APLIKASI METODE BAYESIAN MODEL AVERAGING (BMA) DENGAN PENDEKATAN MARKOV CHAIN MONTE CARLO (MCMC) UNTUK PERAMALAN CURAH HUJAN DI STASIUN METEOROLOGI KOTA MAKASSAR
(1) Program Studi Statistika FMIPA UNM
(2) Program Studi Statistika FMIPA UNM
(3) Program Studi Statistika FMIPA UNM
(*) Corresponding Author
DOI: https://doi.org/10.35580/variansiunm14642
Abstract
Abstrak. Curah hujan yang turun dapat mempengaruhi produksi dari beberapa jenis pekerjaan tertentu dan dapat mengganggu aktifitas manusia. Peramalan curah hujan dalam hal ini sangat penting untuk dilakukan. Metode peramalan yang sering dilakukan yaitu metode ensemble. Namun, metode ini cenderung mengalami overdispersive atau underdispersive. Maka dilakukan suatu proses kalibrasi yaitu Bayesian Model Averaging (BMA). Metode ini mampu menggeser nilai rata-rata dan variansi agar mendekati nilai observasi. Penaksiran parameter BMA dilakukan dengan pendekatan Markov Chain Monte Carlo (MCMC) yang mampu mengatasi variasi pada distribusi BMA dan memberikan hasil informasi penting mengenai bobot dan variansi. Metode ini diaplikasikan pada Curah Hujan Bulanan Kota Makassar. Hasil analisis memberikan kesimpulan bahwa metode ensemble tidak ada yang mampu yang menangkap nilai observasi sedangkan metode BMA dengan menggunakan training window 5 mampu menangkap nilai observasi curah hujan bulan Februari, Maret, Mei, Juni, Juli, dan Agustus 2018. Nilai observasi curah hujan bulan Juni yaitu 121 mm. Hasil peramalan dari metode ensemble untuk bulan Juni yaitu 130,6 mm, sedangkan pada metode BMA diperoleh interval ramalan untuk bulan Juni yaitu (-61,02-156,41) mm. Nilai Continous Ranked Probability Score (CRPS) yang diperoleh untuk metode ensemble yaitu 62,07 dan metode BMA yaitu 25,24. Sehingga, metode BMA lebih baik dari metode ensemble karena nilai CRPS yang dihasilkan lebih kecil, sehingga interval yang dihasilkan dari peramalan BMA lebih banyak menangkap nilai observasi.
Kata Kunci: Curah Hujan, Ensemble, BMA, MCMC, CRPS.Full Text:
PDFArticle Metrics
Abstract view : 458 times | PDF view : 137 timesRefbacks
- There are currently no refbacks.
Copyright (c) 2020 P. Paramita, Suwardi Annas, Muhammad Kasim Aidid
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Abstracted/Indexed by:
VARIANSI: Journal of Statistics and Its Application on Teaching and Research is licensed under a Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)