Manado Model Berbasis ARIMA

Model ARIMA2,0,0 untuk data kecepatan angin zonal di Pontianak artinya peramalan data angin zonal periode mendatang tergantung pada data dua waktu sebelumnya. Model tersebut dapat digunakan untuk menduga kecepatan angin tiga hari ke depan. Hasil prediksi menunjukkan bahwa kecepatan angin pada tanggal 1-3 Januari 2011 masih didominasi oleh angin baratan. Artinya kemungkinan curah hujan masih tetap tinggi.

4.3.2 Manado

Uji stasioneritas dilakukan terhadap data kecepatan angin zonal di Manado. I n d e x Z o n a l_ M a n a d o 1 2 3 3 1 0 9 6 9 5 9 8 2 2 6 8 5 5 4 8 4 1 1 2 7 4 1 3 7 1 1 0 5 - 5 - 1 0 - 1 5 T i m e S e r i e s P l o t o f Z o n a l _ M a n a d o Gambar 24 Plot data asli kecepatan angin zonal di Manado periode 1 Januari 2007–30 September 2010. 1 2 3 3 1 0 9 6 9 5 9 8 2 2 6 8 5 5 4 8 4 1 1 2 7 4 1 3 7 1 1 0 5 - 5 - 1 0 - 1 5 I n d e x d if f_ 1 T i m e S e r i e s P l o t o f d i f f _ 1 1 80 70 60 50 40 30 20 10 1 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0 Lag A u to c o rr e la ti o n Autocorrelation Function for diff_1 with 5 significance limits for the autocorrelations 80 70 60 50 40 30 20 10 1 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0 Lag P a rt ia l A u to c o rr e la ti o n Partial Autocorrelation Function for diff_1 with 5 significance limits for the partial autocorrelations 2 3 Gambar 25 Plot data 1, ACF 2 PACF 3 differencing orde 1 kecepatan angin zonal di Manado periode 1 Januari 2007–30 September 2010. Dari plot data pada Gambar 24 terlihat bahwa data tidak stasioner dalam rataan, maka dilakukan proses differencing satu kali. Setelah dilakukan proses pembedaan 1 maka terlihat bahwa data sudah stasioner. Dengan dilakukannya pembedaan 1 maka ditentukan model sementara d=1. Plot ACF nya nyata pada lag 2 dan 3, sedangkan PACF nya nyata pada lag 2, 3, dan 4 maka kemungkinan model adalah ARIMA2,1,2, ARIMA2,1,3, ARIMA 2,1,4, ARIMA 3,1,2 ARIMA 3,1,3 ARIMA 3,1,4. Pada proses pendugaan parameter diperoleh bahwa ARIMA2,1,2, ARIMA2,1,3 nyata untuk semua parameternya. Penduga parameter dari masing-masing model dapat dilihat pada Lampiran 7. Namun, untuk kemungkinan model yang lain tidak bisa diperoleh penaksir parameternya disebabkan tidak muncul iterasi di Minitab. Sehingga model yang mungkin untuk data kecepatan angin zonal di Manado adalah ARIMA2,1,2, ARIMA2,1,3. Model yang memiliki nilai MS dan SS paling kecil adalah ARIMA2,1,2. Berdasarkan hal tersebut maka model terbaik adalah ARIMA2,1,2. Bentuk persamaan modelnya adalah: Z t = 1+Ø 1 Z t-1 + - Ø 1 +Ø 2 Z t-2 – θ 1 a t-1 – θ 2 a t-2. Berdasarkan Tabel 9 maka diperoleh persamaan ARIMA2,1,2 adalah Z t = 1.4472 Z t-1 – 0.2842 Z t-2 – 0.5847 a t-1 – 0.3883 a t-2. Model ARIMA2,1,2 untuk kecepatan angin zonal di Manado artinya peramalan data angin zonal periode mendatang tergantung pada data tiga waktu sebelumnya dan galat dua waktu sebelumnya. Model tersebut dapat digunakan untuk menduga kecepatan angin tiga hari ke depan. Hasil prediksi menunjukkan bahwa kecepatan angin pada tanggal 1-3 Januari 2011 menunjukkan kecenderungan untuk membentuk angin timuran. Artinya kemungkinan curah hujan tidak akan tinggi. Tabel 8 Perbandingan Nilai MS dan SS masing-masing model Model ARIMA kecepatan angin zonal MS SS 2,1,2 3,73 5078,84 2,1,3 3,74 5090,12 Tabel 9 Parameter Model ARIMA2,1,2 Type Coef SE Coef T P AR 1 0,4472 0,0274 16,35 0,000 AR 2 0,1630 0,0289 5,65 0,000 MA 1 0,5847 0,0075 78,14 0,007 MA 2 0,3883 0,0091 42,56 0,040 Constant -0,001281 0,001453 -0,88 0,378 9 0 8 1 7 2 6 3 5 4 4 5 3 6 2 7 1 8 9 1 1 0 5 - 5 - 1 0 I n d e x D a ta D a t a _ A sli N ila i_ P r e d ik si V a r ia b le T i m e S e r i e s P l o t o f D a t a _ A s l i ; N i l a i _ P r e d i k s i Gambar 26 Plot data asli kecepatan angin zonal di Manado dengan hasil prediksi ARIMA 2,1,2 periode 1 Oktober 2010-31 Desember 2010. Gambar 26 menunjukkan perbandingan antara data asli dengan nilai prediksi. Dari Gambar tersebut dapat dilihat bahwa plot data prediksi mendekati plot data asli dengan nilai r sebesar 0,785. Hasil prediksi ini cukup baik karena menghasilkan galat rata-rata yang kecil yaitu sebesar 0.042 dan RMSE sebesar 0.084.

