Model Rantai Markov dan Model ARIMA serta Kombinasinya dalam
Memprediksi Curah Hujan di Kota Makassar
Total View This Week0
Total View This Week0
Institusion
Universitas Negeri Makassar
Author
Bahri, Saiful
Zaki, Ahmad
Sanusi, Wahidah
Zaki, Ahmad
Sanusi, Wahidah
Subject
Matematika
Datestamp
2018-10-22 05:23:34
Abstract :
Curah hujan merupakan suatu data deret waktu yang bersifat kontinu, namun juga dapat diformulasikansebagai peubah diskrit yaitu dengan menggolongkan suatu hari menjadi hujan dan tidak hujan. Curah hujan yang dicatat oleh pos hujan dapat digunakan untuk memprediksi curah hujan pada waktu yang akan datang melalui pemodelan deret waktu ARIMA musiman, Rantai Markov atau dengan campuran keduanya. Tujuan penelitian ini adalah untuk memodelkan dan memprediksi curah hujan dengan campuran Rantai Markov dan model deret waktu. Data yang digunakan dalam penelitian ini adalah curah hujan bulanan kota Makassar tahun 2007 sampai 2017. Campuran model deret waktu lebih sesuai digunakan untuk memprediksi curah hujan bulanan dibandingkan dengan pemodelan deret waktu saja hal ini dapat dilihat dai nilai MSE. Kata Kunci: Rantai Markov, Deret Waktu, ARIMA Musiman Abstract. Rainfall is a time series data that is continuous, but can also be formulated as a discrete variable that is by classifying one day as rain and not raining. Rainfall recorded by rain posts can be used to predict rainfall in the future through seasonal ARIMA time series modeling, Markov Chain or with a mixture of both. The purpose of this study is to model and predict rainfall with a mixture of Markov Chains and time series models. The data used in this study is the monthly rainfall in Makassar city from 2007 to 2017. A mixture of time series models is more suitable to predict monthly rainfall than with time series modeling, this can be seen from the MSE value. Keywords: Markov chain, Time Series, seasonal ARIMA.
Curah hujan merupakan suatu data deret waktu yang bersifat kontinu, namun juga dapat diformulasikansebagai peubah diskrit yaitu dengan menggolongkan suatu hari menjadi hujan dan tidak hujan. Curah hujan yang dicatat oleh pos hujan dapat digunakan untuk memprediksi curah hujan pada waktu yang akan datang melalui pemodelan deret waktu ARIMA musiman, Rantai Markov atau dengan campuran keduanya. Tujuan penelitian ini adalah untuk memodelkan dan memprediksi curah hujan dengan campuran Rantai Markov dan model deret waktu. Data yang digunakan dalam penelitian ini adalah curah hujan bulanan kota Makassar tahun 2007 sampai 2017. Campuran model deret waktu lebih sesuai digunakan untuk memprediksi curah hujan bulanan dibandingkan dengan pemodelan deret waktu saja hal ini dapat dilihat dai nilai MSE. Kata Kunci: Rantai Markov, Deret Waktu, ARIMA Musiman Abstract. Rainfall is a time series data that is continuous, but can also be formulated as a discrete variable that is by classifying one day as rain and not raining. Rainfall recorded by rain posts can be used to predict rainfall in the future through seasonal ARIMA time series modeling, Markov Chain or with a mixture of both. The purpose of this study is to model and predict rainfall with a mixture of Markov Chains and time series models. The data used in this study is the monthly rainfall in Makassar city from 2007 to 2017. A mixture of time series models is more suitable to predict monthly rainfall than with time series modeling, this can be seen from the MSE value. Keywords: Markov chain, Time Series, seasonal ARIMA.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
