Melola Discovery

← Melola Discovery

Jurnal

Prediksi Curah Hujan Bulanan dengan North American Multi Model Ensemble

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 5 (2022) · hlm. 726–730

ISSN
2613-9189
Terbit
2022-02-12
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

North American Multi Model Ensemble (NMME) sistem peramalan berpola musiman yang terdiri dari beberapa model digabungkan dari pusat pemodelan iklim di Amerika Serikat. Peramalan ensembel lebih akurat dalam meramalkan cuaca dan iklim. NMME telah terbukti dapat menghasilkan prediksi yang lebih baik diatas rata-rata daripada model tunggal. Tujuan dari penelitian ini adalah untuk menilai kinerja prediksi curah hujan bulanan dengan menggunakan analisis RMSE dan Range Histogram. Model NMME diverifikasi terhadap curah hujan yang diamati. Hasil analisis menunjukkan adanya overdispersive pada nilai ramalan. Di antara lima model NMME, model model CCSM3 dan CCSM 4 memiliki kinerja yang baik pada periode November-April. Sedangkan model GFDL berkinerja baik pada periode Mei-Oktober.

Jaringan kolaborasi para penulis

Belum ada rekan penulis di Melola.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 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">Prediksi Curah Hujan Bulanan dengan North American Multi Model Ensemble</dc:title>
	<dc:creator>Faidah, Defi Yusti</dc:creator>
	<dc:description xml:lang="en-US">North American Multi Model Ensemble (NMME) sistem peramalan berpola musiman yang terdiri dari beberapa model digabungkan dari pusat pemodelan iklim di Amerika Serikat. Peramalan ensembel lebih akurat dalam meramalkan cuaca dan iklim. NMME telah terbukti dapat menghasilkan prediksi yang lebih baik diatas rata-rata daripada model tunggal. Tujuan dari penelitian ini adalah untuk menilai kinerja prediksi curah hujan bulanan dengan menggunakan analisis RMSE dan Range Histogram. Model NMME diverifikasi terhadap curah hujan yang diamati. Hasil analisis menunjukkan adanya overdispersive pada nilai ramalan. Di antara lima model NMME, model model CCSM3 dan CCSM 4 memiliki kinerja yang baik pada periode November-April. Sedangkan model GFDL berkinerja baik pada periode Mei-Oktober.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2022-02-12</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/54318</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 5 (2022): PRISMA, Prosiding Seminar Nasional Matematika XV; 726-730</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/54318/21103</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2022 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>