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

Abstract

<jats:p>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.</jats:p>

Penerapan Pemodelan Space-Time Pada Data Inflasi Bulanan Di DKI Jakarta, Depok, Dan Bogor Tahun 2017-2021

“…Perkembangan mengenai analisis deret waktu pada saat ini semakin berkembang dengan menggabungkan antara periode waktu dengan lokasi pengamatan. Gabungan dari kedua metode tersebut selanjutnya disebut dengan model space-time [8]. Model space-time yang sering digunakan adalah STAR (Space Time Autoregressive) dan GSTAR (Generalized Space Time Autoregressive).…”

Forecasting the Consumer Price Index With Generalized Space-Time Autoregressive Seemingly Unrelated Regression (Gstar-Sur): Compromise Region and Time

“…Time series data analysis has many purposes, including predicting future values [20]. In terms of data usage, time series analysis is divided into two, namely univariate time series and multivariate time series [8]. Univariate time series data is the result of observing one variable that has autocorrelation.…”

“…CPI data is included in the time series data, so it can be modeled using the time series analysis method. Based on the number of variables studied, time series data can be divided into univariate time series and multivariate time series [8]. Univariate time series is a time series analysis that uses one variable.…”

Penerapan Model Space Time Autoregressive Integrated (Stari(1,1,1)) Pada Data NTP Tanaman Pangan Dari Tiga Provinsi Di Pulau Jawa

“…Penelitian model STAR dilakukan oleh [5] mengasumsikan antar lokasi memiliki karakteristik yang homogen. Jika model AR tidak stasioner maka distasionerkan terlebih dahulu dengan cara differencing menjadi AR Integrated (ARI), sehingga model STAR yang digunakan menjadi model Space Time Autoregressive Integrated (STARI) seperti penelitian tentang model STARI yang dilakukan [6] terkait penerapan model STARI pada debit air Sungai Citarum, Pada penelitian ini, akan dibahas mengenai analisis penerapan Model STARI pada data NTP tiga provinsi di Pulau Jawa, yaitu Provinsi Jawa Tengah, DIY, dan Jawa Timur dengan bantuan software R.…”