SKRIPSI
Oleh:
NIM: 151414034
YOGYAKARTA
2019
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
SKRIPSI
Oleh:
NIM: 151414034
YOGYAKARTA
2019
i
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
SKRIPSI
Disusun oleh:
NIM: 151414034
Dosen Pembimbing,
ii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
SKRIPSI
Disusun oleh:
Christina Candra Aditya
NIM: 151414034
Telah dipertahankan di depan Panitia Penguji
pada tanggal 20 Juni 2019
dan dinyatakan telah memenuhi syarat
Susunan Panitia Penguji
Nama Lengkap Tanda Tangan
Ketua : ..................
Sekretaris : ..................
Anggota I : ..................
Anggota II : ..................
Dekan,
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
HALAMAN PERSEMBAHAN
Dengan ucapan penuh rasa syukur, saya mempersembahkan skripsi saya ini untuk:
1. Tuhan Yesus Kristus yang selalu menemani dan menguatkan saya dalam setiap
langkah hidup saya.
2. Kedua orang tua saya, Edy Mulyono dan Endang yang selalu mendukung saya
baik motivasi, doa maupun materi dan menjadi tempat berkeluh kesah saya
selama proses pengerjaan skripsi.
3. Romo Eko Budi Santoso, S.J. S.Pd., Ph.D. sebagai dosen pembimbing saya.
5. Partner saya, Kevin yang selalu mendukung, memotivasi dan menghibur saya
selama proses pengerjaan skripsi.
6. Sahabat-sahabat saya yang selalu menemani saat pengerjaan skripsi dan juga
menjadi tempat saya berkeluh kesah.
Dan semua pihak yang telah membantu dalam penyusunan skripsi ini.
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
MOTTO
“Janganlah hendaknya kamu kuatir tentang apapun juga, tetap nyatakanlah dalam
segala hal keinginanmu kepada Allah dalam doa dan permohonan dengan ucapan
tahan uji, ia akan menerima mahkota kehidupan yang dijanjikan Allah kepada
“Sebab itu janganlah kamu kuatir akan hari besok, karena hari besok mempunyai
“Percayalah kepada Tuhan dengan segenap hatimu dan janganlah bersandar kepada
pengertianmu sendiri. Akuilah Dia dalam segala lakumu, maka Ia akan meluruskan
v
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Saya menyatakan dengan sesungguhnya bahwa skripsi yang telah saya tulis ini
tidak memuat karya atau bagian karya dari orang lain, kecuali yang telah disebutkan
Penulis,
vi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
dan mempublikasinya di internet atau media lain untuk kepentingan akademis tanpa
perlu meminta izin dari saya maupun memberikan royalti kepada saya selama tetap
Yang menyatakan,
vii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
KATA PENGANTAR
Puji dan syukur kepada Tuhan Yang Maha Esa atas rahmat dan karunia-Nya,
peneliti dapat menyelesaikan tugas akhir yang berjudul “Peramalan Curah Hujan
di Pos Hujan Ledok Nongko, Kecamatan Turi, Daerah Istimewa Yogyakarta
dengan Metode Autoregressive Integrated Moving Average (Arima) Box-
Jenkins Menggunakan Software Eviews 10”. Tugas akhir ini sebagai syarat
memperoleh gelar sarjana pendidikan Program Studi Pendidikan Matematika
Universitas Sanata Dharma.
Peneliti menyadari bahwa banyak pihak yang membantu dalam penyelesaian
tugas akhir ini. Tanpa pihak tersebut, peneliti tidak dapat menyelesaikan tugas akhir
ini dengan baik. Oleh sebab itu, peneliti ingin mengucapkan terima kasih kepada
1. Bapak Dr. Yohanes Harsoyo S.Pd, M.Si., sebagai Dekan Fakultas Keguruan
Matematika.
3. Romo Eko Budi Santoso, S.J. S.Pd., Ph.D. sebagai dosen pembimbing skripsi
peneliti yang telah merelakan diri untuk meluangkan waktu, tenaga serta
viii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5. Segenap staf sekretariat JPMIPA yang telah banyak membantu peneliti selama
Dharma.
6. Kedua orang tua, Bapak Silvester Edi Mulyono dan Ibu Endang Setyowati
yang selalu memberikan doa dan motivasi kepada peneliti selama proses
berharap hasil penelitian ini dapat menjadi acuan dan referensi bagi peneliti lain.
