Anda di halaman 1dari 23

TUGAS KELOMPOK

PERAMALAN RATA-RATA KETINGGIAN AIR SUNGAI KAPUAS

Oleh:
DEDEK NOVIYANI

(H11112005)

LUSIANA

(H11112029)

NURFITRI

(H11112033)

SURATI

(H11112047)

RICKY PRIMANTO

(H11112061)

ALOYSIUS BILLY SAGA (H21112005)

PROGRAM STUDI MATEMATIKA


FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS TANJUNGPURA
PONTIANAK
2015

DAFTAR ISI

DAFTAR ISI ............................................................................................................ i


DAFTAR TABEL ................................................................................................... ii
DAFTAR LAMPIRAN .......................................................................................... iii
BAB I PENDAHULUAN ....................................................................................... 1
1.1

Latar Belakang ......................................................................................... 1

1.2

Rumusan Masalah .................................................................................... 2

1.3

Tujuan Penulisan ...................................................................................... 2

1.4

Batasan Masalah ....................................................................................... 2

1.5

Metodologi ............................................................................................... 3

BAB II LANDASAN TEORI ................................................................................. 4


2.1

Peramalan ................................................................................................. 4

2.2

Dekomposisi Musiman ............................................................................. 5

2.3

Klasifikasi Pegels ..................................................................................... 6

2.4

Mean Absolute Percentage Error (MAPE) .............................................. 8

BAB III APLIKASI NUMERIK ............................................................................. 9


3.1

Peramalan Data Menggunakan Metode Dekomposisi Musiman ............. 9

3.2

Peramalan Data Menggunakan Metode Klasifikasi Pegels .................... 10

KESIMPULAN ..................................................................................................... 12
DAFTAR PUSTAKA ........................................................................................... 13
DAFTAR LAMPIRAN ......................................................................................... 14

DAFTAR TABEL
Tabel 3.1. Hasil Peramalan Menggunakan Triple Eksponensial Smoothing dengan
Dekomposisi Musiman ........................................................................................... 9
Tabel 3.2. Hasil Peramalan Menggunakan Triple Eksponensial Smoothing dengan
Klasifikasi Pegels .................................................................................................. 10

ii

DAFTAR LAMPIRAN
Lampiran 1. Data Rata-Rata Ketinggian Air Sungai Kapuas 3 Februari 201122
Januari 2012 (cm) .................................................................................................. 14
Lampiran 2. Grafik Rata-Rata Ketinggian Air Sungai Kapuas............................. 18
Lampiran 3. Grafik Perbandingan Data Aktual dan Hasil Peramalan dengan
Dekomposisi Musiman ......................................................................................... 19
Lampiran 4. Grafik Perbandingan Data Aktual dan Hasil Peramalan dengan
Klasifikasi Pegels .................................................................................................. 19

iii

BAB I
PENDAHULUAN
1.1

Latar Belakang
Pasang surut adalah perubahan atau perbedaan permukaan laut yang terjadi

