Studi Komparatif model ARIMA dan Fuzzy Time Series untuk meramalkan data curah hujan bulanan. (Studi kasus: Kota Bogor -Indonesia).

Abstract

Salah satu masalah utama dalam pengelolaan sumber daya air adalah peramalan curah hujan. Dengan mempertimbangkan efek curah hujan terhadap sumber daya air, prediksi curah hujan yang lebih akurat akan memungkinkan pemanfaatan sumber daya air dan pembangkit listrik secara efisien. Di sisi lain, iklim dan curah hujan adalah fenomena yang sangat tidak linier dan rumit, yang membutuhkan pemodelan dan simulasi matematika non-linear untuk prediksi yang akurat. Ada banyak faktor yang mempengaruhi curah hujan di kota Bogor- Indonesia, seperti posisi geografis, topografi dan faktor lainnya. Terjadinya curah hujan adalah salah satu elemen paling kompleks dari siklus hidrologi yang pemahamannya telah mengalami sejumlah besar perubahan ruang dan waktu. Keragaman curah hujan mempengaruhi banyak kegiatan termasuk produksi pertanian, transportasi, seluruh ekonomi suatu daerah, dan keberadaan penduduknya. Analisis deret waktu memainkan peran penting dalam memodelkan data meteorologi seperti kelembaban, suhu, curah hujan dan variabel iklim lainnya. Peramalan deret waktu adalah penggunaan model untuk memprediksi nilai masa depan berdasarkan nilai sebelumnya. Tujuan umum dari analisis deret waktu adalah mengekstrapolasi perilaku masa lalu ke masa depan. Tujuan dari penelitian ini adalah membandingkan dua jenis pemodelan time series untuk diprediksi dengan data simulasi yang direpresentasikan menggunakan model ARMA (1,1). Data simulasi dihasilkan menggunakan 16 skenario sebagai kombinasi dari 4 nilai 𝜎����������𝑒���������� 2 (0.5, 1, 3, 5) dengan 4 nilai parameter ARMA. Tujuan lain dari penelitian ini adalah untuk membandingkan akurasi model ARIMA dan Fuzzy Time Series (Chen dan Yu) dalam memperkirakan data curah hujan bulanan dari masing-masing dari dua stasiun curah hujan yang ditemukan di Kota Bogor. 0oUntuk mengevaluasi kinerja model-model ini, parameter statistik digunakan untuk membuat perbandingan antara model-model ini. Parameter ini termasuk Root Mean Square Errors (RMSE) dan Mean Absolute Percentage Error (MAPE). Kumpulan data yang telah digunakan dalam penelitian ini meliputi pengukuran bulanan untuk curah hujan dari tahun 2009 hingga 2016 (96 bulan) untuk pos hujan Empang dan stasiun klimatologi Dramaga yang ditemukan di kota Bogor, Indonesia. Model dilatih dengan data curah hujan bulanan untuk setiap stasiun curah hujan selama tujuh tahun. Kinerja model dievaluasi dengan menggunakan 12 bulan data. Model yang berbeda dan ukuran statistiknya ditentukan untuk setiap stasiun dan juga menggunakan studi simulasi. Kami telah menunjukkan diagram prakiraan yang diperoleh yang secara grafis menggambarkan kedekatan antara pengamatan asli dan yang diperkirakan. Hasil numerik dari penelitian ini menunjukkan bahwa dalam studi simulasi model chen lebih baik daripada model ARMA dan Yu karena nilai RMSE dan MAPE untuk metode ini memiliki nilai bias yang lebih rendah jika dibandingkan dengan metode lain, hal ini disebabkan karena model Yu mengandung nilai bias yang lebih tinggi. Statistik sekitar 11.44 saat varians error menjadi tinggi 𝜎����������𝑒���������� 2= 5 untuk parameter ARMA ф = 0.9 dan θ = 0.6 maka metode lain. Di sisi lain untuk penerapan data curah hujan, pos hujan Empang menunjukkan bahwa model Chen merupakan model terbaik untuk digunakan memperkirkan curah hujan karena RMSE dan MAPE memiliki nilai yang kecil masing-masingnya adalah 142.340 dan 43.184 jika dibandingkan dengan model lainnya. Sementara untuk stasiun klimatologi Dramaga terlihat bahwa model ARIMA merupakan model terbaik digunakan untuk memperkirakan curah hujan di daerah ini karena nilai terkecil RMSE dan MAPE masing-masing adalah 142.500 dan 33.264. Untuk hasil ini kita dapat menyimpulkan bahwa model Yu tidak berkinerja baik untuk kedua stasiun curah hujan di Kota ini.