diperhatikan. Sebagai contoh perubahan kualitas suhu udara dilingkungan kota dari tahun ke tahun semakin memburuk. Penyimpangan tersebut dapat menimbulkan
bencana, baik manusia, ternak, tumbuh – tumbuhan, seperti hal banjir, badai atau
topan, kekeringan dan lain sebagainya. Iklim beserta unsurnya penting untuk diperhatikan dan dipelajari dengan
sebaik – baiknya, karena pengaruhnya sering menimbulkan masalah bagi manusia
serta makhluk hidup liannya. Masalah tersebut merupakan tetantang bagi manusia karena harus berusaha unutk mengatasinya dengan menghindari atau memperkecil
pengaruh yang tidak menguntungkan kehidupan manusia. Dari keadaan di atas, penulis ingin mengadakan penelitian terhadap data suhu
udara pada masa yang lalu dari bulan Januari 2008 sampai dengan Desember 2012, untuk meramalkan suhu udara pada masa yang akan datang, sebagai bahan penulisan
tugas akhir dengan judul
“PERAMALAN SUHU UDARA BULANAN DI KOTA MEDAN PADA TAHUN 2013 DENGAN METODE BOX-
JENKINS”.
1.2 Perumusan Masalah
Untuk memperjelas dan untuk lebih mempermudah penelitian ini agar tidak
menyimpang dari sasaran yang dituju, maka penulis hanya meramalkan suhu udara yang akan datang bulan Januari
– Desamber 2013 dengan menggunakan data suhu udara pada bulan Januari 2008
– Desamber 2012.
Universitas Sumatera Utara
Rumusan masalah yang akan dibahas dalam tugas akhir ini adalah : Bagaimana peramalan suhu udara bulanan di kota medan dalam kurun waktu satu
tahun yang akan datang tahun 2013.
1.3 Tinjauan Pustaka
Metodologi ARIMA Box-Jenkins merupakan suatu pendekatan pembentukan model
yang sangat kuat untuk analisis deret berkala.Metode ini memberikan kajian yang teliti, tetapi tidak dapat diterapkan dengan baik kecuali apabila dimengerti dengan
baik. Untuk nilai p, d, q, P, D, dan Q yang sangat kecil pada model umum ARIMA p,d,q,
P, D, Q
S
data dapat diprediksi.
ARIMA dikembangkan oleh Box dan Jenkins. Metode ini merupakan gabungan dari metode penghalusan, metode regresi dan metode dekomposisi.
Metode ini banyak digunakan untuk peramalan harga saham, penjualan, dan variabel runtun waktu lainnya. Model runtun waktu ini biasanya digunakan bila hanya sedikit
yang diketahui mengenai variabel-variabel tak bebas yang dapat digunakan untuk menjelaskan variabel bebas yang diminati. Dalam meramalkan suhu udara, maka
dapat digunakan beberapa buku antara lain : Assauri, S[1] menguraikan tentang definisi peramalan adalah kegiatan
memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi atau kondisi yang diperlukan akan terjadi pada masa yang akan datang.
Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal dengan metode peramalan.
Universitas Sumatera Utara
Daldjoeni, N[2] menguraikan tentang klimatologi yakni selukbeluknya, klasifikasinya serta pernyataannya secara wilayah. Dalam beberapa uraiannya
diusahakan relevansinya dengan kehidupan makhluk hidup.
Iriawan Nur[3] menguraikan tentang pengolahan data statistik dengan menggunakan MINITAB versi 14. Minitab memberikan beberapa kelebihan dalam
mengolah data untuk Analysis of Variance ANOVA, analisis multivariate, peramalan, membuat grafik - grafik statistik dan lain - lain.
Kartasapoetra, Ance Gunarsih[4] menguraikan tentang iklim yang mencakup tinjauan tentang iklim, sifat, dan klasifikasinya, dan bagaimana pendekatan-
pendekatan yang dilakukan terhadap iklim yang berpengaruh terhadap berbagai bidang.
Makridakis, S[5] menguraikan bahwa dalam metode dan aplikasi peramalan Makridakis, pada dasarnya ada dua model dari metode Box-Jenkins yaitu model
linier untuk deret statis Stationery Series dan model linier yang tidak statis Non Stationery Series. Model-model untuk deret statis menggunakan teknik penyaringan
Filter untuk deret waktu yaitu apa yang disebut dengan ARMA Auto Regresive –
Moving Average untuk suatu kumpulan data, sedangkan untuk model yang tidak statis menggunakan apa yang disebut ARIMA Auto Regresive
– Integrate – Moving Average. Untuk suatu kumpulan data, model ARMA merupakan model yang
dibangun berdasarkan proses Autoregressive AR berorde p dan proses Moving Average MA
berorde q menjadi :
�
= Φ
1 �−1
+ Φ
2 �−2
+ … + Φ
�−
+ �
�
− �
1
�
�−1
− … − � �
�−
Universitas Sumatera Utara
Keterangan :
�
= Variabel yang diramalkan Dependen Variebel
�−
= Variabel pertama pada period eke 1,2,3, …, p Φ
= Parameter Auto Regresive �
�
= Nilai Kesalahan t �
= Parameter – parameter dari MA 1,2, …, p
�
�−
= Nilai kesalahan pada saat t-q Untuk data yang dikumpulkan secara bulanan, pembedaan satu musim penuhtahun
dapat dihitung
�
−
�−12
= 1 − �
12 �
. Sehingga untuk mode ARIMA p,d,f, P, D, Q
S
dengan adalah jumlah periode per musim.
Sosrodarsono Suyono [6] menguraikan tentang faktor iklim dan unsur iklim dimana iklim disuatu tempat atau daerah ditentukan oleh suhu udara, curah hujan,
angin, penyinaran matahari dan sebagainya. Faktor dan unsur iklim tersebut berpengaruh terhadap tanaman, hewan, manusia, dan kependudukan.
Sudjana [7] menguraikan tentang data yang terdiri atas dua atau lebih variabel untuk mempelajari cara bagaimana data itu berhubungan. Hubungan yang di dapat
pada umumnya dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan fungsional antara variabel-variabel. Untuk keperluan analisis, variabel
bebas akan dinyatakan dengan X
1
, X
2
, … , X
k
k≥1 sedangkan variabel tak bebas akan dinyatakan dengan Y.
Universitas Sumatera Utara
1.4 Tujuan Penelitian