secara berulang dengan periode tertentu karena adanya gerakan dari benda-benda
angkasa yaitu rotasi bumi pada sumbunya, peredaran bulan mengelilingi bumi dan
peredaran bulan mengelilingi matahari. Bulan dan matahari keduanya
memberikan gaya gravitasi tarikan terhadap bumi. Secara statistik, Bulan
menyebabkan hampir 70% efek pasang surut. Sedangkan matahari memiliki
pengaruh sebesar 30%. Bulan memberikan gaya tarik (gravitasi) yang lebih besar
dibandingkan matahari dikarena kan posisi bulan lebih dekat ke bumi, walaupun
massa bulan jauh lebih kecil dari pada matahari. Gaya tarik gravitasi menarik air
laut ke arah bulan dan matahari dan menghasilkan dua tonjolan (bulge) pasang
surut gravitasional di laut. Lintang dari tonjolan pasang surut ditentukan oleh
deklinasi, sudut antara sumbu rotasi bumi dan bidang orbital bulan dan matahari.
Perbedaan vertikal antara pasang tinggi dan pasang rendah disebut rentang pasang
surut (tidal range). Periode pasang surut adalah waktu antara puncak atau lembah
gelombang ke puncak atau lembah gelombang berikutnya. Periode pasang laut
adalah waktu antara puncak atau lembah gelombang ke puncak atau lembah
gelombang berikutnya. Panjang periode pasang surut bervariasi antara 12 jam 25
menit hingga 24 jam 50 menit (Wijaya, 2011).
Dalam pasang surut ada istilah shallow water waves/long waves yang
berarti karena periode terjadinya yang begitu lama, pasang surut air laut adalah
gelombang panjang (long waves) yang merambat seperti gelombang air dangkal
(Shallow Water wave), meskipun pasang surut terjadi pada laut yang paling
dalam. Pasang tertinggi terjadi ketika bumi, bulan dan matahari berada dalam
suatu garis lurus. Pada saat itu akan dihasilkan pasang tinggi yang sangat tinggi
dan pasang rendah yang sangat rendah. Pasang surut purnama ini terjadi pada saat
bulan baru dan bulan purnama. Sedangkan pasang terendah terjadi ketika bumi,
bulan dan matahari membentuk sudut tegak lurus, dimana gaya-gaya tariknya

saling mengurangi. Pada saat itu akan dihasilkan pasang tinggi yang rendah dan
pasang rendah yang tinggi. Pasang surut perbani ini terjadi pasa saat bulan 1/4 dan
3/4 (Wijaya, 2011).
Dalam ilmu astronomi, ada tiga system penanggalan yang didasarkan pada
pergerakan bulan dan matahari, yaitu sistem penanggalan bulan (Lunar Calender),
sistem penanggalan matahari (Solar Calender), dan sistem penanggalan bulanmatahari (Lunisolar Calender). Kalender Imlek adalah penanggalan bulanmatahari (Lunisolar Calender) dengan perhitungan lamanya bulan mengitari bumi
yaitu 29,5 hari. Pada penanggalan ini, satu tahun mempunyai 365 dan 1/4 hari dan
satu bulan mempunyai 29 dan 499/940 hari. Perhitungan tersebut diperoleh dari
penelitian astronomi (Chabbie, 2012).
Ketinggian air akan berbeda tiap harinya karena pasang surut yang terjadi
akibat gravitasi bulan dan matahari. Oleh karena itu, penulis tertarik untuk
meramalkan ketinggian air pada Sungai Kapuas. Peramalan dilakukan
berdasarkan data ketinggian air sungai Kapuas selama 348 periode yang dimulai
pada 1/1/2562 Imlek atau 3 Februari 2011.
1.2

Rumusan Masalah
Dalam penulisan makalah ini, masalah yang akan dibahas adalah:

1.

Bagaimana peramalan rata-rata ketinggian air Sungai Kapuas menggunakan


metode Triple Eksponensial Smoothing dengan dekomposisi musiman.

2.

Bagaimana peramalan rata-rata ketinggian air Sungai Kapuas menggunakan


metode Triple Eksponensial Smoothing dengan klasifikasi Pegels.

1.3

Tujuan Penulisan
Dalam penulisan makalah ini, penulis ingin mencari metode peramalan yang

sesuai untuk meramalkan rata-rata ketinggian air Sungai Kapuas serta mencari
peramalan rata-rata ketinggian air Sungai Kapuas satu periode selanjutnya.
1.4

Batasan Masalah
Dalam penulisan makalah ini masalah yang dibahas dibatasi pada:

1.

Metode peramalan yang digunakan dalam peramalan rata-rata ketinggian air


Sungai Kapuas adalah metode peramalan Triple Eksponential Smoothing
dengan dekomposisi musiman dan klasifikasi Pegels.

2.

Data yang digunakan merupakan data rata-rata ketinggian air Sungai


Kapuas selama 348 hari dimulai dari tanggal 1/1/2562 Imlek atau 3 Februari
2011.

3.

Panjang Musiman rata-rata ketinggian air Sungai Kapuas yang digunakan


adalah 29 periode.

4.

Pengukuran ketepatan metode peramalan dihitung dengan menggunakan


rumus Mean Absolute Percent Error (MAPE).

