Perpustakaan Digital ITB

Hampir setiap tahun terjadi banjir di Kabupaten Barito Utara yang disebabkan oleh meluapnya Sungai Barito yang melewati wilayah tersebut. Informasi cuaca yang diberikan di Barito Utara sebagian besar masih mengandalkan keluaran model Numerical Weather Prediction (NWP). Namun, model NWP merepresentasikan keadaan cuaca berbeda dengan keadaan aslinya yaitu dengan menghomogenisasi kondisi asli permukaan sebagai grid, sehingga model tidak selalu dapat menangkap detail kecil pada fitur lokal yang sangat bervariasi. Oleh karena itu, dibutuhkan teknik penggabungan statistik yang dapat merepresentasikan keadaan lokal dan dapat memperbaiki keluaran hasil model NWP seperti Model Output Statistics (MOS). Teknik ini dapat diterapkan pada operasional tanpa membutuhkan peralatan dengan spesifikasi tinggi karena mengembangkan hubungan statistik antara variabel yang ingin diprediksi (predictand) dengan variabel prediktor dari keluaran model NWP. Pada penelitian ini, curah hujan tahun 2021 – 2022 dari Stasiun Meteorolo Beringin Barito Utara akan digunakan sebagai variabel respon dan data dari model Integrating Forecasting System (IFS) akan digunakan sebagai variabel prediktor. Metode Support Vector Machine (SVM) digunakan dalam mencari hubungan antara variabel prediktor dan variabel respon. Hasilnya yaitu terdapat perbaikan nilai pada RMSE, bias, dan korelasi pada hasil model SVM terhadap nilai asli dari model IFS. Persentase peningkatan perbaikan (%IM) oleh prakiraan curah hujan yang dikoreksi menggunakan model SVM juga menunjukkan adanya peningkatan sebesar 5,03%.