Imputasi Data Deret Waktu Musiman Menggunakan VAR-IM (Studi Kasus: Data Cuaca Di Stasiun Meteorologi Citeko)

Abstract

Metode imputasi univariat didefinisikan sebagai metode imputasi yang hanya menggunakan informasi dari peubah target dalam mengestimasi data hilang. Metode imputasi univariat mudah dan fleksibel dalam penggunaannya karena tidak ada peubah lain selain peubah target yang diperlukan. Meskipun begitu, metode imputasi multivariat berpotensi meningkatkan akurasi imputasi jika peubah lain relevan dengan peubah target. Banyak metode imputasi multivariat yang telah diusulkan, salah satunya adalah Vector Autoregression Imputation Method (VAR-IM). Penelitian ini bertujuan untuk membandingkan hasil metode-metode imputasi berbasis VAR-IM dengan metode imputasi univariat pada data deret waktu, terutama pada data dengan lag musiman yang panjang seperti data cuaca harian. Penelitian ini mengkaji tiga metode yang dimodifikasi berdasarkan VAR-IM menggunakan simulasi dengan tiga langkah umum: penghapusan, imputasi, dan evaluasi. Tahap penghapusan dilakukan dengan enam skema berbeda, masing-masing dengan enam proporsi data hilang. Simulasi dilakukan pada data cuaca harian yang diperoleh dari Stasiun Meteorologi Citeko pada rentang 1 Januari 1991 hingga 22 Juni 2013. Penelitian ini menggunakan sembilan peubah cuaca, yaitu suhu minimum, maksimum, dan rata-rata, kelembapan rata-rata, curah hujan, lama penyinaran, kecepatan angin minimum dan maksimum, serta arah angin pada kecepatan maksimum. Hasil simulasi menunjukkan bahwa ketiga metode modifikasi VAR-IM dapat meningkatkan akurasi imputasi pada sekitar 75% kasus. Hasil simulasi juga menunjukkan bahwa hasil imputasi dari metode berbasis VAR-IM memiliki akurasi yang cenderung lebih stabil seiring dengan bertambahnya proporsi data hilang jika dibandingkan dengan hasil imputasi dari metode univariat.