Perbandingan Bias Koreksi Bayesian Model Averaging dengan Ensemble Model Output Statistics pada Data Numerical Weather Prediction dalam Monitoring Pola Kekeringan di Provinsi Nusa Tenggara Timur

Rahadiyuza, Dimas (2017) Perbandingan Bias Koreksi Bayesian Model Averaging dengan Ensemble Model Output Statistics pada Data Numerical Weather Prediction dalam Monitoring Pola Kekeringan di Provinsi Nusa Tenggara Timur. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Preview

Text 1313100122-Undergraduate_Thesis.pdf - Published Version Download (4MB) | Preview

Abstract

Kekeringan adalah fenomena alam yang kerap menimbulkan dampak kerugian yang cukup besar. Provinsi Nusa Tenggara Timur adalah salah satu Provinsi di Indonesia dengan dampak kekeringan yang signifikan di Indonesia, dimana dampak yang paling terlihat dari kekeringan di provinsi ini mengakibatkan berkurangnya kebutuhan harian akan konsumsi air bersih dan gagalnya panen pada lebih dari 20 kabupaten . Untuk mendeteksi adanya kekeringan, dilakukan peramalan curah hujan secara berkala sebagai antisipasi akan datangnya bencana kekeringan. Dalam meramalkan curah hujan, banyak model yang digunakan dalam meramalkan pola kekeringan di suatu daerah. Akan tetapi sering kali model-model tersebut bias, sehingga menyebabkan kualitas peramalan yang kurang baik. Metode kalibrasi adalah metode yang tepat untuk melakukan penggabungan beberapa model peramalan sehingga dihasilkan satu output model yang lebih reliabel. Pada tahap kalibrasi akan dilakukan dua metode kalibrasi, yaitu menggunakan Bayesian Model Averaging dan Ensemble Model Output Statistics. Adapun dari kedua metode tersebut nantinya akan dilakukan pemilihan metode terbaik yang kemudian digunakan untuk meramalkan curah hujan sehingga dapat dilakukan pemetaan terkait antisipasi datangnya bencana kekeringan. Dari hasil kalibrasi, didapatkan kesimpulan bahwa peramalan terkalibrasi curah hujan di Provinsi Nusa Tenggara Timur menggunakan Bayesian Model Averaging terbukti menghasilkan kualitas peramalan yang lebih baik. Adapun dalam pemetaan pola kekeringan menggunakan model peramalan terkalibrasi, diketahui bahwa hasil pemetaan menggunakan lead time ke-1 tidak mendeteksi adanya indikasi kekeringan, sementara pada pemetaan menggunakan lead ke-4 ditemukan indikasi kekeringan di setiap periode peramalan dengan puncak kekeringan terbesar terjadi pada April 2017.

==============================================================================================

Drought is a natural phenomenon that frequently causes a lot of
disadvantage in a big scale. East Nusa Tenggara is one of Province in
Indonesia with most devastating damage caused by drought, where the
most visible impact to be seen are in the lessening of daily needs for
water and crop failure phenomenon in more than 20 districts along the
province . To detect this phenomenon, rainfall forecasting is one of the
obvious actions to anticipate drought. A lot of forecast models have
been published to detect drought itself. However, the models tend to be
biases, which caused the poor forecast quality. One of the methods
offered to overcome it is by using ensemble forecast calibration.
Bayesian Model Averaging and Ensemble Model Output Statistics is the
method that will be used for calibrate forecast model ensembles. From
the analysis, it is known that Bayesian Model Averaging has given a
better quality of the forecast model ensembles. It is also known based on
mapping process using the chosen calibration method, which is by using
Bayesian Model Averaging at lead time 1, there are no sign which
indicates drought phenomenon. However, when mapping process turns
at lead time 4, it is known that drought phenomenon has been indicated
in almost every period of mapping process. The peak of drought
phenomenon happened based on mapping process in April 2017, where
the entire region of East Nusa Tenggara experienced drought
phenomenon in a large scale.

Item Type:	Thesis (Undergraduate)
Additional Information:	RSSt 519.542 Rah p
Uncontrolled Keywords:	Bayesian Model Averaging, Ensemble Model Output Statistics, Kalibrasi, Kekeringan, Nusa Tenggara Timur
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing H Social Sciences > HA Statistics
Divisions:	Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Dimas Rahadiyuza .
Date Deposited:	07 Nov 2017 02:45
Last Modified:	05 Mar 2019 03:39
URI:	http://repository.its.ac.id/id/eprint/48544

Actions (login required)

View Item