Perpustakaan Digital ITB

Perubahan cuaca ekstrem di wilayah Jawa bagian barat memerlukan model prediksi yang dapat menangkap dinamika spasial dan temporal secara simultan. Penelitian ini bertujuan untuk membangun model prediksi multivariat untuk variabel temperatur, kelembapan, dan kecepatan angin menggunakan pendekatan Multivariate Generalized Space-Time Autoregressive (MGSTAR). Untuk meningkatkan performa model, pengaruh spasial tidak hanya didasarkan pada jarak, tetapi juga pada arah angin dominan yang dikelompokkan berdasarkan musim (Monsun Barat untuk periode DJF dan Monsun Timur untuk periode JJA), yang kemudian diintegrasikan ke dalam matriks bobot spasial. Hasil penelitian menunjukkan bahwa penggunaan matriks bobot arah angin musiman secara signifikan meningkatkan akurasi model pada musimnya masing-masing. Model ini menunjukkan kinerja prediksi yang sangat baik untuk variabel temperatur dan kelembapan, namun memiliki keterbatasan dalam memprediksi kecepatan angin yang bersifat sangat acak. Disimpulkan bahwa pendekatan MGSTAR dengan pembobotan spasial berbasis arah angin musiman efektif untuk memodelkan variabel meteorologis yang memiliki pola jelas, namun diperlukan pendekatan model yang berbeda untuk menangani variabel dengan volatilitas tinggi.