Pemodelan Markov Switching Autoregressive (MSAR) Pada Prediksi Curah Hujan

Studi Kasus Curah Hujan Provinsi Riau Tahun 2007-2021

Authors

  • Teguh Ammar Taqiyyuddin Departemen Statistika FMIPA Universitas Padjadjaran
  • Iyen Nugraha Faqih Departemen Statistika FMIPA Universitas Padjadjaran

DOI:

https://doi.org/10.1234/pns.v10i.99

Keywords:

Curah hujan, Breakpoint, Regime, Prediksi, Markov Switching Autoregressive

Abstract

Pergantian musim di Indonesia dipengaruhi oleh aktivitas monsun dan faktor-faktor lainnya seperti fenomena global yaitu El Nino. Fenomena global ini menyebabkan curah hujan di suatu tempat cenderung tidak teratur dan sering ditemukan adanya perubahan struktur. Model Markov Switching Autoregressive (MSAR) merupakan suatu model yang mampu menjelaskan perubahan struktur pada data deret waktu. Penelitian ini menggunakan data curah hujan dari satelit TRMM dalam bentuk bulanan selama 14 tahun dari Januari Tahun 2008 sampai dengan Februari Tahun 2021 di Provinsi Riau. Sebelum dilakukan pemodelan, dimulai dengan mendeteksi perubahan struktur dan estimasi jumlah breaks. Hasil penelitian menunjukkan terjadi perubahan struktur dengan breakpoint pada t = 47 yaitu Januari 2011, sehingga banyaknya regime adalah 2 antara lain “curah hujan normal” dan “curah hujan terdampak El Nino”. Pemodelan MSAR memberikan hasil model terbaik yaitu MS(2)-AR(1). Model tersebut menujukkan Peluang perpindahan regime dari “curah hujan normal” ke “curah hujan terdampak El Nino” adalah sebesar sebesar 69.59% yang artinya curah hujan di Provinsi Riau cenderung dipengaruhi oleh terdampak El Nino. Penelitian ini diharapkan dapat membantu pemerintah dalam mengatasi bencana kekeringan dan kebakaran hutan khususnya di Provinsi Riau.

Downloads

Download data is not yet available.

References

Misnawati, M., Boer, R., June, T., & Faqih, A. (2018). Perbandingan metodologi koreksi bias data curah hujan chirps. Limnotek: Perairan Darat Tropis Di Indonesia, 25(1).

Wijayanti, P., Noviani, R., & Tjahjono, G. A. (2015). DAMPAK PERUBAHAN IKLIM TERHADAP IMBANGAN AIR SECARA METEOROLOGISDENGAN MENGGUNAKAN METODE THORNTHWAITE MATHER UNTUK ANALISISKEKRITISAN AIR DI KARST WONOGIRI. Geomedia: Majalah Ilmiah Dan Informasi Kegeografian, 13(1).

Utoyo, B. (2007). Geografi: Membuka Cakrawala Dunia, untuk Kelas X Sekolah Menengah Atas. Bandung: Setia Purna Inves.

Sulistya, W. (2000). Dampak El Nino dab La Nina Terhadap Musim di Jawa Tengah, Semarang.

Ropelewski, C. F., & Halpert, M. S. (1987). Global and regional scale precipitation patterns associated with the El Niño/Southern Oscillation. Monthly Weather Review, 115(8), 1606–1626.

BPPT. (2002). Hubungan Antara Enso Dengan Variasi Curah Hujan Di Indonesia. Jurnal Sains & Teknologi Modifikasi Cuaca, Vol. 3, No. 1.

Chow, G. C. (1960). Tests of equality between sets of coefficients in two linear regressions. Econometrica: Journal of the Econometric Society, 591–605.

Zeileis, A., Kleiber, C., Krämer, W., & Hornik, K. (2003). Testing and dating of structural changes in practice. Computational Statistics & Data Analysis, 44(1–2), 109–123.

Chen, M.-Y. (2013). Time series analysis: Conditional volatility models. Department of Finance, National Chung Hsing University.

Zylstra, R. R. (1994). Normality tests for small sample sizes. Quality Engineering, 7(1), 45–58.

Wang, W., Van Gelder, P., Vrijling, J. K., & Ma, J. (2005). Testing and modelling autoregressive conditional heteroskedasticity of streamflow processes. Nonlinear Processes in Geophysics, 12(1), 55–66.

Tsai, C.-F. (2012). The application of grey theory to Taiwan pollution prediction. Proceedings of the World Congress on Engineering, 2, 2–7

Downloads

Published

2021-12-30

How to Cite

Ammar Taqiyyuddin, T. ., & Nugraha Faqih, . I. . (2021). Pemodelan Markov Switching Autoregressive (MSAR) Pada Prediksi Curah Hujan: Studi Kasus Curah Hujan Provinsi Riau Tahun 2007-2021. Prosiding Seminar Nasional Statistika, 10, 30. https://doi.org/10.1234/pns.v10i.99