Pemodelan Bayesian Hirarki Data Curah Hujan Ekstrem di Jakarta

Jupita Sari Ika Hanugraheni, Nur Iriawan
Submission Date: 2016-01-22 14:16:34
Accepted Date: 2016-04-28 10:46:37

Abstract


Curah hujan ekstrem merupakan kejadian yang ja-rang terjadi namun dapat memberikan dampak yang merugikan bagi kehidupan. Banjir merupakan salah satu dampak dari curah hujan ekstrem. Salah satu wilayah yang paling sering terkena ban-jir adalah Jakarta. Hal ini mengakibatkan aktivitas manusia men-jadi terganggu. Oleh karena itu, dibutuhkan pengetahuan terkait nilai ekstrem untuk meminimalkan dampak kerugian akibat curah hujan ekstrem. Pada penelitian ini, identifikasi curah hujan eks-trem dilakukan dengan metode Peaks Over Threshold (POT) de-ngan pola distribusi data ekstrem mengikuti Generalized Pareto Distribution (GPD). Estimasi parameter GPD dilakukan dengan menggunakan Model Bayesian Hirarki (MBH) untuk mengatasi masalah keterbatasan data pengamatan ekstrem dan mengakomo-dasi hubungan antar perbedaan parameter shape dengan variabel prediktor (kovariat) di setiap tingkat struktur hirarki data. Distri-busi prior yang digunakan adalah improper non conjugate dan non informative prior. Hasil estimasi parameter menunjukkan bahwa modus dari temperatur rata-rata harian, elevasi, longitude, dan la-titude tidak berpengaruh signifikan terhadap perbedaan nilai para-meter shape, sehingga tidak berpengaruh pada hasil prediksi return level. Pada penelitian selanjutnya, sebaiknya menggunakan conju-gate dan informative prior dengan mempertimbangkan pengguna-an atau penambahan kovariat lain.

Keywords


Bayesian Hirarki;Curah Hujan;Ekstrem Value;Peaks Over Threshold;Return Level

References


Goddard Space Flight Center. (2015, Oktober 10). [[NASA]] Satellite Confirms Urban Heat Island Increase Rainfall Arround Cities. Tersedia. http://www.sciencedaily.com/releases/2002/06/020619074019.htm.

L. Fawcett dan D. Walshaw, “Improved Estimation for Temporally Clustered Extremes,” Environmetrics, Vol. 18 (2007) 173-188.

Goldstein, H. “Multilevel Statistical Models”. London: Edward Arnold (1995).

D. Cooley, D. Nychka, P. Naveau, “Bayesian Spatial Modeling of Extre-mes Percipitation Return Levels,” Journal of the American Assosiation, Vol. 102 (2007) No. 479 824-840.

Amran, “Pemodelan Pengamatan Ekstrem Spasial Non Stasioner Menggunakan Bayesian Hirarki,” Disertasi, Jurusan Statistika, Institut Teknologi Sepuluh Nopember, Surabaya (2015).

M. Gilli dan E. Kellezi, An Application of Extreme Value Theory for Measuring Risk. Amsterdam: Elsevier Science

S. Coles. An Introduction to Statistical Modelling of Extreme Value. London: Springer-Verlag.

Li, Zongxing, Study on Climate Changes in Southwestern China. Berlin Heidelberg: Springer-Verlag (2015).

Iriawan, Nur, Pemodelan dan Analisis Data-Driven. Surabaya: ITS PRESS (2012).

P. Ismartini, Pengembangan Model Linier Hirarki dengan Pendekatan Bayesian untuk Pemodelan Data Pengeluaran Perkapita Rumah Tangga. Disertasi: Jurusan Statistika, Institut Teknologi Sepuluh Nopember (2013).

G. Casella dan E. I. George, “Explaining the Gibbs Sampler,” Journal of the American Statistical Association 46(3) (1992) 167-174

M. Gilli dan E. Kellezi. An Application of Extreme Value Theory for Measuring Risk. Amsterdam: Elsevier Science (2003).

Handoko. “Klimatologi Dasar,” Jakarta: Pustaka Jaya (1994).

Supriatna, J. “Diktat Diklat Meteorologi Publik,” Jakarta: BMKG (2008).


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.