Pemodelan Curah Hujan Menggunakan Mixed-Order Markov Chain dan Sebaran Eksponensial.

Abstract

Curah hujan merupakan ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak menguap, tidak meresap, dan tidak mengalir. Curah hujan yang minim di Prowers, Colorado, Amerika Serikat membuat para petani menghadapi risiko untuk memproduksi gandum. Karenanya diperlukan model untuk curah hujan musiman. Terjadinya hujan atau tidak dalam satu hari dapat dilihat sebagai kejadian biner yang dapat dimodelkan oleh rantai Markov dengan 2 state. Di setiap musim ditentukan orde dari rantai Markov yang menentukan ketergantungan data sekarang dengan data hari-hari sebelumnya. Mixed-order Markov chain model memberikan kebebasan untuk memilih orde terbaik di setiap musim dengan menggunakan Bayesian Information Criterion. Jika terjadi hujan, maka besarnya curah hujan kemudian diprediksi menggunakan sebaran eksponensial. Model mixed order Markov chain dan sebaran eksponensial terbaik kemudian diaplikasikan untuk memprediksi curah hujan satu periode musim berikutnya.