Peramalan Curah Hujan di Wilayah Surabaya Timur dengan Vector Autoregressive Neural Network

Febrian Kristianda, Kartika Fithriasari
Submission Date: 2016-07-18 13:32:13
Accepted Date: 2016-12-19 11:07:52

Abstract


Hujan merupakan suatu peristiwa alam yang terjadi di setiap wilayah. Intensitas hujan di beberapa wilayah yang saling berdekatan mengindikasi ada pola curah hujan yang sama setiap tahunnya. Pemodelan time series dengan menggunakan lebih dari satu variabel dapat dipergunakan jika melihat hubungan pola curah hujan tersebut. Tetapi seringkali data curah hujan mengandung pola-pola non linier, sehingga diperlukan metode non lini-er untuk mengantisipasinya. Sehingga dalam penelitian ini digunakan pemodelan VAR-NN yang merupakan gabu-ngan antara metode pemodelan time series linier dan non linier untuk kasus curah hujan di dua kelurahan yang be-rada di wilayah Surabaya Timur. Berdasarkan hasil anali-sis yang diperoleh diketahui untuk model VAR terbaik yaitu VARIMA (5,1,0) (0,1,0)36, sedangkan untuk pemode-lan VAR-NN yang terbaik adalah arsitektur jaringan dengan jumlah neuron pada input layer sebanyak 8, 2 neuron pada hidden layer, dan pada lapisan output seba-nyak 2 neuron

Keywords


VAR; ANN; Curah hujan

References


Badan Pusat Statistik Kota Surabaya. (2014). Kota Surabaya dalam Angka. Surabaya:Badan Pusat Statistik Kota Surabaya.

HaloPolisi (2016). diambil pada 1 Maret 2016, dari http://halopolisi.com/2016/02/15/hujan-deras-mapolsek-gubeng-terendam-banjir/

SurabayaTribunNews (2016). diambil pada 1 Maret 2016, dari http:// http://surabaya.tribunnews.com/2016/02/12/ banjir-di-surabaya-meluas-ratusan-rumah-tak-berpeng-huni.

Diani, K. A. N., Setiawan, S., & Suhartono, S. (2013). Pemodelan VAR-NN dan GSTAR-NN untuk Peramalan Curah Hujan di Kabupaten Malang. Jurnal Sains dan Seni ITS, 2(1), D31-D36.

Fithriasari, K., Iriawan, N., Ulama, B. S. S. & Sutikno (2013). On The Multivariate Time Series Rainfall Modeling Using TDNN. International Journal of Applied Mathematics and Statistics™, 44(14), 193-201.

Permai S. D., Ulama, B. S., Iriawan N., & Fithriasari K., 2013, Bayesian Neural Network Untuk Peramalan Temperatur Di Surabaya, Prosiding Seminar Nasional Pasca Sarjana XIII – ITS, Surabaya, ISBN No. 978-979-96700-6-9.

Tresnawati, R., Nuraini, T. A., & Hanggoro, W. (2010). Prediksi Curah Hujan Bulanan Menggunakan Metode Kalman Filter dengan Prediktor SST Nino 3.4 dipredik-si. Jurnal meteorologi dan geofisika, 11(2).

Sucahyono, D., Pawitan, H., & Wigena, A. H. (2009). Model Prakiraan Curah Hujan Bulanan di Wilayah Jawa Bagian Utara dengan Prediktor SML dan OLR. Jurnal Meteorologi dan Geofisika, 10(2).

Tsay, R.S. (2014). Multivariate Time series Analysis. University of Chicago: John Wiley & Sons, Inc.

Wutsqa, D.U., Subanar, Guritno, S., Soejoeti, Z. (2006a). Forecasting Performance of VAR-NN and VARMA Models. Proceding of the 2nd IMT-GT Regional Conference of Mathematics, Statistics and Aplication, Universiti Sains Malaysia.

Wei, W.W.S. (2006). Time series Analysis, Univariate and Multivariate Methods second edition. Canada : Addison Wesley Publishing Company.

Badan Meteorologi Klimatologi Geofisika Denpasar (2013). diambil pada 18 Maret 2016, dari http://balai3.denpasar.bmkg.go.id/daftar-istilahmusim.


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.