DETEKSI ANOMALI DATA PREDIKSI UNTUK MENINGKATKAN AKURASI HASIL PERAMALAN DATA CURAH HUJAN

Agus Qomaruddin Munir, Farida Nuraini, Evrita Lusiana Utari,Yusriadi

Abstract


Air merupakan kebututuhan pokok bagi mahluk hidup. Beberapa sumber mata air salah satunya adalah berasal dari air hujan. Untuk dapat memenuhi kecukupan kebutuhan pokok tanaman, lahan pertanian harus memiliki kecukupan air agar memperoleh hasil tanam yang berkualitas. Curah hujan merupakan salah satu indikator untuk mengetahui perkiraan kecukupan air tanah pada lahan pertanian. Ketersediaan air tanah yang dihasilkan oleh hujan dapat digunakan untuk mengetahui pola tanam pada suatu wilayah. Namun demikian, ketersediaan data curah hujan biasanya bergantung pada data real kondisi iklim saat ini, hal inilah yang menyulitkan pihak terkait menentukan klasifikasi pola tanam dimasa mendatang. Deteksi anomali data prediksi merupakan kegiatan penelitian yang bertujuan untuk mendapakan identifikasi awal data peramalan dengan tujuan penggunaan data peramalan yang digunakan untuk melakukan prediksi agar mendapatkan hasil yang baik dengan kriteria tingkat error yang rendah dan memiliki akurasi yang memadai. Model prediksi curah hujan yang akurat dibutuhkan untuk mengatasi permasalahan pergeseran pola hujan. Model prediksi curah hujan untuk penentuan pola tanam direkomendasikan oleh Food and Agriculture Organization (FAO) seperti regresi linier yang hingga sekarang masih banyak digunakan. Kelemahan model ini adalah inkonsistensi peramalan jangka pendek. Deteksi anomali merupakan bagian dari penelitian pengembangan model baru prediksi curah hujan menggunakan metode seasonal autoregressive integrated moving average (SARIMA). Data prediksi yang digunakan adalah data curah hujan dengan kurun waktu tahun 2010 sampai dengan 2020 dari tujuh stasiun pengumpul curah hujan di Kabupaten Sleman digunakan sebagai data training untuk memprediksi curah hujan dimasa mendatang. Hasil luaran dari deteksi anomali adalah berupa hasil normalisasi data prediksi yang selanjutnya akan diproses pada tahap prediksi curah hujan pada bulan tertentu dan mendapatkan akurasi yang memadai.

Keywords


Deteksi Anomali; Prediksi; Seasonal Autoregressive Integrated Moving Average; Pola Tanam

Full Text:

PDF

References


T. C. Upomo and R. Kusumawardani. 2016., Pemilihan Distribusi Probabilitas pada Analisa Hujan dengan Metode Goodness of Fit Test. J. Tek. Sipil dan Perenc., vol. 18, no. 2, pp. 139–148, doi: 10.15294/jtsp.v18i2.7480.

Makridakis, S.Wheelwright., 1999, Metode dan Aplikasi Peramalan Jilid 1 (Ir. Untung Sus Ardiyanto, M.Sc. & Ir. Abdul Basith, M.Sc Terjemah). Edisi Kedua, Jakarta: Penerbit Erlangga.

Sharda, R., 1994. Neural Networks For The MS/OR Analyst: An

Application Bibliography. Interfaces 24 (2), 116–130.

Hii, Y. L., Zhu, H., Ng, N., Ng, L. C., & Rocklöv, J. 2012. Forecast of Dengue Incidence Using Temperature and Rainfall. PLoS Neglected Tropical Diseases, 6(11). doi:10.1371/journal.pntd.000190.

Tresnawati, R., 2010. Prediksi Curah Hujan Bulanan Dengan Menggunakan Metode Kalman Filter Dengan Prediktor SST Nino 3.4 Diprediksi, Jurnal Meteorologi dan Geofisika Vol. 11, No. 2, hal. 106-115.

Huda, A.M., Choiruddin, A., Budiarto, O., Sutikno, 2012, Peramalan Data Curah Hujan Dengan Seasonal Autoregression Moving Average (SARIMA) Dengan Deteksi Outlier Sebagai Upaya Optimalisasi Produksi Pertanian Di Kabupaten Mojokerto. Seminar Nasional Kedaulatan Pangan dan Energi, Fakultas Pertanian Universitas Trunojoyo, Madura.

Chen, X., Zhu, S., 2013. Improved Hybrid Model Based on Support Vector Regression Machine for Monthly Precipitation Forecasting. Journal of Computers, Vol. 8, No. 1, hal. 232-239.

Evi Dewi Sri Mulyani, Indah Septianingrum, Nisa Nurjanah, Reka Rahmawati, Syifa Nurhasani, Kiky Milky R. K., 2019. Prediksi Curah Hujan Di Kabupaten Majalengka Dengan Menggunakan Algoritma Regresi., Volume 8, Nomor 1, Jurnal Sistem Informasi dan Teknologi Informasi (JUSITI), https://doi.org/10.36774/jusiti.v8i1.602.

Alsultanny, Y., 2012. Successful Forecasting For Knowledge Discovery By Statistical Methods. Proceedings of the 9th International Conference on Information Technology, ITNG 2012, hal.584–588.

Mulyana, 2004. Analisis Deret Waktu, Universitas Padjadjaran FMIPA Jurusan Statistika, Bandung.

Box, G. and Jenkins, G., 1976, Time Series Analysis Forecasting and Control, Holden-Day, San Fransisco.

M. Gharbi, P. Quenel, J. Gustave, S. Cassadou, G. L. Ruche, L. Girdary, and L. Marrama, Jun. 2011. “Time series analysis of dengue incidence in Guadeloupe, French West Indies: Forecasting models using climate variables as predictors,†Bmc Infect. Dis., vol. 11, no. 1, p.166.

Makridakris; Wheelwright & McGee. 1999. Metode dan Aplikasi Peramalan. Jakarta; Binarupa Aksara.


Abstract View: 343, PDF Download: 704

Refbacks

  • There are currently no refbacks.




Prosiding Seminar Nasional

Universitas Respati Yogyakarta

Alamat : JL. Laksda Adisucipto KM 6,3 Depok Sleman Yogyakarta - Indonesia
Tel : 0274-488781
Fax : 0274-489780
Email : wahyurm@respati.ac.id


 
View My Stats
Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.