Model Output Statistics dengan Projection Pursuit Regression untuk Meramalkan Suhu Minimum, Suhu Maksimum, dan Kelembapan

Abstract

Peramalan cuaca memiliki peranan penting bagi masyarakat. Sampai saat ini BMKG dalam meramalkan cuaca masih menggunakan metode yang subjektif. PemanfaatanNumerical Weather Prediction(NWP) merupakansalahsatuupayauntukmeramalkancuacasecaraobjektif.NWP yang diukur pada skala global akan memberikan informasi cuaca yang bias terhadap kondisi cuaca skala lokal. Oleh karena itu dibutuhkan pemrosesan secara statistik (statistical post-processing) salah satunya dengan metode Models Output Statistics (MOS). MOS adalah sebuah metode berbasis regresi yang memaksimalkan hubungan antara observasi cuaca dan luaran model NWP. Observasi cuaca yang digunakan sebagai variabel respon adalah suhu minimum (T_MIN), suhu maksimum (T_MAX), dan kelembapan (RH). Parameter NWP yang digunakan  variabel prediktor adalah  T_MAXCR, T_MINCR, dan RH_CR. Metode regresi yang digunakan adalah Projection Pursuit Regression (PPR). Metode ini termasuk pendekatan nonparametrik yang tidak terlalu ketat dengan asumsi (soft modelling). PPR dapat mengatasi data NWP yang curse of dimentionality dan data observasi cuaca yang tidak linier. Penentuan banyak fungsi dalam model PPR dilakukan optimalisasi simulasi banyak fungsi1 sampai 5. Model terbaik yang dipilih berdasarkan banyak fungsi yang memiliki nilai Root Mean Square Error Prediction (RMSEP) terkecil. Hasil penelitian menyimpulkan bahwa RMSEP untuk model T_MIN di empat stasiun pengamatan memiliki nilai di bawah 1, untuk T_MAX antara 1 sampai 2, sedangkan untuk RH antara 4-6. Hasil ramalan model MOS secara konsisten memiliki nilai RMSEP lebih kecil daripada model NWP. Kesimpulan lain adalah model MOS dapat memperbaiki model NWP mencapai 86%.

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).