Model Linier Diperumum Untuk Memodelkan Durasi Curah Hujan Tinggi di Sulawesi SelatanSelatan

  • Ahmad Husain Universitas Patompo
    (ID)
  • Isma Muthahharah Universitas Patompo
    (ID)
  • Amran Universitas Hasanuddin
    (ID)
DOI: https://doi.org/10.24252/msa.v11i2.37671
Kata Kunci: Bayesian, Curah Hujan TInggi, Efek Spasial, Metropolis Hasting, Model Linier Diperumum

Abstrak

Penelitian ini bertujuan untuk memodelkan durasi curah hujan tinggi di Sulawesi Selatan yang menjadi penyebab bencana hidrologi pada bulan Januari setiap tahunnya. Dalam penelitian ini, data iklim seperti curah hujan, kecepatan angin, kelembaban relatif, sinar matahari dan suhu udara di rekapitulasi dan di modelkan menggunakan model linier diperumum. Tujuannya adalah untuk memprediksi variabel-variabel yang relevan mempengaruhi peningkatan durasi hujan dengan intensitas tinggi di Sulawesi Selatan. Pada proses estimasi parameter, model linier diperumum ditambahkan komponen acak berupa efek acak spasial dan estimasi menggunakan pendekatan Bayesian. Hasil analisis menghasilkan variabel iklim apa saja yang relevan memodelkan peningkatan hari hujan tinggi pada bulan Januari, serta jarak pengaruh variabel yang relevan tersebut.

Referensi

[1] Fenani, A. 2004. “Kajian Meterorologis Hubungan antara Hujan Harian dan Unsur-unsur Hujan Studi Kasus di Satsiun Metereologi Adisucipto”. Majalag Geografi Indonesia, Vol.18 No 2: 69-79.
[2] Nugroho, S. P. (2019, Januari). “Banjir Landa 53 Kecamatan di Sulawesi Selatan, 8 Tewas, 4 Hilang dan Ribuan Warga Mengungsi”. BNPB. Diakses dari https://bnpb.go.id/berita
[3] Haibin, L. 2008. “Spatial generalized linier mixed models of eletricpower hurricanes and ice storms”.Reability Engineering and System Safety: 875-890.
[4] Nelder, M. 1989. “Generalized Linier Models second Edition”, Chapman and Hall, United Stated of America.
[5] Santri, D, dkk. 2020.”Statistical Downscaling Regresi Kuantil LASSO dan Komponen Utama Untuk Pendugaan Curah Hujan Ekstrim”. Mathematics and Applications Journal Vol 2 No 1: 47-57.
[6] Lekdee, K, dkk. 2013. “Generalized Linier Mixed Models With Spatial Random Effect For Spatio-Temporal Data: An Application to Dengue Fever Mapping”. Journal of Mathematics and Statistics Vol 9 No 2: 137-143.
[7] Torabi, M. 2015. “Likeklihood Inference for Spatial Generalized Linier Mixed Models.” Comunications Statistics-Simulation and Computation: 1692-1701.
[8] Husain, A, dkk. 2023. “Pemodelan Data Angka Kematian Bayi Menggunakan Regresi Robust”. Jurnal Sains, Teknologi dan Komputer Vol 1 No 1: 1-7.
[9] Tiao, B. 1973. “Bayesian Inference In Statistical Analysis”. Philippinnes: Addidion-Weselye Publishin Company.
[10] Terenin, A, dkk. 2017. “A Noninformative Prior on a Space of Distribution Functions”. Entropy, 19: 1-12.
[11] Irwanti, K. I, dkk. 2012. “Pembangkitan Sampel Random Menggunakan Algoritma Metropolis Hastings”. Jurnal Gaussian Vol 1 No 1: 135-146.
[12] Spiegelhalter, D. J, dkk. 2002. “Bayesian Measures of Model Complexity and Fit”. Journal of the Royal Statistical Society, Vol 64 No 4: 583-616.
[13] Finley, A. S, dkk. 2015. “spBayes for large univariate and multivariate point-referenced spatio-temporal data models”. Journal of Statistical Software Vol 63: 1-28.
[14] Lee, J, dkk. 2001. “Statistical Analysis With Arcview GIS”, John Willley and Sons, Inc., United Stated of America
Diterbitkan
2023-08-27
##submission.howToCite##
[1]
A. Husain, Isma Muthahharah, dan Amran, “Model Linier Diperumum Untuk Memodelkan Durasi Curah Hujan Tinggi di Sulawesi SelatanSelatan”, MSA, vol. 11, no. 2, hlm. 23-29, Agu 2023.
Terbitan
Vol 11 No 2 (2023): VOLUME 11 NO 2 TAHUN 2023
Bagian
Artikel

##submission.copyrightStatement##

##submission.license.cc.by-nc4.footer##
Abstrak viewed = 161 times