Peramalan Curah Hujan di Stasiun Juanda Menggunakan Metode ARIMA Box-Jenkins dan Radial Basis Function Neural Network

Trisnawati, Ocktalia (2021) Peramalan Curah Hujan di Stasiun Juanda Menggunakan Metode ARIMA Box-Jenkins dan Radial Basis Function Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
10611710000039-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (1MB) | Request a copy

Abstract

Curah hujan yang tinggi tak hanya menyebabkan penundaan penerbangan, namun juga membuat pesawat terlambat mendarat karena menunggu cuaca sedikit lebih baik agar dapat dilakukan pendaratan dengan aman, terlebih lagi jika sering terjadi hujan maka akan membuat landasan pacu pesawat menjadi licin dan mengurangi jarak pandang pengelihatan. Dalam upaya untuk menghindari adanya kecelakaan pesawat, maka perlu dilakukan peramalan curah hujan agar dapat digunakan sebagai peringatan dini bagi maskapai penerbangan. Pada penelitian ini dilakukan peramalan curah hujan di Stasiun BMKG Juanda menggunakan metode ARIMA Box-Jenkins dan Radial Basis Function Neural Network (RBFNN). Tujuan dari penelitian ini adalah untuk mendapatkan model peramalan terbaik dengan membandingkan hasil ramalan model ARIMA dan RBFNN serta mendapatkan hasil peramalan curah hujan di Stasiun BMKG Juanda untuk beberapa periode kedepan. Data yang digunakan adalah data sekunder yang diperoleh dari BMKG Juanda Surabaya dari Januari 2019 hingga April 2021. Hasil penelitian ini menujukkan bahwa nilai MSE model RBFNN dengan 12 neuron input, 3 neuron lapisan tersembunyi, dan 1 neuron output sebesar 5.270, yaitu lebih kecil daripada MSE model ARIMA ([1,9,12,35,55,58]1,1) sehingga dapat disimpulkan bahwa metode RBFNN merupakan metode terbaik yang digunakan untuk meramalkan curah hujan di Stasiun Juanda. ====================================================================================================== Heavy rainfall not only causes flight delays, but also makes planes land late because they wait for slightly better weather to make a safe landing, especially if it rains frequently it will make the runway slippery and reduce visibility. In an effort to avoid aircraft accidents, it is necessary to forecast rainfall so that it can be used as an early warning for airlines. In this study, rainfall forecasting at BMKG Juanda Station was carried out using the Box-Jenkins ARIMA method and the Radial Basis Function Neural Network (RBFNN). The purpose of this study is to obtain the best forecasting model by comparing the forecast results of the ARIMA and RBFNN models and to obtain the results of forecasting rainfall at the BMKG Juanda Station for the next several periods. The data used is secondary data obtained from BMKG Juanda Surabaya from January 2019 to April 2021. The results of this study show that the MSE value of the RBFNN model with 12 input neurons, 3 hidden layer neurons, and 1 output neuron is 5,270, which is smaller than the MSE ARIMA model ([1,9,12,35,55,58]1,1) so it can be concluded that the RBFNN method is the best method used to predict rainfall at Juanda Station.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: ARIMA Box-Jenkins, Curah Hujan, Juanda, Peramalan, RBFNN
Subjects: Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Vocational > 49501-Business Statistics
Depositing User: Ocktalia Trisnawati
Date Deposited: 11 Aug 2021 03:02
Last Modified: 11 Aug 2021 03:02
URI: https://repository.its.ac.id/id/eprint/85363

Actions (login required)

View Item View Item