Karakteristik Kategori Kecepatan Angin di Kota Majene dengan Pendekatan Rantai Markov

  • Muhammad Abdy Universitas Negeri Makassar
  • Wahidah Sanusi Universitas Negeri Makassar
Keywords: Rantai Markov, Kecepatan Angin, Skala Beaufort

Abstract

Kajian ini mengaplikasikan model rantai Markov pada data kecepatan angin harian yang dikumpulan oleh stasiun Badan Meteorologi dan Geofisika kabupaten Majene dari tahun 1982 sampai dengan tahun 2005. Kajian ini bertujuan untuk menganalisis karakteristik kategori kecepatan angin dengan menghitung peluang steady state, nilai harapan masa tinggal dan nilai harapan masa perulangan pertama. Pengkategorian kecepatan angin dibuat berdasarkan skala Beaufort, yaitu dari skala 0 sampai dengan skala 9. Nilai peluang steady state menunjukkan bahwa kategori angin dengan hembusan lembut mempunyai peluang kemunculan yang terbesar, yaitu sekitar 43,33%, dan kategori angin tenang mempunyai peluang kemunculan yang paling kecil, yaitu sekitar 0,02%. Sementara dari nilai harapan masa tinggal dan nilai harapan masa perulangan pertama menunjukkan bahwa kategori kecepatan angin dengan hembusan lembut mempunyai durasi kejadian terlama, yaitu sekitar 2 hari, dan mempunyai durasi paling singkat untuk terjadi kembali setelah terjadi pada kejadian sebelumnya, yaitu sekitar 2,3 hari.

Downloads

Download data is not yet available.

References

Alan, F. A, 2017, Discovering Physical Geography, 4th Edition, Wiley, ISBN: 978-1-119-32124-8
Badan Pusat Statistik, 2018, Majene Dalam Angka 2018, Majene: BPS Kabupaten Majene
Bayong Tjasyono, 2017, Sistim Angin, Disampaikan pada Workshop Turbin Angin Kecepatan Rendah dan Peta Resolusi Angin Kecepatan Tinggi, 21 – 22 Agustus 2017, Bandung.
Benth, J. S and Benth, F. E, 2010, Analysis and Modelling of Wind Speed in New York, Journal of Applied Statistics Vol 37, No 6:.893 -909.
David, B "The Four Forces that Influence Wind Speed & Wind Direction", https://sciencing.com/list-7651707-four-wind-speed-wind-direction.html.
Hasan, H, Affaf, M, Salleh, H, 2017, Application of Markov chain to Wind Speed in Northern Peninsular Malaysia, Journal of Applied and Physical Sciences, 3(2): 52-57.
Karatepe, S and Kenneth, W. C, 2013, Wind Speed Estimation: Incorporating Seasonal Data Using Markov Chain Models, Renewable Energy, Article ID 657437
Lisa Bramer, 2013, Methods for modeling and forecasting wind characteristics, Dissertation, Iowa State University.
Novitasari, D. C. R., Febrianti,F, Setiawan, F, 2018, Analisis Kecepatan Angin pada Pasang Surut Air Laut dengan menggunakan Algoritma Forward-Backward dalam Hidden Markov Model di Wilayah Pelabuhan Tanjung Perak Surabaya, Jurnal Sains Matematika dan Statistika, Vol. 4, No. 1: 26 – 35.
Ross, S. M., 2007, Introduction to Probability Models, 9th ed, Academic Press, California.
So-Kumneth Sim, Philipp Mass and Pedro G. Lind, 2019, Wind Speed Modeling by Nested ARIMA Processes
W. Sanusi, A. A. Jemain, W. Z. W. Zin, M. Zahari, 2015, The Drought Characteristics using the First-Order Homogeneous Markov Chain of Monthly Rainfall Data in Peninsular Malaysia, Water Resource Management, Vol. 29: 1523 – 1539.
Published
2020-01-31
How to Cite
Abdy, M., & Sanusi, W. (2020). Karakteristik Kategori Kecepatan Angin di Kota Majene dengan Pendekatan Rantai Markov. SAINTIFIK, 6(1), 85-90. https://doi.org/10.31605/saintifik.v6i1.305