1. Home
  2. Pendidikan

Validasi Hasil Prediksi Model ARIMA Tipe A1 Validasi Hasil Prediksi Model ARIMA Tipe C1 Validasi Hasil Prediksi Model ARIMA Tipe D1 Validasi Hasil Prediksi Model ARIMA Tipe D2

100 200 300 400 500 m il im e te r m m JAN PEB MAR APR MEI JUN JUL AGST SEP OKT NOP DES Bulan Grafik Prediksi Curah Hujan Model ANFIS Tipe E3 Tahun 2001‐2010 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Gambar 4.14. Prediksi Curah Hujan Model ANFIS Tipe E3

4.4 VALIDASI HASIL PREDIKSI MODEL ARIMA

Prediksi model ARIMA dari tahun 2001 hingga 2010 untuk masing-masing pewilayahan hujan di Sumatera Utara akan divalidasi dengan membandingkan prediksi dengan data aktual, sehingga diketahui nilai korelasi atau hubungan hasil prediksi dengan data yang aktual.

4.4.1 Validasi Hasil Prediksi Model ARIMA Tipe A1

Hasil validasi prediksi ARIMA dengan data aktual untuk daerah Tipe A1 menunjukkan bahwa nilai korelasi baik terdapat pada bulan Maret, Oktober dan Nopember dengan nilai korelasi tertinggi -0,64. ‐1,00 ‐0,75 ‐0,50 ‐0,25 0,00 0,25 0,50 0,75 1,00 V a li d a si Grafik Validasi Predikasi Curah Hujan Tipe A ARIMA 0,23 ‐0,45 ‐0,51 0,47 ‐0,28 0,14 ‐0,40 ‐0,18 ‐0,10 ‐0,50 ‐0,64 ‐0,35 JAN PEB MAR APR MEI JUN JUL AGST SEP OKT NOP DES Gambar 4.15. Validasi Prediksi Curah Hujan Model ARIMA Tipe A Universitas Sumatera Utara

4.4.2 Validasi Hasil Prediksi Model ARIMA Tipe C1

Hasil validasi prediksi ARIMA dengan data aktual untuk daerah Tipe C1 menunjukkan bahwa nilai korelasi baik terdapat pada bulan Mei dengan nilai korelasi tertinggi -0,61. ‐1,00 ‐0,75 ‐0,50 ‐0,25 0,00 0,25 0,50 0,75 1,00 V a li d a si Grafik Validasi Predikasi Curah Hujan Tipe C1 ARIMA ‐0,42 0,19 0,41 ‐0,16 ‐0,61 ‐0,31 ‐0,28 ‐0,13 ‐0,39 ‐0,43 ‐0,30 ‐0,28 JAN PEB MAR APR MEI JUN JUL AGST SEP OKT NOP DES Gambar 4.16. Validasi Prediksi Curah Hujan Model ARIMA Tipe C1

4.4.3 Validasi Hasil Prediksi Model ARIMA Tipe D1

Hasil validasi prediksi ARIMA dengan data aktual untuk daerah Tipe D1 menunjukkan bahwa nilai korelasi baik terdapat pada bulan April dengan nilai korelasi tertinggi -0,52. ‐1,00 ‐0,75 ‐0,50 ‐0,25 0,00 0,25 0,50 0,75 1,00 V a li d a si Grafik Validasi Predikasi Curah Hujan TipeD1 ARIMA ‐0,43 ‐0,36 0,14 ‐0,52 ‐0,19 ‐0,40 ‐0,23 0,22 ‐0,39 ‐0,06 ‐0,35 ‐0,38 JAN PEB MAR APR MEI JUN JUL AGST SEP OKT NOP DES Gambar 4.17. Validasi Prediksi Curah Hujan Gambar Model ARIMA Tipe D1 Universitas Sumatera Utara

4.4.4 Validasi Hasil Prediksi Model ARIMA Tipe D2

Hasil validasi prediksi ARIMA dengan data aktual untuk daerah Tipe D2 menunjukkan bahwa nilai korelasi baik terdapat pada bulan Maret, Mei, Juni, Oktober dan Desember dengan nilai korelasi tertinggi -0,73. ‐1,00 ‐0,75 ‐0,50 ‐0,25 0,00 0,25 0,50 0,75 1,00 V a li d a si Grafik Validasi Predikasi Curah Hujan TipeD2 ARIMA ‐0,30 ‐0,16 ‐0,55 ‐0,37 ‐0,55 ‐0,54 ‐0,16 ‐0,42 ‐0,19 ‐0,73 ‐0,31 ‐0,69 JAN PEB MAR APR MEI JUN JUL AGST SEP OKT NOP DES Gambar 4.18. Validasi Prediksi Curah Hujan Model ARIMA Tipe D2

4.4.5 Validasi Hasil Prediksi Model ARIMA Tipe E1

Dokumen yang terkait

Penggunaan Model Tisean Dan Wavelet Untuk Analisis Simulasi Komputasi Pemetaan Validasi Prediksi Curah Hujan Di Sumatera Utara

2 31 111

Penggunaan Metode Klasifikasi Oldeman Untuk Simulasi Komputasi Pemetaan Curah Hujan Di Sumatera Utara

0 63 85

Analisis Pemetaan Validasi Prediksi Curah Hujan Dengan Model Jaringan Syaraf Tiruan Dan Wavelet Menggunakan Arc View 3.3

5 77 106

Sistem Peringatan Dini Bahaya Banjir Dengan Input Prediksi Curah Hujan Menggunakan Model Arima Di Daerah Aliran Sungai (DAS) Deli Percut

3 64 74

Penerapan Model ARIMA untuk Prediksi Anomali Curah Hujan Berdasarkan Indeks Monsun dan El Niño di Beberapa Kawasan di Indonesia.

4 24 50

Regresi Kuantil Lasso Dan Gulud Dengan Validasi Silang Untuk Prediksi Curah Hujan Ekstrim

3 11 41

Kata Kunci : Curah hujan, ANFIS, Membership Function. PENDAHULUAN - ANFIS DENGAN MEMBERSHIP FUNCTION UNTUK PREDIKSI CURAH HUJAN PADA DATA RENTET WAKTU MULTIVARIATE

0 1 8

Pemodelan Curah Hujan dengan Pendekatan Model ARIMA, Feed Forward Neural Network dan Hybrid (ARIMA-NN) di Banyuwangi

0 1 6

PREDIKSI CURAH HUJAN MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYTEM (ANFIS)

0 2 14

ANALISIS DAN PERANCANGAN PROGRAM APLIKASI DENGAN STRUKTUR ADAPTIVE NEURO-FUZZY INFERENCE SYSTEMS (ANFIS) UNTUK PREDIKSI CURAH HUJAN: STUDI KASUS DI BADAN METEOROLOGI DAN GEOFISIKA

0 1 13