Melola Discovery

← Melola Discovery

Jurnal SINTA 3

PEMODELAN STATISTICAL DOWNSCALLING DENGAN PENDEKATAN REGRESI BAYES ROBUST PCA (STUDI KASUS: DATA GCM STASIUN AMBON)

BAREKENG: Jurnal Ilmu Matematika dan Terapan · Vol. 6 No. 2 (2012) · hlm. 45–50

DOI
10.30598/barekengvol6iss2pp45-50
ISSN
2615-3017, 1978-7227
Terbit
2012-12-01
Penerbit
PATTIMURA UNIVERSITY
Bahasa
eng

Abstrak

Masalah mendasar dari prediksi 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 jalanpra-pemrosesan.reduksi dimensi domain grid untuk mengatasi kasus multikolinearitas. Metode reduksi dimensi yang serikali digunakan adalah Principal Component Analysis(PCA). Namun PCA tidak dapat diandalkan jika ada pengamatan outlier dalam data, sehingga diperlukan reduksi dimensi yang robust. Reduksi dimensi robust menggunakanRobust Principal Component Analysis (ROBPCA) dengan estimator robust MCD. Dari hasil reduksi dimensi domain grid tersebut selanjutnya diregresikan dengan variabel responberupa data curah hujan di stasiun Ambon dengan pendekatan regresi Bayes. Pendekatan regresi Bayes ROBUST PCA menjadi salah satu alternatif pada pemodelan SD. HasilPenelitian menunjukkan Metode regresi Bayes ROBPCA cenderung lebih baik pada domain 8x8 dilihat pada kriteria kebaikan model RMSE terkecil yaitu 231,4 dan R-Squareterbesar 38,1% dibandingkan domain 3x3 dan domain 12x12

Jaringan kolaborasi para penulis

4 penulis · 6 tautan kepenulisan bersama · 2 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Pattimura
  • Institut Teknologi Sepuluh Nopember
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
M. Y. MatdoanAfiliasi tidak diketahui1
Abdul Malik BalamiInstitut Teknologi Sepuluh Nopember1
Sanlly Joanne LatupeirissaUniversitas Pattimura1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://ojs3.unpatti.ac.id/index.php/barekeng/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">PEMODELAN STATISTICAL DOWNSCALLING DENGAN PENDEKATAN REGRESI BAYES ROBUST PCA (STUDI KASUS : DATA GCM STASIUN AMBON)</dc:title>
	<dc:creator>Kondolembang, Ferry</dc:creator>
	<dc:description xml:lang="en-US">Masalah mendasar dari prediksi 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 jalanpra-pemrosesan .reduksi dimensi domain grid untuk mengatasi kasus multikolinearitas. Metode reduksi dimensi yang serikali digunakan adalah Principal Component Analysis(PCA). Namun PCA tidak dapat diandalkan jika ada pengamatan outlier dalam data, sehingga diperlukan reduksi dimensi yang robust. Reduksi dimensi robust menggunakanRobust Principal Component Analysis (ROBPCA) dengan estimator robust MCD. Dari hasil reduksi dimensi domain grid tersebut selanjutnya diregresikan dengan variabel responberupa data curah hujan di stasiun Ambon dengan pendekatan regresi Bayes. Pendekatan regresi Bayes ROBUST PCA menjadi salah satu alternatif pada pemodelan SD. HasilPenelitian menunjukkan Metode regresi Bayes ROBPCA cenderung lebih baik pada domain 8x8 dilihat pada kriteria kebaikan model RMSE terkecil yaitu 231,4 dan R-Squareterbesar 38,1% dibandingkan domain 3x3 dan domain 12x12</dc:description>
	<dc:publisher xml:lang="en-US">PATTIMURA UNIVERSITY</dc:publisher>
	<dc:date>2012-12-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/212</dc:identifier>
	<dc:identifier>10.30598/barekengvol6iss2pp45-50</dc:identifier>
	<dc:source xml:lang="en-US">BAREKENG: Jurnal Ilmu Matematika dan Terapan; Vol 6 No 2 (2012): BAREKENG : Jurnal Ilmu Matematika dan Terapan; 45-50</dc:source>
	<dc:source>2615-3017</dc:source>
	<dc:source>1978-7227</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/212/182</dc:relation>
</oai_dc:dc>