ABSTRAK
Penggunaan Analisis Spektral dengan periodogram pada data deret waktu curah hujan
dapat memberikan informasi perioditas data. Dengan data curah hujan Kota Bandung periode
Januari 2006 sampai dengan Desember 2015, diperoleh nilai periodogram terbesar I(ω) =
503086,2562 pada frekwensi(ω) kesepuluh dan menghasilkan nilai periode T = 12 bulan.
Dengan pola data deret waktu periodik, model peramalan untuk mempekirakan curah hujan
Kota Bandung adalah SARIMA(0,1,1)12 (0,1,1) dengan persamaan
xt = xt −1 + xt −12 − xt −13 + et − 0,6875et −1 − 0,8386et −12 + 0,5765et −13
Model ini memprediksi rata-rata curah hujan Kota Bandung kedepan yaitu maksimum terjadi
pada bulan Desember dan minimum pada bulan Agustus.
Kata Kunci : Analisis Spektral, SARIMA, Peramalan, Curah Hujan Kota Bandung
ABSTRACT
The use of Spectral Analysis with periodograms on rainfall time series data can provide
information of periodicity data. With Bandung rainfall data for the period of January 2006 to
December 2015, the largest periodogram value I (ω) = 503086.2562 was obtained at the
frequency (ω) tenth and resulted in a value of T = 12 months. With the pattern of periodic time
series data, the forecasting model for estimating rainfall in Bandung is SARIMA (0,1,1) 12 (0,1,1)
with the equation:
xt = xt −1 + xt −12 − xt −13 + et − 0,6875et −1 − 0,8386et −12 + 0,5765et −13
This model predicts the average rainfall in Bandung in the future, which is maximum in
December and minimum in August.
dasar-dasar perencanaan, pengawasan, dan pada domain frekuensi ini dikenal dengan
pengambilan keputusan. analisis spektral yang bertujuan untuk
Kota Bandung sebagai ibu kota Jawa mendapatkan informasi lengkap dari ciri
Barat memiliki posisi dan peran strategis (characteristic) data deret waktu dari
dengan banyak potensi yang harus periodisitasnya.
dikembangkan. Pengembangan potensi ini Penelitian deret waktu telah
dipengaruhi oleh letak kota Bandung yang dilakukan di antaranya Peramalan Curah
secara geografis berada di wilayah dengan Hujan Kota Bandung dengan metode
iklim pegunungan yang lembab dan curah Autoregressive Integrated Moving Average
hujan tinggi. (ARIMA) (Lusiani, 2011), Peramalan Jumlah
Informasi curah hujan saat ini dapat Wisatawan di Agrowisata Kusuma Batu
diperoleh melalui media, tetapi untuk Menggunakan Metode Analisis Spektral
memprakirakannya atau meramalkannya (Maghfiroh, 2012) untuk memprediksi
banyak metode yang dapat digunakan. jumlah wisatan di kota Malang
Secara umum, metode peramalan data , dan Analisis Spektral dan Model ARIMA
seperti peramalan curah hujan didasarkan untuk Peramalan Jumlah Wisatawan di Dunia
data deret waktu (time series) dan Fantasi Taman Impian Jaya Ancol (Husnita,
pendugaan masa depan dilakukan 2015) yang meneliti prakiraan jumlah
berdasarkan data masa lalu. Metode ini pengunjung.
menghasilkan suatu model deret waktu dari Berdasarkan latar belakang, rumusan
serangkaian pengamatan atau observasi masalah pada penelitian ini adalah
terhadap peristiwa, kejadian, atau peubah bagaimana penerapan metode Analisis
yang diukur dalam urutan waktu, misalnya Spektral pada curah hujan dan prediksi
jam, harian, bulanan, tahunan, dan lain-lain. curah hujan di kota Bandung.
Model deret waktu dapat dianalisis Tujuan penelitian ini adalah untuk
dengan menggunakan dua domain yaitu menentukan model dan menerapkan
domain waktu dan domain frekuensi. metode Analisis Spektral pada peramalan
Analisis dalam domain waktu yaitu berupa data deret waktu curah hujan di kota
analisis yang menggunakan fungsi Bandung.
