Perbandingan Model AR(1), ARMA (1,1), dan ARIMA (1,1,1) pada Prediksi Tinggi Muka Air Sungai Bengawan Solo pada Pos Pemantauan Jurug
Artikel Sidebar
Abstrak
Suatu aliran sungai menentukan prediksi debit sungai sulit, biasanya nilai yang digunakan sebagai patokan adalah hasil pantauan tinggi muka air. Pada bulan Juli 2016, luapan sungai Bengawan Solo mengakibatkan banjir di kawasan Solo Timur. Hal ini disebabkan karena tinggi muka air pada pos pemantauan Jurug menembus level 10. Oleh karena itu prediksi nilai tinggi muka air diperlukan sebagai upaya peringatan dini banjir. Pengukuran tinggi muka air sungai Bengawan Solo pada setiap pos pemantauan dilakukan setiap hari. Data tinggi muka air merupakan data runtun waktu. Salah satu metode peramalan data runtun waktu adalah Autoregressive Integrated Moving Average (ARIMA), model ini memiliki asumsi homoskedastisitas atau variansi eror tetap. Tetapi apabila variansi eror berubah-ubah maka model yang digunakan adalah model Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Penelitian ini menggunakan 60 data dari bulan Januari – Februari 2017. Data tersebut terbukti stasioner berdasarkan nilai ADF 0,0036, oleh karena itu model ARIMA dapat digunakan. Berdasarkan pola korelogram, ACF dan PACF terpotong setelah lag pertama, hal ini menunjukan tinggi muka air sungai periode tersebut dapat dimodelkan dengan AR(1), ARMA (1,1), dan ARIMA(1,1,1).Berdasarkan perbandingan nilai MAPE ketiga model nilai terendah adalah model ARMA(1,1), yaitu 0,668384 yang artinya tingkat kesalahan terhadap prediksi model ARMA(1,1) adalah 66,8384%. Begitu hal nya dengan nilai MSE ketiga model, nilai terendah pada model ARMA(1,1) yaitu 0,7729 artinya memiliki variansi model yang lebih kecil, mampu memberikan hasil yang lebih konsisten dibandingkan model AR(1) dan ARIMA(1,1,1) yaitu 1,060288 dan 0,996585.
Artikel teks lengkap
Referensi
Asdak, C. (2010). Hidrologi dan Pengelolaan Daerah Aliran Sungai. Yogyakarta: Gadjah Mada University Press.
Bekti, A. (2011). Model Jaringan Saraf Tiruan RBF-EGARCH untuk Peramalan Data Time Series. Surabaya: Pascasarjana Matematika Institut Teknologi Sepuluh Nopember.
Floros, C. (2005). Forecasting The UK Unemployment Rate: Model Comparisons. International Journal of Applied Econometrics and Quantitative Studies Vol 2, 57-72.
Hartanti, O. D. (2014). Perbandingan Hasil Ramalan. Jurnal Biometrika dan Kependudukan, 143-150.
Kurniawati, O. T. (2016). Analisis Tinggi Muka Air Bengawan Solo Hilir Akibat Adanya Floodway dengan Metode Jaringan Saraf Tiruan. Jurusan Teknologi Pengairan Konsentrasi Sistem Informasi Sumber Daya Air.
Mahmuda, A. F. (2012). Analisis Kuantitas dan Kualitas Air Sungai Pampang Kotamadya Makasar. Makasar: Universitas Hassanudin.
Ruminta. (2008). Model Temporal Curah Hujan dan Debit Sungai Citarum Berbasis ANFIS. Jurnal Sains Dirgantara Vol 6 No 1, 22-38.
Setiawan, A. (2013). Aplikasi Peramalan Penjualan Kosmetik dengan ARIMA. Surabaya: Universitas Kristen Petra.
Suprayogi, H. (2015). Profil Pengelolaan Sumber Daya Air Wilayah Sungai Bengawan Solo. Surakarta: Dinas Pekerjaan Umum.
Tsay, S. R. (2002). Analysis of Financial Time Series. Canada: John Wiley & Sons Inc.
Vulandari, R. T. (2014). Model Asimetris EGARCH Volatilitas Return Indeks Saham pada. Seminar Nasional Pendidikan Matematika Ahmad Dahlan (SENDIKMAD 2014) (hal. 1071-1079). Yogyakarta: Universitas Ahmad Dahlan.
Penulis
Penulis yang menerbitkan artikel di Jurnal MUST menyetujui persyaratan berikut:
Penulis memiliki hak cipta dan memberikan hak publikasi pertama kepada Jurnal MUST dengan karya yang secara simultan dilisensikan di bawah Creative Commons Attribution-NonCommercial 4.0 International License yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepengarangan karya dan publikasi awal dalam Jurnal MUST.
Penulis dapat mengadakan perjanjian kontrak tambahan yang terpisah untuk distribusi non-eksklusif versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya di Jurnal MUST.
Penulis diizinkan dan didorong untuk memposting pekerjaan mereka secara online (misal dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan.