Peramalan Curah Hujan Sebagai Pendukung Kalender Tanam Padi di Pos Kedungadem Bojonegoro Menggunakan ARIMA, Support Vector Regression dan Genetic Algorithm-SVR

Kiki Wulan Suci, Irhamah Irhamah
Submission Date: 2017-01-24 15:19:02
Accepted Date: 2017-03-17 10:28:11

Abstract


Kabupaten Bojonegoro dikenal sebagai lum-bung padi di Jawa Timur. Sebanyak 33,31% lahan Bojonegoro digunakan sebagai lahan sawah. Pada beberapa tahun ter-akhir produksi padi Kabupaten Bojonegoro mengalami fluk-tuasi yang salah satunya disebabkan oleh iklim ekstrem. Ik-lim ekstrem dapat mengakibatkan musim kemarau panjang serta adanya hujan ekstrem yang mengakibatkan petani me-ngalami kerugian. Oleh karena itu, keberhasilan produksi padi sangat bergantung pada informasi mengenai data curah hujan yang tersusun dalam kalender tanam. Dalam penelitian ini dilakukan peramalan curah hujan dasarian di Pos Kedung-adem menggunakan metode ARIMA, Support Vector Regres-sion (SVR) dan Genetic Algorithm-Support Vector Regression (GA-SVR). Berdasarkan hasil analisis metode GA-SVR meng-hasilkan peramalan yang lebih akurat yang ditunjukkan oleh nilai RMSE dan SMAPE yang lebih kecil dibandingkan me-tode lain. Hasil kalender tanam padi berdasarkan hasil fore-cast pada bulan Juli 2016-Desember 2016 menunjukkan bah-wa kebutuhan air untuk penanaman padi sawah tidak dapat tercukupi, dimana hasil forecast menunjukkan rata-rata curah hujan kurang dari 145 mm. Petani dapat mengganti dengan menanam palawija yang membutuhkan sedikit air. Jika petani tetap melakukan tanam padi, maka petani dan pemerintah harus memastikan tersedianya cadangan air dengan meng-gunakan sistem pengairan dan tidak mengandalkan pada tu-runnya hujan.

Keywords


ARIMA; Curah Hujan; Genetic Algorithm; Support Vector Regression (SVR)

References


Badan Pusat Statistik. 2014. Bojonegoro Dalam Angka Tahun 2014. Bojonegoro: BPS.

Badan Meteorologi, Klimatologi dan Geofisika (BMKG). 2016. Tentang Meteorologi?. http://meteojuanda.info/index.php?option=com_content&view=article&id=36&Itemid=34. Diakses pada tanggal 12 November 2016.

Badan Pusat Statistik. 2016. Bojonegoro Dalam Angka Tahun 2016. Bojonegoro : BPS.

Zhang, G. 2003. Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model. Journal Neurocomputing 50:159-175.

Hong, W C., dkk. 2011. Forecasting Urban Traffic Flow by SVR with continuous ACO. Appl. Math. Model.vol. 35, no. 3, pp. 1282–1291.

Zhao, W., Tao, T., dan Zio, E. 2015. System Reliability Prediction by Support Vector Regression with Analytic Selection and Genetic Algorithm Parameters Selection. Applied Soft Computing, 30, 792–802.

Gunn, S.1998. Support Vector Machines for Classification. Technical Report.Southampton: University of Southampton.

Msiza, I. S., Nelwamondo F. V. dan Marwala T., 2008. Water Demand Prediction using Artificial Neural Networks and Support Vector Regression. Journal of Computers, Vol. 3, No. 11, November 2008.

Gu, J., Zhu, M, dan Jiang L. 2011. Housing Price Forecasting Based on Genetic Algorithm and Support Vector Machine. Expert System with Application 3383-3386.

Wei, W.,W.,S. 2006. Time Series Analysis Univariate and Multivariate Method 2nd Editions. New York: Addison Wesley Publishing Company, Inc.

Cryer, J. D. dan Chan, K. 2008. Time Series Analysis with Application in R, 2nd Edition. New York: Springer.

Bowerman, B., O'Connell, R. T., dan Koehler, A. B. 2004. Foreasting, Time Series, and Regression: An Applied Approach. Boston: Cengage Learning, Inc.

Daniel, W. W. 1989. Statistika Nonparametrik Terapan. Alih Bahasa: Alex Tri Kuncoro. Jakarta:PT Gramedia.

Putri, T. 2016. Peramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive- Genetic Algorithm. Tugas Akhir. Surabaya: Institut Teknologi Sepuluh Nopember.

Yuliani, W., Irhamah dan Prastyo D D. 2014. Penaksiran Parameter Model ARIMA dengan Menggunakan Genetic Algorithm. Tugas Akhir. Surabaya: Institut Teknologi Sepuluh Nopember.

Suriadikusumah, A. 2007. Analisis Curah Hujan Perhitungan &Penggunaannya. Bandung: Rakayasa Sains.

Oldeman, L. R. 1980. The Agroclimate Classification of Rice Growing Enviroment in Indonesia.Philiphinas: IRRI.


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.