1.5

Metodologi

1.

Pengabilan Data
Data yang digunakan dalam penulisan laporan ini adalah data rata-rata
ketinggian air Sungai Kapuas selama 348 hari dimulai dari tanggal 1/1/2562
Imlek atau 3 Februari 2011.

2.

Analisis Data
Dari data yang telah diperoleh akan dilakukan peramalan dengan
menggunakan metode peramalan Triple Eksponensial Smoothing dengan
dekomposisi musiman dan klasifikasi Pegels. Berdasarkan data rata-rata
ketinggian air Sungai Kapuas yang digunakan, data tersebut memiliki
komponen trend dan musiman yang multiplikatif. Ketepatan hasil
peramalan dari metode peramalan yang digunakan dihitung dengan
menggunakan rumus Mean Absolute Percent Error (MAPE). Selanjutnyya
setelah diperoleh nilai MAPE dari kedua metode tersebut, maka akan
dibanding nilai tersebut untuk mendapatkan metode yang sesuai untuk
meramalkan rata-rata ketinggian air Sungai Kapuas.

BAB II
LANDASAN TEORI

2.1

Peramalan
Peramalan adalah proses perkiraan (pengukuran) besar atau jumlah sesuatu

pada waktu yang akan datang berdasarkan data pada masa lampau yang dianalisis
secara ilmiah khususnya menggunakan metode statistika (Sudjana, 1989:254).
Pada umumnya kegunaan peramalan adalah sebagai berikut :
1.

Sebagai alat bantu dalam perencanaan yang efektif dan efisien.

2.

Untuk menentukan kebutuhan sumber daya di masa mendatang.

3.

Untuk membuat keputusan yang tepat.

Menurut Gaspersz (2002), dalam peramalan terdapat dua klasifikasi yaitu


peramalan berdasarkan teknik penyelesaiannya dan peramalan berdasarkan
pengelompokkan horizon waktu.
Peramalan berdasarkan teknik penyelesaiannya, yang terdiri dari teknik
peramalan secara kualitatif dan kuantitatif. Teknik peramalan kualitatif adalah
peramalan yang melibatkan pendapat pribadi, pendapat ahli, metode Delphi
penelitian pasar dan lain-lain. Bertujuan untuk menggabungkan seluruh informasi
yang diperoleh secara logika, tidak berdasarkan sistematis yang dihubungkan
dengan factor kepentingan si pengambil keputusan. Teknik peramalan secara
kuantitatif yaitu digunakan pada saat data masa lalu cukup tersedia.
Peramalan berasarkan pengelompokkan horizon waktu, yang terdiri dari
peramalan jangka panjang, menengah dan pendek. Peramalan jangka panjang
yaitu peramalan yang jangka waktu peramalan lebih dari 24 bulan, misalnya
peramalan yang diperlukan dalam kaitannya dengan anggaran produksi.
Peramalan jangka menengah, yaitu peramalan jangka waktu peramalan antara 324 bulan, misalnya peramalan untuk perencanaan penjualan, perancanaan dan
anggaran produksi. Peramalan jangka pendek, yaitu peramalan yang jangka waktu
peramalan kurang dari 3 bulan, misalnya peramalan dalam hubungannya dengan
perencanaan pembelian material, penjadwalan kerja dan penugasan.

Menurut Makridakis (1992), langkah penting dalam memilih suatu metode


deret waktu yang tepat adalah dengan mempertimbangkan jenis pola datanya.
Pola data dapat dibedakan menjadi empat, yaitu :
1.

Pola horizontal, terjadi bilamana data berfluktuasi disekitar nilai rata-rata


yang konstan atau stasioner terhadap nilai rata-ratanya.

2.

Pola musiman, terjadi bilamana suatu deret data dipengaruhi faktor.

3.

Pola siklus, terjadi bilamana datanya dipengaruhi oleh fluktuasi waktu


jangka panjang seperti yang berhubungan dengan siklus bisnis atau
ekonomi.

4.

