• Bagikan:
• 
• 
• 
• 
• 
• 
• 

Text  

Model Generalized Space Time Autoregressive with ARCH Error (GSTAR-ARCH) dan Penerapannya terhadap Data Curah Hujan pada Wilayah Rawan Bencana di Pulau Jawa

---

• Ketersediaan
• Informasi Detil
• Deskripsi
• Versi lain/terkait
• Komentar

• Code	CallNo	Lokasi	Ketersediaan
  010030008095	519.5 Sha m/R.14.89.1	Perpustakaan Pusat (REF.14.89.1)	Tersedia

• Perpustakaan	Perpustakaan Pusat
  Judul Seri	-
  No. Panggil	519.5 Sha m/R.14.89.1
  Penerbit	Magister Statistika Terapan : Bandung., 2018
  Deskripsi Fisik	xiii, 93 hlm. ; il. ; 29 cm
  Bahasa	Indonesia
  ISBN/ISSN	-
  Klasifikasi	519.5
  Tipe Isi	-
  Tipe Media	-
  Tipe Pembawa	-
  Edisi	-
  Subyek	1. GSTAR 2. fu~CH 3. Curah Hujan 4. Bobot In
  Info Detil Spesifik	-
  Pernyataan Tanggungjawab	SHAILLA RUSTIANA

• Curah hujan merupakan salah satu parameter cuaca dan iklim yang memiliki tingkat keragaman yang tinggi, baik secara temporal (waktu) maupun spasial (lokasi). Beberapa penyimpangan yang disebabkan oleh curah hujan tak jarang menyebabkan beeeaaa hidrometeorolegi yaag dapat merugikaa masyarakat, sehingga model prediksi terhadap curah hujan sangat dibutuhkan di Indonesia. Sa1ah sa.tu model. multivariat time series \J.t1Wk me};~a.n data. curah h:u:,ian dikenal dengan nama model Generalized Space Time Autoregressive (GSTAR) yang merupakan salah satu bentuk khusus dari Vector Autoregressive (V AR). Model GST AR mengasumsikan parameter AR maupun parameter space time berbeda untuk setiap lokasi, sehingga model tersebut berlaku untuk karakteristik Iokasi yang heterogen. Data curah hujan diketahui sangat beragam dari segi waktu juga lokasi yang diamati, schingga mcnycbabkan varians residual dari data tcrscbut tidak k9!1§t~!1 (h~t~r9§k~dastj§). lJt:rrnJ~ .JIleJ1gat~§i pe.l1!la§~J~haJ1 tersebut, diperlukan suatu model Autoregressive Conditional Heteroskedasticity (ARCH). Dalam penelitian ini dikaji gabungan antara model GSTAR dengan ARCH, dinamakan model GSTAR-ARCH yang dapat digunakan untuk prediksi data curah hujan di Indonesia yang diamati seeara simultan berdasarkan waktu serta lokasi dengan asumsi terdapat varians error yang tidak konstaa. Pada penelitian ini, model GST AR-ARCH diterapkan untuk meramalkan data eurah hujan bulanan saat musim penghujan (DJF) pada wilayah rawan bene ana di Pulau Jawa bagian barat diwakili oleh Kabupaten Bandung, Garut, Ciamis, dan Pangandaran. Bobot lokasi yang .digunakan adalah hobot invers jarak dan menghasilkan nilai Mean Absolute Percentage Error (MAPE) data in-sample dan out-sample lebih keeil dibandingkan dengan model GSTAR-ARCH dengan bobot lokasi seragam. Error model GST AR-ARCH dalam penelitian ini juga memenuhi

• Tidak tersedia versi lain

• Silakan login dahulu untuk melihat atau memberi komentar.