242 juta jiwa
3 juta jiwa
Cuaca terdiri dari seluruh fenomena yang terjadi di atmosfer Bumi atau sebuah planet
lainnya. Cuaca biasanya merupakan sebuah aktivitas fenomena ini dalam waktu
beberapa hari[4].
PENERAPAN METODE FILTER KALMAN DALAM PERBAIKAN HASIL PREDIKSI CUACA DENGAN METODE ARIMA
Oleh:
Tomy Kurniawan (1210 100 030) Bersama:
Drs. Lukman Hanafi, M.Sc Dr. Erna Apriliani, M.Si
Dosen Penguji :
Prof. Dr. Basuki Widodo, M.Sc Drs. Iis Herisman, M.Sc
c
Rabu, 29 Januari 2014
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Latar
Belakang Rumusan Masalah
Batasan
Masalah Tujuan Manfaat
PREDIKSI
CUACA
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Latar
Belakang Rumusan Masalah
Batasan
Masalah Tujuan Manfaat
Adapun rumusan masalah yang diangkat pada tugas akhir ini yaitu
1. Bagaimana penerapan metode time series pada data pengamatan oleh BMKG
2. Bagaimana penerapan metode Filter Kalman dalam perbaikan prediksi
cuaca
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Latar
Belakang Rumusan Masalah
Batasan
Masalah Tujuan Manfaat
Tugas akhir ini memiliki batasan
1. Analisis deret waktu (time series) menggunakan software minitab16 dengan metode ARIMA (Autoregressive Integrated Moving Average) Box-Jenkins pada data pengamatan oleh BMKG pada bulan Januari-April 2013.
2. Parameter yang diestimasi adalah suhu udara dan kecepatan angin 3. Estimasi pada polinomial dengan n = 2
4. Simulasi dengan menggunakan software Minitab16, Matlab R2010a, dan
Microsoft Excel
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Latar
Belakang Rumusan Masalah
Batasan
Masalah Tujuan Manfaat
Tujuan dari penulisan tugas akhir ini adalah
1. Menganalisa dan mengevaluasi pola dari data yang ada dengan menggunakan time series metode ARIMA Box-Jenkins.
2. Menganalisa dan mengevaluasi hasil perbaikan prediksi cuaca dengan
menggunakan metode Filter Kalman.
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Latar
Belakang Rumusan Masalah
Batasan
Masalah Tujuan Manfaat
Manfaat dari tugas akhir ini adalah
1. Mampu memberikan kontribusi di dunia penelitian ilmu pengetahuan mengenai penerapan metode time series pada suatu data agar mengetahui pola yang sesuai
2. Mampu memberikan informasi mengenai penerapan metode Kalman Filter dalam mengestimasi parameter
3. Sebagai rujukan untuk penelitian selanjutnya yang berkenaan dengan cuaca
maupun faktornya
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Time Series Model Filter
Kalman
Time series adalah serangkaian pengamatan terhadap suatu variabel yang diambil dari waktu ke waktu dan dicatat secara berurutan menurut urutan waktu kejadiannya dengan
interval waktu yang tetap (Wei, 1990).
1. Kestasioneran Data
2. Evaluasi Kemungkinan Model
3. Peramalan
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Cuaca Model Filter
Kalman
dengan
sehingga
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Cuaca Model Filter
Kalman
Filter Kalman adalah salah satu metode yang digunakan untuk mengestimasi variable keadaan dari sistem dinamik stokastik linear diskrit yang meminimumkan kovarian error estimasi yang diperkenalkan pertama kali oleh Rudolph, E. Kalman pada tahun 1960 yaitu tentang suatu penyelesaian rekursif pada masalah filtering data diskrit yang linear [11].
Analisa model data dan peramalan dengan Time series ARIMA Box-Jenkins
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Penerapan Metode Filter Kalman dan Simulasi dengan Software Matlab
Memberikan kesimpulan dan saran serta penyusunan laporan Studi literatur.
