RESAMPLING & BOOTSTRAP

Model resampling dilakukan dengan cara menggunakan pengambilan sampel acak pada populasi per setiap bulan dengan menggunakan selektor yang acak (Soetopo et al. 2013). Salah satu metode pembangkitan data yang terdapat pada model resampling adalah metode bootstrap. Metode bootstrap dapat digunakan untuk memperoleh sampel data hujan yang lebih besar dari data observasi yang ada. Dalam metode ini, sampel data hujan diambil dengan penggantian dari set data observasi yang ada. Dengan menggunakan teknik ini, variasi dalam data hujan dapat diperoleh dan digunakan untuk memperoleh estimasi yang lebih baik tentang perilaku hujan.

Two Part

Model two part digunakan ketika banyak data yang bernilai nol sehinGga salah satu metodenya disebut sebagai zero-inflated Poisson (ZIP). Dengan menggunakan pendekatan ini, model dapat memperoleh estimasi yang lebih akurat dan menghasilkan data sintetis yang lebih realistis dengan mempertimbangkan karakteristik khusus distribusi data tersebut.

Metode yang digunakan dalam menganalisis data bangkitan perlu diperhatikan. Pendekatan deret Fourier merupakan metode yang cocok digunakan untuk menganalisis data bangkitan karena hasil yang diperoleh cukup detail. Menurut Nurjanah et al. (2015), pendekatan deret Fourier merupakan metode yang menghasilkan kurva sinus cosinus pada data yang bersifat periodik dengan pola data berulang.

Pembangkitan data perlu memperhatikan keterkaitan antara unsur-unsur atau parameter yang dapat mempengaruhi data, menggunakan data yang akurat, memperhatikan data pada stasiun terdekat, dan tempat yang tetap untuk pengambilan sampel data, serta memperhatikan homogenitas data agar data tersebut dapat diketahui mewakili keadaan data yang sebenarnya atau tidak.

Menggunakan metode rataan sederhana dalam menganalisis data karena metode tersebut tidak cocok untuk menentukan besarnya nilai kuantitas data.

Penggunaan data yang tidak akurat karena simulasi tidak dapat memberikan hasil yang akurat atas karakteristik sistem jika data yang digunakan tidak akurat.

Membantu penanganan data kosong;

Mengubah data rancu agar menghasilkan data yang diinginkan; Data cukup detail dan representatif; Data dapat digunakan berulang untuk menganalisa tujuan; Data yang diinput bervariasi; Data bangkitan dapat mengestimasi performansi suatu sistem pada kondisi tertentu dan memungkinkan untuk melakukan studi pada suatu sistem.

Sumber data dapat mempengaruhi ada atau tidaknya kesalahan, seperti data error, ketidakhomogenan data, dan tempat titik sampel data yang tidak tetap;

Memerlukan biaya yang relatif mahal;

Memerlukan waktu yang cukup lama untuk pengembangannya;

Kualitas dan analisis bergantung kepada kualitas keahlian para peneliti;

Perbedaan cara pengukuran dapat mengakibatkan kesalahan pada data;

Data bangkitan hanya memberikan informasi mengenai solusi yang dapat dicari, tidak menyelesaikan suatu permasalahan.