autokorelasi, fungsi autokorelasi parsial, dan Manfaat yang akan diperoleh dari
autokovarians. Analisis pada domain penelitian ini adalah
frekuensi digunakan untuk analisis deret 1. pengembangan wawasan aplikasi
waktu yang dianggap akibat dari adanya keilmuan bidang matematika /statistika
komponen siklus pada frekuensi yang sulit dalam kajian khususnya deret waktu
diperoleh dalam domain waktu. Analisis domain frekuensi;
3 Peramalan Curah Hujan Kota Bandung Dengan Sigma-Mu Vol.11 No.1 –Maret 2019 3
Menggunakan Metode Analisis Spektral
(Wei, 2006). Data yang digunakan haruslah analisis deret waktu adalah stasioneritas
data yang stasioner, dan periodisitas data data. Data yang stasioner adalah data yang
tersembunyi dari pada data deret waktu nilai rata-rata dan variannya tidak
spektrum kuasa atas frekuensinya. Untuk dengan grafik atau plot time series
perioditas data, telaah dilakukan terhadap menggunakan Scatter Plot. Grafik tersebut
frekuensi yang berpasangan dengan titik- menjelaskan observasi dengan waktu. Jika
titik puncak garis spektrumnya. Persamaan terlihat memiliki rata-rata dan varians
n(ak 2 b )2
I(ωk )= 2
(1) tidak terpenuhi, dilakukan proses
pembedaan (differencing). Apabila kondisi
1 2 kt n
[∑ t cos ( ) ] k=0 dan k = jika n genap, Transformation) (Aswi dan Sukarna, 2006).
n n 2
t=1
ak = n
2 2 kt n1
[∑ t cos ( )] , k = 1, 2, ,[ ] , (2)
{n t=1
n 2
5 Peramalan Curah Hujan Kota Bandung Dengan Sigma-Mu Vol.11 No.1 –Maret 2019 5
Menggunakan Metode Analisis Spektral
| |
= | |
(6)
PACF adalah suatu fungsi yang digunakan adalah data curah hujan kota
menunjukkan besarnya korelasi parsial Bandung 2006 dan 2015 di Badan
6 Peramalan Curah Hujan Kota Bandung Dengan Sigma-Mu Vol.11 No.1 –Maret 2019 6
Menggunakan Metode Analisis Spektral
Kestasioneran Data
Kestasioneran data dapat dilihat
dengan mengamati plot dari data asli (Zt)
dan plot fungsi Auto Korelasi (ACF) serta
Dengan nilai periodogram yang plot fungsi Auto Korelasi Parsial (PACF).
diperoleh pada tabel 4 tersebut, diperoleh Adapun gambar plot untuk dengan t=1,2,
periodogram data curah hujan gambar 1. ..., 120 ditunjukkan pada gambar 2 berikut
700
500
Curah Hujan (mm)
400 400
300
200 200
100
0 Frekwensi 0
Month Jan Jan Jan Jan Jan Jan Jan Jan Jan Jan
0,00 1,00 2,00 3,00 4,00
Year 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Autocorrelation Function (ACF) Data Hujan dalam varians ini selanjutnya diselidiki
(with 5% significance limits for the autocorrelations)
1,0
menggunakan plot transformasi Box Cox.
0,8
0,6
Hasil transformasi Box Cox ditunjukkan
0,4
pada gambar 5 berikut,
Autocorrelation
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Lag
1,0
0,8
0,6
Partial Autocorrelation
0,4
0,2
Gambar 5. Plot Box-Cox Data Curah Hujan
0,0
Kota Bandung
-0,2
Pada gambar 5, data dikatakan tidak
-0,4
gambar 3 dan gambar 4 menunjukkan bahwa menjadi z , dilakukan plot time series,
lag-lag berpola sinusoidal. Lag-lag ini ACF , PACF, dan nilai λ diperoleh hasil plot
mengindikasikan bahwa pada data curah pada Gambar 6.
hujan, terdapat pengaruh musiman serta
adanya korelasi yang kuat pada data. Akan
tetapi, pada plot ACF dan PACF, terlihat
beberapa nilai yang di luar batas selang
kepercayaan antara lain pada lag 1,5, dan 12.
Akibatnya, perlu dilakukan differencing
terhadap musiman. Kestasioneran data
9 Peramalan Curah Hujan Kota Bandung Dengan Sigma-Mu Vol.11 No.1 –Maret 2019 9
Menggunakan Metode Analisis Spektral
0,8
20 0,6
0,4
Autocorrelation
15 0,2
0,0
C3
-0,2
10
-0,4
-0,6
5
-0,8
-1,0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Month Jan Jan Jan Jan Jan Jan Lag
1,0
transformasi yang memiliki trend naik turun 0,8
0,6
dan stabil. Hasil transformasi Box-Cox Plot
Partial Autocorrelation
0,4
0,2
ditunjukkan pada gambar 7 0,0
-0,2
-0,4
-0,6
-0,8
-1,0
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Lag
Time Series Plot of ydif yaitu pada lag 7,12,21, dan 24. Dilihat nilai
500
ACF dan PACF telah terjadi penurunan
250 secara cepat dari harga sebelumnya.