4.3.3 Biak

Dokumen yang terkait

Pengaruh Indian Ocean Dipole (IOD) terhadap propagasi Madden Julian Oscillation (MJO)

3 27 31

Prediction Model Development Madden Julian Oscillation (MJO) based on the results of data analysis Real Time Multivariate MJO (RMM1 and RMM2).

1 8 123

Pengembangan Model Indeks Monsun (Monsoon) Indonesia (IMI) Berbasis Hasil Analisis Data WPR (Wind Profile Radar)

2 7 84

Respon Suhu Permukaan Laut (SPL) dan Klorofil-a terhadap Madden-Julian Oscillation (MJO) di Laut Indonesia

2 12 35

PENGEMBANGAN MODEL PREDIKSI MADDEN-JULIAN OSCILLATION (MJO) BERBASIS HASILANALISIS DATA WIND PROFILER RADAR (WPR)

0 4 11

IDENTIFIKASI MADDEN JULIAN OSCILLATION (MJO) UNTUK PREDIKSI PELUANG BANJIR TAHUNAN DI SUB DAS SOLO HULU Identifikasi Madden Julian Oscillation (MJO) Untuk Prediksi Peluang Banjir Tahunan Di Sub Das Solo Hulu Bagian Tengah (2007 – 2012).

0 1 15

PENDAHULUAN Identifikasi Madden Julian Oscillation (MJO) Untuk Prediksi Peluang Banjir Tahunan Di Sub Das Solo Hulu Bagian Tengah (2007 – 2012).

0 2 19

DAFTAR PUSTAKA Identifikasi Madden Julian Oscillation (MJO) Untuk Prediksi Peluang Banjir Tahunan Di Sub Das Solo Hulu Bagian Tengah (2007 – 2012).

0 2 4

IDENTIFIKASI MADDEN JULIAN OSCILLATION (MJO) UNTUK PREDIKSI PELUANG BANJIR TAHUNAN DI SUB DAS SOLO HULU Identifikasi Madden Julian Oscillation (MJO) Untuk Prediksi Peluang Banjir Tahunan Di Sub Das Solo Hulu Bagian Tengah (2007 – 2012).

0 1 13

Karakteristik Madden-Julian Oscillation (MJO) Ketika El-Nino Southern Oscillation (ENSO) | Muhammad | Wahana Fisika 9376 19201 1 PB

1 2 24