Prediksi Suhu Maksimum, Suhu Minimum, dan Kelembapan Rata-Rata Relatif dalam Jangka Pendek dengan Multivariate Regression melalui Pra-Pemrosesan Principal Component Analysis

Kusumawardani, Rizky (2014) Prediksi Suhu Maksimum, Suhu Minimum, dan Kelembapan Rata-Rata Relatif dalam Jangka Pendek dengan Multivariate Regression melalui Pra-Pemrosesan Principal Component Analysis. Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.

[thumbnail of 1310100036-Undergraduate_Thesis.pdf]
Preview
Text
1310100036-Undergraduate_Thesis.pdf - Published Version

Download (2MB) | Preview

Abstract

Dalam upaya meminimalkan dampak bencana akibat cuaca/iklim,
maka informasi prakiraan suhu dan kelembapan yang cepat dan tepat sangatlah
penting, mengingat suhu dan kelembapan tidak pernah lepas dari kehidupan
manusia. Salah satu lembaga pemerintahan non departemen yang menangani
masalah prakiraan suhu dan kelembapan adalah Badan Meteorologi
Klimatologi dan Geofisika (BMKG). Sebelum tahun 2004 BMKG lebih
mengandalkan seorang prakirawan untuk memprakirakan suhu dan
kelembapan, sehingga hasilnya masih bersifat subyektif. Mulai tahun 2004
BMKG mulai mengembangkan metode baru dengan memanfaatkan luaran
Numerical Weather Prediction (NWP). NWP akan bias bila digunakan pada
daerah yang memiliki topografi dengan vegetasi yang dominan, sehingga
diperlukan suatu post-proccesing dengan menggunakan Model Output Statistics
(MOS). MOS merupakan suatu metode berbasis analisis regresi dengan variabel
respon observasi unsur cuaca di permukaan dan variabel prediktor adalah
unsur cuaca NWP. Penelitian ini menganalisis data suhu maksimum, suhu
minimum, dan kelembapan rata-rata relatif sehingga digunakan metode regresi
multivariat untuk post-processingnya. Jumlah variabel prediktor yang
digunakan ada sebanyak 18, sebelum dimodelkan variabel ini direduksi terlebih
dahulu menggunakan Principal Componen Analysisi (PCA) berdasarkan grid
dan variabel. Komponen utama yang dihasilkan dari proses reduksi dimensi
grid sebagian besar ada sebanyak satu untuk setiap variabel, sedangkan untuk
reduksi variabel sebagian besar ada sebanyak 7 untuk setiap stasiun
pengamatan. Hasil yang didapatkan setelah pemodelan dengan regresi
multivariat adalah residual yang dihasilkan masih belum identik dan
independen, namun metode regresi multivariat mampu memperbaiki model NWP
sebesar 89,22%. Jadi dapat dikatakan pemodelan MOS melalui regresi
multivariat lebih akurat dibandingkan NWP untuk menduga suhu dan
kelembapan hasil observasi
=============================================================================================
In an effort to minimize the impact of disaster due to the
weather/climate, forecasting information temperature and humidity quickly and
accurately are important, considering temperature and humidity never loses of
human life. One of the non departemen government istitutions that handles
forecasts of temperature and humidity is the Badan Meteorologi Klimatologi
and Geofisika (BMKG). Prior to 2004 BMKG only rely on a forcaster to
prediction temperature and humidity, so the results was subjective. Starting in
2004 BMKG began developing new methods by using Numerical Weather
Prediction (NWP). NWP will be bias when used in area which have topography
with the dominant vegetation, so it needed a post-processing using Model
Output Statistics (MOS). MOS is a method based regression. This research
analyzed maximum temperature, minimum temperature, and average relative
humidity so it need multivariate regression as the post-processing. The number
of predictor variable that used as many as 18, before modeled this variable are
reduced by Principal Compenent Analysis (PCA) based on grid and
variable.The principal component resulting from a reduction process based on
grid mostly there were one for each variable,while reduction process based on
variabel resulted mostlt 7 for each location. The result of regression
multivariate is the residual still not identic and independent, but this method can
repairing NWP model of 89,22%. So be considered that MOS through
multivariate regression more accurate than NWP for prediction temperature and
humidity of observation results

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.535 4 Kus p
Uncontrolled Keywords: Model Output Statistics, Numerical Weather Prediction, PCA, regresi multivariat
Subjects: Q Science > QA Mathematics > QA278.5 Principal components analysis. Factor analysis. Correspondence analysis (Statistics)
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 03 Nov 2020 05:39
Last Modified: 03 Nov 2020 05:39
URI: http://repository.its.ac.id/id/eprint/82217

Actions (login required)

View Item View Item