ix
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR ISI
HALAMAN JUDUL....................................................................................... i
LEMBAR PERSETUJUAN PEMBIMBING ................................................ ii
LEMBAR PENGESAHAN .......................................................................... iii
HALAMAN PERSEMBAHAN ................................................................... iv
MOTTO ......................................................................................................... v
LEMBAR PERNYATAAN KEASLIAN KARYA TULIS ......................... vi
LEMBAR PERNYATAAN PUBLIKASI KARYA TULIS ....................... vii
KATA PENGANTAR ................................................................................ viii
DAFTAR ISI .................................................................................................. x
DAFTAR TABEL ........................................................................................ xii
DAFTAR GAMBAR .................................................................................. xiii
DAFTAR LAMPIRAN ................................................................................ xv
DAFTAR SIMBOL..................................................................................... xvi
ABSTRAK ................................................................................................. xvii
ABSTRACT ................................................................................................ xviii
BAB I PENDAHULUAN .............................................................................. 1
A. Latar Belakang Masalah ..................................................................... 1
B. Rumusan Masalah .............................................................................. 3
C. Pembatasan Masalah .......................................................................... 4
D. Tujuan Penelitian ............................................................................... 4
E. Manfaat Penelitian ............................................................................. 4
F. Jenis Penelitian ................................................................................... 5
G. Sistematika Penelitian ........................................................................ 5
x
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR TABEL
Tabel 2.1 Data Curah Hujan di Pos Hujan Ledok Nongko Kec.Turi
Daerah Istimewa Yogyakarta ............................................................ 11
Tabel 2.2 Data Runtun Waktu Penjualan Sepeda Motor Honda
CBR150R, Yamaha R15 dan Suzuki GSX-R150 di Indonesia
pada Tahun 2017 .................................................................................12
Tabel 2.3 Nilai Ulangan Matematika Kelas 8A ..................................................13
Tabel 2.4 Daerah Penerimaan dan Estimasi Awal Beberapa Proses ...................23
Tabel 4.1 Data Curah Hujan di Pos Hujan Ledok Nongko, Kec.Turi
Daerah Istimewa Yogyakarta Tahun 2005-2014 ...............................59
Tabel 4.2 Statistik Deskriptif Curah Hujan di Pos Hujan Ledok
Nongko, Kec.Turi, Daerah Istimewa Yogyakarta ..............................59
Tabel 4.3 Uji Stasionaritas dengan Uji ADF.......................................................61
Tabel 4.4 Uji Stasionaritas dengan Uji PP ..........................................................63
Tabel 4.5 Uji Stasionaritas dengan Uji KPSS .....................................................64
Tabel 4.6 Nilai P-Value Masing-Masing Model ARIMA ..................................67
Tabel 4.7 Kesimpulan Kandidat Model ARIMA Tahap Estimasi Parameter .....68
Tabel 4.8 Nilai P-Value Masing-Masing Model .................................................69
Tabel 4.9 Uji Kenormalan Residual Model ARIMA .........................................69
Tabel 4.10 AIC dan SC pada Model MA(14) dan MA(22) ..................................71
Tabel 4.11`Data Peramalan Curah Hujan (mm) di Pos Hujan Ledok Nongko,
nnnnnnnnnDIY Tahun 2005-2015 .........................................................................71
Tabel 5.1 Hasil Peramalan Data Curah Hujan Tahun 2015 ................................73
xii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR GAMBAR
xiii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR LAMPIRAN
xv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR SIMBOL
𝑘 = lag (baris pada Auto Correlation Function (ACF) dan pada Partial Auto
∅𝑘𝑘 = himpunan autokorelasi parsial untuk berbagai lag-𝑘 pada Partial Auto
xvi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRAK
Christina Candra Aditya. 2019. Peramalan Curah Hujan di Pos Hujan Ledok
Nongko, Kecamatan Turi, Daerah Istimewa Yogyakarta dengan Metode
Autoregressive Integrated Moving Average (ARIMA) Box-Jenkins
Menggunakan Software Eviews 10. Skripsi. Program Studi Pendidikan
Matematika, Jurusan Pendidikan Matematika dan Ilmu Pengetahuan Alam,
Fakultas Keguruan dan Ilmu Pendidikan, Universitas Sanata Dharma.
xvii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRACT
Christina Candra Aditya. 2019.Rainfall Forecasting at Ledok Nongko Rain
Post, Turi District, Special Region of Yogyakarta with Autoregressive
Integrated Moving Average (ARIMA) Box-Jenkins Method using EViews 10
Software. Unergraduate Thesis. Mathematics Education Study Program,
Department of Mathematics and Sciences Education, Faculty of Teacher
Training and Education, Sanata Dharma University.
xviii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB I
PENDAHULUAN
memiliki potensi curah hujan yang tinggi. Ketika musim hujan, curah hujan
secara horisontal yang diukur dengan satuan tinggi milimeter (𝑚𝑚). Curah
hujan satu milimeter adalah banyaknya air hujan yang tertampung dalam suatu
tempat yang datar dengan luasan 1 meter persegi dan setinggi satu milimeter.
