Electronic Theses and Dissertation

Temperatur udara merupakan salah satu parameter penting dalam kajian klimatologi yang dipengaruhi oleh berbagai faktor meteorologi, seperti curah hujan, tekanan udara, kelembapan, dan kecepatan angin. kota banda aceh sebagai wilayah beriklim tropis menunjukkan fluktuasi temperatur yang dinamis sehingga memerlukan metode peramalan yang akurat. penelitian ini bertujuan untuk membangun model prediksi temperatur udara menggunakan pendekatan autoregressive integrated moving average with exogenous variables (arimax) dengan memasukkan variabel meteorologi sebagai variabel eksogen. data yang digunakan merupakan data deret waktu periode januari 2000 hingga desember 2025 yang dibagi menjadi data pelatihan dan pengujian. tahapan analisis meliputi uji stasioneritas, identifikasi model, pembentukan model arimax, serta evaluasi menggunakan mean absolute error (mae), root mean square error (rmse), dan mean absolute percentage error (mape). hasil penelitian menunjukkan bahwa model terbaik yang diperoleh adalah arimax (0,0,3) dengan variabel eksogen tekanan udara dan kelembapan udara. model tersebut menghasilkan nilai rmse sebesar 0,606 dan mape sebesar 1,668% yang termasuk dalam kategori sangat baik, sehingga menunjukkan tingkat akurasi yang tinggi. model yang diperoleh juga mampu menghasilkan peramalan temperatur udara periode januari hingga desember 2026 dengan pola yang stabil dan mengikuti karakteristik data historis.

Air temperature is an important parameter in climatological studies and is influenced by various meteorological factors, such as rainfall, air pressure, humidity, and wind speed. Banda Aceh, as a tropical region, exhibits dynamic temperature fluctuations, requiring an accurate forecasting method. This study aims to develop an air temperature prediction model using the Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX) approach by incorporating meteorological variables as exogenous factors. The data used consist of time series data from January 2000 to December 2025, which are divided into training and testing datasets. The analysis stages include stationarity testing, model identification, ARIMAX model development, and model evaluation using Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and Mean Absolute Percentage Error (MAPE). The results show that the best model obtained is ARIMAX (0,0,3) with air pressure and humidity as significant exogenous variables. The model produces an RMSE value of 0.606 and a MAPE value of 1.668%, which is categorized as highly accurate. Furthermore, the model is capable of forecasting air temperature for the period January to December 2026 with a stable pattern that follows the historical data characteristics.