Implementation of Generalized Space Time Autoregressive (GSTAR)-Kriging Model for Predicting Rainfall Data at Unobserved Locations in West Java

Abdullah, Atje Setiawan; Matoha, Setiawan; Lubis, Deltha Airuzsh; Falah, Annisa Nur; Jaya, I Gede Nyoman Mindra; Hermawan, Eddy; Ruchjana, Budi Nurani

doi:10.18576/amis/120316

Cited by 22 publications

(22 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Untuk itu, beberapa alternatif dapat dilakukan, salah satunya adalah dengan mengkombinasikan model GSTAR dengan teknik interpolasi. Penelitian tentang hal ini sejauh ini baru dilakukan oleh Abdullah, et al (2018), yakni menggabungkan GSTAR dengan teknik interpolasi Kriging yang dikenal dengan pemodelan GSTAR-Kriging untuk meramalkan curah hujan di 3 kabupaten di Provinsi Jawa Barat. Pada penelitian tersebut, variabel eksogen belum dicoba untuk ditambahkan ke dalam model dan metode pendugaan parameter model yang digunakan adalah OLS.…”

Section: Pendahuluanunclassified

Interpolasi Kriging Dalam Pemodelan Gstar-Sur Dan Gstarx-Sur Pada Serangan Hama Penggerek Buah Kopi

Pramoedyo

Ashari

Fadliana

2020

Medstat

View full text Add to dashboard Cite

The GSTAR and GSTARX models normally can only be formed from observed locations. The problem that sometimes occurs is that not all locations that want to be modeled have complete data as well as other locations. This study uses GSTAR and GSTARX modeling using SUR approach and combines them with the kriging interpolation technique for forecasting coffee berry borer attack in Probolinggo Regency. This modeling is called GSTAR-SUR Kriging and GSTARX-SUR Kriging. This study aims to determine the best model between GSTAR-SUR Kriging and GSTARX-SUR Kriging for forecasting coffee borer attack in an unobserved location. The result of this study shows that GSTAR-SUR Kriging and GSTARX-SUR Kriging models can be used for forecasting coffee berry borer attack in unobserved locations with high forecast accuracy shown by MAPE values <10%. In this study the GSTARX-SUR Kriging model (1,[1,12])(10,0,0) is the best model for forecasting boffee berry borer attacks in unobserved locations.

show abstract

Section: Pendahuluanunclassified

Interpolasi Kriging Dalam Pemodelan Gstar-Sur Dan Gstarx-Sur Pada Serangan Hama Penggerek Buah Kopi

Pramoedyo

Ashari

Fadliana

2020

Medstat

View full text Add to dashboard Cite

show abstract

“…Identifikasi pola stasioner dapat dilakukan dengan melihat plot data, transformasi Box-Cox dan differencing. Selain itu, mengasumsikan data deret waktu stasioner pada tingkat rata-rata dan varians dan berlaku untuk lokasi dengan karakteristik heterogen (Abdullah et al, 2018). Model ini juga terbatas pada data stasioner dan nonmusiman (Nisak, 2016).…”

Section: Pendahuluanunclassified

Peramalan Curah Hujan Provinsi Bengkulu dengan Generalized Space-Time Autoregressive

Fransiska

Sunandi

Agustina

2020

MUST

View full text Add to dashboard Cite

“…Selanjutnya [4] mengembangkan model GSTAR menjadi GSTARI dan GSTAR-ARCH. Peneliti lain mengembangkan model GSTAR-Kriging untuk peramalan data curah hujan di Jawa Barat [3]. Sedangkan model GSTAR Exogenous (GSTAR-X) dikembangkan oleh [7] dan model GSTARI (1,1,1)-Kriging dan penerapannya untuk peramalan debit air sungai Citarum dengan menggunakan OLS dikaji oleh [16].…”

Section: Pendahuluanunclassified

Model Space Time Autoregressive Integrated (Stari(2,1,1)) Untuk Data Debit Air Sungai Citarum Di Provinsi Jawa Barat

Alawiyah¹,

Salsabila²,

Ruchjana³

2020

BAREKENG

Self Cite

View full text Add to dashboard Cite

Pada musim hujan, curah hujan di Jawa Barat cukup tinggi. Hal ini menyebabkan daerah di sekitar Daerah Aliran Sungai (DAS) Citarum mengalami banjir. Namun, pada musim kemarau DAS Citarum mengalami kekeringan. Perubahan debit air sungai Citarum yang berubah dari waktu ke waktu selain dipengaruhi oleh waktu tetapi juga dipengaruhi oleh lokasi di sekitarnya. Untuk melakukan peramalan pada data debit air sungai Citarum dapat digunakan model Space Time Autoregressive Integrated (STARI). Pada penelitian ini, model STARI diterapkan untuk data debit air sungai Citarum di keempat lokasi pengamatan. Berdasarkan kestasioneran data menunjukkan bahwa data tidak stasioner sehingga harus dilakukan proses differencing terlebih dahulu sebanyak 1 kali. Identifikasi orde model AR adalah satu karena plot PACF terpotong pada lag 1. Lag spasial yang digunakan pada penelitian ini adalah lag spasial 2, sehingga debit air sungai Citarum dapat diprediksi dengan model STARI(2,1,1). Penaksiran parameter model STARI(2,1,1) dengan matriks bobot seragam ditaksir dengan metode MLE dengan bantuan software R dan S-Plus 8.0. Hasil prediksi debit air sungai Citarum yang akan datang untuk keempat lokasi pengamatan digunakan model STARI(2,1,1) dengan MAPE yang kurang dari 10%, dengan demikian model STARI(2,1,1) dapat direkomendasikan untuk memprediksi data debit air sungai Citarum.

show abstract

Implementation of Generalized Space Time Autoregressive (GSTAR)-Kriging Model for Predicting Rainfall Data at Unobserved Locations in West Java

Cited by 22 publications

References 0 publications

Interpolasi Kriging Dalam Pemodelan Gstar-Sur Dan Gstarx-Sur Pada Serangan Hama Penggerek Buah Kopi

Interpolasi Kriging Dalam Pemodelan Gstar-Sur Dan Gstarx-Sur Pada Serangan Hama Penggerek Buah Kopi

Peramalan Curah Hujan Provinsi Bengkulu dengan Generalized Space-Time Autoregressive

Model Space Time Autoregressive Integrated (Stari(2,1,1)) Untuk Data Debit Air Sungai Citarum Di Provinsi Jawa Barat

Contact Info

Product

Resources

About