View/Open

Author
Ary, Ramlan Simangunsong

Advisor
Wirid Birastri, S.Si., M.Si,
Ridlo Wahyudi Wibowo, S.Si., M.Si., M.Sc.,

Koleksi
Sains Atmosfer dan Keplanetan

Publisher

Curah hujan ekstrem meningkatkan risiko bencana hidrometeorologi di Provinsi Lampung. Penelitian ini menganalisis pola spasio-temporal dan memprediksi frekuensi curah hujan ekstrem (FE) selama musim Desember, Januari, Februari, Maret (DJFM). FE ditentukan menggunakan ambang batas kuantil ke-90 menggunakan Cumulative Distribution Function (CDF). Selanjutnya, Principal Component Analysis (PCA) diterapkan untuk mengidentifikasi komponen utama (Principal Component, PC) spasio-temporal dari kejadian ekstrem di Lampung dikorelasikan dengan parameter atmosfer seperti Sea Surface Temperture (SST), angin zonal dan meridional pada level tekanan 850 hPa (U850/V850), serta indeks variabilitas iklim El Niño-Southern Oscillation (ENSO) menggunakan Oceanic Niño Index (ONI) dan Indian Ocean Dipole (IOD) menggunakan Dipole Mode Index (DMI). Pola angin dan SST menunjukkan keterkaitan signifikan dengan FE, sementara ONI dan DMI berkorelasi lemah. Area korelasi tinggi diekstrak sebagai prediktor untuk model Random Forest (RF). Model RF dilatih dan diuji pada periode Januari 1982 - Desember 2020 untuk memprediksi FE DJFM. Hasil prediksi model RF dievaluasi menggunakan Root Mean Square Error (RMSE) dan korelasi Pearson (r). Hasil Evaluasi model menunjukkan, meskipun model mampu merepresentasikan pola umum FE, terdapat kecenderungan overestimate pada FE rendah dan underestimate pada FE tinggi. Pendekatan ini menunjukkan potensi pengembangan prediksi frekuensi curah hujan ekstrem berbasis data atmosfer skala luas, yang dapat berkontribusi terhadap mitigasi bencana hidrometeorologi di Lampung.

URI
https://repo.itera.ac.id/depan/submission/SB2508220045

Keyword
Prediksi Curah Hujan Random Forest PCA CDF Machine Learning