Curah hujan juga diartikan sebagai ketinggian air hujan yang terkumpul pada
tempat yang datar yang dihitung di saat air hujan tidak menguap, tidak meresap
dan tidak mengalir. Salah satu aspek yang mempengaruhi curah hujan adalah
menjadi penyebab kacaunya periode musim hujan dan musim kemarau. Hal ini
1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
musim kemarau. Hal itu berakibat langsung pada sistem pola tanam dan
produksi pertanian serta persediaan pangan. Data curah hujan termasuk dalam
kategori data runtun waktu. Data runtun waktu merupakan barisan data hasil
observasi yang dilakukan pada waktu tertentu. Curah hujan masuk ke dalam
data runtun waktu karena data curah hujan merupakan data yang dapat
salak pondoh. Waktu tanam bibit salak pondoh adalah pada awal musim
seringkali mengalami gagal panen akibat hujan, seperti contohnya pada berita
di antaranews.com hari Jumat tanggal 21 Juni 2013, petani salak di daerah Turi
mengalami gagal panen akibat guyuran hujan dengan intensitas tinggi dalam
curah hujan.
karena ARIMA memiliki sifat yang fleksibel (mengikuti pola data), memiliki
tingkat akurasi peramalan yang cukup tinggi dan cocok digunakan untuk
penelitian ini juga dibantu oleh software EViews 10. EViews merupakan
runtun waktu atau data time series, membuat model peramalan, statistik
Penelitian ini akan membuat model untuk peramalan curah hujan tahun
2015 berdasarkan data curah hujan tahun 2005 sampai dengan 2014 dari Pos
B. Rumusan Masalah
1. Bagaimana model ARIMA terbaik yang dibentuk dari data curah hujan dari
2. Bagaimana prediksi curah hujan pada tahun 2015 di Pos Hujan Ledok
C. Pembatasan Masalah
Masalah yang akan dibahas dalam penelitian ini adalah sebagai berikut:
D. Tujuan Penelitian
1. Mendapatkan model ARIMA terbaik yang dibentuk dari data curah hujan
2. Memprediksi curah hujan pada tahun 2015 di Pos Hujan Ledok Nongko,
E. Manfaat Penelitian
adalah bidang pertanian, agar para petani dapat memprediksi pola tanam.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
F. Jenis Penelitian
yaitu studi pustaka. Studi pustaka yaitu jenis penelitian dengan mempelajari
buku atau jurnal ilmiah yang membahas mengenai topik tertentu. Penelitian ini
jurnal ilmiah yang membahas mengenai curah hujan dan metode ARIMA Box-
G. Sistematika Penelitian
Skripsi ini terdiri atas lima bab. Bab I merupakan pendahuluan yang
serta jenis penelitian. Pada bab II, didiskusikan konsep-konsep dasar yang
dipakai dalam penelitian ini, yaitu tentanng curah hujan, data runtun waktu,
objek, metode, dan desain penelitian serta teknik pengolahan data, waktu dan
tempat penelitian. Pada akhir bab ini, peneliti mendiskusikan teknik analisis
BAB II
LANDASAN TEORI
A. Konsep Hujan
cair atau padat menuju bumi (Hestiyanto, 2006). Banyak sedikitnya hujan
yang turun ke bumi disebut curah hujan dan dihitung dengan mengukur air
yang ditampung pada sebuah permukaan yang datar seluas satu meter
banyaknya air hujan yang tertampung dalam suatu tempat yang datar
pada tempat yang datar tersebut tidak menguap, tidak meresap, dan tidak
mengalir.
arus udara, besar kecilnya perairan atau daratan, intensitas panas matahari,
pun akan semakin rendah karena suhu yang rendah akan mengurangi
Indonesia.
6
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
bimodial (dua puncak hujan) yang biasanya terjadi sekitar bulan Maret
dan Oktober atau pada saat terjadi ekinoks yaitu saat posisi matahari
Tengah.
b. Pola Monsoon ialah pola hujan yang ditentukan oleh monsoon barat
dan monsoon timur. Tipe curah hujan ini bersifat unimodial atau satu
Selatan.
Karena curah hujan adalah banyaknya hujan yang turun pada suatu
tempat, maka besar kecilnya curah hujan pasti akan berpengaruh pada
sedikit atau banyaknya persediaan air di suatu daerah. Curah hujan juga
memiliki pengaruh yang lebih luas. Misalnya, rendahnya curah hujan tidak
juga mengakibatkan rendah produk pertanian. Hal yang sama juga berlaku
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
jika curah hujan terlalu tinggi. Bencana alam seperti banjir, longsor, dan
gagal panen juga terjadi karena curah hujan yang terlalu tinggi.
disebut pluviometer atau penakar hujan (rain gauge). Beberapa jenis satu
alat penakar hujan diperlihatkan dalam gambar 2.4. Seperti telah dibahas
ketinggian curah hujan dalam milimeter, yang berarti ketinggian air hujan
milimeter.
bawah jika kurang dari 0.5 milimeter dan pembulatan ke atas jika lebih
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
dari atau sama dengan 0.5 milimeter (Tjasyono, 1999). Dengan demikian,
data curah hujan selalu merupakan bilangan bulat. Sebagai ilustrasi, Tabel
B. Runtun Waktu
suatu kawasan. Data pada Tabel 2.1 merupakan himpunan observasi curah
hujan selama tahun 2014 di Pos Hujan Ledok Nongko, Kecamatan Turi,
12
waktu (time series). Jadi, runtun waktu didefinisikan sebagai barisan hasil
observasi yang dilakukan pada waktu tertentu (Box, et al., 2016: 1). Semua
urutan waku tertentu bisa dikatakan sebagai data runtun waktu. Menurut Box
et. al., himpunan data tersebut bisa berupa data harian, bulanan, atau tahunan,
misal banyaknya kecelakaan lalu lintas bulanan atau perubahan reaksi kimia
yang diobservasi setiap jam. Data runtun waktu bisa termasuk dalam bidang
juga ilmu-ilmu sosial. Tabel 2.2 berikut menyajikan data penjualan sepeda
13
dikategorikan sebagai runtun waktu. Tabel 2.3 berikut, yang merupakan nilai
ulangan sebuah kelas, diurutkan dari nilai tertinggi, bukan merupakan data
runtun waktu.
