| dc.description.abstract | Data dalam penelitian ini adalah data curah hujan dari 77 stasiun hujan di
Kabupaten Jember periode 2005 sampai dengan 2016. Data tersebut terbagi menjadi
dua, yaitu data in-sample dan data out-sample. Data in-sample adalah data yang
digunakan untuk membentuk model peramalan, yaitu data bulan Januari 2005 sampai
dengan Desember 2015. Sedangkan data out-sample adalah data yang digunakan
untuk memeriksa daya ramal model, yaitu data curah hujan bulan Januari 2016
sampai dengan Desember 2016. Secara garis besar, tahapan analisis peramalan dalam
penelitian ini adalah pengelompokan data, identifikasi data, pemodelan GSTAR,
kemudian nnalisis data dengan melihat RMSE, dimana RMSE yang lebih kecil
menunjukkan model yang lebih baik.
Pemodelan GSTAR dilakukan pada kedua pengelompokan, berdasarkan data
rata-rata curah hujan setiap bulan pada masing-masing wilayah dari kedua
pengelompokan. Pemodelan pada masing-masing pengelompokan dilakukan
sebanyak dua kali, yaitu Pemodelan GSTAR Non Musiman dan GSTAR Musiman.
Sehingga terbentuk empat macam model GSTAR. Model yang terbentuk adalah
GSTAR𝐵(1; 1), GSTAR𝐵 − Musiman(1; 1), GSTAR𝐾(1; 1), dan GSTAR𝐾 −
Musiman(1; 1) dengan nilai RMSE berturut turut adalah 163,293 ; 155,107; 147,505;
dan 141,466. Berdasarkan nilai RMSE tersebut, didapat model terbaik adalah model
GSTAR𝐾 − Musiman(1; 1), yaitu model GSTAR Musiman pada pengelompokan KMeans.
Jika dibandingkan antara model non musiman dengan model musiman, maka
model musiman memberikan nilai RMSE yang lebih kecil, baik pada pengelompokan
BPS maupun pengelompokan K-Means. Sedangkan jika dibandingkan berdasarkan
pengelompokan data, maka model pada pengelompokan K-Means memiliki nilai
RMSE yang lebih kecil dibandingkan pada pengelompokan BPS. Sehingga dapat
disimpulkan bahwa dengan memasukkan unsur musiman pada model dapat
memperkecil nilai RMSE. Selain itu, pengelompokan K-Means dalam penelitian ini
juga dapat memperkecil nilai RMSE model, baik pada model non musiman maupun
model musiman. | en_US |