Pola kecenderungan, terjadi bilamana terdapat kenaikan atau penurunan


jangka panjang dalam data.

2.2

Dekomposisi Musiman
Metode dekomposisi musiman biasanya mengidentifikasi tiga komponen

terpisah dari pola dasar yang cenderung mencirikab deret data berskala.komponen
tersebut adalah faktor tren, siklus dan musiman.
Dekomposisi mempunyai asumsi bahwa data itu tersusun sebagai berikut.
Data = pola +galat
= f(trend, siklus, musiman) + galat
Galat dianggap merupakan perbedaan antara pengaruh gabungan dari tiga subpola deret tersebut dengan data yang sebenarnya.
Konsep dasar dari metode dekomposisi ialah bersifat impiris dan tetap yang
mula-mula memisahkan musiman, lalu tren, dan akhirnya siklus.residu yang ada
dianggap unsur acak yang walaupun tidak dapat ditaksir, tetapi dapat
diidentifikasi. Model umum dari pendekatan dekomposisi adalah sebagai berikut:
X t f ( I t , Tt , Ct , Et )

Keterangan : X t = Nilai deret berskala (data yang aktual) pada periode t,


I t = Komponen musiman (Indeks) pada periode t,

Tt = Komponen trend pada periode t


Ct = Komponen siklus pada periode t

Et = Komponen galat pada periode t


2.3

Klasifikasi Pegels
Dalam menghadapi metode pemulusan eksponensial yang menyangkut

pemisahan aspek kecendrungan dan musiman, kita perlu mempertimbangkan


apakah modelnya bersifat aditif (linear) atau multiplikatif (non linear). Untuk itu
Pegels telah menyediakan kerangka kerja yang sederhana tetapi berguna untuk
membahas hal tersebut. Klasifikasi dua jalurnya adalah sebagai berikut :
Komponen Trend

Komponen Musiman
1 (tidak ada)

2 (aditif)

3 (multiplikatif)

A (tidak ada)

A-1

A-2

A-3

B (aditif)

B-1

B-2

B-3

C (multiplikatif)

C-1

C-2

C-3

Dengan

mengkonversika

notasi

Pegels,

kesembilan

model

pemulusan

eksponensial tersebut secara prinsip formula penghalusannya dapat ditulis dalam


bentuk :
S t P (1 )Q

Nilai P dan Q berubah-ubah menurut sel tempat dimana nilai pemulusan S t ini
menunjukan nilai P dan Q yang sesuai, dan definisi dari komponen tren aditif

( At ) , komponen kecendrungan multiplikatif ( Bt ) , komponen musiman aditif


(Ct ) dan komponen musiman multiplikatif ( Dt ) .
Nilai-nilai P dan Q dapat dijelaskan sebagai berikut :
Komponen Musiman
Komponen Trend

(tidak ada)

(aditif)

(multiplikatif)

P Xt

P X t Ct L

P X t Dt L

(tidak ada)

Q X t 1

Q S t 1

Q S t 1

P Xt

P X t Ct L

P X t Dt L

(aditif)

Q X t 1 At 1

Q St 1 At 1

Q St 1 At 1

P Xt

P X t Ct L

P X t Dt L

(multiplikatif)

Q S t 1 Bt 1

Q S t 1 Bt 1

Q S t 1 Bt 1

Keterangan :
P

= X t Dt L

= S t 1 Bt 1

Xt

= data deret waktu (data aktual)

St

= data yang dimuluskan P (1 )Q

At

= (S t S t 1 ) (1 ) At 1

(trend aditif)

Bt

= (S t S t 1 ) (1 ) Bt 1

(tren multiplikatif)

Ct

= ( X t S t ) (1 )Ct L

(tren aditif)

Dt

= ( X t S t ) (1 ) Dt L

(tren multiplikatif)

Dengan , , , dan semuanya terletak di antara 0 dan 1. Nilai prediksi m


periode ke depan Ft m S t Dt L m Btm
Rumus untuk membuat prediksi m periode ke depan dengan menggunakan
klasifikasi Pegels ditunjukan pada table berikut : nilai dalam sel merupakan Ft m
Komponen Musiman
Komponen Trend

