KAB. ACEH BESAR) M. Rusqi Ash Shiddieqy Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Matematika 2025

Skripsi

Penelitian ini bertujuan untuk mengembangkan model peramalan curah hujan menggunakan metode Extreme Learning Machine (ELM) serta mengidentifikasi kejadian curah hujan ekstrem dengan mengaplikasikan Extreme Value Theory (EVT) dan melakukan estimasi risiko bencana menggunakan Value at Risk (VaR) di Kabupaten Aceh Besar. Berdasarkan hasil penelitian, model ELM dengan satu neuron menghasilkan nilai Mean Absolute Error (MAE) terendah, sementara konfigurasi lima neuron memberikan nilai Mean Squared Error (MSE) terendah, yang menunjukkan kemampuan model dalam mengurangi error ekstrem. Selain itu, analisis curah hujan ekstrem menggunakan distribusi Generalized Extreme Value (GEV) dan Generalized Pareto Distribution (GPD) menghasilkan nilai p-value sebesar 0.79 untuk GEV dan 0.06 untuk GPD, yang mengindikasikan bahwa kedua model tersebut cocok dengan data yang diamati. Metode GEV digunakan untuk estimasi rata-rata curah hujan ekstrem, sedangkan GPD digunakan untuk estimasi tingkat curah hujan ekstrem. Estimasi Value at Risk (VaR) pada tingkat kepercayaan 90%, 95%, dan 99% untuk periode 2025 menunjukkan hasil sebagai berikut: pada tingkat kepercayaan 90%, VaR adalah 64.40 mm untuk GEV dan 261.04 mm untuk GPD; pada tingkat kepercayaan 95%, VaR meningkat menjadi 70.22 mm untuk GEV dan 263.29 mm untuk GPD; dan pada tingkat kepercayaan 99%, VaR mencapai 78.95 mm untuk GEV dan 264.89 mm untuk GPD. Penelitian ini menunjukkan bahwa VaR dapat menjadi alat yang efektif dalam merencanakan langkah mitigasi risiko banjir akibat curah hujan ekstrem. Penelitian ini memberikan wawasan yang penting untuk perencanaan mitigasi bencana berbasis data, khususnya yang berkaitan dengan kejadian curah hujan ekstrem. Kata kunci: Extreme Learning Machine, Extreme Value Theory, Generalized Extreme Value, Generalized Pareto Distribution, Value at Risk, curah hujan ekstrem. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 163017 2025-07-17 20:46:49 2025-07-18 08:43:24 machine generated