TY - JOUR AU - Sulistyono, Agus Dwi AU - Iriany, Atiek AU - Rosyida, Diana PY - 2019/09/23 Y2 - 2024/03/29 TI - PENGEMBANGAN MODEL GSTAR-SUR DENGAN PENDEKATAN NEURAL NETWORK PADA RESIDUAL JF - Prosiding Seminar Nasional Hayati JA - hayati VL - 7 IS - 1 SE - Articles DO - 10.29407/hayati.v7i1.586 UR - https://proceeding.unpkediri.ac.id/index.php/hayati/article/view/586 SP - 149–158 AB - <p>Model GSTAR merupakan suatu model space time yang stasioner. Salah satu data yang memiliki fenomena space time adalah curah hujan. Curah hujan pada saat sekarang sulit untuk diprediksi karena memiliki pola dan karakteristik yang sulit untuk diidentifikasi. Fenomena ini merupakan fenomena non linier. Adapun model yang mempertimbangkan unsur non linier adalah neural network. Pendugaan parameter model GSTAR yang akan digunakan adalah pendekatan model Seemingly Unrelated Regression (SUR). Metode ini mampu mengatasi adanya korelasi antar sisaan melalui matriks ragam peragam sisaan dalam model. Penelitian ini akan membandingkan hasil ramalan curah hujan menggunakan model GSTAR-SUR dan model GSTAR-SUR dengan pendekatan neural network pada residual. Data yang digunakan dalam penelitian ini adalah data curah hujan di empat daerah Jawa Barat, yaitu Cisondari, Chincona, Cibuni, dan Lembang, mulai tahun 2005 sampai 2018. Data curah hujan ini merupakan data 10 harian. Pada kasus ini model GSTAR-SUR-NN menghasilkan hasil ramal yang lebih mendekati nilai aktual dari pada model GSTAR-SUR.</p> ER -