MODEL OUTPUT STATISTICS DENGAN PRINCIPAL COMPONENT REGRESSION, PARTIAL LEAST SQUARE REGRESSION, DAN RIDGE REGRESSION UNTUK KALIBRASI PRAKIRAAN CUACA JANGKA PENDEK

Penelitian ini merupakan upaya pengembangan Model Output Statistics (MOS) yang akan digunakan sebagai alat kalibrasi prakiraan cuaca jangka pendek. Informasi mengenai akurat diharapkan dapat meminimalkan risiko kecelakaan disebabkan oleh cuaca, khususnya dalam bidang transportasi udara dan laut. Metode dikembangkan mencakup beberapa stasiun pengamatan di Indonesia. MOS sebuah metode berbasis regresi mengoptimalkan hubungan antara observasi luaran model Numerical Weather Predictor (NWP). Beberapa masalah muncul kaitannya dengan adalah; mereduksi dimensi NWP, mendapatkan variabel prediktor mampu menjelaskan variabilitas respon, menentukan statistik sesuai karakteristik data, sehingga menggambarkan respon prediktor. Tujuan dari penelitian yaitu untuk pemodelan suhu maksimum, minimum, kelembapan udara. adalah Principal Component Regression (PCR), Partial Least Square (PLSR), ridge regression. Selanjutnya, terbentuk divalidasi kriteria Root Mean Error (RMSE) Percentage Improval (IM%). mengoreksi bias NWP hingga lebih 50%. Berdasarkan RMSE terkecil pada ini, maksimum diprakirakan menggunakan PLSR, sementara minimum regression.Kata Kunci: MOS, NWP.