Pemodelan Jumlah Hari Hujan Per Bulan Di Kabupaten Indramayu Dengan Pendekatan Zero Inflated Model (ZIM)

Damanik, Frits Fahridws (2014) Pemodelan Jumlah Hari Hujan Per Bulan Di Kabupaten Indramayu Dengan Pendekatan Zero Inflated Model (ZIM). Masters thesis, Insititut Teknologi Sepuluh Nopember.

Text 1312201716_Master_Thesis.pdf Download (1MB)

Abstract

Produktivitas pertanian secara umum dipengaruhi oleh faktor genetis (jenis bibit) dan faktor lingkungan seperti jenis tanah, pengelolaan lahan, teknologi, dan iklim/cuaca. Dari faktor lingkungan, keadaan cuaca sangat memegang peranan penting terhadap keberhasilan pertanian. Kondisi ini terjadi tidak lepas dari sangat berfluktuatifnya kejadian hujan antar waktu sehingga pembudidayaan tanaman perlu disesuaikan terhadap fluktuasi curah hujan dan frekuensi hujan. Untuk antisipasi terhadap perubahan curah hujan dan frekuensi hujan yang tiba-tiba ekstrim diperlukan suatu sistem peringatan dini dengan memanfaatkan model prediksi jumlah hari hujan, sehingga gambaran frekuensi hujan beberapa periode ke depan dapat di peroleh lebih awal. Pemodelan terhadap kasus kejadian diskrit secara seriesseperti jumlah hari hujan per bulandapat dilakukan dengan menggunakan metode Zero Inflated Model (ZIM) yang dapat mengakomodir banyaknya nilai pengamatan bernilai nol (excess zeros) dalam deret data series. Penelitian ini menggunakan data jumlah hari hujan di Kabupaten Indramayu pada periode 1965-2010 dimana sebanyak 18,30 persen dari data merupakan observasi bernilai nol. Hasil penelitian memperlihatkan bahwa model Negative Binomial (NB)autoregression adalah model terbaik yang dihasilkan pendekatan ZIM dengan nilai AIC terkecil yaitu sebesar 3.067,544. Model ini juga memberikan nilai MSE yang jauh lebih kecil yaitu sebesar 12,334dibandingkan dengan MSE yang dihasilkan dengan menggunakan pendekatan ARIMA yaitu sebesar 49,9424.
==============================================================================================================================
Generally, agricultural productivity was not only influenced by genetic factor (kinds of seeds), but also environmental factor such as kinds of soil, land management, technology and climate. Among various environmental factor, weather situation plays important role on determining agricultural success. Such condition could not separate from the rainfall and its frequency that fluctuate in occurrence. Thus, an early warning system is needed for anticipating a sudden or extreme change on rainfall and its frequency. Some early warning system of rainfall is built by utilizing model of number of rainy days to predict further condition. This research aims to build a model of the number of monthly rainy days in Indramayu Regency, using the data series from 1965 to 2010. We found that the case is occurs on discrete pattern and its data have 18,30 percent observations that contain zero. Thus we use Zero Inflated Model (ZIM) method to build a monthly rainy days model because its ability to accommodate the excess zero ef fect. The results shows that the Negative Binomial (NB) autoregression was the finest model produced using ZIM approach. It resulting AIC value of 3.067,544 and MSE 12,334. Such value is smaller compared to the model produced using ARIMA approach.

Item Type:	Thesis (Masters)
Additional Information:	RTSt 519.536 Dam p-1, 2014
Uncontrolled Keywords:	poison regression model, negative binomial regression model, zero-inflated model, excess zeros, rainfall forecasting, ARIMA
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	08 Jan 2024 07:27
Last Modified:	08 Jan 2024 07:27
URI:	http://repository.its.ac.id/id/eprint/105403

Actions (login required)

View Item