Electronic Theses and Dissertation

Perubahan iklim global telah berdampak signifikan pada ekosistem perairan, termasuk fenomena umbalan di danau laut tawar, aceh, yang menyebabkan kematian massal ikan dan kerugian ekonomi. penelitian ini bertujuan untuk memprediksi kondisi iklim sebagai upaya mitigasi dan adaptasi menggunakan model seasonal vector autoregressive moving average (varma). data yang digunakan mencakup pengamatan harian selama tiga tahun (2021–2024) pada tiga variabel indeks kejernihan langit, suhu, dan kecepatan angin. analisis dimulai dari pengumpulan data, preprocessing, uji stasioneritas, uji kausalitas granger, hingga pembangunan model seasonal varma. hasil uji kausalitas menunjukkan bahwa kejernihan langit memiliki hubungan kausalitas yang signifikan terhadap suhu, tetapi tidak sebaliknya. selain itu, terdapat hubungan kausalitas dua arah yang signifikan antara suhu dan kecepatan angin, sementara tidak ditemukan hubungan kausalitas yang signifikan antara kejernihan langit dan kecepatan angin. model seasonal varma (0,0,2)(0,1,1)180 dipilih berdasarkan nilai akaike information criterion (aic) sebesar -21,788 dan bayesian information criterion (bic) sebesar -21,592, yang merupakan nilai terkecil. evaluasi model menunjukkan hasil yang akurat dan stabil, dengan nilai mean absolute error (mae) sebesar 0,103, 0,046, dan 0,010, mean squared error (mse) sebesar 0,016, 0,003, dan 0,001, root mean squared error (rmse) sebesar 0,127, 0,057, dan 0,013, serta mean relative error (mre) sebesar 0,463, 0,243, dan 0,114 untuk indeks kejernihan langit, suhu, dan kecepatan angin secara berturut-turut. uji residual menegaskan pemenuhan asumsi white noise dan normalitas multivariat, memastikan validitas model yang digunakan. peramalan untuk periode desember 2024 hingga maret 2025 menunjukkan pola iklim yang cenderung stabil, meskipun tetap memiliki potensi fluktuasi. informasi ini dapat dimanfaatkan untuk deteksi dini risiko umbalan, sehingga pembudidaya ikan keramba jaring apung (kja) dapat menerapkan strategi mitigasi untuk mencegah dampak buruk pada budidaya ikan.

Global climate change has had a significant impact on aquatic ecosystems, including the upwelling phenomenon in Lake Laut Tawar, Aceh, which has caused mass fish deaths and economic losses. This study aims to predict climate conditions as a mitigation and adaptation effort using the Seasonal Vector Autoregressive Moving Average (VARMA) model. The data used consists of daily observations over three years (2021–2024) for three key variables: sky clarity index, air temperature, and wind speed. The analysis process includes data collection, preprocessing, stationarity testing, Granger causality testing, and the development of the Seasonal VARMA model. The Granger causality test results indicate that sky clarity has a significant causal relationship with temperature, but not vice versa. Additionally, a significant bidirectional causal relationship exists between temperature and wind speed, whereas no significant causal relationship is found between sky clarity and wind speed. The Seasonal VARMA (0,0,2)(0,1,1)180 model was selected based on the Akaike Information Criterion (AIC) value of -21.788 and Bayesian Information Criterion (BIC) value of -21.592, which are the lowest values. Model evaluation shows accurate and stable results, with Mean Absolute Error (MAE) values of 0.103, 0.046, and 0.010, Mean Squared Error (MSE) values of 0.016, 0.003, and 0.001, Root Mean Squared Error (RMSE) values of 0.127, 0.057, and 0.013, and Mean Relative Error (MRE) values of 0.463, 0.243, and 0.114 for sky clarity index, temperature, and wind speed, respectively. Residual tests confirm the fulfillment of white noise and multivariate normality assumptions, ensuring the validity of the model used. Forecasting for the period December 2024 to March 2025 indicates a relatively stable climate pattern, although fluctuations remain possible. This information can be utilized for early detection of upwelling risks, allowing fish farmers using Floating Net Cages (KJA) to implement mitigation strategies to prevent adverse impacts on fish farming