WIND SPEED PREDICTION IN WEST JAVA USING EXTREME VALUE THEORY WITH BAYESIAN MARKOV CHAIN MONTE CARLO APPROACH 

Cuaca ekstrem adalah kejadian cuaca yang tidak biasa atau melebihi batas normal. Belakangan ini Indonesia sering mengalami cuaca ekstrem, salah satunya angin kencang. Angin kencang yang termasuk dalam bencana hidrometeorologi ini dapat menimbulkan berbagai dampak yang merugikan, baik secara fisik maupun non-fisik. Salah satu daerah dengan bencana angin kencang paling tinggi di Indonesia adalah Jawa Barat. Penelitian ini bertujuan untuk memprediksi kejadian ekstrem kecepatan angin pada periode pengembalian 2, 3, dan 4 tahun mendatang. Data historis kecepatan angin dari tahun 2004-2023 dengan empat stasiun pengataman digunakan dalam penelitian, yaitu Stasiun Meteorologi Citeko, Stasiun Meteorologi Kertajati, Stasiun Geofisika Bandung, dan Stasiun Klimatologi Jawa Barat. Pendekatan yang digunakan adalah Bayesian Markov Chain Monte Carlo, yaitu Algoritma Gibbs Sampler dan Algoritma Metropolis-Hastings. Root Mean Square Error dan Mean Absolute Error digunakan untuk mengevaluasi kinerja algoritma dalam mengestimasi parameter Distribusi Generalized Extreme Value. Prediksi kecepatan angin ekstrem yang dilakukan oleh Algoritma Gibbs Sampler memberikan hasil bahwa Stasiun Meteorologi Kertajati dan sekitarnya memiliki kecepatan angin yang paling ekstrem diantara keempat stasiun pengamatan. Sedangkan prediksi yang dilakukan oleh Algoritma Metropolis-Hastings memberikan hasil bahwa Stasiun Geofisika Bandung dan sekitarnya memiliki kecepatan angin yang paling ekstrem. Algoritma Metropolis-Hastings dinilai sebagai algoritma yang memiliki kinerja lebih baik dalam mengestimasi parameter Distribusi Generalized Extreme Value yang digunakan untuk memprediksi kecepatan angin ekstrem berdasarkan nilai Root Mean Square Error dan Mean Absolute Error. Hasil penelitian ini dapat dijadikan sebagai acuan untuk pengambilan keputusan dalam mitigasi bencana alam yang disebabkan oleh kecepatan angin ekstrem di wilayah Jawa Barat dan wilayah serupa. 

Extreme weather is a weather event that is unusual or exceeds normal limits. Recently, Indonesia has often experienced extreme weather, one of which is strong winds. Strong winds, which are included in hydrometeorological disasters, can cause various adverse impacts, both physically and non-physically. One of the areas with the highest high wind disaster in Indonesia is West Java. This study aims to predict extreme wind speed events in the return period of the next 2, 3, and 4 years. Historical wind speed data from 2004-2023 with four observing stations were used in the study, namely Citeko Meteorological Station, Kertajati Meteorological Station, Bandung Geophysical Station, and West Java Climatological Station. The approach used is Bayesian Markov Chain Monte Carlo, namely Gibbs Sampler Algorithm and Metropolis-Hastings Algorithm. Root Mean Square Error and Mean Absolute Error are used to evaluate the performance of the algorithm in estimating the Generalized Extreme Value Distribution parameters. Extreme wind speed predictions made by the Gibbs Sampler Algorithm provide results that Kertajati Meteorological Station and its surroundings have the most extreme wind speed among the four observation stations. While predictions made by the Metropolis-Hastings Algorithm provide results that the Bandung Geophysical Station and its surroundings have the most extreme wind speeds. The Metropolis-Hastings algorithm is considered to be an algorithm that has better performance in estimating the Generalized Extreme Value Distribution parameters used to predict extreme wind speeds based on the Root Mean Square Error and Mean Absolute Error values. The results of this study can be used as a reference for decision making in mitigating natural disasters caused by extreme wind speeds in West Java and similar regions.