<![CDATA[Presipitasi merupakan komponen fundamental dalam siklus hidrologi Bumi yang memiliki dampak signifikan terhadap ekosistem, produktivitas pertanian, dan pengelolaan sumber daya air. Variabilitas presipitasi, terutama pola musiman, sangat penting untuk dipahami dalam konteks perencanaan yang efektif dan strategi adaptasi terhadap perubahan iklim yang semakin nyata. Penelitian ini bertujuan untuk mengeksplorasi variabilitas musiman curah hujan di Bangladesh melalui analisis deret waktu yang komprehensif, dengan memanfaatkan teknik statistik canggih, termasuk model Autoregressive Integrated Moving Average (ARIMA), Seasonal Autoregressive Integrated Moving Average (SARIMA), dan Exponential Smoothing State Space (ETS). Data yang digunakan dalam penelitian ini mencakup catatan curah hujan dan suhu rata-rata bulanan dari tahun 1901 hingga 2023, yang diambil dari Humanitarian Data Exchange (HDX). Analisis dilakukan untuk mengidentifikasi pola dan tren musiman yang ada dalam data tersebut. Hasil analisis menunjukkan bahwa model SARIMA (2, 0, 1) × (0, 1, 1, 12) memberikan kinerja terbaik dibandingkan dengan model lainnya, dengan nilai Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE) yang rendah, yang menunjukkan akurasi prediksi yang tinggi. Sementara itu, model ETS juga menunjukkan hasil yang baik dalam hal akurasi, tetapi dengan nilai MAPE yang lebih tinggi, yang mengindikasikan bahwa meskipun model ini mampu menangkap pola musiman, proporsi kesalahan relatif terhadap data aktual lebih besar. Penelitian ini menekankan pentingnya mempertimbangkan komponen musiman dalam pemodelan deret waktu, karena fluktuasi musiman yang terjadi secara periodik dapat ditangkap dengan lebih baik, sehingga menghasilkan prediksi yang lebih konsisten dan akurat. Dengan demikian, hasil penelitian ini memberikan wawasan berharga untuk perencanaan dan strategi adaptasi di masa depan, terutama dalam konteks perubahan iklim yang dapat mempengaruhi pola curah hujan.]]>
Copyrights © 2025