Dalam tabel 2.1 diberikan data curah hujan selama tahun 2014 di Pos
data tersebut tidak hanya disimpan sebagai data laporan saja. Data-data tersebut
bisa digunakan untuk memprediksi curah hujan pada waktu-waktu yang akan
datang. Tentu saja, semakin banyak data yang pernah tercatat akan membantu
untuk mendapatkan sebuah model yang baik untuk meramalkan curah hujan.
Proses ini biasa disebut sebagai analisis runtun waktu. Dengan demikian,
analisis runtun waktu, menurut Box et.al (2016), adalah pengolahan data
runtun waktu untuk melakukan prediksi pada waktu yang akan datang. Analisis
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
Peramalan suatu data runtun waktu memiliki empat tipe atau pola yaitu
pola horizontal, pola trend, pola musiman dan pola siklis (Hanke dan Wichren,
2005: 158). Pola horizontal adalah peramalan yang dilakukan pada kejadian
fluktuasi data runtun waktu. Selanjutnya, adalah pola trend yang digunakan
Pola musiman adalah peramalan yang dilakukan pada data yang terjadi secara
maupun harian. Sedangkan pola siklis merupakan fluktuasi dari data untuk
waktu yang lebih dari satu tahun. Data runtun waktu yang berkaitan dengan
memperkirakan data pada waktu yang akan datang. Pemilihan metode analisis
runtun waktu salah satunya ditentukan oleh pola data (horizontal, trend,
musiman atau siklis). Metode paling sederhana adalah dengan analisis regresi.
Metode analisis regresi biasanya cocok untuk data trend. Namun, metode
tersebut tidak mencukupi untuk analisis data runtun waktu yang kompleks.
Salah satu metode yang banyak dipakai dalam peramalan dikembangkan oleh
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
Box dan Jenkins yang diberi nama metode Autoregressive Integrated Moving
Average (ARIMA).
ARIMA adalah salah satu metode analisis data runtun waktu yang
(Nau, 2014). Pada tahun 1970an dua statiskawan George Box dan Gwilym
Metode ini sekarang dikenal dengan nama Model Box-Jenkins. Tujuan dari
sangat baik untuk peramalan jangka pendek namun kurang baik dalam
melakukan peramalan ARIMA menggunakan data masa lalu (𝑍𝑡−1) dan data
bilangan bulat tidak negatif. Nilai p merupakan derajat autoregresi (lags of the
16
Keterangan:
Keterangan:
17
lain:
Keterangan:
18
1. Identifikasi Model
Pada tahap identifikasi model, ada dua uji yang dilakukan yaitu uji
stasionaritas dan uji korelasi. Data dikatakan stasioner jika fluktuasi data
berada di sekitar rata-rata nilai yang konstan dan variansi data dari waktu
tidaknya data dapat dilihat dengan grafik yang terbentuk. Namun, untuk
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
lebih pastinya ada beberapa cara yang dapat dilakukan antara lain dengan
KPSS (Kwiatkowski-Philips-Schmidt-Shin).
1995):
𝑛
Keterangan:
𝛼𝑖 = parameter (𝑖 = 1,2,3, … , 𝑛)
𝜀 = galat (error)
a) Menentukan 𝐻0 dan 𝐻𝑎
𝛼 = 0,05
20
f) Kesimpulan
b. PP (Philips-Perron)
∆𝑍𝑡 = 𝛼0 + 𝛼1 𝑍𝑡−1 + 𝜀𝑡
Keterangan:
𝛼0 , 𝛼1 = parameter
𝜀 = galat (error)
a) Menentukan 𝐻0 dan 𝐻𝑎
𝛼 = 0,05
21
f) Kesimpulan
c. KPSS (Kwiatkowski-Philips-Schmidt-Shin)
𝑍𝑡 = 𝛼0 + 𝜀𝑡
Keterangan:
𝛼0 = parameter
𝜀 = galat
1) Menentukan 𝐻0 dan 𝐻𝑎
𝛼 = 0,05
22
6) Kesimpulan
data dimana data sekarang (𝑍𝑡 ) dikurangi dengan data sebelumnya (𝑍𝑡−1 )
sehingga mendapatkan data yang baru. Jika data yang baru sudah stasioner
maka diperoleh d=1 yang artinya untuk memperoleh data yang stasioner
seterusnya hingga data menjadi stasioner. Jika data sudah stasioner tanpa
korelasi. Uji Korelasi dilakukan dengan cara menentukan ACF dan PACF
seperti berikut.
