Raja, Lilis Heryati Lumban (2018) Pemodelan Dan Peramalan Curah Hujan Menggunakan Model GSTSARMA-SUR. Sarjana thesis, Universitas Brawijaya.
Abstract
Perubahan iklim belakangan ini menjadi isu penting yang mengakibatkan kenaikan suhu rata-rata global, perubahan pola curah hujan, dan intensitas cuaca ekstrim. Salah satu dampak perubahan iklim yang dapat dirasakan adalah hujan yang tidak menentu. Perubahan curah hujan dan lama hari hujan dapat berpengaruh terhadap berbagai sektor kehidupan manusia. Salah satu upaya yang dapat dilakukan untuk mengetahui pola curah hujan dari waktu ke waktu adalah melalui peramalan curah hujan. Peramalan curah hujan melibatkan keterkaitan antar waktu dan lokasi. Model Generalized Space Time Autoregressive Moving Average (GSTARMA) merupakan salah satu pemodelan multivariate time series yang memperhatikan adanya efek spasial. Curah hujan merupakan salah satu contoh data deret waktu yang cenderung memiliki pola musiman, sehingga model yang digunakan adalah model GSTARMA musiman (GSTSARMA). Tujuan skripsi ini adalah mendapatkan model GSTSARMA-SUR yang dapat digunakan untuk peramalan curah hujan pada tiga wilayah di Jawa Tengah. Pemodelan dan peramalan curah hujan menggunakan data rata-rata curah hujan dasarian di tiga wilayah di Jawa Tengah yaitu, Semarang, Ahmad Yani, dan Tanjung Mas. Ketiga lokasi ini layak dimodelkan dengan GSTSARMA karena memiliki nilai korelasi antar lokasi yang tinggi. Pemodelan GSTSARMA dengan pendugaan parameter Seemingly Unrelated Regression (SUR) dapat mengakomodasi keterkaitan antar variabel respon dengan membentuk matriks ragam peragam galat. Model yang terbentuk untuk merepresentasikan data ratarata curah hujan di tiga wilayah tersebut adalah GSTSARMA (1; (2,0,2)(0,0,1)36)-SUR. Model ini menghasilkan nilai MAPE sebesar 54,13% dan R2 sebesar 46,79%.
English Abstract
Climate change has recently become an important issue resulting in a rise in global average temperature, changes in rainfall patterns, and extreme weather intensity. One of the impacts of climate change that can be felt is the uncertain rain. Rainfall change and rainy days can affect various sectors of human life. One effort that can be done to know the pattern of rainfall from time to time is through rainfall forecasting. Rainfall forecasting involves linkages between time and location. The Generalized Space Time Autoregressive Moving Average (GSTARMA) model is one of the multivariate time series models that takes into account the spatial effects. Rainfall is one example of time series data that tends to have a seasonal pattern, so the model used is a seasonal GSTARMA model (GSTSARMA). The purpose of this research is to get the GSTSARMA-SUR model that can be used for forecasting rainfall in three areas in Central Java. The rainfall modeling and forecasting uses data on average decade rainfall in three regions in Central Java that is, Semarang, Ahmad Yani, and Tanjung Mas. These three locations are eligible to be modeled with GSTSARMA because they have high correlation values between locations. GSTSARMA modeling with Seemingly Unrelated Regression (SUR) parameter estimation can accommodate the interrelationship between response variables by forming a matrix of various error types. The result of GSTSARMA modelling is GSTSARMA (1; (2,0,2)(0,0,1)36)-SUR. This model provides a good forecasting result with an error rate (MAPE) 54,13% and R2 46,79%
Other obstract
-
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/MIPA/2018/287/051807047 |
Uncontrolled Keywords: | Curah Hujan Dasarian, GSTARMA, SUR, Decade Rainfall, GSTARMA, SUR. |
Subjects: | 500 Natural sciences and mathematics > 551 Geology, hydrology, meteorology > 551.5 Meteorology > 551.57 Hydrometeorology > 551.577 Precipitation |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
Depositing User: | Nur Cholis |
Date Deposited: | 16 Sep 2019 08:43 |
Last Modified: | 22 Oct 2021 08:32 |
URI: | http://repository.ub.ac.id/id/eprint/168457 |
Preview |
Text
LILIS HERYATI LUMBAN RAJA.pdf Download (1MB) | Preview |
Actions (login required)
![]() |
View Item |