Perbandingan Bobot Normalisasi Cross Correlation dengan Cross Covariance dalam Model Peramalan Curah Hujan

Agus Dwi  Sulistyono; Aniek  Iriany; Atiek  Iriany; Ni Wayan  Suryawardhani

doi:10.29407/hayati.v6i1.663

Authors

Agus Dwi Sulistyono Universitas Muhammadiyah Malang
Aniek Iriany Universitas Muhammadiyah Malang
Atiek Iriany Universitas Brawijaya
Ni Wayan Suryawardhani Universitas Brawijaya

DOI:

https://doi.org/10.29407/hayati.v6i1.663

Keywords:

Spatio Temporal, GSTAR, bobot lokasi, curah hujan

Abstract

Penggunaan bobot lokasi pada pembentukan model spatio temporal turut andil dalam tingkat keakuratan model yang dibentuk. Bobot lokasi yang sering digunakan antara lain bobot lokasi uniform, invers jarak, dan normalisasi korelasi silang. Bobot lokasi tersebut mempertimbangkan kedekatan antar lokasi. Untuk data yang memiliki tingkat variabilitas yang tinggi, penggunaan bobot lokasi yang telah disebutkan di atas menjadi kurang relevan. Penelitian ini dilakukan dengan tujuan untuk mendapatkan metode pembobotan yang lebih sesuai untuk data dengan variabilitas tinggi. Penelitian ini dilakukan dengan menggunakan data sekunder yang berasal dari data curah hujan 10 harian yang didapatkan dari BMKG Karangploso. Periode data yang digunakan adalah Januari 2005 sampai dengan Desember 2015. Titik pos hujan yang diteliti meliputi pos hujan wilayah Blimbing, Karangploso, Singosari, Dau, dan Wagir. Berdasarkan hasil penelitian model peramalan yang didapatkan adalah model GSTAR((1),1,2,3,12,36)-SUR. Model dengan bobot cross covariance menghasilkan tingkat akurasi yang lebih baik ditinjau dari nilai RMSE yang lebih rendah dan nilai R2 lebih tinggi terutama untuk wilayah Karangploso, Dau, dan Wagir.

Downloads

Download data is not yet available.

References

Apanasovich, T. V., & Genton, M. G. (2010). Cross-covariance functions for multivariate random fields based on latent dimensions. Biometrika, 97(1), 15–30. https://doi.org/10.1093/biomet/asp078

Borovkova, Lopuha, & Ruchjana, B. N. (2002). Generalized S-TAR with Random Weights. In Proceeding of the 17th International Workshop on Statistical Modeling. Chania-Greece.

Efromovich, S., & Smirnova, E. (2013). Statistical Analysis of Large Cross-Covariance and CrossCorrelation Matrices Produced by fMRI Images. Journal of Biometrics & Biostatistics,05(02). https://doi.org/10.4172/2155-6180.1000193

Iriany, A., Firdaus, W. M., Nugroho, W. H., & Sulistyono, A. D. (2016). Rainfall Forecasting Using Gstar-Sur-Nn Approach in West Java Province. In International Conference on Science, Engineering, Bulit Environment, and Social Science (p. 1). Bandung.

Iriany, A., Suhariningsih, Ruchjana, B. N., & Setiawan. (2013). Prediction of Precipitation Data at Batu Town Using the GSTAR ( 1 , p ) -SUR Model. Journal of Basic and Applied Scientific Research, 3(6), 860–865.

Pfeifer, P. E., & Deutsch, S. J. (1980). Identification and interpretation of first order space-time arma models. Technometrics. https://doi.org/10.1080/00401706.1980.10486172

Pfeifer, P. E., & Deutsch, S. J. (1981). Seasonal Space‐Time ARIMA Modeling. Geographical Analysis. https://doi.org/10.1111/j.1538-4632.1981.tb00720.x

Ruchjana, B. N. (2001a). Pemodelan Kurva Produksi Minyak Bumi Menggunakan Model Generalisasi STAR. Bogor.

Ruchjana, B. N. (2001b). Study on the Weight Matrix in the Space-Time Autoregressive Model. In Proceeding of the Tenth International Symposium on Applied Stochastic Models and Data Analysis (ASMDA) (pp. 789–794). Compiegne, France.

Suhartono, & Atok, R. M. (2006). Pemilihan Bobot Lokasi yang Optimal pada Model GSTAR. In Prosiding Konferensi Nasional Matematika XIII. Semarang.

Suhartono, & Subanar. (2006). The Optimal Determination of Space Weight in GSTAR Model by using Cross-correlation Inference. Journal of Quantitative Methods, 2(2), 45–53. Retrieved from http://personal.its.ac.id/files/pub/1042-suhartono-statisticsSuhartono_and_Subanar.pdf

Sulistyono, A. D., Hadi Nugroho, W., & Iriany, A. (2015). Development of Hybrid Model GSTARSUR-NN and Aplication for Rainfall Forecasting. In 1st International Conference Pure Applied Resources Univ. Muhammadiyah Malang (p. 104). Malang.

Sulistyono, A. D., Nugroho, W. H., Fitriani, R., & Iriany, A. (2016). Hybrid Model GSTAR-SUR-NN For Precipitation Data. Cauchy, 4(2), 74. https://doi.org/10.18860/ca.v4i2.3490

Sulistyono, A. D., Nugroho, W. H., & Iriany, A. (2016). Location Weight of GSTAR Model for Heterogeneity Variance of Precipitation Data. In International Conference on Science, Engineering, Bulit Environment, and Social Science (p. 6). Bandung.