MODEL GSTARI-X-ARCH DENGAN PENDEKATAN DATA MINING DAN PENERAPANNYA PADA FENOMENA IKLIM DI JAWA BARAT
No Thumbnail Available
Date
2023-01-16
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Data Spatio Temporal adalah data yang diurutkan berdasarkan lokasi dan waktu
secara simultan. Data Spatio Temporal dapat dimodelkan dengan Model Spatio
Temporal berbasis model deret waktu Box-Jenkins antara lain Model Generalized
Space Time Autoregressive (GSTAR) untuk data yang stasioner dan Model
Generalized Space Time Autoregressive Integrated (GSTARI) untuk data yang
tidak stasioner dengan mempertimbangkan interaksi antar lokasi melalui matriks
bobot. Kebaruan pada penelitian ini merupakan pengembangan asumsi Model
Spatio Temporal yang dinamakan Model Generalized Space Time Autoregressive
Integrated – Exogenous- Autoregressive Conditional Heteroscedasticity disingkat
GSTARI-X-ARCH untuk data Spatio Temporal dengan data tidak stasioner,
penambahan variabel eksogen dan variansi eror tidak konstan. Model GSTARI-XARCH diterapkan pada fenomena Spatio-Temporal dengan ukuran data yang besar,
sehingga metodologi penelitian dapat digunakan proses Knowledge Discovery in
Databases (KDD) dalam data mining meliputi tahapan pre-processing, proses data
mining dan post-processing. Data dalam penelitian digunakan data iklim di Jawa
Barat bersumber dari website National Aeronautics and Space Administration
Prediction of Worldwide Energy Resources (NASA POWER) dengan variabel
penelitian berupa curah hujan sebagai variabel respon dan kelembapan sebagai
variabel eksogen. Penerapan Model GSTARI-X-ARCH dengan pendekatan data
mining menggunakan script R terintegrasi pada peramalan curah hujan yang
dipengaruhi oleh kelembapan memiliki hasil peramalan yang akurat. Hal ini
didukung dengan perolehan nilai MAPE pada data in-sample dan data out-sample
sebesar 19%. Hasil peramalan menggunakan model GSTARI-X-ARCH dengan
melibatkan pengaruh antar lokasi dan waktu secara simultan menunjukkan bahwa
Kota Sukabumi pada bulan Februari 2021 memiliki intensitas curah hujan paling
tinggi dan Kota Bandung memiliki intensitas curah hujan paling rendah. Hasil
peramalan ini diharapkan dapat menjadi rekomendasi bagi instansi terkait sebagai
early warning dalam deskripsi dan prediksi fenomena iklim yang bermanfaat bagi
masyarakat.
Description
Keywords
GSTARI-X-ARCH, Data Mining, MAPE