A
(tidak ada)
B
(aditif)
C
(multiplikatif)

(tidak ada)

(aditif)

(multiplikatif)

St

S t Ct L m

S t Dt L m

S t mAt

S t mA Ct L m

(S t mAt ) Dt Lm

S t Btm

S t Btm Ct L m

S t Btm Dt L m

2.4

Mean Absolute Percentage Error (MAPE)


Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan

kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata
untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut tersebut.
Pendekatan ini berguna ketika ukuran atau besar variabel ramalan itu penting
dalam mengevaluasi ketepatan ramalan. MAPE mengindikasi seberapa besar
kesalahan dalam meramal yang dibandingkan dengan nilai nyata.

1

= |
|

=1

Keterangan : = nilai data periode ke-


= nilai ramalan periode ke-
= banyaknya data

BAB III
APLIKASI NUMERIK

3.1

Data Rata-Rata Ketinggian Air Sungai Kapuas


Data rata-rata ketinggian air Sungai Kapuas yang digunakan merupakan

data sekunder yang diperoleh dari BMKG Maritim Pontianak sebanyak 348
periode yang memiliki komponen trend dan musiman yang multiplikatif. Data
yang digunakan adalah data pada 3 Februari 2011 sampai dengan 22 Januari 2012
atau 1/1/2562 Imlek sampai dengan 23/12/2562 dengan panjang satu musim
adalah 29 periode. Berdasarkan data tersebut, diperoleh pola trend dari
keseluruhan data yang digunakan adalah = 117,79 + 0,184 dengan adalah
data actual, dan adalah periode data. Data rata-rata ketinggian air Sungai
Kapuas dapat dilihat pada Lampiran 1 pada halaman 14.
3.2

Peramalan Data Menggunakan Metode Dekomposisi Musiman


Hasil peramalan rata-rata ketinggian air Sungai Kapuas dengan metode

dekomposisi musiman disajikan pada tabel 3.1.


Tabel 3.1. Hasil Peramalan Menggunakan Triple Eksponensial Smoothing
dengan Dekomposisi Musiman
Periode
1
2
3

15
16
17

101
102
103
104
105

Rata-Rata Ketinggian
Air Sungai
Kapuas(cm)
190,15
193,54
184,54

158,31
167,23
181,92

127,85
129,38
136,54
142,85
133,38

Hasil Peramalan
Dekomposisi
Musiman ( )

Galat
Peramalan
( )

| |

129,31
131,03
128,75

146,40
146,48
148,41
145,80
138,67

-29,00
-36,20
-53,17

18,55
17,09
11,87
2,95
5,29

0,183
0,216
0,292

0,145
0,132
0,087
0,021
0,040

10

341
342
343
344
345
346
347
348
349

205,08
196,00
212,69
214,54
201,85
187,85
177,23
167,15

162,24
161,41
165,97
180,93
187,65
188,99
197,92
198,16
203,51

-42,83
-34,59
-46,72
-33,61
-14,20
1,15
20,69
31,01

0,209
0,176
0,220
0,157
0,070
0,006
0,117
0,185

MAPE

12,0212%

Berdasarkan hasil peramalan rata-rata ketinggian air Sungai Kapuas menggunakan


metode Triple Eksponensial Smoothing dengan dekomposisi musiman yang
ditunjukkan pada tabel 3.1, diperoleh nilai MAPE sebesar 12,0212%. Nilai
tersebut menunjukkan bahwa rata-rata galat peramalan dengan metode ini adalah
sebesar 12,0212% dari data aktualnya. Selain itu, diperoleh peramalan rata-rata
ketinggian air Sungai Kapuas pada periode 349 atau tanggal 24/12/2562 Imlek, 23
januari 2012 Masehi yaitu sebesar 203,51 cm.
4.3

Peramalan Data Menggunakan Metode Klasifikasi Pegels


Hasil peramalan rata-rata ketinggian air Sungai Kapuas dengan metode

Triple Eksponensial Smoothing dengan klasifikasi Pegels disajikan pada tabel 3.2.
Nilai MAPE terkecil diperoleh dengan nilai = 0,94; = 0,83; = 0,33.
Tabel 3.2. Hasil Peramalan Menggunakan Triple Eksponensial Smoothing
dengan Klasifikasi Pegels