23
𝑟𝑘 −∑𝑘−1
𝑗=1 ∅𝑘−1,𝑗 𝑟𝑘−𝑗
∅𝑘𝑘 =
1−∑𝑘−1
𝑗=1 ∅𝑘−1,𝑗 𝑟𝑗
dan,
̅̅̅̅̅̅̅̅̅1
1111111 1
∅0 =
MA(1) −0,5 < 𝑟1 < 0,5 111
11
∅0 =
ARMA(1,1) 2𝑟1 |𝑟1 | < 𝑟2 < |𝑟1 | 11
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
11√11 11
∅0 = dengan
1
𝑏 = 1 − 2𝑟2 + ∅11
dan tandanya dipilih
untuk menjamin
|∅0 | < 1
sebagai berikut:
AR(p) adalah model linear yang paling dasar untuk proses yang
Keterangan:
Keterangan:
25
Model ini merupakan gabungan dari AR(p) dan MA(q). Bentuk umum
Keterangan:
berikut:
+ 𝜃𝑞 𝛼𝑞−1
Keterangan:
26
2. Estimasi Parameter
adalah mengestimasi parameter atau taksiran model. Pada langkah ini akan
dalam model. Model yang terbaik adalah model yang memiliki jumlah
kuadrat kekeliruan (error) minimum. Setelah itu, asil estimasi diuji apakah
𝑛 𝑛
27
sebagai berikut:
𝑍̂𝑡 = ∅0 + ∅1 𝑍𝑡−1
persamaan menjadi:
menjadi:
𝑛 𝑛
diperoleh adalah:
𝑛 𝑛
𝐽 = ∑ 𝛼𝑡 = ∑(𝑍𝑡 − ∅0 − ∅1 𝑍𝑡−1 )2
2
𝑡=1 𝑡=1
persamaan.
a. Menurunkan ∅0
𝜕𝐽
=0
𝜕∅0
𝑛
𝜕
∑(𝑍𝑡 − ∅0 − ∅1 𝑍𝑡−1 )2 = 0
𝜕∅0
𝑡=1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
−2 ∑(𝑍𝑡 − ∅0 − ∅1 𝑍𝑡−1 ) = 0
𝑡=1
∑(𝑍𝑡 − ∅0 − ∅1 𝑍𝑡−1 ) = 0
𝑡=1
𝑛 𝑛 𝑛
∑ 𝑍𝑡 − ∑ ∅0 − ∅1 ∑ 𝑍𝑡−1 = 0
𝑡=1 𝑡=1 𝑡=1
𝑛 𝑛
∑ 𝑍𝑡 − 𝑛∅0 − ∅1 ∑ 𝑍𝑡−1 = 0
𝑡=1 𝑡=1
𝑛 𝑛
𝑛∅0 = ∑ 𝑍𝑡 − ∅1 ∑ 𝑍𝑡−1
𝑡=1 𝑡=1
∅0 = 𝑍̅𝑡 − ∅1 𝑍𝑡−1
̅
b. Menurunkan ∅1
𝜕𝐽
=0
𝜕∅1
𝑛
𝜕
∑(𝑍𝑡 − ∅0 − ∅1 𝑍𝑡−1 )2 = 0
𝜕∅1
𝑡=1
29
𝑛 𝑛 𝑛
𝑛 𝑛 𝑛
∑𝑛𝑡=1 𝑍𝑡 − ∅1 ∑𝑛𝑡=1 𝑍𝑡−1
∑ 𝑍𝑡 𝑍𝑡−1 − ( ) ∑ 𝑍𝑡−1 − ∅1 ∑ 𝑍𝑡−1 2 = 0
𝑛
𝑡=1 𝑡=1 𝑡=1
𝑛 𝑛 𝑛 𝑛
∑𝑛𝑡=1 𝑍𝑡 ∑𝑛𝑡=1 𝑍𝑡−1
∑ 𝑍𝑡 𝑍𝑡−1 − ( ∑ 𝑍𝑡−1 − ∅1 ∑ 𝑍𝑡−1 ) − ∅1 ∑ 𝑍𝑡−1 2 = 0
𝑛 𝑛
𝑡=1 𝑡=1 𝑡=1 𝑡=1
𝑛 𝑛
∑𝑛𝑡=1 𝑍𝑡 ∑𝑛𝑡=1 𝑍𝑡−1 ∑𝑛𝑡=1 𝑍𝑡−1 ∑𝑛𝑡=1 𝑍𝑡−1
∑ 𝑍𝑡 𝑍𝑡−1 − + ∅1 − ∅1 ∑ 𝑍𝑡−1 2 = 0
𝑛 𝑛
𝑡=1 𝑡=1
𝑛 𝑛
∑𝑛𝑡=1 𝑍𝑡−1 ∑𝑛𝑡=1 𝑍𝑡−1 2 ∑𝑛𝑡=1 𝑍𝑡 ∑𝑛𝑡=1 𝑍𝑡−1
∅1 − ∅1 ∑ 𝑍𝑡−1 = − ∑ 𝑍𝑡 𝑍𝑡−1 +
𝑛 𝑛
𝑡=1 𝑡=1
𝑛 𝑛
∑𝑛𝑡=1 𝑍𝑡−1 ∑𝑛𝑡=1 𝑍𝑡−1 ∑𝑛𝑡=1 𝑍𝑡 ∑𝑛𝑡=1 𝑍𝑡−1
∅1 ( − ∑ 𝑍𝑡−1 2 ) = − ∑ 𝑍𝑡 𝑍𝑡−1 +
𝑛 𝑛
𝑡=1 𝑡=1
1) Menentukan 𝐻0 dan 𝐻𝑎
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
𝐻𝑎 = parameter signifikan
𝛼 = 0,05
𝑃 − 𝑉𝑎𝑙𝑢𝑒 < 𝛼
5) Kesimpulan
signifikan.
