Peramalan Curah Hujan Provinsi Bengkulu dengan Generalized Space-Time Autoregressive

Herlin Fransiska (1), Etis Sunandi (2), Dian Agustina (3)
(1) Universitas Bengkulu, Indonesia,
(2) Universitas Bengkulu, Indonesia,
(3) Universitas Bengkulu, Indonesia

Abstract

Provinsi Bengkulu adalah daerah dengan curah hujan yang tinggi dan pola yang berfluktuatif. Hal tersebut dapat menjadi salah satu pemicu terjadinya dampak seperti banjir, tanah longsor, dan bencana alam lainnya. Struktur fisik dan kondisi geografis antar lokasi di Provinsi Bengkulu adalah dua kondisi yang mempengaruhi curah hujan Provinsi Bengkulu. Berbagai struktur fisik dan kondisi geografis antar lokasi di provinsi ini menjadi pertimbangan penulis menggunakan model Generalized Space-Time Autoregressive (GSTAR) untuk peramalan curah hujan. Model ini lebih fleksibel jika data yang digunakan adalah data ruang-waktu. Asumsi stasioner diterima setelah data curah hujan ditransformasikan dengan fungsi Z1/2. Model terbaikyang digunakan adalah model GSTAR (1;1) dengan matriks pembobot seragam dan invers jarak. Hasil penelitian didapatkan menggunakan matriks pembobot seragam diperoleh MSE 0.279, MAPE 13.810 dan RMSE 0.528, dan dengan matriks pembobot invers jarak diperoleh MSE 0.229, MAPE 13.090 dan RMSE 0.478 pada prakiraan data 3 periode. Ini menunjukkan bahwa model GSTAR (1;1)denganbobot invers jarak memperkirakan curah hujan di Provinsi Bengkulu dengan lebih baik.

Full text article

Generated from XML file

References

Abdullah, A. S., Matoha, S., Lubis, D. A., Falah, A. N., Jaya, I. G. N. M., Hermawan, E., & Ruchjana, B. N. (2018). Implementation of Generalized Space Time Autoregressive (GSTAR)-Kriging model for predicting rainfall data at unobserved locations in West Java. Applied Mathematics and Information Sciences, 12(3), 607-615. https://doi.org/10.18576/amis/120316

Fauzy, M., Saleh W, K. R., & Asror, I. (2016). Penerapan metode association rule menggunakan algoritma apriori pada simulasi prediksi hujan wilayah kota Bandung. Jurnal Ilmiah Teknologi Informasi Terapan, 2(3), 221-227. https://doi.org/10.33197/jitter.vol2.iss3.2016.111

Fransiska, H., Novianti, P., & Agustina, D. (2019). Permodelan curah hujan bulanan di kota Bengkulu dengan Seasonal Autoregressive Integrated Moving Average (SARIMA) Studi Kasus: Stasiun Klimatologi di Bengkulu. In Prosiding Seminar Nasional Official Statistics (Vol.2019, No.1, pp.390-395).

Nisak, S. C. (2016). Seemingly unrelated regression approach for GSTARIMA model to forecast rain fall data in Malang southern region districts. CAUCHY: Jurnal Matematika Murni dan Aplikasi, 4(2), 57-64. https://doi.org/10.18860/ca.v4i2.3488

Prisandy, D. E., & Suhartono. (2008). Penerapan metode GSTAR (P1) untuk Meramalkan data penjualan rokok di tiga lokasi. Jurnal Ilmiah Widya Teknik, 7(2), 199-210. https://doi.org/10.33508/wt.v7i2.1275

Rahmadeni. (2011). Kajian model regresi diri ruang-waktu terampat (kasus: data hotspot kebakaran hutan di Riau). Bogor: Institut Pertanian Bogor.

Ruchjana, B. N., Borovkova, S. A., & Lopuhaa, H. P. (2012). Least squares estimation of Generalized Space Time Autoregressive (GSTAR) model and its properties. In AIP Conference Proceedings. https://doi.org/10.1063/1.4724118

Suhartono & Subanar. (2006). The optimal determination of space weight in gstar model by using cross-correlation inference. Yogyakarta: Universitas Gajah Mada.

Talungke, Y., Nainggolan, N., & Hatidja, D. (2015). Model Generalized Space Time Autoregressive (GSTAR) dengan analisis data menggunakan software R. d’Cartesian: Jurnal Matematika dan Aplikasi, 4(2), 122-128. https://doi.org/10.35799/dc.4.2.2015.8649

Wahyuni, I., & Mahmudy, W. F. (2017). Rainfall prediction in Tengger, Indonesia using hybrid tsukamoto FIS and genetic algorithm method. Journal of ICT Research and Applications. 11(1), 38-55. https://doi.org/10.5614/itbj.ict.res.appl.2017.11.1.3

Authors

Herlin Fransiska
hfransiska@unib.ac.id (Primary Contact)
Etis Sunandi
Dian Agustina
Fransiska, H., Sunandi, E., & Agustina, D. (2020). Peramalan Curah Hujan Provinsi Bengkulu dengan Generalized Space-Time Autoregressive. MUST: Journal of Mathematics Education, Science and Technology, 5(2), 130–142. https://doi.org/10.30651/must.v5i2.5326

Article Details

Similar Articles

<< < 1 2 

You may also start an advanced similarity search for this article.