PEMODELAN KERUGIAN BENCANA BANJIR AKIBAT CURAH HUJAN EKSTREM MENGGUNAKAN EVT DAN COPULA
DOI:
https://doi.org/10.34123/jurnalasks.v13i1.273Keywords:
Curah hujan ekstrem, Extreme Value Theory, CopulaAbstract
Curah hujan ekstrem pada umumnya dapat mengakibatkan kerugian seperti banjir, tanah longsor, dan
gagal panen. Pemodelan kerugian bencana banjir digunakan untuk memperkirakan seberapa parah
kerusakan yang dialami ketika terjadi bencana banjir akibat curah hujan ekstrem. Penelitian ini bertujuan
untuk memodelkan kerugian bencana banjir terhadap kerusakan rumah menggunakan metode Extreme
Value Theory (EVT) dan copula. Metode EVT digunakan untuk memodelkan distribusi curah hujan dan
rumah rusak, sedangkan copula digunakan untuk mengidentifikasi struktur dependensi antara curah
hujan dengan kerusakan rumah yang ditimbulkan. Hasil dari penelitian ini didapatkan distribusi terbaik
untuk kerusakan rumah di Jawa Barat, Jawa Tengah, dan Jawa Timur adalah distribusi Generalized
Extreme Value (GEV) serta model copula terbaik yang menggambarkan dependensi antara curah hujan
dan kerusakan rumah adalah copula Frank. Nilai parameter ?ˆ copula Frank Provinsi Jawa Barat sebesar
1.4999840280, Jawa Tengah sebesar -0.5816995330, dan Jawa Timur sebesar -0.8648329345.
Parameter copula Frank bernilai positif (negatif) menunjukkan hubungan yang sifatnya positif (negatif)
antara curah hujan ekstrem dan rumah rusak. Hasil pemodelan menunjukkan bahwa terdapat hubungan
positif antara curah hujan dan rumah rusak di Provinsi Jawa Barat dan Jawa Tengah, serta hubungan
negatif antara kedua variabel di Provinsi Jawa Timur. Hal tersebut menunjukkan bahwa terdapat
kemungkinan penyebab lain yang lebih berpengaruh terhadap kerusakan rumah di Provinsi Jawa Timur
dibandingkan curah hujan.
Downloads
References
Amalia, L. F. (2017). Estimasi Parameter pada Pemodelan Spatial Extreme Value Dengan Pendekatan Copula.
BMKG. (2020). Diambil kembali dari Daftar Istilah Klimatologi: http://balai3.denpasar.bmkg.go.id/daftar-istilah-musim
Coles, S. (2001). Improving the Analysis of Extreme Wind Speed with Information-sharing Models. de l’Institut Pierre Simon Laplace, no. 11, p. 12, 284.
Cooley, D., Nyckah, D., & Naveau, P. (2007). A dependence measure for multivariate and spatial extremes: Properties and inference. Journal of the American Statistical Association, 824-840.
Davison, A., Padoan, S., & Ribatet, M. (2012). Statistical Modeling of Spatial Extremes. Statistical Science, 161-186.
Engmann, S., & Cousineau, D. (2011). Jurnal of Applied Quantitative Methods, Vol 6, No 3.
Hakim, A. R. (2016). Pemodelan Spatial Extreme Value dengan Pendekatan Max-Stable Process. Surabaya: Institute Teknologi Sepuluh Nopember.
Hyndman, R. J. (2006). Another Look At Forecast-Accuracy Metrics For Intermittent Demand. FORESIGHT, 43-46.
Nelsen, R. B., & Flores, M. Ú. (2005). The lattice-theoretic structure of sets of bivariate copulas and quasi-copulas. Comptes Rendus Mathematique, vol.341, no.9, hal.583-586.
Ramadhani, I. (2019). Identifikasi Struktur Dependensi dan Prediksi Indeks Harga Saham Gabungan Menggunakan Regresi Berbasis D-Vine Copula. Yogyakarta: Universitas Islam Indonesia.
Ramadhani, I. R. (2015). TESIS - SS 142501.
Razak, M. A. (2017). Peramalan Jumlah Produksi Ikan Dengan Menggunakan Backprogation Neural Network (Studi Kasus: UPTD Pelabuhan Perikanan Banjarmasin). Surabaya: Intitute Teknologi Sepuluh Nopember.
Rinaldi, A. ( 2016). Sebaran Generalized Extreme Value (GEV) dan Generalized Pareto (GP) untuk Pendugaan Curah Hujan Ekstrim di Wilayah DKI Jakarta. Al-Jabar: Jurnal Pendidikan Matematika Vol. 7, No. 1, Hal 75 - 84.
Sch¨olzel, C., & Friederichs, P. (2008). Multivariate non-normally distributed random variables in climate research – introduction to the copula approach. Nonlinear Processes in Geophysics.
