi, termasuk banjir dan kebakaran hutan yang sering terjadi di Sumatera Selatan. Perubahan iklim dan faktor-faktor seperti temperatur, luas hutan, dan curah hujan merupakan komponen penting yang memengaruhi pola curah hujan. Penelitian ini bertujuan untuk mengestimasi curah hujan menggunakan Unscented Kalman Filter untuk diterapkan pada model matematika TFR (Temperature, Forest Area, Rainfall). Model TFR digunakan untuk menggambarkan dinamika perubahan temperatur, luas hutan, dan curah hujan, dimana temperatur berperan sebagai variabel eksogen yang memengaruhi luas hutan dan curah hujan, namun tidak dipengaruhi oleh keduanya. Penelitian ini menggunakan dataset sekunder dari Badan Pusat Statistik Provinsi Sumatera Selatan, yang meliputi data temperatur, luas hutan, dan curah hujan dengan periode data dari tahun 2015 – 2023 dan frekuensi pengambilan data per bulan. Proses analisis meliputi identifikasi model matematika TFR (Model M2), diskritisasi model, serta penerapan metode Unscented Kalman Filter untuk estimasi parameter dan variabel dalam model. Simulasi dilakukan menggunakan perangkat lunak MATLAB. Hasil simulasi menunjukkan bahwa metode Unscented Kalman Filter mampu menghasilkan estimasi curah hujan yang mendekati data aktual, dengan nilai Root Mean Square Error (RMSE) untuk temperatur sebesar 0.02950, luas hutan sebesar 0.00925, dan curah hujan sebesar 0.01597. Nilai RMSE yang mendekati nol menunjukkan bahwa estimasi yang dilakukan memiliki tingkat akurasi yang tinggi.
===============================================================================================================================
Indonesia, as the largest archipelagic country with the highest rainfall in the world, faces many issues related to hydrometeorological disasters. These include floods and forest fires, which are common in South Sumatra. Rainfall patterns are significantly influenced by climate change and variables such as temperature, forest area, and rainfall. The purpose of this study is to estimate rainfall using the Unscented Kalman Filter (UKF) to be applied to the TFR (Temperature, Forest Area, Rainfall) mathematical model. The TFR model describes the dynamics of forest area and rainfall, which are influenced by temperature as an exogenous variable that changes over time due to global climate factors. This study uses secondary data from the Central Bureau of Statistics of South Sumatra Province, which contains monthly data collection frequency and statistics on temperature, forest area, and rainfall for the years 2015 – 2023. The analysis process includes identifying the TFR mathematical model (Model M2), discretizing the model, and applying the Unscented Kalman Filter method for parameter and variable estimation. The simulation was carried out using MATLAB software. The simulation results show that the Unscented Kalman Filter method is capable of providing rainfall estimates closely match actual data, with Root Mean Square Error (RMSE) values of 0.02950 for temperature, 0.00925 for forest area, and 0.01597 for rainfall. RMSE values close to zero indicate that the estimation has a high level of accuracy.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Curah Hujan, Estimasi Curah Hujan, Unscented Kalman Filter, Model TFR, Bencana Hidrometeorologi, Rainfall Patterns, Rainfall Estimation, Unscented Kalman Filter, TFR Model, Hydrometeorological Disasters
Subjects:	Q Science Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > QA Mathematics > QA402.3 Kalman filtering.
Divisions:	Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Nailah Rana Hanifah Adyaksa
Date Deposited:	01 Aug 2025 02:30
Last Modified:	01 Aug 2025 02:30
URI:	http://repository.its.ac.id/id/eprint/124818

Actions (login required)

View Item