Perbandingan Metode Interpolasi Menggunakan Data CHIRPS Untuk Sebaran Curah Hujan Di Kabupaten Kubu Raya

N. Darmawan, Muliadi Muliadi, Riza Adriat
{"title":"Perbandingan Metode Interpolasi Menggunakan Data CHIRPS Untuk Sebaran Curah Hujan Di Kabupaten Kubu Raya","authors":"N. Darmawan, Muliadi Muliadi, Riza Adriat","doi":"10.26418/pf.v11i2.65013","DOIUrl":null,"url":null,"abstract":"Kabupaten Kubu Raya memiliki berbagai potensi sumber daya alam yang melimpah. Dengan kondisi topografi dan iklim yang ada sangat mendukung investasi dibidang pertanian. Penelitian ini dilakukan di Kabupaten Kubu Raya dengan menggunakan data CHIRPS. Tujuan dari penelitian ini untuk mebandingkan metode interpolasi IDW, Kriging, dan Spline untuk mendapatkan metode interpolasi yang paling akurat dan baik. Hasil ketiga metode ini diuji validasi dengan data BMKG di Stasiun Meteorologi Supadio. Hasil interpolasi berdasarkan perbandingan hasil RMSE dari ketiga metode didapatkan masing-masing hasil interpolasi yang menunjukkan rata-rata nilai RMSE dari tahun 2016-2021 yaitu menggunakan metode IDW sebesar 87,41, metode Kriging sebesar 87,3 dan metode Spline 87,41. Oleh karena itu, hasil uji validasi RMSE metode Kriging yang paling akurat dalam pengolahan data curah hujan CHIRPS di Kabupaten Kubu Raya.","PeriodicalId":127503,"journal":{"name":"PRISMA FISIKA","volume":"3 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"PRISMA FISIKA","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/pf.v11i2.65013","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Kabupaten Kubu Raya memiliki berbagai potensi sumber daya alam yang melimpah. Dengan kondisi topografi dan iklim yang ada sangat mendukung investasi dibidang pertanian. Penelitian ini dilakukan di Kabupaten Kubu Raya dengan menggunakan data CHIRPS. Tujuan dari penelitian ini untuk mebandingkan metode interpolasi IDW, Kriging, dan Spline untuk mendapatkan metode interpolasi yang paling akurat dan baik. Hasil ketiga metode ini diuji validasi dengan data BMKG di Stasiun Meteorologi Supadio. Hasil interpolasi berdasarkan perbandingan hasil RMSE dari ketiga metode didapatkan masing-masing hasil interpolasi yang menunjukkan rata-rata nilai RMSE dari tahun 2016-2021 yaitu menggunakan metode IDW sebesar 87,41, metode Kriging sebesar 87,3 dan metode Spline 87,41. Oleh karena itu, hasil uji validasi RMSE metode Kriging yang paling akurat dalam pengolahan data curah hujan CHIRPS di Kabupaten Kubu Raya.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
使用 CHIRPS 数据对库布拉亚地区降雨量分布进行内插法比较
库布拉亚地区拥有各种丰富的自然资源潜力。现有的地形和气候条件非常有利于农业投资。本研究使用 CHIRPS 数据在库布拉亚地区进行。本研究的目的是对 IDW、Kriging 和 Spline 插值方法进行比较,以找出最准确、最理想的插值方法。使用 Supadio 气象站的 BMKG 数据对这三种方法的结果进行了验证测试。根据三种方法的均方根结果比较得出的插值结果显示,2016-2021 年的平均均方根值分别为 IDW 法 87.41、Kriging 法 87.3 和 Spline 法 87.41。因此,克里金法 RMSE 验证测试结果在处理库布拉亚地区 CHIRPS 降水量数据时最为准确。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Dinamika Populasi Sistem Hybrid Semiconductor Quantum Dot – Metal Nanoshell Prediksi Luas Area Terbakar Menggunakan Fire Weather Index dan Frekuensi Titik Panas di Jambi Prediksi Penyakit Hepatitis C dan Sirosis Hati dengan Penerapan SMOTE pada Metode Jaringan Saraf Tiruan Propagasi Balik Identifikasi Penyakit COVID-19 dan Tuberkulosis Menggunakan Metode Convolutional Neural Network Arsitektur GoogLeNet Berdasarkan Citra Rontgen Thorax Identifikasi Stroke Menggunakan Metode Transfer learning Arsitektur Convolutional Neural Network Pada Citra CT-scan Kepala
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1