Pemodelan GSTARX dan Backpropagation Neural Network untuk Peramalan Curah Hujan di Kabupaten Malang, Kabupaten Pasuruan dan Kota Malang

Hakim, Faris Nabil (2024) Pemodelan GSTARX dan Backpropagation Neural Network untuk Peramalan Curah Hujan di Kabupaten Malang, Kabupaten Pasuruan dan Kota Malang. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2043201108-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2026. Download (2MB) | Request a copy

Abstract

Tujuan dari penelitian ini adalah membangun model terbaik untuk peramalan curah hujan di Kabupaten Malang, Kabupaten Pasuruan dan Kota Malang menggunakan metode GSTARX dan Backpropagation Neural Network. Waktu penelitian adalah bulan Januari – Desember 2023. Lokasi penelitian adalah stasiun BMKG di di Kabupaten Malang, Kabupaten Pasuruan dan Kota Malang. Metode yang digunakan untuk peramalan curah hujan adalah model GSTAR yang kemudian dilakukan peningkatan akurasi, maka dikembangkan model GSTARX dengan melibatkan variabel eksogen yang memperhatikan aspek waktu dan lokasi. Variabel eksogen yang digunakan dalam pemodelan GSTARX untuk peramalan curah hujan adalah kecepatan angin. Adanya indikasi data non-linier pada curah hujan sehingga diperlukan metode peramalan yang mampu mengatasi data non-linier seperti Backpropagation Neural Network. Data yang digunakan pada penelitian ini adalah data curah hujan dan kecepatan angin dari bulan Januari 2015 hingga Juni 2023. Berdasarkan hasil analisis pemodelan GSTARX yang terbaik adalah model GSTARX (61) dengan bobot lokasi seragam. Selanjutnya model peramalan curah hujan terbaik di ketiga lokasi, baik di Kabupaten Malang, Kabupaten Pasuruan dan Kota Malang antara kedua model peramalan GSTARX dengan bobot lokasi seragam dengan model Backpropagation Neural Network adalah model Backpropagation Neural Network dengan nilai RMSE sebesar 3,64. Hasil peramalan curah hujan di Kabupaten Malang tertinggi terjadi pada tanggal 7 hingga 10 Juli 2023 dan curah hujan tertinggi di Kabupaten Pasuruan dan Kota Malang tertinggi terjadi pada tanggal 28 November hingga 7 Desember 2023 dan curah hujan terendah di Kabupaten Malang, Kabupaten Pasuruan dan Kota Malang terjadi minggu kedua Juli 2023 hingga minggu kedua Oktober 2023. Model Backpropagation Neural Network dapat meramalkan curah hujan dengan nilai RMSE sebesar 2,024. Hal ini menunjukkan bahwa hasil peramalan data sudah sesuai dengan tren curah hujan di Kabupaten Malang, Kabupaten Pasuruan dan Kota Malang.
====================================================================================================================================
The purpose of this research is to build the best model for forecasting rainfall in Malang Regency, Pasuruan Regency and Malang City using the GSTARX and Backpropagation Neural Network methods. The research time is January – December 2023. The research locations are BMKG stations in Malang Regency, Pasuruan Regency and Malang City. The method used for rainfall forecasting is the GSTAR model, which then increases its accuracy, so the GSTARX model is developed involving exogenous variables that take into account aspects of time and location. The exogenous variable used in GSTARX modeling for rainfall forecasting is wind speed. There are indications of non-linear data on rainfall so a forecasting method is needed that is able to handle non-linear data such as Backpropagation Neural Network. The data used in this research is rainfall and wind speed data from January 2015 to June 2023. Based on the results of the GSTARX modeling analysis, the best is the GSTARX model (61) with uniform location weights. Furthermore, the best rainfall forecasting model in the third location, both in Malang Regency, Pasuruan Regency and Malang City between the two GSTARX forecasting models with uniform location weights and the Backpropagation Neural Network model is the Backpropagation Neural Network model with an RMSE value of 3.64. The highest rainfall forecast results in Malang Regency occurred on 7 to 10 July 2023 and the highest rainfall in Pasuruan Regency and Malang City occurred on 28 November to 7 December 2023 and the lowest rainfall occurred in Malang Regency, Pasuruan Regency and Malang City second week of July 2023 to second week of October 2023. The Backpropagation Neural Network model can predict rainfall with an RMSE value of 2.024. This shows that the data forecasting results are in accordance with rainfall trends in Malang Regency, Pasuruan Regency and Malang City.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Curah Hujan, Model Nonlinier, Backpropagation Neural Network; Rainfall, GSTARX, Nonlinier Models, Time Series
Subjects:	Q Science Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA280 Box-Jenkins forecasting Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA401 Mathematical models. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Faris Nabil Hakim
Date Deposited:	05 Feb 2024 02:12
Last Modified:	05 Feb 2024 02:12
URI:	http://repository.its.ac.id/id/eprint/105998

Actions (login required)

View Item