FOURIERFOURIER

Jurnal FourierJurnal Fourier

Curah hujan, temperatur, kecepatan angin, kelembaban udara, dan penyinaran matahari adalah parameter klimatologi. Perubahan parameter klimatologi yang signifikan mengakibatkan terjadinya bencana alam seperti banjir, angin kencang, puting beliung, tanah longsor, cuaca ekstrem hingga kekeringan. Informasi parameter klimatologi sangat dibutuhkan pada berbagai sektor kehidupan, misal pertanian, pariwisata, dan transportasi. Oleh karena itu, informasi tentang parameter klimatologi dibutuhkan di masa depan sebagai upaya mitigasi bencana. Penelitian ini bertujuan untuk memprediksi perubahan parameter klimatologi menggunakan Multivariate Singular Spectrum Analysis (MSSA). Data yang digunakan adalah data harian parameter klimatologi di Malang periode Januari 2023 hingga Mei 2024. Hasil pengolahan data penelitian menggunakan software R menunjukkan nilai model MSSA dengan M = 50, Grouping Effect (r) = 12 dan nilai MAD terkecil menghasilkan prediksi parameter klimatologi di Malang bulan Juni 2024 meliputi temperatur suhu 25.45°C, kelembapan 77.23%, curah hujan 10.56 mm, penyinaran matahari 5.94 jam, dan kecepatan angin 1.84 m/s.

Model MSSA dengan parameter M = 50 menunjukkan kinerja terbaik dalam meminimalkan nilai MAD pada sebagian besar parameter klimatologi di stasiun BMKG Malang.Prediksi menunjukkan intensitas curah hujan yang lebih sering terjadi pada bulan Juni, meskipun tidak mengindikasikan potensi bencana besar secara langsung.Langkah mitigasi tetap diperlukan, terutama di wilayah rawan banjir atau tanah longsor melalui pemantauan curah hujan, perawatan sistem drainase, dan peningkatan kesadaran masyarakat.

Pertama, perlu dilakukan penelitian untuk memprediksi parameter klimatologi pada wilayah lain di Indonesia dengan karakteristik geografis berbeda menggunakan metode MSSA guna mengevaluasi konsistensi akurasi model di berbagai lokasi. Kedua, dapat dikembangkan studi perbandingan kinerja metode MSSA dengan pendekatan machine learning lainnya seperti LSTM atau ARIMA multivariat untuk mengetahui efektivitas relatif masing-masing model dalam konteks data iklim Indonesia. Ketiga, perlu diteliti integrasi hasil prediksi klimatologi berbasis MSSA ke dalam sistem peringatan dini bencana berbasis komunitas, untuk mengevaluasi bagaimana informasi prediktif ini dapat diubah menjadi tindakan mitigasi yang efektif oleh masyarakat lokal. Penelitian-penelitian ini akan memperdalam pemanfaatan model pemrosesan deret waktu multivariat untuk kesiapsiagaan bencana. Dengan memperluas cakupan wilayah, pendekatan perbandingan model, dan implementasi sosial, hasil prediksi klimatologi dapat menjadi lebih akurat, andal, dan relevan bagi pengambilan keputusan di tingkat lokal. Studi lanjutan juga bisa mengeksplorasi pengaruh faktor eksternal seperti anomali iklim global terhadap akurasi prediksi. Selain itu, pemodelan dengan resolusi waktu yang lebih tinggi, misalnya data harian menjadi jamanan, dapat dievaluasi untuk meningkatkan ketepatan prediksi. Integrasi data historis bencana dengan parameter klimatologi yang diprediksi juga layak dikaji lebih lanjut. Pendekatan multidisiplin antara ilmu data, klimatologi, dan manajemen bencana akan menghasilkan sistem mitigasi yang lebih holistik. Dengan demikian, penelitian lanjutan harus fokus pada validasi, komparasi, dan implementasi model guna mendukung ketahanan iklim di Indonesia.

  1. Forecasting Error Calculation with Mean Absolute Deviation and Mean Absolute Percentage Error - IOPscience.... doi.org/10.1088/1742-6596/930/1/012002Forecasting Error Calculation with Mean Absolute Deviation and Mean Absolute Percentage Error IOPscience doi 10 1088 1742 6596 930 1 012002
  2. DEVELOPMENT OF RAINFALL FORECASTING MODEL USING MACHINE LEARNING WITH SINGULAR SPECTRUM ANALYSIS | IIUM... doi.org/10.31436/IIUMEJ.V23I1.1822DEVELOPMENT OF RAINFALL FORECASTING MODEL USING MACHINE LEARNING WITH SINGULAR SPECTRUM ANALYSIS IIUM doi 10 31436 IIUMEJ V23I1 1822
Read online
File size1004.58 KB
Pages11
DMCAReport

Related /

ads-block-test