Informasi Detil Paper


Judul: Pemodelan Statistical Downscalling Dengan Pendekatan Markov Chain Monte Carlo PCA (Studi Kasus : Data GCM Stasiun Ambon)
Penulis: Ferry Kondo Lembang  || email: ferrykondolembang@yahoo.co.id
Jurnal: Prosiding FMIPA Universitas Pattimura 2013 Vol. 2 no. 1 - hal. 54-62 Tahun 2013  [ Prosiding ]
Keywords:  GCM, statistical downscalling, PCA, Regresi Bayes PCA
Abstract: Masalah mendasar dari prediksi model curah hujan adalah keakuratan model berdasarkan proses stokhastik skala global maupun skala kecil. Statistical Downscalling (SD) merupakan salah satu alternatif untuk mengatasi masalah tersebut. SD adalah model yang menghubungkan skala global GCM dengan skala yang lebih kecil (lokal) dengan jalan pra-pemrosesan .reduksi dimensi domain grid untuk mengatasi kasus multikolinearitas. Metode reduksi dimensi yang sering digunakan adalah Principal Component Analysis (PCA). Dari hasil reduksi dimensi domain grid tersebut selanjutnya diregresikan dengan variabel respon yaitu data curah hujan bulanan kota Ambon periode 1971-2000 dengan metode Markov Chain Monte Carlo (MCMC) untuk mendapatkan model SD, kemudian dilakukan validasi model SD dengan menggunakan kriteria kebaikan model RMSEP dan 2 Rpredict . Hasil penelitian diperoleh untuk domain grid 3x3 nilai RMSEP dan 2 Rpredict berturut-turut sebesar 245 dan 45,59%, untuk domain grid 8x8 nilai RMSEP dan 2 Rpredict berturut-turut sebesar 242 dan 67,90%. Sedangkan untuk domain grid 12x12 nilai RMSEP dan 2 Rpredict berturut-turut sebesar 246 dan 69, 21%.
File PDF: Download fulltext PDF PDF

<<< Previous Record Next Record >>>