Path: Top > S1-Final Project > Meteorology-FITB > 2009

PREDIKSI POLA CURAH HUJAN BULANAN DAN MUSIMAN UNTUK WILAYAH INDONESIA BERDASARKAN KELUARAN MODEL CFS (CLIMATE FORECAST SYSTEM) MENGGUNAKAN METODE REGRESI KOMPONEN UTAN (PCA)

Undergraduate Theses from JBPTITBPP / 2017-09-27 11:45:45
Oleh : KURNIAJI (NIM 12804019), Central Library Institute Technology Bandung
Dibuat : 2009, dengan 7 file

Keyword : Principle component analysis, Ensemble prediction, Seasonal prediction, Climate forecast system

Dalam penelitian ini coba dilakukan prediksi curah hujan bulanan spasial untuk seluruh wilayah Indonesia dengan metode statistical downscaling regresi komponen utama (PCA) dengan prediktor adalah keluaran model ensemble global CFS dan prediktan dari TRMM 3B-43. Pada prosesnya, setelah dilakukan analisa komponen utama (PCA) untuk kedua data, selanjutnya dihitung koefisien korelasi dari setiap koefisien PC prediktor terhadap koefisien PC prediktan sebelum dilakukan mekanisme prediksi dengan metode subtractive clustering. Setelah didapatkan koefisien PC prediktan pada tahun yang akan diprediksi maka dilakukan proses pembalikan PCA untuk menghasilkan prediksi curah hujan secara spasial. Hasil prediksi yang didapatkan menunjukan hasil yang cukup baik secara kualitatif ditinjau dari residu melalui hasil pengurangan dengan data TRMM 3B-43. Dari hasil studi diketahui bahwa bahwa perbedaan nilai curah hujan antara prediksi dengan data observasi untuk prediksi bulan Oktober di dua sampel daerah penelitian (Jawa Barat dan Sumatera Barat) selalu terlihat besar pada semua kasus pengolahan data CFS. Namun dengan mengabaikan anomali residu untuk prediksi bulan oktober maka secara umum dapat dianalisa bahwa derajat kesalahan antara nilai curah hujan hasil prediksi dan observasi yang masih dapat ditoleransi adalah prediksi sampai tiga bulan ke depan.






Selain prediksi spasial curah hujan, dilakukan pula beberapa analisa terkait pada penyederhanaan dan verifikasi keluaran prediksi ensemble antara lain melihat distribusi probabilitas dan prediksi daerah potensial kejadian ekstrim dari sebaran prediksi anggota ensemble. Dari serangkaian proses yang dilakukan diperoleh kesimpulan bahwa berbagai informasi terkait fenomena cuaca dan iklim dapat diinformasikan dengan layak bila pengolahan data ensemble dilakukan berdasarkan metode yang tepat.

Deskripsi Alternatif :

In this research, was conducted to predict monthly rainfall for the entire spatial region in Indonesia by implementing statistical downscaling method, principle component regression (PCA) with the predictor is CFS global ensemble model output and predictant from TRMM 3B-43. In the process, after apply principle component analysis (PCA) for both of data, the next step is calculate coefficients of correlation from each of the predictor PC coefficient to predictant PC coefficients before doing prediction mechanism with subtractive clustering method. After predictant PC coefficients was obtained for the year of prediction succesfulll, then PCA reversal process was done to yield prediction of spatial rainfall. Prediction results showed a fairly good review in terms of the residue through the reduction with TRMM 3B-43. From the results of the study, a conclusion was taken that rainfall value differences between prediction and observation on October at two of research area sample (West Java and West Sumatera) always large for all of CFS data processing. But, ignoring that anomaly generally we can analyze that error degree between prediction and observation rainfall value which can be tolerate is only up to 3 months ahead.






In addition to spatial prediction of rainfall, other analyses was also conducted related to the simplification and verification of ensemble output are among others, see the probability distribution and prediction of potential extreme events from members of Ensemble. From a series of process the other conclusion was obtained that the various information related to weather and climate phenomena can be informed properly if data processing method that was applied to CFS global ensemble model output based on appropriate methods.

Copyrights : Copyright Â(c) 2001 by ITB Central Library. Verbatim copying and distribution of this entire article is permitted by author in any medium, provided this notice is preserved.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiC
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Pembimbing : Dr. Tri Wahyu Hadi, Editor: Rizki Apriyanti

File PDF...