Aplikasi Extreme Value Theory Pada Kasus Kecepatan Angin Di Jawa Timur

Abstract

Extreme wind speed is a natural phenomenon that causes many adverse effects to the surrounding community. The bad effects are damaging or threatening human life such as loss of property, loss of livelihood, and environmental damage. To overcome this problem,  something needed for disaster mitigation is prediction. With the prediction of extreme wind speeds, it is expected to be the first step as a disaster mitigation effort. There are two methods that can predict extreme wind speed, the method is the Block Maxima method and the Peaks Over Threshold method. The procedure is taking extreme values, estimating parameters, and calculating the return level value on the desired return period. In the process of parameter estimation, the method used is Maximum Likelihood Estimation (MLE). The data used in this research is the maximum wind speed data at eight East Java observation station’s during 2014-2018. The return period used is 2 years, 5 years and 10 years. The highest return level of the two methods is at Perak II. Based on the AIC value, the lowest AIC value obtained on the POT method is at Karangkates station of 22.74809, while the lowest AIC value in the BM method is at Kalianget station at 91.449461

Kecepatan angin ekstrim merupakan fenomena alam yang menyebabkan  banyak dampak buruk bagi masyarakat sekitar. Dampak buruknya yaitu merusak atau mengancam kehidupan manusia seperti kehilangan harta benda, kehilangan mata pencaharian, dan kerusakan lingkungan. Untuk mengatasi hal tersebut diperlukan suatu langkah sebagai upaya mitigasi bencana yaitu prediksi. Dengan adanya prediksi kecepatan angin ekstrim ini diharapkan mampu menjadi langkah awal sebagai upaya mitigasi bencana. Dua metode yang dapat memprediksi kecepatan angin ekstrim yaitu metode Block Maxima dan metode Peaks Over Threshold. Prosedur pengambilan nilai ekstrim, estimasi parameter, dan menghitung nilai return level pada return period yang diinginkan. Dalam proses estimasi parameter,  metode yang digunakan adalah Maximum Likelihood Estimation (MLE). Pada tahap akhir, digunakan metode Akaike Information Criterion (AIC) untuk memilih dan membandingkan memilih metode mana yang memiliki model terbaik pada kasus ini. Data yang akan digunakan yaitu data kecepatan angin maksimum di 8 stasiun pengamatan Jawa Timur pada tahun 2014-2018. Return period yang digunakan secara berturut-turut adalah 2 tahun, 5 tahun dan 10 tahun. Nilai return level tertinggi dari kedua metode berada di stasiun Perak II. Berdasarkan nilai AIC,nilai AIC terendah pada metode POT berada pada stasiun Karangkates sebesar 22,74809, nilai AIC yang terendah pada metode BM berada pada stasiun Kalianget sebesar 91,49461.