Pendugaan Parameter Extreme Value Theory dengan Metode Bayesian pada Curah Hujan Harian di Provinsi Jawa Timur

Irsandy, Diego and Dr. Suci Astutik, S.Si., M.Si. and Dr. Dra. Ani Budi Astuti, M.Si. (2024) Pendugaan Parameter Extreme Value Theory dengan Metode Bayesian pada Curah Hujan Harian di Provinsi Jawa Timur. Magister thesis, Universitas Brawijaya.

Abstract

Pemodelan statistika pada data deret waktu sering kali menghadapi tantangan akibat adanya ekor distribusi tebal karena adanya nilai ekstrem, yang memiliki dampak signifikan terhadap proses atau kejadian yang diamati, seperti banjir yang disebabkan oleh curah hujan ekstrem. Untuk mengatasi kasus tersebut, pemodelan dapat dilakukan dengan Extreme Value Theory (EVT). EVT memberikan pendekatan yang lebih komprehensif dalam menganalisis kejadian ekstrem dengan fokus pada nilai-nilai ekstrem. Dalam praktiknya, data seringkali memiliki missing value yang dapat mempengaruhi ketepatan model. Untuk mengatasi hal ini, metode seperti MA, metode rata-rata, dan interpolasi dapat digunakan. Penelitian-penelitian terdahulu telah menggunakan berbagai metode untuk memodelkan curah hujan, mulai dari model statistik konvensional hingga model AI dan Machine Learning. Namun, masih perlu lebih banyak penelitian yang membandingkan estimasi parameter antara data dengan dan tanpa missing value dengan metode Bayesian. Oleh karena itu, penelitian ini bertujuan untuk melakukan pemodelan EVT berbasis POT dan BM pada curah hujan di Jawa Timur dengan metode Bayesian untuk memperoleh pemahaman yang lebih baik tentang distribusi curah hujan ekstrem. Hasil penelitian menunjukkan bahwa data tanpa pendugaan data hilang lebih cocok diaplikasikan berdasarkan nilai DIC terkecil dan uji kesesuaian distribusi menggunakan uji Kolmogorv-Smirnov dan Plot Q-Q menunjukkan bahwa distribusi telah sesuai, serta didapatkan pula nilai Return Level sebagai potensi risiko curah hujan yang dapat terjadi.

English Abstract

Statistical modeling of time series data is often challenged by the presence of thick distribution tails due to extreme values, which have a significant impact on the observed process or event, such as flooding caused by extreme rainfall. To address such cases, modeling can be done with Extreme Value Theory (EVT). EVT provides a more comprehensive approach in analyzing extreme events by focusing on extreme values. In practice, data often has missing values that can affect the accuracy of the model. To overcome this, methods such as MA, averaging method, and interpolation can be used. Previous studies have used various methods to model rainfall, ranging from conventional statistical models to AI and Machine Learning models. However, more research is needed to compare parameter estimation between data with and without missing values using Bayesian methods. Therefore, this study aims to conduct POT and BM-based EVT modeling on rainfall in East Java with Bayesian methods to gain a better understanding of the distribution of extreme rainfall. The results show that data without missing data estimation is more suitable to be applied based on the smallest DIC value and the distribution suitability test using the Kolmogorv-Smirnov test and Q-Q Plot shows that the distribution is suitable, and the Return Level value is also obtained as a potential rainfall risk that can occur.

Item Type:	Thesis (Magister)
Identification Number:	042409
Uncontrolled Keywords:	Bayesian, Curah Hujan, Extreme Value, Missing Value, Return Level
Divisions:	S2/S3 > Magister Statistika, Fakultas MIPA
Depositing User:	Unnamed user with username nova
Date Deposited:	09 Sep 2024 06:44
Last Modified:	09 Sep 2024 06:44
URI:	http://repository.ub.ac.id/id/eprint/225136

Text (DALAM MASA EMBARGO) Diego Irsandy.pdf Restricted to Registered users only Download (16MB)

Actions (login required)

View Item