Perubahan intensitas curah hujan ekstrim berpotensi menimbulkan bencana hidrometeorologi seperti banjir, angin kecang dan longsor. Bersumber dari data rekapitulasi bencana BNPB, kejadian bencana hidrometeorologi sering terjadi pada akhir hingga awal tahun setiap tahunnya, yang mengakibatkan kerusakan infrastruktur, korban mengungsi dan terdampak, serta korban jiwa meninggal dan hilang. Sehingga diperlukan prediksi curah hujan untuk proses monitor untuk mingkatkan kesiapsiagaan menghadapi bencana hidrometeorologi. Ketersediaan data saat ini telah meningkat secara substansial, terutama karena kemajuan dalam alat komputasi yang memungkinkan untuk mengumpulkan data secara realtime yang berasal dari satelit. Statistical Downscaling (SD) merupakan pemodelan dengan memanfaatkan data satelit yaitu data General Circulation Models (GCM), yang dalam bidang klimatologi sangat bermanfaat untuk melakukan prediksi iklim hingga beberapa dekade mendatang. Data GCM umumnya terkondisi buruk (ill conditioned), yaitu berdimensi tinggi (banyak variabel) dan terjadi multikolinieritas (tidak saling bebas), sehingga diperlukan suatu teknik khusus untuk menangani data terkondisi buruk tersebut.

Regresi Kuantil Bayes, Regresi Terpenalti, Statistical Downscaling, Lasso, Asymetric Laplace Distribution

• Drs. Iwa Sungkawa, M.S.

• Ro'fah Nur Rachmawati, S.Si., M.Si

• Dr. Anita Rahayu, S.Si., M.Si.