3. Verifikasi Model
sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
1) Menentukan 𝐻0 dan 𝐻𝑎
𝛼 = 0,05
𝑃 − 𝑉𝑎𝑙𝑢𝑒 < 𝛼
5) Kesimpulan
Hal ini dilakukan dengan cara melihat nilai MSE (Mean Squared
data. Jika nilai MSE (Mean Squared Error) hampir sama maka pilih
perbedaan yang cukup besar, maka dipilih model dengan MSE (Mean
∑(𝑍𝑡 − 𝑍̂𝑡 )2
𝑀𝑆𝐸 =
𝑛
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
waktu yang akan datang. Peramalan atau forecasting merupakan salah satu
unsur yang sangat penting dalam mengambil keputusan sebab efektif tidaknya
suatu keputusan juga didasarkan pada peramalan. Pada peralaman ada dua jenis
data yaitu data training dan data testing. Data training yaitu peramalan dengan
menggunakan data aktual. Sedangkan, data testing yaitu peramalan yang tidak
peralaman. Kedua jenis data ini nantinya akan digunakan dalam peramalan atau
2.6.
33
Jika data yang diolah menghasilkan model yang memenuhi semua tahap-tahap
Beberapa penelitian yang relevan dengan penelitian ini adalah sebagai berikut:
Febri Azriati, Abdul Hoyyi dan Moch. Abdul Mukid. Dalam penelitian ini,
Azriati, Hoyyi dan Mukid menentukan model ARIMA musiman yang dapat
Tanjung Mas Semarang pada tahun 2014. Mereka menggunakan data rata-
rata kecepatan angin di wilayah tersebut mulai bulan Januari 2008 sampai
Pergerakan Inflasi” oleh Hartati tahun 2017. Dalam penelitian ini, Hartati
Indonesia. Data yang digunakan adalah data inflasi dari bulan Februari 2011
34
BAB III
METODE KEGIATAN
A. Objek Penelitian
Data yang digunakan dalam penelitian ini adalah data curah hujan di
Yogyakarta pada tahun 2005-2014. Dari data tersebut akan dibuat peramalan
data curah hujan di Pos Hujan Ledok Nongko Kecamatan Turi di kota Daerah
35
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
1. Waktu Penelitian
Penelitian ini dilakukan sejak bulan Februari hingga bulan Mei 2019.
2. Tempat Penelitian
BMKG.
stasionaritas dan uji korelasi terhadap data yang ada. Pertama-tama, data
Namun, pada penelitian ini digunakan tiga uji yaitu uji Augmented
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
sebanyak dua kali. Jika data hasil differencing kedua belum stasioner,
b. Uji Korelasi. Jika data sudah stasioner maka dapat dilakukan uji
38
jika pada tahap estimasi parameter, tidak ada model yang signifikan, maka
perlu diulangi lagi pada tahap identifikasi model yaitu saat menentukan
Value dan nilai 𝛼. Jika nilai P-Value kurang dari 𝛼 maka parameter
signifikan. Begitu juga sebaliknya, jika nilai P-Value lebih dari 𝛼 maka
3. Verifikasi Model. Pada tahap ini, peneliti akan melakukan uji kenormalan
residual dan uji independensi residual. Pada software EViews 10, model
lonceng (kurva normal) dan nilai 𝑃 − 𝑣𝑎𝑙𝑢𝑒 lebih dari 𝛼. Sedangkan untuk
homogenitas variansi data. Misal, PACF lag data ke-p berada dalam
interval garis Bartlet maka variansi pada lag data tersebut tidak homogen.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
Sebaliknya, jika PACF lag data ke-p terpotong dengan garis Bartlet maka
variansi pada lag data tersebut homogen, artinya terjadi pola musiman.
penambahan Range Data, yang mulanya dari tahun 2005 sampai dengan
tahun 2014, menjadi tahun 2005 sampai dengan tahun 2015. Model
ini satu tahun setelah data aktual karena data runtun waktu hasil peramalan
Maksud dari dependen adalah data ramalan bergantung pada data aktual
sebelumnya.
1. Identifikasi Model
sebelumnya.
40
workfile.
berikut.
sesuai dengan jenis data. Karena data curah hujan dihitung tiap
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
awal bulan dan tahun data yang diperoleh pada bulan Januari tahun
2005 dan akhir tahun data pada bulan Desember tahun 2014. Maka
pada Start Date kita tulis 2005:01 dan pada End Date kita tulis
42
b. Uji stasionaritas
1) Dengan Grafik
Klik View -> Graph -> Klik OK. Kemudian akan muncul
43
c) Klik view -> Unit Root Tests -> Standard Unit Root Test
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
45
bawah ini.
a) Klik view -> Unit Root Tests -> Standard Unit Root Test
Perron pada Test Type dan pilih Level, kemudian klik OK.
