i
Metode SARIMA Untuk Meramalkan
Produksi Padi dengan Indikator Curah Hujan
Kabupaten Boyolali Jawa Tengah
periode 2012
LAPORAN PENELITIAN
Diajukan kepada Fakultas Teknologi Informasi
Untuk Memperoleh Gelar Sarjana Komputer
Peneliti :
Andreas Eka Apriyadi 672007245 Sri Yulianto Joko Prasetyo, S.Si., M.Kom.
Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana
ii
iii
Kata Pengantar
Puji syukur kepada Tuhan Yesus Kristus yang telah menyatakan kasih karunia-Nya, sehingga penulis mampu
menyelesaikan tugas akhir yang berjudul “Metode SARIMA Untuk Meramalkan Produksi Padi dengan Indikator Curah Hujan Kabupaten Boyolali Jawa Tengah periode 2012”. Tugas akhir ini disusun sebagai persyaratan akhir kelulusan di Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana.
Dalam menyelesaikan skripsi ini, penulis tidak lepas dari dukungan berbagai pihak. Oleh karena itu, dengan segala kerendahan hati penulis ingin mengucapkan banyak terima kasih kepada :
1. Bapak Andeka Rocky Tanaamah, SE., M.Cs., selaku Dekan Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Salatiga.
2. Bapak Dian W. Chandra, S.Kom., M.Cs., selaku Ketua Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Salatiga.
3. Bapak Sri Yulianto Joko Prasetyo, S.Si., M.Kom., selaku pembimbing yang telah membantu penulis dari awal hingga akhir penyelesaian tugas akhir ini.
4. Ayah dan Ibu dan seluruh keluarga yang banyak memberikan doa dan dukungan selama menyelesaikan tugas akhir ini. 5. Staff pengajar, Tata Usaha dan Karyawan Fakultas Teknologi
iv
diberikan selama ini. Semuanya adalah pengalaman berharga yang tidak akan penulis lupakan.
6. Anak-anak Kost Dipo 7 yang sudah banyak merepotkan dan membuat saya semakin susah membuat skripsi ini.
7. Trimakasih buat teman-teman yang sudah mengsupport saya Nana, Christ, Nanda, Milan, Gosong, Handrian, Atyb, Mas Ata dll yang tidak dapat disebutkan satu persatu.
8. Teman teman JI yang sudah senasib sepenanggungan, anz, gepeng, prian, dobby, gilang, dan lainnya.
Penulis menyadari bahwa laporan ini sangat jauh dari kesempurnaan, sehingga merupakan suatu kehormatan bila penulis menerima kritik dan saran untuk penelitian ini.Akhir kata, kiranya Skripsi ini dapat memberikan manfaat baik bagi penulis sendiri, bagi Fakultas Teknologi Informasi UKSW Salatiga, maupun bagi pihak-pihak yang membaca tulisan ini.
Salatiga, November 2012
v
Daftar Isi
SKRIPSI... i
Halaman Persetujuan ... ii
Kata Pengantar. ... iii
Daftar Isi ... v
Daftar Gambar ... vii
Daftar Tabel ... ix
Daftar Kode Program ... x
Abstract ... xii
Tinjauan Pustaka ... 7
2.1Penelitian Sebelumnya ... 7
Metode Perancangan Sistem ... 16
3.1 Metode Penelitian ... 16
3.2 Analisis Sistem ... 17
3.2.1 Analisis Kebutuhan Sistem ... 18
3.2.3 Analisis Kebutuhan Perangkat Lunak dan Keras ... 19
Bab 4 ... 20
Hasil dan Pembahasan ... 20
4.1 Implementasi Sistem dan Hasil Perhitungan ... 20
4.1.1 Peramalan Curah Hujan ... 20
4.1.2 Peramalan Padi Sawah ... 28
4.1.3 Peramalan padi ladang ... 37
vi
4.1.5 Menampilkan Data peramalan Curah hujan Kedalam
Peta... 47
4.1.6 Menampilkan Data peramalan Padi Sawah Kedalam Peta... 49
4.1.7 Menampilkan Data peramalan Padi Ladang Kedalam Peta... 50
4.1.8 Hasil Peramalan ... 52
Bab 5 ... 53
Kesimpulan dan Saran ... 53
5.1 Kesimpulan ... 53
5.2 Saran ... 53
vii
Daftar Gambar
Gambar 2.1 Prosedur Box-Jenkis untuk pembentukan Model
ARIMA ... 12
Gambar 3.1 Model tahapan Penelitian ... 16
Gambar 4.1.1.1 Plot Time Series dari data curah hujan ... 21
Gambar 4.1.1.2 Plot ACF dan PCAF dari data curah hujan ... 21
Gambar 4.1.1.3 Tahap differencing Plot ACF dan PCAF dari data curah hujan ... 22
Gambar 4.1.1.4 Plot ACF dan PCAF dari data curah hujan yang telah didefferencing ... 23
Gambar 4.1.1.5 Output tahap cek pada model SARIMA ... 26
Gambar 4.1.1.6 Plot ramalan batas atas dan batas bawah pada data curahhujan ... 27
Gambar 4.1.1.7 Hasil kode program 4.1.1.7 ... 27
Gambar 4.1.2.1 Plot Time Series dari data padi sawah ... 30
Gambar 4.1.2.2 Plot ACF dan PCAF dari data padi sawah ... 30
Gambar 4.1.2.3 Tahap differencing Plot ACF dan PCAF dari data padi sawah... 31
Gambar 4.1.2.4 Plot ACF dan PCAF dari data padi sawah yang telah didefferencing ... 32
Gambar 4.1.2.5 Output tahap cek pada model SARIMA ... 35
Gambar 4.1.2.6 Plot ramalan batas atas dan batas bawah pada data padi sawah ... 35
Gambar 4.1.2.7 Hasil kode program 4.1.2.7 ... 36
Gambar 4.1.3.1 Plot Time Series dari data padi ladang ... 38
