PREDIKSIPREDIKSI CURAH HUJAN DENGAN MODEL VECTOR AUTOREGRESSIVE (VAR) DI KABUPATEN ACEH TENGAH CURAH HUJAN DENGAN MODEL VECTOR AUTOREGRESSIVE (VAR) DI KABUPATEN ACEH TENGAH | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PREDIKSIPREDIKSI CURAH HUJAN DENGAN MODEL VECTOR AUTOREGRESSIVE (VAR) DI KABUPATEN ACEH TENGAH CURAH HUJAN DENGAN MODEL VECTOR AUTOREGRESSIVE (VAR) DI KABUPATEN ACEH TENGAH


Pengarang

Via Azelia - Personal Name;

Dosen Pembimbing



Nomor Pokok Mahasiswa

1305106010043

Fakultas & Prodi

Fakultas Pertanian / Teknik Pertanian (S1) / PDDIKTI : 41201

Subject
Penerbit

Banda Aceh : Fakultas Pertanian Universitas Syiah Kuala., 2018

Bahasa

Indonesia

No Classification

1

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Hujan merupakan komponen penting dalam proses hidrologi di bidang pertanian, seperti yang diketahui bahwa tanaman memerlukan air untuk kebutuhan utama baik secara kualitas maupun kuantitas. Peramalan dapat membantu permasalahan yang akan timbul seperti kekurangan ataupun kekeringan air. Secara umum manfaat informasi data curah hujan adalah meningkatkan kewaspadaan terhadap akibat negatif yang dapat ditimbulkan oleh curah hujan sehingga terhindar dari kerugian dan bencana. Penelitian ini bertujuan untuk menganalisis dan mengetahui hubungan curah hujan dan debit di Kabupaten Aceh Tengah.
Penelitian ini diawali dengan mengidentifikasi trend dari curah hujan di Kabupeten Aceh Tengah dengan menggunakan Minitab 17.1. analisis trend model linear, model quadratic dan model eksponential growth terhadap data curah hujan dari tahun 1992 hingga tahun 2015. Selanjutnya dilakukan prediksi curah hujan dengan menggunakan model model Vector Autoregressive (VAR) dari data curah hujan dan debit pada tahun 2008-2015. Untuk mendapatkan model VAR tersebut dilakukan pengujian data yang bersifat stasioner menggunakan uji Augmented Dickey Fuller (ADF), penentuan lag optimum ditentukan dengan menggunakan Akaike Information Criterion (AIC) (pemilihan orde), dan uji kausalitas. Data tahun 2016-2017 dijadikan sebagai perbandingan untuk data prediksi yang didapat pada penelitian ini.
Identifikasi trend curah hujan pada penelitian ini menghasilkan model trend quadratic. Hal ini disebabkan karena model quadratic memiliki nilai MAPE (Mean Absolute Percentage Error), MAD (Mean Absolute Deviation) dan MSD (Mean Squarred Deviation) terkecil dibandingkan dengan trend linear, dan trend eksponential growth. hasil dari uji Augmented Dickey Fuller (ADF) terhadap data untuk model Vector Autoregressive (VAR) bersifat stasioner dengan tingkat kepercayaan 95%. Nilai lag optimum dengan menggunakan Akaike Information Criterion (AIC) ditentukan berdasarkan nilai yang terkecil yaitu pada lag 2 dengan nilai 2.0452. Uji kausalitas antar variabel menunjukkan AR 1,2,2 dan AR 2,2,2 menolak H0 karena nilainya lebih kecil 5%. Hal ini menunjukkan ada hubungan antara curah hujan dan debit. Hasil prediksi curah hujan dan debit untuk tahun 2016-2017 telah diperoleh, dan diuji akurasi. Hasil uji akurasi dengan menggunakan Nash-Sutcliffe efficiency (NSE) terhadap data prediksi dan data aktual didapat nilai 0,9522. Pengaruh curah hujan prediksi dengan curah hujan aktual R2 sebesar 0,6584 atau 65%. Sedangkan untuk hubungan debit prediksi dengan debit aktual menghasilkan R2 sebesar 0,0691 atau 6,91 % dengan persamaan y = -0,0063.x2 + 0,2438x + 0,2487.


Tidak Tersedia Deskripsi

Citation



    SERVICES DESK