Pemodelan Bayesian Hirarki Data Curah Hujan Ekstrem di Jakarta

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.