Perbandingan Peramalan Curah Hujan di Stasiun Meteorologi Jatiwangi dan Kemayoran Menggunakan Metode Seasonal Arima dan Random Forest

Abstract

Timeseries merupakan serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Analisis timeseries mempelajari pola gerakan nilai-nilai variabel pada suatu interval waktu (misal minggu, bulan dan tahun). Dari analisis timeseries dapat diperoleh ukuran-ukuran yang dapat digunakan untuk membuat keputusan saat ini, untuk prediksi merencanakan masa depan. Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan, dan pola data yang sistematis. Data deret waktu terkadang memiliki pola periodik yang kuat. Hal tersebut menunjukkan bahwa terdapat musiman dalam data. Pola musiman pada data biasanya terjadi ketika data diambil dalam interval bulanan, mingguan, dan pada periode interval tertentu lainnya (Montgomery et al., 2008). Apabila terdapat suatu pola musiman pada data deret waktu dengan s periode musiman, maka model Seasonal ARIMA digunakan. Pada model Seasonal ARIMA digunakan nilai root mean square error (RMSE) untuk menunjukkan seberapa baik sebuah model dijadikan sebagai model peramalan. Model peramalan yang baik memiliki nilai RMSE yang kecil, atau bahkan mendekati nol. Artinya, model tersebut memiliki tingkat akurasi peramalan.