ICSEJOURNALICSEJOURNAL

Journal of Computer Science and Engineering (JCSE)Journal of Computer Science and Engineering (JCSE)

Cuaca di Indonesia, khususnya di wilayah pesisir selatan seperti Kabupaten Cilacap, sangat dipengaruhi oleh interaksi beberapa variabel meteorologi. Studi ini bertujuan untuk memprediksi parameter meteorologi bulanan yang terdiri dari curah hujan, suhu udara, kecepatan angin, kelembapan, dan intensitas radiasi matahari menggunakan metode simulasi Monte Carlo berdasarkan data historis dari tahun 2022 hingga 2024 yang diperoleh dari Stasiun Meteorologi Kelas III Tunggul Wulung Cilacap. Proses simulasi melibatkan penyesuaian distribusi probabilitas dan pembangkitan bilangan acak untuk 10.000 iterasi untuk setiap parameter. Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil menunjukkan bahwa suhu udara dan kelembapan mencapai akurasi prediksi tertinggi dengan nilai MAPE sebesar 4,04 persen dan 3,18 persen. Nilai-nilai ini menunjukkan konsistensi model yang tinggi. Intensitas radiasi matahari dan kecepatan angin menghasilkan akurasi sedang dengan nilai MAPE sebesar 38,83 persen dan 44,44 persen. Sebaliknya, curah hujan menunjukkan kinerja prediksi yang rendah dengan nilai MAPE sebesar 53,13 persen. Kinerja rendah ini disebabkan oleh variasi temporal yang tinggi dan keterbatasan panjang data. Temuan menunjukkan bahwa simulasi Monte Carlo efektif untuk memprediksi variabel meteorologi dengan pola stabil tetapi kurang cocok untuk parameter dengan fluktuasi ekstrem seperti curah hujan.

Studi ini menyimpulkan bahwa metode simulasi Monte Carlo efektif untuk memprediksi parameter meteorologi dengan pola bulanan yang stabil, terutama suhu udara dan kelembapan, yang mencapai nilai MAPE rendah sebesar 4,04 persen dan 3,18 persen.Hasil ini menunjukkan bahwa distribusi probabilitas yang berasal dari data historis dapat secara akurat merepresentasikan parameter dengan variasi rendah.Kecepatan angin dan intensitas radiasi matahari menunjukkan akurasi sedang dengan nilai MAPE sebesar 44,44 persen dan 38,83 persen, mencerminkan pengaruh fluktuasi atmosfer jangka pendek yang mengurangi stabilitas prediksi.Curah hujan menunjukkan akurasi terendah dengan nilai MAPE sebesar 53,13 persen, terutama karena sifatnya yang sangat tidak teratur dan deviasi signifikan dari pola musim umum di Indonesia.Temuan menunjukkan bahwa metode Monte Carlo cocok untuk memodelkan variabel meteorologi stabil tetapi kurang efektif untuk parameter yang didominasi oleh variasi ekstrem.Untuk meningkatkan kinerja prediksi, diperlukan dataset historis yang lebih panjang, distribusi probabilitas yang lebih representatif, dan penyempurnaan model simulasi.Penelitian lanjutan dapat mengintegrasikan sumber data tambahan seperti observasi satelit dan indeks iklim untuk meningkatkan prediksi curah hujan dan mendukung aplikasi peringatan dini.

Penelitian lanjutan dapat mengembangkan metode prediksi curah hujan dengan memperpanjang dataset historis hingga 10 tahun atau lebih untuk mengakomodasi variasi musiman yang ekstrem. Selain itu, integrasi data satelit seperti pengamatan awan dan indeks iklim global dapat meningkatkan akurasi model simulasi Monte Carlo. Peneliti juga bisa mengeksplorasi distribusi probabilitas khusus seperti distribusi Gamma untuk memodelkan pola curah hujan yang tidak normal, mengingat karakteristik data curah hujan yang sering mengikuti distribusi eksponensial. Pendekatan ini dapat membantu mengurangi kesalahan prediksi hingga 20-30 persen, terutama untuk wilayah pesisir yang rentan bencana hidrometeorologi. Penelitian juga bisa membandingkan efektivitas simulasi Monte Carlo dengan metode lain seperti neural network atau boosting dalam konteks prediksi parameter meteorologi. Dengan menggabungkan pendekatan statistik dan komputasi, penelitian ini dapat memberikan dasar untuk sistem peringatan dini yang lebih andal di daerah tropis seperti Indonesia.

  1. Simulasi Metode Monte Carlo untuk Mengatur Sistem Antrian Truk | Jurnal KomtekInfo. simulasi metode monte... doi.org/10.35134/komtekinfo.v11i3.552Simulasi Metode Monte Carlo untuk Mengatur Sistem Antrian Truk Jurnal KomtekInfo simulasi metode monte doi 10 35134 komtekinfo v11i3 552
  2. Prediction of Monthly Rainfall with Using Monte Carlo Simulation in the Medan City Area | Jurnal Sisfokom... jurnal.atmaluhur.ac.id/index.php/sisfokom/article/view/2307Prediction of Monthly Rainfall with Using Monte Carlo Simulation in the Medan City Area Jurnal Sisfokom jurnal atmaluhur ac index php sisfokom article view 2307
  3. Statistical methods for interpreting Monte Carlo ensemble forecasts | Tellus. statistical methods interpreting... doi.org/10.1034/j.1600-0870.2000.d01-5.xStatistical methods for interpreting Monte Carlo ensemble forecasts Tellus statistical methods interpreting doi 10 1034 j 1600 0870 2000 d01 5 x
Read online
File size452.65 KB
Pages9
DMCAReport

Related /

ads-block-test