Please use this identifier to cite or link to this item: https://repository.unej.ac.id/xmlui/handle/123456789/107604
Title: Projection Pursuit Pada Statistical Downscaling Menggunakan Support Vector Regression Untuk Peramalan Curah Hujan Bulanan Studi Kasus: Kabupaten Jember
Authors: PUTRI, Chandrika Desyana
Keywords: Projection Pursuit
Statistical Downscaling
Issue Date: 30-Jul-2021
Publisher: Fakultas Matematika dan Ilmu Pengetahuan Alam
Abstract: Projection Pursuit pada Statistical Downscaling Menggunakan Support Vector Regression untuk Peramalan Curah Hujan Bulanan (Studi Kasus: Kabupaten Jember); Chandrika Desyana Putri, S.Si., 181820101008; 2021: 52 halaman; Program Magister Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam. Indonesia dikenal sebagai negara agraris karena sebagian besar penduduk Indonesia bermatapencaharian sebagai petani. Sebagai negara agraris, sektor pertanian di Indonesia memiliki peranan yang sangat penting dari keseluruhan perekonomian nasional. Namun yang menjadi kendala dalam sektor pertanian adalah perubahan iklim karena berpengaruh pola tanam, waktu tanam, produksi, dan kualitas hasil. Salah satu unsur iklim yang menjadi indikator dalam kaitannya dengan tanaman adalah curah hujan. Oleh sebab, diperlukannya suatu model peramalan curah hujan yang akurat dengan memanfaatkan informasi tentang sirkulasi atmosfer global yang didapatkan dari luaran General Circulation Model (GCM). Namun GCM memiliki resolusi terlalu rendah dalam memprediksi curah hujan lokal tetapi GCM masih bisa digunakan untuk memperoleh skala lokal dengan menggunakan teknik downscaling. Statistical Downscaling (SDs) merupakan salah satu teknik downscaling yang menggunakan metode statistik yang menggambarkan hubungan antara data pada unit-unit berskala besar dengan data pada unit berskala lebih kecil dalam periode waktu tertentu. Banyaknya variabel yang dilibatkan dalam peramalan curah hujan menyebabkan pendekatan secara fisik tidak disarankan. Oleh sebab itu dibutuhkan pemodelan curah hujan yang dapat melakukan peramalan secara akurat salah satunya memanfaatkan pendekatan Support Vector Regression (SVR) yang didasarkan pada Support Vector Machine (SVM). Namun dimensi yang besar pada informasi luaran GCM menjadi suatu kendala dalam penelitian ini yang dapat berpotensi terjadinya multikolinearitas. Oleh sebab itu dibutuhkan
URI: http://repository.unej.ac.id/xmlui/handle/123456789/107604
Appears in Collections:MT-Mathematic

Files in This Item:
File Description SizeFormat 
Chandrika Desyana Putri - 181820101008.pdf
  Until 2027-04-19
3.09 MBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.