Jurnal Sains dan Seni ITS
Vol 2, No 1 (2013)

Pemodelan VAR-NN dan GSTAR-NN untuk Peramalan Curah Hujan di Kabupaten Malang


Diani, Kadek Kardya Novi ( ITS ) , Setiawan, Setiawan ( ITS ) , Suhartono, Suhartono ( ITS )



Article Info

Publish Date
15 Mar 2013

Abstract

Model Vector Autoregressive (VAR) dan Generalized Space Time Autoregressive (GSTAR) merupakan metode pemodelan time series yang menggunakan lebih dari satu variabel. Kedua pemodelan tersebut merupakan kelompok pemodelan yang linier. Adapun Neural Network (NN), merupakan salah satu metode pemodelan yang mampu menangkap pola-pola nonlinier. Dalam penelitian ini, dilakukan penerapan metode pemodelan NN pada data curah hujan di Kabupaten Malang dengan menggunakan variabel input dalam model VARĀ  dan GSTAR sebagai input layer dalam model NN. Perbandingan antara model VAR-NN dan GSTAR-NN juga dilakukan dalam penelitian ini untuk mengetahui model mana yang dapat memberikan nilai ramalan terbaik. Peramalan menggunakan kedua model tersebut dilakukan untuk 1 tahap, 3 tahap, 6 tahap, 9 tahap, 18 tahap, dan 36 tahap ke depan. Berdasarkan hasil perbandingan antara kedua model tersebut, diketahui bahwa model VAR-NN memberikan hasil peramalan yang lebih baik daripada model GSTAR-NN. Hasil ramalan terbaik dari kedua model tersebut akan diperoleh jika peramalan dilakukan pada 1 tahap ke depan dan dengan 1 neuron dalam hidden layer.


Copyrights © 2013






Download : Full PDF (212.922 KB)
Original Source : http://ejurnal.its.ac.id/index.php/sains_seni/article/view/3137
Google Scholar : Check in googleschoolar