ydif
Peramalan
-250
Dengan memerhatikan analisis
-500
spektral yang menunjukkan adanya siklus
Mo nth Jan Jan Jan Jan Jan Jan Jan Jan Jan Jan
Year 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 musiman, kestasioneran data, dan lag-lag
Gambar 10. Plot ACF Data Differencing data yang keluar selang kepercayaan pada
Curah Hujan Kota Bandung ACF serta PACF pada identifikasi data
tersebut, selanjutnya dilakukan peramalan
Autocorrelation Function Difference
(with 5% significance limits for the autocorrelations) model runtun waktu ARIMA. Ada lima
1,0
0,2
0,0
-0,2
mungkin. Hal tersebut dilihat nilai ACF
-0,4
-0,6
untuk p dan PACF untuk q.
-0,8
sebagai berikut.
Gambar 11. Plot ACF Data Differencing
Curah Hujan Kota Bandung 1. ARIMA (1,1,1)(1,1,0)12
0,8
AR 1 0,176 0,100 1,75 0,083
0,6
Partial Autocorrel ation
0,4
SAR 12 -0,4181 0,0947 -4,42 0,000
0,2
-0,8
DF SS MS
nilai yang keluar dari selang kepercayaan, P-Value 0,174 0,001 0,000 0,000
11 Peramalan Curah Hujan Kota Bandung Dengan Sigma-Mu Vol.11 No.1 –Maret 2019 11
Menggunakan Metode Analisis Spektral
Model MM
hujan 371,134 mm dan minimum pada
ARIMA(1,1,1) S(0,1,1)12 14378,8 Agustus dengan curah hujan rata-rata
12
ARIMA(0,1,1) S(0,1,1) 14259,4 51,106 mm
12
ARIMA(1,1,1) S(1,1,0) 20155,7
12
ARIMA(0,1,1) S(1,1,0) 20522,4
12 SIMPULAN
ARIMA(2,1,1) S(1,1,0) 25886,4
Berdasarkan analisis dan
Dengan memerhatikan nilai MM terkecil, pembahasan, dapat diambil kesimpulan
diperoleh model ARIMA untuk data curah sebagai berikut.
hujan di Kota Bandung. 1. Analisis Spektral melalui periodogram
xt = xt −1 + xt −12 − xt −13 + et − 0,6875et −1 menunjukkan perioditas data hujan
− 0,8386et −12 + 0,5765et −13 tersembunyi dan musiman. Hal tersebut
ditunjukkan pada data curah hujan
12 Peramalan Curah Hujan Kota Bandung Dengan Sigma-Mu Vol.11 No.1 –Maret 2019 12
Menggunakan Metode Analisis Spektral
bahwa pada frekuensi kesepuluh, nilai Jawa Barat dalam Angka 2007, Badan Pusat
Statistik Kota Bandung.
periodogram maksimum bersesuaian
dengan nilai periode T = 12 bulan. Lusiani dan Habinuddin. 2011. “Pemodelan
Autoregressive Integrated Moving
Analisis ini menunjukkan perioditas
Average (ARIMA) Curah Hujan di
waktu hujan dan musiman. Kota Bandung”, Sigma-MU, Vol 3, No.2,
September 2011.Bandung; Polban.
2. Model deret waktu untuk
memperkirakan hujan Kota Bandung Maghfiroh dan Hartatiati, Nuri
Wahyuningsih. 2012. “Peramalan
adalah SARIMA(0,1,1)12(0,1,1) dengan Jumlah Wisatawan di Agrowisata
persamaan Kusuma Batu Menggunakan Metode
Analisis Spektral”, Jurnal Sains Dan
xt = xt −1 + xt −12 − xt −13 + et − 0,6875et −1
Seni ITS, Vol. 1, No. 1, September
− 0,8386et −1 2 + 0,5765et −13 2012) ISSN: 2301-928X.
Model ini digunakan untuk memprediksi
Wei, W.W.S. 2006. Time Series Analysis:
rata-rata curah hujan per bulan Kota Univariate and Multivariate Methods.
Copyright Addison Wesley Publishing
Badung ke depan. Diperoleh data
Company, USA.
bahwa hujan maksimum terjadi pada
Desember dan minimum pada Agustus.
Dengan data yang sama, disarankan
dilakukan penelitian dengan menggunakan
metode analisis deret waktu yang lain
sehingga akan terlihat model yang lebih
tepat.
DAFTAR PUSTAKA
Aswi dan Sukarna. 2006. Analisis Deret
Waktu Aplikasi dan Teori. Makassar:
Andira Publisher.