Browsing by Author "MUTIK ALAWIYAH"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    MODEL CLUSTERING GSTARI-ARCH DAN PENERAPANNYA PADA DATA TERKONFIRMASI POSITIF COVID-19 DI JAWA BARAT
    (2021-03-03) MUTIK ALAWIYAH; Dianne Amor Kusuma; Budi Nurani Ruchjana
    Deret waktu merupakan proses stokastik yang diberi indeks waktu secara simultan. Model deret waktu yang digunakan pada penelitian ini adalah model deret waktu basis Box-Jenkins. Model deret waktu dapat dikombinasikan dengan data spasial yang menghasilkan proses stokastik dengan indeks lokasi waktu secara simultan. Salah satu model berbasis model Box-Jenkins dengan karakteristik lokasi yang heterogen adalah Model Generalized Space Time Autoregressive (GSTAR) untuk model dengan asumsi data stasioner dan model Generalized Space Time Autoregressive Integrated (GSTARI) untuk data yang tidak stasioner, khususnya untuk data yang memiliki pola trend. Dalam penelitian ini dipelajari pengembangan model GSTARI dengan asumsi variansi eror tidak konstan. Salah satu contoh data dengan variansi eror tidak konstan adalah data terkonfirmasi positif Covid-19 di Provinsi Jawa Barat. Fenomena data terkonfirmasi positif Covid-19 di Jawa Barat juga dikelompokkan menjadi zona merah, kuning dan hijau untuk menggambarkan banyaknya penderita positif Covid-19 dalam kelompok tinggi, sedang dan rendah. Metode penaksiran parameter untuk asumsi unsur eror tidak konstan dapat digunakan metode Autoregresive Conditional Heteroscedasticity (ARCH). Oleh karena itu, penelitian ini membahas Analisis Clustering dan Model GSTARI dengan asumsi variansi eror tidak konstan yang dinamakan dengan Model Clustering Generalized Space Time Autorgressive-Autoregresive Conditional Heteroscedasticity atau dapat disingkat dengan Model Clustering GSTARI-ARCH. Tahapan-tahapan dalam memodelkan Clustering GSTARI-ARCH dibagi menjadi dua yaitu tahap Analisis Cluster hingga terbentuk 3 cluster tinggi, sedang, rendah, dilanjutkan dengan tahap peramalan model GSTARI-ARCH yang mengikuti 3 tahapan deret waktu Box-Jenkins. Tiga tahap deret waktu Box-Jenkins berupa identifikasi model, estimasi parameter hingga pengecekan diagnostik. Penerapan Model Clustering GSTARI-ARCH pada data terkonfirmasi Covid-19 menghasilkan RMSE yang minimum pada Cluster tinggi dibandingkan dengan Cluster lainnya. Hal ini menunjukkan bahwa plot data pada cluster tinggi hampir mendekati plot data aktualnya. Plot ramalan pada semua cluster memiliki kemiripan dengan data aktual hanya untuk waktu jangka pendek yaitu selama 1-2 hari.
  • No Thumbnail Available
    Item
    MODEL SPACE TIME AUTOREGRESSIVE INTEGRATED (STARI(2,1,1)) UNTUK DATA DEBIT AIR SUNGAI CITARUM DI PROVINSI JAWA BARAT
    (2020-01-14) MUTIK ALAWIYAH; Budi Nurani Ruchjana; Dianne Amor Kusuma
    Akhir-akhir ini curah hujan di Jawa Barat cukup tinggi, hal ini menyebabkan daerah di sekitar Daerah Aliran Sungai (DAS) mengalami banjir. Namun, pada musim kemarau DAS Citarum mengalami kekeringan. Perubahan debit air sungai Citarum yang berubah dari waktu ke waktu selain dipengaruhi oleh waktu tetapi juga dipengaruhi oleh lokasi di sekitarnya. Untuk melakukan peramalan pada data debit air sungai Citarum dapat digunakan model Space Time Autoregressive Integrated (STARI). Pada penelitian ini, model STARI diterapkan untuk data debit air sungai Citarum di keempat lokasi pengamatan. Berdasarkan kestasioneran data menunjukkan bahwa data tidak stasioner sehingga harus dilakukan proses differencing terlebih dahulu sebanyak 1 kali. Identifikasi orde model AR adalah satu karena plot PACF terpotong pada lag 1. Lag spasial yang digunakan pada penelitian ini adalah lag spasial orde 2, sehingga debit air sungai Citarum dapat diprediksi dengan model STARI(2,1,1). Penaksiran parameter model STARI(2,1,1) dengan matriks bobot seragam ditaksir dengan metode MLE dengan bantuan software R dan S-Plus 8.0. Hasil prediksi debit air sungai Citarum yang akan datang untuk keempat lokasi pengamatan digunakan model STARI(2,1,1) dengan MAPE yang kurang dari 10%, dengan demikian model STARI(2,1,1) dapat direkomendasikan untuk memprediksi data debit air sungai Citarum.