Pemodelan Hybrid Vector Autoregressive-Artificial Neural Network untuk Peramalan Cuaca di Stasiun Meteoroligi Perak I Surabaya

Ramadhani, Raisa (2024) Pemodelan Hybrid Vector Autoregressive-Artificial Neural Network untuk Peramalan Cuaca di Stasiun Meteoroligi Perak I Surabaya. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003201169-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB) | Request a copy

Abstract

Cuaca merupakan salah satu faktor penting dalam kehidupan sehari-hari manusia, mempengaruhi berbagai aspek dari kesehatan hingga keberlangsungan pertanian. Namun, dengan perubahan cuaca yang semakin tidak terduga, tantangan dalam meramalkannya semakin besar. Tujuan dari penelitian ini yaitu untuk memodelkan dan melakukan peramalan pada data komponen cuaca yaitu suhu udara rata-rata, kelembapan rata-rata, dan kecepatan angin rata-rata. Metode prediksi yang digunakan dalam penelitian ini yaitu VAR, dan hybrid VAR-ANN. Berdasarkan hasil analisis yang telah dilakukan, pengujian nonlinearitas data menggunakan uji Terasvirta menunjukkan bahwa ketiga komponen cuaca memiliki data yang bersifat nonlinear. Selanjutnya didapatkan model terbaik dalam memprediksikan data adalah menggunakan metode hybrid VAR-ANN dengan nilai RMSE data testing sebesar 0,0462. Hasil peramalan yang didapatkan dari model hybrid menunjukkan performa yang lebih baik dibandingkan mod-el VAR saja. Model ini mampu menangkap pola linear dan nonlinear dalam data cuaca, menghasilkan prediksi yang lebih akurat untuk periode pengujian. Hal ini menunjukkan bahwa pendekatan hybrid VAR-ANN adalah metode yang efektif untuk peramalan data cuaca yang kompleks dan nonlinear.
==============================================================================================================================
Weather is a crucial factor in daily human life, influencing various aspects from health to the sustainability of agriculture. However, with increasingly unpredictable weather changes, the challenges in forecasting it have become greater. The aim of this study is to model and forecast weather component data, namely average air temperature, average humidity, and average wind speed. The prediction methods used in this research are VAR and hybrid VAR-ANN. Based on the analysis conducted, the nonlinearity test using the Terasvirta test showed that the three weather components have nonlinear data. Furthermore, the best model for predicting the data was found to be the hybrid VAR-ANN method with a testing RMSE value of 0.0462. The forecasting results obtained from the hybrid model showed better performance compared to the VAR model alone. This model was able to capture both linear and nonlinear patterns in the weather data, resulting in more accurate predictions for the testing period. Thisindicates that the hybrid VAR-ANN approach is an effective method for forecasting complex and nonlinear weather data.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Cuaca, VAR, Hybrid VAR-ANN, Peramalan, Weather, Forecasting
Subjects:	H Social Sciences > HA Statistics > HA30.3 Time-series analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Raisa Ramadhani
Date Deposited:	27 Aug 2024 05:06
Last Modified:	27 Aug 2024 05:06
URI:	http://repository.its.ac.id/id/eprint/115231

Actions (login required)

View Item