Gambar 4.1.3.2 Plot ACF dan PCAF dari data padi ladang ... 38
Gambar 4.1.3.3 Tahap differencing Plot ACF dan PCAF dari data padi ladang ... 39
Gambar 4.1.3.4 Plot ACF dan PCAF dari data padi ladang yang telah didefferencing ... 40
Gambar 4.1.3.5 Output tahap cek pada model SARIMA ... 43
Gambar 4.1.3.6 Plot ramalan batas atas dan batas bawah pada data padi ladang ... 43
Gambar 4.1.3.7 Hasil kode program 4.1.3.7 ... 44
Gambar 4.1.4.1 Input hasil peramalan curah hujan, padi sawah, padi ladang ... 45
Gambar 4.1.4.2 Peta surakarta ... 46
Gambar 4.1.4.3 Peta boyolali... 47
viii
ix
Daftar Tabel
x
Daftar Kode Program
Kode 4.1.1.1 Perintah untuk Memanggil dan menampilkan plot time
series, ACF, dan PACF ... 20
Kode Program 4.1.1.2 perintah untuk differencing dan identifikasi bentuk ACF dan PACF dari data yang sudah stasioner ... 22
Kode Program 4.1.1.3 Dugaan model 1... 24
Kode Program 4.1.1.4 Dugaan model 2... 24
Kode Program 4.1.1.6 tahap cek diagnosa dan peramalan ... 25
Kode 4.1.1.7 hasil prediksi tahun 2012 ... 27
Kode Program 4.1.2.1 Perintah untuk Memanggil dan menampilkan plot time series, ACF, dan PACF ... 29
Kode Program 4.1.2.2 perintah untuk differencing dan identifikasi bentuk ACF dan PACF dari data yang sudah stasioner ... 31
Kode Program 4.1.2.3 Dugaan model 1... 32
Kode Program 4.1.2.4 Dugaan model 2... 33
Kode Program 4.1.2.5 Dugaan model 3... 33
Kode Program 4.1.2.6 tahap cek diagnosa dan peramalan ... 34
Kode Program 4.13 4.1.2.7 hasil prediksi tahun 2012 ... 36
Kode Program 4.1.3.1 Perintah untuk Memanggil dan menampilkan plot time series, ACF, dan PACF ... 37
Kode Program 4.1.2.2 perintah untuk differencing dan identifikasi bentuk ACF dan PACF dari data yang sudah stasioner ... 39
Kode Program 4.1.2.3 Dugaan model 1... 40
Kode Program 4.1.3.4 Dugaan model 2... 41
Kode Program 4.1.3.5 Dugaan model 3... 42
Kode Program 4.1.3.6 tahap cek diagnosa dan peramalan ... 42
Kode Program 4.1.3.7 hasil prediksi tahun 2012 ... 44
Kode Program 4.1.4.2 memanggil library ... 45
Kode Program 4.1.4.2 memanggil peta surakarta ... 46
Kode Program 4.1.4.3 memotong peta Surakarta ... 46
Kode Program 4.1.5.1 menampilkan peta boyolali ... 47
Kode Program 4.1.5.2 menentukan range peramalan curah hujan dan menampilkan hasil peramalan curah hujan ke peta boyolali ... 47
Kode Program 4.1.5.3 menampilkan legenda peta curah hujan boyolali tahun 2012 ... 48
Kode Program 4.1.6.1 menampilkan peta boyolali ... 48
xi
Kode Program 4.1.6.3 menampilkan legenda peta peramalan hasil panen boyolali tahun 2012 ... 49 Kode Program 4.1.7.1 menampilkan peta boyolali ... 49 Kode Program 4.1.7.2 menentukan range peramalan padi ladang dan menampilkan hasil peramalan hasil panen padi ke peta boyolali .... 50 Kode Program Program 4.1.7.3 menampilkan legenda peta
xii
Abstract
Rainfall according BMKG (the Meteorology, Climatology and Geophysics) Rain is a tangible form of liquid precipitation. Itself can be either solid precipitation (eg, snow and hail) or aerosol (such as dew and fog). Precipitation (precipitation) are liquids or solids derived from condensation or condensation moisture that falls from the clouds to the earth's surface. Planting rice field soil tillage is usually preceded by perfectly while farmer nurseries. Rice garden is rice planted gardens in the moor, gardens, fields. In the rice planting gardens is relatively easier compared to rice filed. Autoregressive Integrated Moving Average (ARIMA) is a development of the model Autoregressive Integrated Moving Average (ARIMA) on time series data that have a seasonal pattern. Model Autoregressive Integrated Moving Average (ARIMA) is one of the popular models in forecasting a time series approach. ARIMA model consists of three main forms, namely models AR, MA, and ARMA. Box-Jenkis procedure is a standard procedure that is widely used in the ARIMA model building. This procedure consists of four iterative stages in the formation of ARIMA models in a time series data, namely the identification, estimation, diagnostic checking, and forecasting. In general, seasonal ARIMA or SARIMA models (Sesional Autoregressive Integrated Moving Average) consists of two kinds of models alone or seasonal ARIMA (P, D, Q) S and multiplicative seasonal ARIMA models and nonmusiman or ARIMA (p, d, q) (P , D, Q) S, the S is the seasonal period. ACF and PACF of the available data and are stationary indicates that the seasonal lag-lag ACF and PACF tends dies down.