<![CDATA[Penelitian ini bertujuan untuk pemodelan ARFIMA pada data kecepatan angin di Bandara Internasional Ahmad Yani dalam frekuensi harian. Pada penelitian ini dilakukan identifikasi long memory pada data kecepatan angin di Bandara Internasional Ahmad Yani yang memberikan hasil bahwa data diindikasikan mempunyai sifat long memory. Selanjutnya dilakukan pembentukan model ARFIMA(p,d,q) dengan menentukan nilai estimasi parameter menggunakan metode Geweke and Porter-Hudak (GPH) dan Rescaled Range Statistics (R/S). Model terbaik dipilih berdasarkan nilai AIC terkecil. Model terbaik untuk ARFIMA(p,d,q) dengan dGPH = 0,346 adalah model ARFIMA(0,d,[2]) dengan nilai AIC -1384,527. Model terbaik untuk ARFIMA(p,d,q) dengan dR/S = 0,224 adalah model ARFIMA(0,d,1) dengan nilai AIC -1385,62. Tingkat akurasi peramalan didasarkan pada nilai RMSE, MAE, dan MAPE. Nilai eror validasi peramalan model ARFIMA (0,d,[2]) dengan adalah RMSE 0,74966754, MAE 0,593468, dan MAPE 10,45511. Nilai eror pada validasi peramalan model ARFIMA(0,d,1) dengan adalah RMSE 0,7898162, MAE 0,6295811, dan MAPE 10,75531.]]>
Copyrights © 2019
