Electronic Theses and Dissertation

Aceh Selatan merupakan daerah Non-Zona Musim (Non-ZOM) di Provinsi Aceh yang rawan banjir. Curah hujan (CH) yang tinggi menjadi salah satu penyebab terjadinya banjir di daerah tersebut. Penelitian ini menggunakan model Autoregressive Interated Moving Average (ARIMA) dan Artificial Neural Network (ANN) untuk memprediksi CH dan menganalisis keakuratan kedua model tersebut dalam mengestimasi hasil prediksi CH. Keakuratan hasil prediksi CH dinilai berdasarkan koefisien korelasi dan Root Mean Square Error (RMSE). Data yang digunakan dalam penelitian ini adalah data CH bulanan dari beberapa pos hujan di Kabupaten Aceh Selatan, yaitu pos hujan Meukek, Kluet Utara, Labuhan haji Barat, dan Tapaktuan. Data-data CH tersebut diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG) stasiun klimatologi kelas IV Aceh Besar. Prediksi CH menggunakan model ARIMA dilakukan dengan beberapa tahapan, yaitu uji stasioneritas data, identifikasi model, estimasi parameter model, dan prediksi. Model ANN menggunakan algoritma backpropagation dengan fungsi sigmoid binner yang mengharuskan data CH dinormalisasi. Tahapan proses prediksi CH dengan model ANN adalah pelatihan, pengujian, dan prediksi. Hasil penelitian menunjukkan bahwa CH prediksi model ARIMA pada masing-masing pos hujan, lebih baik jika dibandingkan dengan CH prediksi model ANN, kecuali pada pos hujan Meukek dimana CH prediksi model ANN lebih baik dari model ARIMA. Berdasarkan hasil penelitian tersebut dapat disimpulkan bahwa model ARIMA lebih akurat dalam memprediksi CH di kawasan Non-ZOM Aceh Selatan.
Kata Kunci : Prediksi, CH, ARIMA, ANN, Aceh Selatan

The South Aceh is a Non-Seasonal Zone (Non-ZOM) in the province of Aceh that is prone to flood hazard. It has been caused by high rainfall (CH). This study used Autoregressive Integrated Moving Average (ARIMA) and Artificial Neural Network (ANN) models to predict CH and analyze the accuracy of both models in estimating CH prediction results. The accuracy CH results was assessed based on the correlation coefficient and Root Mean Square Error (RMSE). This research used monthly CH data from several rain posts in South Aceh Regency : Meukek, Kluet Utara, Labuhan Haji Barat, and Tapaktuan rain posts. The CH data were obtained from the Meteorology, Climatology, and Geophysics Agency (BMKG) class IV Aceh Besar. CH prediction using the ARIMA model was completed in several stages, namely, stationarity test, model identification, model parameter estimation, and prediction. The ANN model uses the backpropagation algorithm with a binary sigmoid function which requires the CH data to be normalized. The stages of the CH prediction process using ANN model are training, testing, and predicting. The results showed that the CH predicted using the ARIMA model for each rain post was better than the CH predicted using the ANN model, except for the Meukek rain post which the CH predicted using the ANN model was better than the ARIMA model. Based on the results, we concluded that the ARIMA model is more accurate for predicting CH in the South Aceh Non-ZOM area. Keywords : Prediction, CH, ARIMA, ANN, South Aceh