Electronic Theses and Dissertation

Aceh Utara merupakan salah satu daerah zona musim (ZOM) yang rawan terhadap terjadinya bencana banjir. Curah hujan tinggi dan durasi lama menjadi pemicu utama terjadinya banjir di kabupaten tersebut. Dalam beberapa dekade terakhir ini, model prediksi curah hujan telah berkembang dan dimanfaatkan secara luas dalam berbagai sektor. Tujuan penelitian ini untuk mengetahui model prediksi curah hujan serta menghitung keakuratan hasil pemodelan tersebut dalam memprediksi curah hujan bulanan. Penelitian ini menggunakan pemodelan Neural Network dan Autoregressive Integrated Moving Average (ARIMA) untuk memprediksi curah hujan di Kabupaten Aceh Utara. Uji statistik koefisien korelasi (r) dan Root Mean Square Error (RMSE) digunakan untuk menguji keakuratan model prediksi. Dalam penelitian ini, data curah hujan runtut waktu dari tahun 2010-2020 hasil pengukuran dari Stasiun Meteorologi Malikussaleh, pos hujan Lhoksukon, pos hujan Sawang, pos hujan Samudera dan pos hujan Tanah Luas digunakan untuk memprediksi curah hujan untuk satu tahun kedepan pada masing-masing stasiun dan pos hujan tersebut. Ada beberapa tahapan yang dilakukan dalam rangka pengembangan model Neural Network, yaitu tahap normalisasi data, pemisahan data, baik training dan testing, serta melakukan prediksi. Sedangkan pengembangan model ARIMA diawali oleh pengujian kestasioneran data, identifikasi model, estimasi parameter, verifikasi model dan terakhir melakukan prediksi. Hasil penelitian menunjukkan bahwa korelasi pemodelan ARIMA untuk masing-masing stasiun dan pos hujan sangat beragam dan lebih tinggi yaitu, r=0,45 (Malikussaleh), r=0,54 (Lhoksukon), r=0,1 (Sawang), r=0,6 (Samudera), dan r=0,42 (Tanah Luas) dari korelasi pemodelan Neural Network, yaitu r=0,14 (Malikussaleh), r=0,41 (Lhoksukon), r=0,01 (Sawang), r=0,27 (Samudera), dan r=0,23 (Tanah Luas). Dari hasil kedua metode pemodelan data tersebut dapat disimpulkan bahwa ARIMA lebih baik dalam memprediksi curah hujan di Kabupaten Aceh Utara.

North Aceh is one of the seasonal zone areas (ZOM) which are prone to the occurrence of flood disaster. High rainfall and long duration became the main trigger of the flood in the district. In recent decades, the rainfall prediction model has grown and widely used by various sectors. The purpose of this study is to know the precipitation of pulsory powder and calculate the accuracy of modeling results in predicting monthly rainfall. This research uses the Neural Network and Autoregessive Integrated Moving Average (ARIMA) model to predict rainfall in North Aceh Regency. Correlation coefficient statistical test (r) and Root Mean Square Error (RMSE) are used to test the accuracy of prediction models. In this study, rainfall data reported the time of the year 2010-2020 the measurement result of the Malikussaleh Meteorological Station, Lhoksukon Rain Post, Sawang Rain Post, Samudera Rain Post, and Tanah Luas Rain Post is used to predict next years rainfall at each station and rain post. There are several stages performed in the framework of the development of the Neural Network model, the stage of normalization of data, data separation, both training and testing, and predicts. While the development of the ARIMA model begins by testing the work of the data, the identification of the model, the parameter estimate, the model verification and the last prediction. The results showed that the arima modeling correlation for each station and rain posts were very diverse and higher, r=0,45 (Malikussaleh), r=0,54 (Lhoksukon), r=0,1 (Sawang), r=0,6 (Samudera), and r=0,42 (Tanah Luas) of correlation modeling neural network, r=0,14 (Malikussaleh), r=0,41 (Lhoksukon), r=0,01 (Sawang), r=0,27 (Samudera), and r=0,23 (Tanah Luas). From the results of both the method of data modeling can be concluded that Arima is better in predicting rainfall in North Aceh Regency.