Pemodelan Generalized Space Time Autoregressive Integrated Moving Average (GSTARIMA) dengan differencing musiman pada Data Kelembaban Udara (Studi Kasus Pada Lima Stasiun BMKG di Jawa Timur)
| Main Author: | Rachmadania, Shelly |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/168821/1/Shelly%20Rachmadania%20%282%29.pdf http://repository.ub.ac.id/168821/ |
Daftar Isi:
- Bidang pertanian merupakan salah satu sektor yang penting dalam menggerakkan pertumbuhan ekonomi di wilayah Jawa Timur. Pada tahun 2016, Jawa Timur tercatat sebagai penyumbang terbesar produksi padi terhadap produksi pangan nasional. Salah satu faktor yang mempengaruhi proses produksi pertanian di Jawa Timur adalah iklim. Unsur iklim yang berperan penting dalam proses produksi di bidang pertanian adalah kelembaban udara. Selain dipengaruhi oleh kelembaban udara di lokasi itu sendiri, kelembaban udara di suatu lokasi juga dipengaruhi oleh kelembaban udara di lokasi lain. Hal tersebut menimbulkan adanya efek spasial pada data kelembaban udara. Efek spasial tersebut akan menyebabkan adanya perbedaan karakteristik pada setiap lokasi pengamatan. Model GSTARIMA merupakan salah satu pemodelan multivariat time series yang mengakomodir adanya perbedaan karakteristik antar lokasi. Data kelembaban udara pada penelitian ini didapatkan dari lima stasiun BMKG Jawa Timur, yaitu stasiun BMKG Juanda, Karangploso, Tretes, Sangkapura, dan Kalianget. Pemilihan kelima stasiun BMKG tersebut didasari oleh nilai korelasi yang tinggi. Dari data kelembaban udara di lima stasiun BMKG dengan menggunakan pembobot lokasi normalisasi silang, didapatkan model GSTARIMA terbaik yaitu model GSTARIMA (2,1,1;1)(0,1,0;1)36. Hasil peramalan data kelembaban udara pada enam periode mendatang yaitu pada periode 2 Agustus hingga 27 September 2017 menunjukkan bahwa hasil ramalan memiliki pola yang hampir sama dengan data aktual. Nilai MAPE yang dihasilkan berkisar antara 6%-12% sehingga dapat disimpulkan bahwa model GSTARIMA (2,1,1;1)(0,1,0;1)36 dapat digunakan untuk meramalkan data kelembaban udara.