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

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.

[img]
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
Divisions: Faculty of Mathematics and Science > Statistics > (S1) Undergraduate Theses
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 View Item