Nabila, Feby Sandi (2016) Pemodelan Vector Autoregressive – Support Vector Regression (VAR-SVR) Dan Generalized Space Time Autoregressive - Support Vector Regression (GSTAR-SVR) Untuk Peramalan Curah Hujan Di Kota Surabaya. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1312100072-Undergraduate Thesis.pdf - Published Version Download (1MB) | Preview |
Abstract
Pemanasan global pada abad ini memicu terjadinya
perubahan iklim dan berpotensi mengubah pola cuaca secara
ekstrem diberbagai Negara tak terkecuali di Indonesia. Keadaan
alam yang semakin terganggu membuat curah hujan di setiap
wilayah semakin sulit untuk diprediksi. Surabaya yang memiliki
peran penting sebagai pusat perekonomian di Jawa Timur
khususnya dalam sektor pertanian menjadi salah satu kota yang
perlu diprediksi keadaan curah hujannya agar sektor pertanian
berjalan baik. Pemodelan untuk memprediksi curah hujan yang
bersifat multivariate dan sering digunakan adalah Vector
Autoregressive (VAR) dan metode pemodelan Generalized Space
Time Autoregressive (GSTAR), suatu model yang dapat
diterapkan pada data dengan variabel lokasi yang heterogen.
Penelitian ini menggunakan Metode Pemodelan VAR-SVR dan
GSTAR-SVR yang merupakan metode pemodelan time series
parametrik dan non parametrik, dengan cara menggunakan
variabel-variabel yang signifikan dari model VAR dan GSTAR
sebagai variabel prediktor pada model SVR. Berdasarkan hasil
yang diperoleh diketahui metode terbaik untuk memodelkan
curah hujan di Surabaya adalah model VAR-SVR.
=====================================================================================================
Global warming in this century triggering climate change
and potentially to change weather patterns in various countries
including in Indonesia. Natural conditions that increasingly
disturbed make rainfall in any region increasingly difficult to
predict. Surabaya, which has an important role as an economic
center in East Java, especially in the agricultural sector into one
of the towns that need to predict the state of the rainfall that the
agricultural sector is going well. Modeling to predict the rainfall
that often used is multivariate and Vector Autoregressive (VAR)
and modeling methods Generalized Space Time Autoregressive
(GSTAR), a model that can be applied to the data with the
location of the heterogeneous variables. This study uses a VARSVR
and GSTAR-SVR Modeling Method which is a methods of
modeling time series of parametric and nonparametric, by using
the significant variables of the VAR and GSTAR as predictor
variables in the model SVR. Based on the results obtained the
best method for modeling rainfall in Surabaya is a VAR-SVR
model.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSt 519.536 Nab p |
| Uncontrolled Keywords: | Curah Hujan, VAR, GSTAR, SVR |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 01 Mar 2018 04:10 |
| Last Modified: | 27 Dec 2018 03:17 |
| URI: | http://repository.its.ac.id/id/eprint/51403 |
Actions (login required)
 |
View Item |