46
a) Klik view -> Unit Root Tests -> Standard Unit Root Test.
47
Fumction (PACF)
48
49
𝑁
Banyaknya lag data adalah dengan 𝑁 adalah banyaknya data.
4
2. Estimasi Parameter
sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
51
sebagai berikur:
52
53
3. Verifikasi Model
54
model ARIMA yang memiliki error terkecil, dengan kata lain memiliki
55
sama pada tahap estimasi parameter, maka diperoleh Gambar 3.26 dan
56
a. Doube Click pada Range sehingga akan tampil kotak dialog Workfile
kiik OK.
Static forecast dan pada Output piih Forecast & Actuals. Kemudian
klik OK.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
di bawah ini.
BAB IV
Data penelitian ini adalah data curah hujan yang diamati dari Pos Hujan
Januari tahun 2005 sampai dengan bulan Desember tahun 2014. Agar lebih
setiap tahunnya. Curah hujan tertinggi terjadi pada tahun 2010 yaitu sebesar
4.670 milimeter dan curah hujan terendah terjadi pada tahun 2009 yaitu sebesar
1.829 milimeter. Data curah hujan di Pos Hujan Ledok Nongko Kecamatan
Turi, Daerah Istimewa Yogyakarta (7.64467 LS dan 110.35761 BT) pada tahun
2005 hingga tahun 2014 dituliskan secara lengkap pada Tabel 4.1 di bawah ini.
58
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
Tabel 4.1 Data Curah Hujan di Pos Hujan Ledok Nongko Kec.Turi
Tahun 2005-2014
Tahun
Bulan
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Januari 356 479 137 246 372 698 571 686 400 338
Februari 384 427 603 363 295 287 210 1053 514 362
Maret 203 223 335 341 192 366 560 551 448 202
April 337 447 652 308 375 232 339 421 339 259
Mei 48 247 116 85 176 464 427 329 373 125
Juni 64 0 44 64 48 249 0 39 222 171
Juli 84 0 7 0 0 55 0 10 195 91
Agustus 23 0 0 0 0 156 0 0 0 3
September 32 0 0 18 0 687 0 0 6 0
Oktober 53 0 76 300 50 541 191 86 180 3
November 210 46 507 679 254 439 1123 576 424 448
Desember 539 680 449 226 67 496 591 257 337 190
Jumlah CH
2333 2549 2926 2630 1829 4670 4012 4008 3438 2192
1 Thn
Keterangan
- Tidak ada hujan
0 Hujan kurang dari 0,5 mm
x Tidak ada data
Sumber: BMKG Yogyakarta
Stastistik deskriptif data curah hujan di Pos Hujan Ledok Nongko
Kecamatan Turi, Daerah Istimewa Yogyakarta pada tahun 2005 hingga tahun
60
Tabel 4.2 menunjukkan bahwa rata-rata per bulan curah hujan yang
dihitung dari Pos Hujan Ledok Nongko Kecamatan Turi, Daerah Istimewa
Yogyakarta adalah 254,8917 milimeter. Dari tabel 4.1, kita dapat mengetahui
bahwa curah hujan tertinggi adalah 1.123 milimeter pada bulan November pada
tahun 2011 dan curah hujan terendah adalah kurang dari 0,5 milimeter terjadi
pada bulan Juni-Oktober tahun 2006, Agustus dan September tahun 2007, Juli
2011, Agustus dan September tahun 2012, Agustus tahun 2013 serta pada bulan
Data yang digunakan sebanyak 120 data dari bulan Januari 2005 sampai
dengan bulan Desember 2014. Hasil dan pembahasan dari tahap-tahap ARIMA
1. Identifikasi Model
a. Uji Stasionaritas
tidak perlu semua karena keempat metode ini merupakan metode yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
1) Metode grafik
Dari Tabel 4.2 dapat kita ketahui bahwa data curah hujan di
mempunyai fluktuasi yang tetap atau konstan. Oleh sebab itu, jika
1% −3,488063
Nilai Kritik
5% −2,886732
McKinnon
10% −2,580281
Sumber: Data Diolah
62
a) Menentukan 𝐻0 dan 𝐻𝑎
𝛼 = 0,05
f) Kesimpulan
63
1% −3,486064
Nilai Kritik
5% −2,885863
McKinnon
10% −2,579818
Sumber: Data Diolah
a) Menentukan 𝐻0 dan 𝐻𝑎
𝛼 = 0,05
f) Kesimpulan
64
Shin (KPSS).
1% 0,739000
Nilai Kritik 5% 0,463000
McKinnon
10% 0,347000
a) Menentukan 𝐻0 dan 𝐻𝑎
𝛼 = 0,05
65
f) Kesimpulan
Keterangan:
66
yang terbentuk diduga AR(p) atau MA(q) karena ACF berupa kurva
lihat pada Tabel 3.1, karakteristik ACF dan PACF pada model
eksponensial.
