Garuda - Garba Rujukan Digital

FORECASTING DATA RUNTUN WAKTU MUSIMAN MENGGUNAKAN METODE SINGULAR SPECTRUM ANALYSIS (SSA) Dadang Ruhiat; Dini Andiani; Wulan Nurul Kamilah
Teorema: Teori dan Riset Matematika Vol 5, No 1 (2020): Maret
Publisher : Universitas Galuh

Pemodelan dan forecasting data runtun waktu akhir-akhir ini terus berkembang dan digunakan di berbagai bidang termasuk di bidang hidrologi. Parameter hidrologi yang sangat penting adalah debit sungai di Indonesia sebagaimana halnya di negara tropis lainnya, besaran dan fluktuasinya dipengaruhi oleh dua faktor musiman, yaitu musim hujan dan kemarau. Pemodelan dan forecasting runtun waktu berbasis statistik pada dasarnya dapat dilakukan melalui dua pendekatan, yaitu statistik parametrik dan statistik non-parametrik. Namun fakta menunjukkan pemodelan dan forecasting runtun waktu melalui pendekatan statistik parametrik lebih banyak dilakukan. Pada penelitian ini dilakukan pemodelan dan forecasting data runtun waktu debit sungai melalui pendekatan statistik non-parametrik dengan menggunakan metode Singular Spectrum Analysis (SSA). Tujuan dari penelitian ini adalah untuk mengetahui hasil forecasting metode SSA dan mengetahui hasil komparasinya dengan hasil forecasting statistik parametrik yang telah dilakukan sebelumnya melalui model Seasonal Autoregressive Integrated Moving Average (SARIMA). Metode proses penelitian ini adalah berupa kajian teori yang kemudian dilanjutkan dengan proses komputasi. Hasil analisis menunjukkan metode SSA memberikan hasil forecasting dengan nilai Mean Absolute Percentage Error (MAPE) yang lebih kecil dari model SARIMA. Dengan demikian disimpulkan forecasting runtun waktu debit sungai yang berpola musiman melalui metode SSA relatif lebih baik dari hasil forecasting model SARIMA.

PERAMALAN DATA DERET WAKTU BERPOLA MUSIMAN MENGGUNAKAN METODE REGRESI SPEKTRAL (Studi Kasus : Debit Sungai Citarum-Nanjung) Dadang Ruhiat; Cecep Suwanda
Teorema: Teori dan Riset Matematika Vol 4, No 1 (2019): Maret
Publisher : Universitas Galuh

Pemodelan dan peramalan data deret waktu di berbagai bidang, salah satunya di bidang hidrologi, terus berkembang, baik dalam pengembangan metode maupun dalam penerapannya. Beberapa parameter hidrologi yang sangat penting dan sering kali perlu untuk diramalkan adalah debit sungai dan curah hujan. Kedua parameter hidrologi tersebut kejadiannya dipengaruhi oleh musim sehingga teridentifikasi mengandung pola musiman. Terkait dengan pemodelan dan peramalan data deret waktu debit sungai yang teridentifikasi mengandung pola musiman sebelumnya telah dicoba dengan menggunakan beberapa metode yang berbasis kepada pendekatan metode statistik Box- Jenkins, yaitu melalui pemodelan Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Seasonal Autoregressive Fractionally Integrated Moving Average (SARFIMA.). Pada paper ini akan diuraikan hasil pemodelan dan peramalan dengan menggunakan metode statistik lainnya yaitu metode regresi spektral. Analisis terhadap hasil peramalan menunjukan bahwa peramalan data deret waktu debit sungai yang berpola musiman melalui metode spektral memberikan hasil yang cukup baik dan mampu menirukan perilaku dari data deret waktu historisnya. Keakuratan hasil peramalan tersebut diukur dengan menggunakan nilai kebaikan model Mean Absolute Percentage Error (MAPE), dan diketahui memiliki Nilai MAPE yang relatif lebih kecil dari nilai MAPE hasil peramalan yang telah dilakukan sebelumnya melalui Model SARIMA. Dengan demikian hasil peramalan melalui metode regresi spektral relatif lebih akurat

PENGARUH FAKTOR MUSIMAN PADA PEMODELAN DERET WAKTU UNTUK PERAMALAN DEBIT SUNGAI DENGAN METODE SARIMA Dadang Ruhiat; adang effendi
Teorema: Teori dan Riset Matematika Vol 2, No 2 (2018): Maret
Publisher : Universitas Galuh

