Dewi, Retno Sari Saputro (2009) MEMPREDIKSI CURAH HUJAN (DATA SPATIO-TEMPORAL) DENGAN METODE BAYESIAN NETWORKS. Seminar Nasional Penelitian, Pendidikan, dan Penerapan MIPA 2009. ISSN 978-979-96880-5-7
|
Text
M_Stat_4_Dewi Retno SS.pdf Download (148kB) | Preview |
Abstract
Curah hujan merupakan salah satu parameter yang berkaitan dengan dampak perubahan iklim. Oleh karena itu, dalam penelitian klimatologi dan metereologi, parameter tersebut sering dilibatkan. Di Indonesia yang berada di kawasan tropis, simulasi curah hujan merupakan proses yang sukar untuk disimulasikan. Bahkan hingga saat ini, belum ada suatu model iklim yang mampu mensimulasikan curah hujan di Indonesia dengan baik. Beberapa penelitian yang telah dilakukan belum mampu memberikan hasil yang cukup memadai. Namun begitu, beberapa metode telah dikembangkan untuk menduga curah hujan. Salah satu metode yang sering digunakan adalah ARIMA (Auto Regressive Integrated Moving Average) untuk data musiman. Kelemahannya, metode tersebut hanya dapat dipergunakan pada pendugaan curah hujan berdasarkan data curah hujan yang ada di stasiun penakar hujan (temporal) tanpa mempertimbangkan lokasi stasiunnya (spatial). Dengan demikian, diperlukan suatu metode yang mempertimbangkan keduanya, salah satu metode yang dimaksudkan adalah Bayesian Networks (BNs). Struktur BNs dibangun berdasarkan model peluang ketergantungan antar stasiun yang dinyatakan dalam directed acyclic graph (DAC) dan untuk mengoptimalkan peluangnya dipergunakan algoritma K2. Dalam paper ini, disampaikan tentang BNs dalam pendugaan curah hujan, kelemahan dan kelebihannya. Metode yang dipakai dalam penelitian ini yakni deduksi dan induksi, dengan melakukan penelusuran terhadap materi tentang iklim dan metode prediksi curah hujan, utamanya tentang BNs. Penelusuran dilakukan terhadap penelitian-penelitian terdahulu serta pada beberapa textbook dan jurnal ilmiah serta beberapa diskusi ilmiah. Selanjutnya, mengkaji dan me-review beberapa teoritisnya yang dikaitkan dengan pemodelan curah hujan. Berdasarkan kajian ini, dapat dinyatakan bahwa BNs merupakan salah satu metode yang dapat dipertimbangkan untuk memprediksi data curah hujan karena dalam metode ini, BNs memperhitungkan nilai peluang untuk setiap stasiun penakar hujan. Namun, BNs lemah, saat menentukan urutan stasiun dalam membentuk suatu jaringan Bayes.
Item Type: | Article |
---|---|
Uncontrolled Keywords: | curah hujan, spatio-temporal, Bayesian Network (BNs), directed acyclic graph (DAC), algoritma K2 |
Subjects: | Prosiding > Seminar Nasional Penelitian, Pendidikan, dan Penerapan MIPA 2009 |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Pendidikan Matematika > Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Pendidikan Matematika > Pendidikan Matematika |
Depositing User: | Eprints |
Date Deposited: | 04 Mar 2015 02:24 |
Last Modified: | 08 Mar 2019 06:18 |
URI: | http://eprints.uny.ac.id/id/eprint/12184 |
Actions (login required)
View Item |