Dari Gambar 4.2 dapat dilihat bahwa PACF terpotong pada lag
11, 12, 13, 14, 17, 18, 19, 23, 24, 25, 29, dan 30. Jadi yang diduga
MA(30).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
2. Estimasi Parameter
sebagai berikut:
1) Menentukan 𝐻0 dan 𝐻𝑎
𝐻𝑎 = Parameter signifikan
𝛼 = 0,05
𝑃 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼
5) Kesimpulan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
68
3. Verifikasi Model
Pada tahap ini akan dilakukan uji kenormalan residual dan uji
independensi residual.
69
sebagai berikut:
1) Menentukan 𝐻0 dan 𝐻𝑎
𝛼 = 0,05
𝑃 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼
5) Kesimpulan
70
dan MA(22).
tahap akhir ini didapatkan dua model ARIMA yaitu MA(14) dan
MA(22). Dari dua model tersebut akan dipiih satu model ARIMA
terbaik. ACF dan PACF pada model MA(14) dan MA(22) (Lampiran
error) pada model MA(14) dan model MA(22). Dari Uji Signifikansi
ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71
Dari Tabel 4.10 di atas diperoleh model terbaik ARIMA adalah MA(14)
karena memiliki nilai AIC dan SC lebih kecil daripada MA(22). Maka,
4. Peramalan
Dari tiga tahap yang telah dilalui yaitu tahap identifikasi model,
Jika dituliskan ke dalam bentuk data maka data seperti Tabel 4.11
di bawah ini.
Tabel 4.11 Data Peramalan Curah Hujan (milimeter) di Pos Hujan Ledok
Nongko, Daerah Istimewa Yogyakarta Tahun 2005-2015
Tahun
Bulan
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Jan 0 0 102 19 374 492 148 311 457 485 177
Feb 0 0 262 415 320 117 - 387 205 160 229
Mar 0 173 232 22 159 - 156 324 290 - -
Apr 0 186 207 217 - - 128 219 514 239 156
Mei 0 99 32 65 224 24 277 310 175 123 191
Jun 0 164 165 282 64 303 189 161 156 - 16
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72
Gambar 4.3 Grafik Data Aktual dan Data Peramalan Data Curah
Hujan di Pos Hujan Ledok Nongko, Kec. Turi, DIY Pada Tahun
2005-2014
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB V
A. Kesimpulan
Berdasarkan pembahasan yang dilakukan pada Bab IV, dapat disimpulkan bahwa:
1. Model yang sesuai untuk curah hujan di Pos Hujan Ledok Nongko, Kecamatan
2. Hasil peramalan curah hujan di Pos Hujan Ledok Nongko, Kecamatan Turi,
Maret - September -
Juni 16 Desember -
Berdasarkan Tabel 5.1, hasil peramalan curah hujan pada bulan Januari sampai
September, Oktober, November, dan Desember 2015 tidak ada hujan. Data
73
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
74
dipengaruhi oleh beberapa faktor, salah satunya adalah perubahan iklim yang
disebabkan oleh faktor eksternal seperti ulah manusia. Peneliti tidak memiliki
data aktual curah hujan di Pos Hujan Ledok Nongko, Kecamatan Turi, Daerah
B. Saran
Pada penelitian ini, peneliti meramalkan data curah hujan di Pos Hujan Ledok
mengguanakan model ARIMA dan Software EViews 10. Adapun saran bagi
DAFTAR PUSTAKA
Amanasari, Maulida & Hendra Perdana. 2018. Penerapan Model Kalman Filter dalam
Memprediksi Curah Hujan Kabupaten Kubu Raya. Buletin Ilmiah Math Stat
Sanata Dharma.
Azriati, Kiki Febri Azriati, dkk. 2014. Verifikasi Model Arima Musiman
Universitas Terbuka.
Manik, Tumiar Katarina. 2000. Analisis Deret Waktu Curah Hujan untuk Mengkaji
Semarang
75
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
76
Susilowati & Ilyas Sadad. -. Analisa Karakteristik Curah Hujan di Kota Bandar
Bandar Lampung.
Wei, William W.S., 1990. Time Series Analysis: Univariate and Multivariate
77
Uji Hasil
Augmented
Dickey-
Fuller
(ADF)
Philips-
Perron
(PP)
Kwiatkows
ki-Philips-
Schmidt-
Shin
(KPSS)
78
Model
Hasil
ARIMA
AR(1)
AR(5)
AR(12)
MA(1)
MA(2)
MA(5)
MA(6)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
79
MA(7)
MA(11)
MA(12)
MA(13)
MA(14)
MA(17)
MA(18)
MA(19)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
80
MA(22)
MA(23)
MA(24)
MA(25)
MA(29)
MA(30)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
81
Model Hasil
ARIMA
AR(1)
AR(5)
AR(12)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
82
MA(1)
MA(2)
MA(11)
MA(12)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
83
MA(13)
MA(14)
MA(22)
MA(23)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
84
MA(24)
MA(25)
ACF PACF
85