PERAMALAN CURAH HUJAN BULANAN MENGGUNAKAN METODE ADAPTIVE SPLINES THRESHOLD AUTOREGRESSION (ASTAR) SEBAGAI PENCEGAH KEKERINGAN LAHAN PERTANIAN PADI DI KABUPATEN MADIUN

Muktar Redy Susila1, I Gede Surya Adi Prayoga2, I Made Bayu Kurniawan3, Charisma Darma Mayangsari4, Luh Ade Arista Dwi Astarini51,2,3,4,5Institut Teknologi Sepuluh Nopember, 1muktarredys@gmail.com, 2igprayoga@gmail.com, 3kim.bayy@gmail.com, 4charisma10@mhs.statistika.its.ac.id 5aristadwiastarini@rocketmail.com

AbstrakKabupaten Madiun merupakan salah satu kabupaten yang berpotensi sebagai penghasil padi yang besar. Pada akhir-akhir ini terjadi perubahan cuaca yang tidak tentu yang menyebabkan petani di Kabupaten Madiun sulit untuk menduga kapan musim tanam yang sesuai agar diperoleh hasil panen yang maksimum. Kesalahan dalam menduga musim tanam dapat mengakibatkan bencana kekeringan lahan pertanian sehingga produktivitas lahan menurun. Salah satu upaya pencegahan terjadinya kekeringan adalah dengan mengetahui lebih awal besar curah hujan di masa yang akan datang sehingga dapat direncanakan masa tanam yang sesuai. Penelitian ini bertujuan untuk meramalkan curah hujan bulanan di Kabupaten Madiun tahun 2014 dan 2015. Metode peramalan yang digunakan adalah metode Adaptive Splines Threshold Autoregression (ASTAR). Berdasarkan penelitian sebelumnya, metode ASTAR mempunyai akurasi tinggi dan sesuai digunakan untuk meramalkan curah hujan di Indonesia. Dari hasil penelitian diperoleh 81 kemungkinan model ASTAR. Model ASTAR terbaik dipilih berdasarkan nilai GVC yang terkecil. Diperoleh bahwa GCV terkecil dihasilkan oleh model yang menggunakan 22 fungsi basis dan 11 prediktor. Model tersebut kemudian digunakan untuk peramalan sehingga diperoleh ramalan curah hujan tahun 2014 dan 2015.

Kata Kunci: ASTAR, curah hujan, peramalan.

Pengantar Singkat PenelitianPenelitian ini bertujuan untuk meramalkan curah hujan bulanan di Kabupaten Madiun agar petani di Kabupaten Madiun dapat merencanakan masa tanam padi yang sesuai. Peramalan dilakukan menggunakan model ASTAR terbaik berdasarkan nilai GCV.

Metode PenelitianMetode ASTARmerupakan metode analisis deret waktu non linear yang berdasarkan algoritma Regresi Spline Adaptif Berganda atau yang sering dikenal MultivariateAdaptive Regression Splines (MARS) [1]. Penelitian sebelumnya menunjukkan bahwa untuk kasus peramalan curah hujan, metode ASTAR lebih baik dari metode ARIMA dan fungsi transfer [2]. Metode ASTAR mempunyai akurasi tinggi asalkan kondisi hujannya tidak fluktuaktif [3]. Penelitian ini hanya menggunakan satu variabel yaitu curah hujan bulanan di Kabupaten Madiun. Prediktor yang digunakan adalah data curah hujan pada lag-lag yang signifikan. Model ASTAR terbaik dipilih berdasarkan nilai GCV terkecil.

Hasil PenelitianDengan menggunakan model ASTAR terbaik diperoleh ramalan curah hujan tahun 2014 dan 2015 sebagai berikut.

Pustaka [1]Boer, R., dan Sutikno (2004). Model Prediksi Curah Hujan dengan Regresi Splines Adaptif Berganda (Using Multivariate Adaptive Regression Spline to Predict Monthly Rainfall). Jurnal Agroment, 18 (1), 36-52. [2] Otok, B. W. dan Suhartono (2009). Development of Rainfall Forecasting Model in Indonesia by Using ASTAR, Transfer Function, and ARIMA Methods. European Jurnal of Scientific Reseach, 38(3), 386-395.[3] Bekti R. D., Istriana, Susanti P., & Sutikno (2010). Prakiraan Cuaca dengan Metode Autoregressive Integrated Moving Average, Neural Network, dan Adavtive Splines Threshold Autoregression di Stasiun Juanda Surabaya. Jurnal Sains Dirgantara, 8 (1), 43-61.2