Peramalan Suhu Udara Jangka Pendek di Kota Banda Aceh dengan Metode Autoregressive Integrated Moving Average (ARIMA)
Abstract
Seiring perkembangan zaman, tingkat kebutuhan akan data dan informasi mengenai cuaca menjadi
semakin tinggi. Informasi cuaca tersebut digunakan oleh Pemerintah, pihak swasta maupun masyarakat umum
untuk berbagai keperluan. Di Indonesia, Badan Meteorologi, Klimatologi dan Geofisika (BMKG) adalah lembaga
resmi yang menyediakan dan mendistribusikan informasi cuaca. Kebutuhan akan penyediaan dan pelayanan
data cuaca yang semakin meningkat, menuntut BMKG untuk dapat menyiapkan dan memberikan data secara
cepat, akurat dan tepat. Dengan demikian, dibutuhkan pengembangan metode dan cara baru dalam upaya
penyediaan data dibidang ini. Peramalan keadaan cuaca yang akurat merupakan salah satu solusi dalam
upaya penyediaan data cuaca. Jenis peramalan cuaca yang biasa dilakukan adalah jenis peramalan jangka
pendek. Suhu udara merupakan salah satu unsur penting yang menggambarkan keadaan cuaca disuatu
wilayah. Informasi suhu udara harian yang disediakan BMKG biasanya berupa suhu udara minimum dan suhu
udara maksimum. Salah satu metode yang dapat diandalkan dalam peramalan cuaca jangka pendek adalah
metode Autoregressive Integrated Moving Average (ARIMA) yang sangat cocok untuk data yang tidak
stasioner. Dimana data unsur cuaca pada umumnya bersifat tidak stasioner. Model ARIMA terbaik untuk
meramalkan suhu udara harian di Kota Banda Aceh adalah model ARIMA (0,2,5) untuk suhu udara minimum
dan model ARIMA (0,2,3) untuk meramalkan suhu udara maksimum. Berdasarkan hasil peramalan dengan
kedua model ARIMA tersebut, diketahui bahwa suhu minimum Kota Banda Aceh pada bulan Desember 2016
diperkirakan berkisar antara 23 – 24°C, dengan interval kepercayaan 95% akan berada antara 22 - 26°C.
Sedangkan untuk suhu udara maksimum, nilai peramalan suhu udara maksimum di Kota Banda Aceh
diperkirakan berkisar pada suhu 32°C dengan selang kepercayaan 95% akan berada diantara 28 - 36°C.
Ketepatan dan keakuratan hasil peramalan akan semakin meningkat apabila jumlah periode yang akan
diramalkan semakin diperkecil. Copyright © 2017 Department of Mechanical Engineering. All rights reserved.
Full Text:
PDFReferences
Zakir, Achmad. 2004. Diklat Teknis di Lingkungan BMG: Publik
Weather Services. BMG. Jakarta.
Kamus Bahasa Indonesia Online. www.kbbi.web.id/cuaca. Diakses
pada tanggal 8 Desember 2016.
Shumway, R.H., Stoffer, D.S. 2005. Time Series Analysis and Its
Applications with R Examples. Edisi Ketiga. USA: Springer. Hal. 23141.
Bowerman, B.L., O’Connell, R.T., dan Koehler, A.B. 2005.
Forecasting, Time Series, And Regression. Edisi Keempat. USA:
Duxbury. Hal. 401-438.
Soejoeti, Zanzawi. 1987. Analisis Runtun Waktu Modul 1- 9.
Karunika. Jakarta.
BMKG. Data Online-Pusat Data BMKG.
http://dataonline.bmkg.go.id/home. Diakses pada tanggal 10
Desember 2016.
Trapletti, A., Hornik, K., dan LeBraron, B. Package “tseries” versi
10-35. Time Series Analysis and Computational Finance.
Diposting pada tanggal 2 Mei 2016 melalui cran R: https://cran.rproject.org/web/packages/tseries/index.html.
Hyndman, R. Package “forecast” versi 7.3. Forecasting Functions
for Time Series and Linear Models. Diposting pada tanggal 13
Oktober 2016 melalui cran R: https://cran.rproject.org/web/packages/forecast/index.html
DOI: https://doi.org/10.29103/mjmst.v5i1.10882
Article Metrics
Abstract Views : 415 timesPDF Downloaded : 78 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Samsul Anwar
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.