Peramalan Curah Hujan di Indonesia Menggunakan Metode Rantai Markov Waktu Diskrit
DOI:
https://doi.org/10.32493/sm.v8i2.58266Keywords:
Curah hujan, Klasifikasi State, Rantai MarkovAbstract
Curah hujan merupakan salah satu indikator penting dalam analisis iklim dan perencanaan sumber daya air di Indonesia. Untuk mengamati perubahan intensitas curah hujan dari waktu ke waktu digunakan pendekatan Rantai Markov, yang mampu memodelkan perpindahan kondisi curah hujan antarperiode berdasarkan probabilitas transisi. Data curah hujan bulanan tahun 2024 diperoleh dari NASA Prediction of Worldwide Energy Resource dan diklasifikasikan menjadi tiga kategori diskrit, yaitu curah hujan rendah, sedang, dan tinggi berdasarkan nilai kuartil. Analisis dilakukan dengan menyusun matriks peluang transisi, menghitung probabilitas transisi jangka pendek dan panjang, serta menentukan peluang steady state untuk melihat kecenderungan kondisi curah hujan dalam jangka panjang. Hasil analisis menunjukkan bahwa distribusi awal curah hujan relatif merata pada ketiga kategori. Namun, model terbaik berdasarkan matriks transisi menghasilkan peluang steady state sebesar 25% untuk kondisi rendah, 25% untuk kondisi tinggi, dan 50% untuk kondisi sedang. Temuan ini mengindikasikan bahwa meskipun curah hujan sepanjang tahun tampak bervariasi secara seimbang, dalam jangka panjang sistem cenderung berada pada kondisi curah hujan sedang.
References
1. Shulhany A, Fitriawati A, Prariesa D, Budiman YY, Sasmito KA. Penentuan Curah Hujan Menggunakan Rantai Markov Di Beberapa Daerah Provinsi Banten. J Stat dan Mat. 2022;4(2).
2. Fransiska W, Nufus RH, Syafi’i M, Hasibuan LH. Penerapan Rantai Markov Dalam Peramalan Cuaca (Studi Kasus: Cuaca Harian di Kota Padang). Buana Mat J Ilm Mat dan Pendidik Mat. 2022;12(2):117–26.
3. Onyutha C. Variability of rainfall and river flow in the Nile Basin. 2017;
4. Sari EPK, Lahmadi AMU. Peramalan Cuaca Harian di Kota Purwokerto Menggunakan Metode Rantai Markov. JMT (Jurnal Mat dan Ter. 2024;6(1):17–26.
5. Haniyathul H, Dony P, Nonong A, Fadhilah F. Markov Chain Model Application For Rainfall Pattern In Padang City. UNP J Stat DATA Sci Учредители Univ Negeri Padang. 2024;2(3):257–64.
6. Saputri M, Yurinanda S, Sormin C. Prediksi curah hujan di kabupaten sarolangun menggunakan rantai markov Menurut Badan Nasional Penanggulangan Bencana ( BNPB , 2020 ), tahun 2016 yang berakibat lahan pertanian dan ratusan rumah tergenang. 2024;15(2):213–24.
7. Alyarahma NN, Nur’Adilah S, Alfaris MR. Prediksi Frekuensi Probabilitas Curah Hujan di Jambi Menggunakan Rantai Markov serta Modul Tree Forecasting Berbantuan Software Qm-V5. Multi Prox J Stat. 2022;1(2):82–92.
8. Mawaddah N, Permana D, Amalita N, Salma A. Analisis Pola Curah Hujan Di Kota Bengkulu Menggunakan Model Rantai Markov. 2025;7(4):352–9.
9. Nasib SK, Nurwan N, Yanuari EDD, Macmud T. Karakteristik rantai markov pada data curah hujan bulanan stasiun djalaluddin. JMPM J Mat dan Pendidik Mat. 2022;7(2):81–9.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Erlyne Nadhilah Widyaningrum
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
As an Author, you have the right to a variety of uses for your article, including institutions or companies. The author's rights might do without the need for special permission.
Authors who publish in the Jurnal Jurnal Statistika dan Matematika (Statmat) have broad rights to use their works for education and scientific purposes without permission, including:
Used to discuss in a class by the author or the author's body and presentations at meetings or conferences and participant approval;
Used for internal training by the author's company;
Distribution to colleagues for the use of their research;
Used in preparation for further author's works;
Included in a thesis or dissertation;
Partial or extra reuse of articles in other works (with full acknowledgment of the last item);
Prepare derivatives (other than for commercial purposes);
Post voluntarily on a website opened by the author or approve the author for scientific purposes (follow CC with a SA License).
