Model Time Series Untuk Data Long Memory (Studi Kasus : Kecepatan Angin Periode 01 Januari 2021 - 31 Maret 2022)
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Sari, Dewi Ratna
Subject
HA Statistics
Datestamp
2022-07-19 06:28:21
Abstract :
Angin adalah aliran udara dalam jumlah besar yang diakibatkan oleh rotasi bumi dan juga karena adanya perbedaan tekanan udara disekitarnya. Angin sangat penting bagi kehidupan sehari hari, dimana angin selalu tersedia setiap waktu sehingga angin sangat banyak dimanfaatkan salah satunya untuk membangkitkan listrik baik seperti untuk penerangan dan lain-lainnya. Kecepatan angin sangat berpengaruh dalam penerbangan sehingga informasi kecepatan angin sangat penting. Oleh karena itu, diperlukan prediksi kecepatan angina untuk memprediksi kecepatan angin dapat dilakukan peramalan. Peramalan adalah suatu kegiatan memprediksi kondisi dimasa yang akan datang (Bahtiar, 2014). Penyelesaian yang dilakukan menggunakan model Seasonal Autoregressive Fractionally Integrated Moving Average (SARFIMA) menggunakan metode Extract Maximum Likelihood (EML) dan Geweke and Porter-Hudak (GPH). Model Seasonal Autoregressive Fractionally Integrated Moving Average (SARFIMA) memiliki parameter d dan D berupa nilai pecahan. Hasil analisis menunjukkan pada kasus ini menggunakan metode Extract Maximum Likelihood (EML) dengan model yang tepilih yaitu SARFIMA ?(2,d ,0)(2,D ,0)?^7 dengan nilai estimasi d_EML= -0.3 dan D_EML= -0.1 serta nilai akurasi MAPE sebesar 23.03% yang dapat disimpulkan hasil perhitungan menunjukkan peramalan cukup baik.
Angin adalah aliran udara dalam jumlah besar yang diakibatkan oleh rotasi bumi dan juga karena adanya perbedaan tekanan udara disekitarnya. Angin sangat penting bagi kehidupan sehari hari, dimana angin selalu tersedia setiap waktu sehingga angin sangat banyak dimanfaatkan salah satunya untuk membangkitkan listrik baik seperti untuk penerangan dan lain-lainnya. Kecepatan angin sangat berpengaruh dalam penerbangan sehingga informasi kecepatan angin sangat penting. Oleh karena itu, diperlukan prediksi kecepatan angina untuk memprediksi kecepatan angin dapat dilakukan peramalan. Peramalan adalah suatu kegiatan memprediksi kondisi dimasa yang akan datang (Bahtiar, 2014). Penyelesaian yang dilakukan menggunakan model Seasonal Autoregressive Fractionally Integrated Moving Average (SARFIMA) menggunakan metode Extract Maximum Likelihood (EML) dan Geweke and Porter-Hudak (GPH). Model Seasonal Autoregressive Fractionally Integrated Moving Average (SARFIMA) memiliki parameter d dan D berupa nilai pecahan. Hasil analisis menunjukkan pada kasus ini menggunakan metode Extract Maximum Likelihood (EML) dengan model yang tepilih yaitu SARFIMA ?(2,d ,0)(2,D ,0)?^7 dengan nilai estimasi d_EML= -0.3 dan D_EML= -0.1 serta nilai akurasi MAPE sebesar 23.03% yang dapat disimpulkan hasil perhitungan menunjukkan peramalan cukup baik.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
