Purba, Novelina (2016) Pemodelan Data Curah Hujan Di Kabupaten Banyuwangi Dengan Metode Arima Dan Radial Basis Function Neural Network Novelina Purba. Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.
Preview |
Text
1314105014-Undergraduate_Thesis.pdf - Published Version Download (2MB) | Preview |
Abstract
Curah hujan merupakan salah satu komponen lingkungan pemegang
peranan penting dalam budidaya tanaman. Bagi Kabupaten Banyuwangi
jumlah curah hujan di daerah ini sangat penting dalam menentukan
keberhasilan produksi padi. Mengingat Kabupaten Banyuwangi
merupakan salah satu lumbung padi Jawa Timur, maka perencanaan
waktu tanam padi sangat dibutuhkan. Perencanaan waktu tanam
bergantung pada curah hujan, sehingga perlu dilakukan peramalan curah
hujan di Kabupaten Banyuwangi. Penelitian ini menggunakan metode
ARIMA dan RBFNN untuk memodelkan curah hujan di Kabupaten
Banyuwangi. Model ARIMA dapat menangkap pola linier pada data
curah hujan, sedangkan model RBFNN dimaksudkan untuk menangkap
pola non linier pada data. Data yang digunakan dalam penelitian ini data
curah hujan hasil pengamatan dari Stasiun Meteorologi Banyuwangi
sehingga model yang dihasilkan hanya berlaku bagi daerah dengan
radius 20 km dari tempat pengambilan data, yaitu Stasiun Meteorologi
Banyuwangi. Model RBFNN dalam penelitian ini menghasilkan nilai
Mean Square Error (MSE) sebesar 300,185, sementara model ARIMA
menghasilkan nilai MSE sebesar 344,658. Berdasarkan perbandingan
nilai MSE dari kedua model tersebut dinyatakan bahwa dalam penelitian
ini model RBFNN lebih baik dibandingkan model ARIMA
=================================================================================================
Rainfall is a very important role in the cultivation of plants. For
District Banyuwangi amount of rainfall in this area is very important in
determining the success of rice production. Planning the rice planting in
Banyuwangi is needed because Banyuwangi is one of East Java’s rice
barns. Planning the rice-planting time depends on rainfall, so it is
necessary to forecast rainfall in District Banyuwangi. This study uses
ARIMA and Radial Basis Function Neural Network (RBFNN) for
modeling rainfall in Banyuwangi. ARIMA model can capture the linear
pattern on rainfall data, while RBFNN models intended to capture the
non-linear patterns in the data. The data in this study is the rainfall data
taken from Banyuwangi Meteorological Station so that the model
applies only to the area within a radius of 20 km from the
Meteorological Station Banyuwangi. MSE value of RBFNN model is
300,185 and MSE of ARIMA model is 34,.658. Based on the MSE values
of both models, in this study, RBFNN model is better than ARIMA
model
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSt 519.535 Pur p |
| Uncontrolled Keywords: | ARIMA, RBFNN, Curah Hujan, Banyuwangi |
| Subjects: | T Technology > T Technology (General) > T174 Technological forecasting |
| Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | EKO BUDI RAHARJO |
| Date Deposited: | 13 Feb 2020 03:19 |
| Last Modified: | 13 Feb 2020 03:19 |
| URI: | http://repository.its.ac.id/id/eprint/74869 |
Actions (login required)
 |
View Item |