Periode
1
2

31
32
33

101

Rata-Rata Ketinggian
Air Sungai
Kapuas(cm)
190,15
193,54

168,23
156,38
146,85

127,85

Hasil Peramalan
Klasifikasi
Pegels ( )

Galat
Peramalan
( )

| |

115,68
155,38
153,80

114,43

-52,55
-1,01
6,96

-13,41

0,312
0,006
0,047

0,105

11

102
103
104

343
344
345
346
347
348
349

129,38
136,54
142,85

212,69
214,54
201,85
187,85
177,23
167,15

151,44
136,21
145,78

210,11
236,83
210,66
199,57
190,81
174,98
177,78

22,06
-0,33
2,93

-2,58
22,29
8,81
11,72
13,58
7,82

0,170
0,002
0,021

0,012
0,104
0,044
0,062
0,077
0,047

MAPE

7,4972%

Berdasarkan hasil peramalan rata-rata ketinggian air Sungai Kapuas menggunakan


metode Triple Eksponensial Smoothing dengan klasifikasi Pegels yang
ditunjukkan pada tabel 3.2, diperoleh nilai MAPE sebesar 7,4972%. Nilai tersebut
menunjukkan bahwa rata-rata galat peramalan dengan metode ini adalah sebesar
7,4972% dari data aktualnya. Selain itu, diperoleh peramalan rata-rata ketinggian
air Sungai Kapuas pada periode 349 atau tanggal 24/12/2562 Imlek, 23 januari
2012 Masehi yaitu sebesar 177,78 cm.

KESIMPULAN
Berdasarkan hasil analisis data dan pembahasan yang telah diuraikan
sebelumnya, dapat disimpulkan bahwa metode Triple Eksponential Smoothing
dengan klasifikasi Pegels dengan = 0,94, = 0,83 dan = 0,33 merupakan
metode yang paling sesuai untuk meramalkan rata-rata ketinggian air Sungai
Kapuas. Metode Triple Eksponential Smoothing dengan klasifikasi Pegels
memiliki nilai MAPE yang lebih kecil dibandingkan nilai MAPE metode Triple
Eksponential Smoothing dengan dekomposisi Musiman. Nilai MAPE dua metode
tersebut yaitu 7,4972% dan 12,0212%. Nilai tersebut menunjukkan bahwa ratarata galat peramalan dengan metode Triple Eksponential Smoothing dengan
klasifikasi Pegels adalah sebesar 7,4972% dari data rata-rata ketinggian air Sungai
Kapuas. Dengan metode Triple Eksponential Smoothing dengan klasifikasi Pegels
diperoleh peramalan rata-rata ketinggian air Sungai Kapuas pada 23 Januari 2012
Masehi atau 24/12/2562 Imlek adalah sebesar 177,78 cm.

12

DAFTAR PUSTAKA

Chabbie,

L.,

Available

2012.
at:

Sistem

Penanggalan

China.

[Online]

http://ladydeeana91.blogspot.co.id/2012/04/sistem-

penanggalan-china.html [Diakses 30 11 2015].


Wijaya,

E.,

2011.

Pasang

Surut

Air

Laut.

[Online]

Available at: https://ekawijaya89.wordpress.com/2011/09/20/pasang-surutair-laut/ [Diakses 30 11 2015].

