Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Kubik

Peramalan Konsentrasi Particulate Matter 2.5 (PM2.5) menggunakan Model Vector Autoregressive dengan Metode Maximum Likelihood Estimation Budi Nurani Ruchjana; Atika Tresna Arianto; Kankan Parmikanti; Bambang Suhandi
KUBIK Vol 6, No 1 (2021): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v6i1.8046

Abstract

Particulate Matter 2.5 yang selanjutnya disingkat PM2.5 merupakan partikel udara yang memiliki ukuran . Paparan PM2.5 dapat mempengaruhi fungsi paru-paru dan memperburuk kondisi kesehatan seperti asma, bronkitis hingga kanker paru-paru. PM2.5 berasal dari berbagai sumber seperti hasil pembakaran bahan bakar kendaraan bermotor, hingga kebakaran hutan. Untuk meramalkan Konsentrasi PM2.5 dapat digunakan model time series univariat, salah satunya model Autoregressive yang selanjutnya disingkat AR. Data Konsentrasi PM2.5 memiliki pola stasioner, sehingga dapat dibangun model AR. Konsentrasi PM2.5 di suatu wilayah dipengaruhi oleh Konsentrasi PM2.5 wilayah di sekitarnya pada waktu-waktu sebelumnya, sehingga dapat dibentuk model Vector Autoregressive yang selanjutnya disingkat VAR. Metode yang digunakan untuk menaksir model VAR dalam penelitian ini adalah metode  Maximum Likelihood Estimation yang selanjutnya disingkat MLE dengan bantuan software R dan Microsoft Excel. Model VAR diterapkan untuk peramalan jangka pendek Konsentrasi PM2.5 di Kab. Cirebon, Kab. Kuningan, dan Kab. Majalengka. Hasil penelitian menunjukkan bahwa  konsentrasi  PM2.5 di ketiga kabupaten memiliki korelasi yang cukup tinggi dan satu sama lain saling mempengaruhi, sehingga penggunaan model VAR dapat memberikan rekomendasi untuk peramalan konsentrasi PM2.5  pada waktu mendatang dengan memperhitungkan pengaruh konsentrasi PM2.5 dari lokasi-lokasi terdekat di sekitar lokasi tertentu.
Penerapan Model Seasonal Autoregressive Integrated Moving Average (SARIMA) dalam Peramalan Curah Hujan di Kabupaten Bandung Barat nadhira, valda azka; Ruchjana, Budi Nurani; Parmikanti, Kankan
KUBIK Vol 10 No 1 (2025): IN PRESS
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The expansion of the Kabupaten Bandung, namely Kabupaten Bandung Barat (KBB) is located in hilly and lowland areas. Rainfall in Kabupaten Bandung Barat has an impact on the productivity and performance of key sectors, such as agriculture, plantations and tourism. Low rainfall can lead prolonged dry seasons and result in drought. Conversely, extreme rainfall can also have negative impacts, such as causing soil erosion and potentially affecting the appeal and smooth operation of tourist destinations. Therefore, rainfall forecasting is needed in making appropriate policies, especially regarding the impacts of rainfall changes in KBB. The Seasonal Autoregressive Integrated Moving Average (SARIMA) method is applied in this study to forecast rainfall in KBB. The aims of this research are to estimate the parameters of the SARIMA model using the Maximum Likelihood Estimation (MLE) method and to apply the SARIMA method in forecasting rainfall in KBB, particularly during the December-January-February (DJF) period. The results of the analysis show that the SARIMA model can be applied to forecast rainfall in KBB. The best SARIMA model obtained ARIMA(2,1,0)(0,0,1)3 with a MAPE value 17,80%, which indicates an accurate forecasting criterion. Keywords: SARIMA, MLE, Rainfall.