Penerapan Metode Ensemble Kalman Filter Dalam Perbaikan Hasil Prediksi Curah Hujan Dengan Model Seasonal Arima

Abstract

Peramalan (forecasting) adalah analisis data time series yang menggunakan kejadian di masa lalu untuk mengetahui perkembangan kejadian di masa yang akan datang. Peramalan merupakan suatu teknik untuk memperkirakan suatu nilai pada masa yang akan datang dengan memperhatikan data masa lalu maupun data masa saat ini. Badan Meteorologi dan Geofisika (BMKG) adalah salah satu instansi yang menerapkan ilmu peramalan dalam meramalkan jumlah curah hujan di suatu daerah. Letak topografi suatu daerah mempengaruhi curah hujan yang akan terjadi. Selain itu, informasi curah hujan sangat bermanfaat, misalnya dalam bidang pertanian. Informasi yang berkaitan dengan kondisi di masa yang akan datang tidak dapat ditentukan secara pasti, tetapi bisa diprediksi. Dalam memprediksi suatu kejadian, terdapat metode yang mampu memprediksi kejadian di masa mendatang yaitu dengan menggunakan analisis deret waktu. Salah satu dari model peramalan yang dapat digunakan untuk melakukan peramalan suatu deret waktu adalah dengan algoritma Kalman Filter. Kalman Filter adalah sebuah model bagian dari state space (ruang keadaan) yang dapat diterapkan dalam model peramalan. Penelitian kali ini dilakukan pemodelan dengan penerapan algoritma Ensemble Kalman Filter terhadap model Seasonal ARIMA, kemudian hasil peramalan dibandingkan dengan mempertimbangkan nilai MAPE dan RMSE. Perbandingan dari penerapan algoritma Ensemble Kalman Filter terhadap model Seasonal ARIMA dan Seasonal ARIMA berdasarkan pertimbangan nilai MAPE dan RMSE menunjukkan bahwa penerapan algoritma Ensemble Kalman Filter terhadap model Seasonal ARIMA lebih baik dibandingkan dengan model Seasonal ARIMA