2.7 METODE WAVELET
Transformasi wavelet merupakan alat yang ideal untuk mendeteksi fluktuasi-fluktuasi periodik yang bersifat transien dan juga parameter-
parameternya, karena mampu memusatkan perhatian pada suatu rentang waktu terbatas dari data yang ada Torrence dan Compo 1998 dan dapat mengambarkan
proses dinamik nonlinear komplek yang diperlihatkan oleh interaksi gangguan dalam skala ruang dan waktu Astafeva 1996. dalam Modul Desiminasi hasil-hasil
LITBANG, 2007. Transformasi wavelet dikembangkan sebagai pendekatan alternatif dari
Short Term Fourier Transform untuk mengatasi masalah resolusi tersebut. Analisa Wavelet dilakukan dengan cara yang sama dengan analisa STFT, dalam
pengertian bahwa sinyal deret waktu dikalikan dengan suatu fungsi, {\wavelet}, mirip dengan fungsi jendela STFT, dan transformasi dihitung secara terpisah
untuk segmen-segmen yang berbeda dari sinyal domain waktu Polikar 1996.dalam Modul Desiminasi hasil-hasil LITBANG, 2007.
2.8 METODE TISEAN
Tisean Time Series Analysis Ver 2.0 adalah Model Prediksi Tool alat bantu yang didesain untuk menganalisis deret waktu nonlinear yang dapat
memprediksi curah hujan. Suatu deret waktu multi dimensi dapat dibangun dari deret waktu skalar
satu dimensi dengan metode delay waktudelay embedding. Lintasan dari titik yang dihubungkan dalam ruang keadaan ini dapat dikatakan sebagai atraktor.
Konstruksi atraktor dalam ruang keadaan tersebut mungkin menjadi metode paling umum dalam analisis deret waktu nonlinear. Hal ini kemudian dapat
dikatakan sebagai prosedur embedding dinamika sistem pembangkitan deret waktu skalar dapat direkonstruksi.
Dalam Matematika, suatu theorema delay embedding memberikan kondisi dimana suatu sistem dinamika chaos dapat direkonstruksi dari suatu rangkaian
observasi dari kedudukan sistem dinamika. Rekonstruksi tersebut menjamin bahwa sifat dari sistem dinamika tersebut tidak berubah dengan perubahan
Universitas Sumatera Utara
koordinat yang kecil, akan tetapi tidak menjamin bentuk struktur geometrik dalam ruang keadaan.
Menurut Cheng dan Tong 1995. dalam Modul Desiminasi hasil-hasil LITBANG, 2007 adalah penting mengambil nilai delay embedding dalam
penentuan embedding dimension. Hal ini mengindikasikan bahwa dengan memilih delay embedding
, kita dapat melekatkan dinamikanya dalam ruang dimensi yang lebih rendah, yang diperlukan pada sudut pandang dimensionalitasnya.
Definisi : Jika diberikan Xt suatu data deret waktu dengan t =1,2,… maka dapat dituliskan sebagai Xt=Xt- d-1T,Xt-d-2T,…,Xt dengan d merupakan
embedding dimension dan T merupakan delay embedding.
2.9 VALIDASI PRAKIRAAN