Pemodelan dan peramalan deret waktu saat ini berkembang dan banyak digunakan di berbagaibidang termasuk di bidang hidrologi. Salah satu parameter hidrologi yang sangat penting adalahdebit sungai. Besaran dan fluktuasi debit sungai pada periode waktu tertentu sangat dipengauhioleh faktor musiman, yaitu musim hujan dan kemarau. Penelitian ini dilakukan untuk mengetahuipengaruh faktor musiman terhadap kemampuan model dalam menirukan dan meramalkan perilakudari data debit sungai. Pemodelan dilakukan berbasis kepada pendekatan metode statistik BoxJenkins, yaitu Autoregressive Integrated Moving Average (ARIMA) dengan melibatkan faktormusiman dalam pemodelannya, yang dikenal dengan model Seasonal Autoregressive IntegratedMoving Average (SARIMA). Model yang digunakan untuk peramalan adalah model yang terbaik,yaitu model yang memenuhi syarat signifikansi parameter, white noise dan memiliki nilai MAPE(Mean Absolute Percentage Error)yang terkecil. Perbandingan dilakukan terhadap hasilperamalan model-model terbaik, masing-masing terbaik dari model SARIMA dan model ARIMAnon musiman, sehingga dapat diketahui pengaruh faktor musiman terhadap hasil pemodelan danperamalan. Hasil analisis menunjukan ternyatamodel SARIMA terbaik lebih layak digunakandaripada model Arima non musiman.

IMPLEMENTASI DISTRIBUSI PELUANG GUMBEL UNTUK ANALISIS DATA CURAH HUJAN RENCANA Dadang Ruhiat
Teorema: Teori dan Riset Matematika Vol 7, No 1 (2022): Maret
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/teorema.v7i1.7137

Distribusi peluang kontinu adalah distribusi peluang untuk variabel berskala kontinu, dimana didefinisikan ruang sampel memiliki titik sampel yang tak berhingga banyaknya dan sama banyaknya dengan banyak titik pada sepotong garis. Data curah hujan merupakan salah satu contoh data peubah acak kontinu. Pada penelitian ini distribusi peluang kontinu digunakan untuk menganalisis data curah hujan rencana berdasarkan data curah hujan wilayah dari 3 (tiga) stasiun penakar hujan, yaitu stasiun hujan Bayongbong, stasiun hujan Cikajang, dan stasiun hujan Cipasang di Daerah Aliran Sungai (DAS) Cimanuk yang secara administratif berada diwilayah Kabupaten Garut. Beberapa jenis metode distribusi peluang kontinu yang digunakan pada penelitian ini adalah distribusi peluang Gumbel, Log Normal 2 parameter dan Log Pearson type III. Hasil penghitungan ketiga metode tersebut dibandingkan untuk mengetahui tingkat kecocokan metode dalam menghitung curah hujan rencana berdasarkan kriteria besar nilai simpangan dan nilai mean absolut percentage error (MAPE). Berdasarkan hasil hitung tersebut diketahui bahwa metode Gumbel memiliki nilai simpangan sebesar 42.317 mm dengan nilai MAPE sebesar 23,7 %; metode Log Normal 2 Parameter memiliki nilai simpangan sebesar 79.458 mm dengan nilai MAPE sebesar 28,9 %; dan metode Log Pearson Type III memiliki nilai simpangan sebesar 46.543 mm dengan nilai MAPE sebesar 35,0 %. Hal tersebut menunjukan bahwa metode Gumbel yang merupakan metode yang paling cocok untuk menghitung curah hujan rencana karena memiliki nilai simpangan dan nilai MAPE terkecil atau yang paling mendekati data curah hujan aktual.

IMPLEMENTASI MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) UNTUK PERAMALAN JUMLAH PENUMPANG KERETA API DI PULAU SUMATERA Isop Siti Nurjanah; Dadang Ruhiat; Dini Andiani
Teorema: Teori dan Riset Matematika Vol 3, No 2 (2018): September
Publisher : Universitas Galuh

Pemodelan dan peramalan runtun waktu saat ini sering digunakan di berbagai bidang termasuk dibidang transportasi, baik transportasi darat, laut maupun transportasi udara. Akhir-akhir inimasyarakat banyak menggunakan transportasi darat dengan menggunakan jasa layanan dari PT.Kereta Api Indonesia. Terkait hal tersebut, penelitian ini membahas tentang pemodelan danperamalan jumlah penumpang PT. Kereta Api Indonesia secara khusus untuk wilayah operasi diPulau Sumatera dengan menggunakan pendekatan metode Box-Jenkins, yaitu modelAutoregressive Integrated Moving Average (ARIMA). Pemodelan dan peramalan dalam penelitianini menggunakan data jumlah penumpang PT. Kereta Api Indonesia di Pulau Sumatera selama 11(sebelas) tahun terakhir yaitu dari periode Januari 2006 sampai dengan Desember 2016. ModelARIMA terbaik untuk peramalan adalah model yang memenuhi syarat signifikansi parameter, whitenoise dan memiliki nilai MAPE (Mean Absolute Percentage Error) yang terkecil. Hasil analisismenunjukkan model terbaik untuk peramalan jumlah penumpang PT. Kereta Api Indonesia diPulau Sumatera adalah model ARIMA (1,1,1) dengan nilai MAPE in sample sebesar 12.28% dannilai MAPE out of sample untuk kalibrasi model sebesar 5.11%. Dengan demikian model ARIMA(1,1,1) cocok dan layak digunakan untuk peramalan jumlah penumpang PT. Kereta Api Indonesiadi Pulau Sumatera.

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search