13

DAFTAR LAMPIRAN
Lampiran 1. Data Rata-Rata Ketinggian Air Sungai Kapuas 3 Februari
201122 Januari 2012 (cm)
Periode
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

Periode
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68

Rata-Rata Ketinggian Air


190,15
193,54
184,54
183,00
171,31
154,46
149,23
141,62
123,31
120,15
122,54
128,62
138,38
145,23
158,31
167,23
181,92
186,08
177,77
159,85
147,38
137,31
124,31
125,54
125,69
122,25
125,31
135,92
152,77
162,46
168,23
156,38
146,85
150,15

14

Rata-Rata Ketinggian Air


146,00
144,92
136,38
126,35
116,54
117,85
117,92
125,92
153,38
146,69
151,54
168,85
162,38
157,77
134,69
127,46
120,62
118,92
126,31
141,15
149,54
156,62
154,31
149,38
157,46
155,08
150,15
150,85
142,08
130,77
120,08
112,31
107,31
112,38

15

Periode
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109

Rata-Rata Ketinggian Air


98,15
105,08
111,54
125,69
134,69
142,54
144,23
132,08
121,00
115,85
100,00
103,31
98,92
102,23
108,15
117,38
112,54
134,08
131,54
146,31
138,92
134,92
135,54
130,23
121,08
117,54
102,46
97,69
99,31
89,38
99,08
107,23
127,85
129,38
136,54
142,85
133,38
120,62
113,46
111,46
113,08

Periode
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150

Rata-Rata Ketinggian Air


110,15
113,08
121,38
126,38
134,54
140,00
142,85
145,08
139,23
128,77
139,38
131,85
132,62
125,23
116,00
112,92
108,92
111,38
117,08
132,77
139,00
147,31
144,62
138,46
129,08
111,77
103,54
98,31
97,15
100,69
102,69
113,46
116,92
121,31
128,38
142,15
145,92
132,62
141,92
132,23
123,77

16

Periode
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191

Rata-Rata Ketinggian Air


124,69
114,23
102,00
108,92
109,62
112,46
128,77
143,69
150,38
143,54
142,08
129,69
127,77
118,38
110,62
113,46
110,54
105,38
115,85
127,85
137,69
133,38
149,69
145,38
162,62
131,23
129,54
120,77
118,54
122,46
123,31
117,62
125,00
128,08
135,54
150,38
151,15
152,69
153,23
151,85
146,31

Periode
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232

Rata-Rata Ketinggian Air


144,00
134,23
129,38
123,62
126,92
125,69
125,15
149,23
149,69
154,38
157,77
153,15
152,31
149,54
141,77
141,77
134,38
125,92
118,23
121,31
136,54
151,31
151,77
160,00
168,77
164,00
166,85
148,38
147,15
134,31
133,69
134,00
134,69
137,31
138,08
150,54
155,08
162,15
161,85
169,62
171,31

17

Periode
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273

Rata-Rata Ketinggian Air


167,54
163,23
158,77
156,69
141,00
137,69
132,31
146,00
168,62
180,69
174,46
182,92
184,08
172,08
173,69
176,85
155,31
143,31
144,31
137,38
145,00
143,46
159,23
166,23
173,69
185,54
194,31
194,00
187,23
187,85
179,77
177,54
167,62
155,54
153,85
163,00
174,62
199,31
209,92
210,62
208,62

Periode
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314

Rata-Rata Ketinggian Air


210,31
210,92
180,31
179,62
162,92
163,00
150,92
154,69
169,92
177,15
189,38
174,00
204,00
197,85
195,62
193,85
190,31
179,00
179,23
172,46
157,77
162,15
171,00
184,31
191,15
196,46
211,54
208,00
204,31
211,92
188,54
180,38
179,92
162,08
165,85
169,62
175,77
189,69
202,62
214,69
206,62

18

Periode
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331

Rata-Rata Ketinggian Air


203,23
192,38
188,54
189,46
198,31
188,15
182,54
169,46
160,85
176,15
183,92
211,77
217,54
214,85
209,38
212,77
206,54

Periode
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348

Rata-Rata Ketinggian Air


190,31
175,92
174,08
166,15
162,62
161,31
153,62
165,08
189,92
205,08
196,00
212,69
214,54
201,85
187,85
177,23
167,15

Lampiran 2. Grafik Rata-Rata Ketinggian Air Sungai Kapuas

19

Lampiran 3. Grafik Perbandingan Data Aktual dan Hasil Peramalan dengan


Dekomposisi Musiman

Lampiran 4. Grafik Perbandingan Data Aktual dan Hasil Peramalan dengan


Klasifikasi Pegels