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Analisis Model Data dan peramalan
DATA
STASIONERITASUJIPENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Analisis Model Data dan peramalan
DATA
STASIONERITASUJIPENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Analisis Model Data dan peramalan
PLOT ACF DAN PACF STASIONERITASUJI
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Analisis Model Data dan peramalan
KEMUNGKINANUJI MODEL PLOT ACF
DAN PACF
model white noise significant keterangan
3,1,1 x x -
3,1,0 x x -
0,1,1 x v -
1,1,1 v v tanpa konstanta
2,1,1 x x -
2,1,0 x v -
1,1,0 x v -
model white noise significant keterangan
2,1,1 v x -
1,1,0 x v -
1,1,1 v x -
0,1,1 v v tanpa konstanta
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Analisis Model Data dan peramalan
MODEL YANG SESUAI KEMUNGKINANUJI
MODEL
Dari bentuk umum ARIMA Box-Jenkins,
sehingga untuk ARIMA (1,1,1) adalah
dengan Dan untuk ARIMA (0,1,1) adalah
sehingga dengan
sehingga
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Analisis Model Data dan peramalan
PERAMALAN 120 DATA MODEL YANG
SESUAI
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Penerapan Metode Filter Kalman dan Simulasi dengan Software Matlab
Karena dalam estimasi ini akan mengambil polinomial dengan n=2, sehingga
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Penerapan Metode Filter Kalman dan Simulasi dengan Software Matlab
- 8 8
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Penerapan Metode Filter Kalman dan Simulasi dengan
Software Matlab
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Penerapan Metode Filter Kalman dan Simulasi dengan
Software Matlab
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Analisis Simulasi
Dan pada Gambar 4.19 - 4.24 dapat diamati bahwa kondisi yang paling sesuai untuk mengestimasi nilai polinomial yang nantinya berguna sebagai perbaikan prediksi dari ARIMA melalui minitab dengan Filter Kalman adalah disaat menggunakan kondisi pada simulasi III pada data suhu udara dan kondisi simulasi III pada data kecepatan angin. Dapat dibandingkan dari gambar simulasi I, simulasi II, dan simulasi III pada data suhu udara maka yang simulasi III menunjukkan hasil prediksi yang lebih akurat dan mendekati data aslinya seperti yang ditunjukkan pada Gambar 4.23. Sedangkan dapat juga dibandingkan dari gambar simulasi I, simulasi II, dan simulasi III pada data kecepatan angin maka yang simulasi III menunjukkan hasil prediksi yang lebih akurat dan mendekati data aslinya seperti yang ditunjukkan pada Gambar 4.24.
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
Analisis Simulasi
Metode yang digunakan dalam penelitian ini yaitu Mean Absolute Percentage Error (MAPE) yang merupakan nilai tengah kesalahan persentase nilai mutlak dari suatu peramalan.
Didefinisikan [10]
No. Model Nilai MAPE 1 minitab 2,20288828 2 KF simulasi I 2,100066667 3 KF simulasi II 1,98968 4 KF simulasi III 1,935357143
No. Model Nilai MAPE
1 minitab 28,90889689
2 KF simulasi I 19,0153
3 KF simulasi II 19,30076
4 KF simulasi III 18,73821429
Dari seluruh proses yang telah dibahas di atas dapat disimpulkan bahwa model data adalah ARIMA (1,1,1) untuk suhu udara dan ARIMA (0,1,1) untuk kecepatan angin. Selain itu, penggunaan algoritma Filter Kalman mempunyai pengaruh baik terhadap perbaikan hasil prediksi terbukti dari nilai MAPE pada data suhu udara dengan ARIMA adalah 2,20288828 sedangkan nilai MAPE dengan Filter Kalman mempunyai nilai yang lebih kecil yaitu 1,935357143. Hal yang sama juga belaku pada data kecepatan angin dimana penggunaan algoritma Filter Kalman mempunyai pengaruh baik terhadap perbaikan hasil prediksi terbukti dari nilai MAPE dengan ARIMA adalah 28,90889689 sedangkan nilai MAPE dengan Filter Kalman mempunyai nilai yang lebih kecil yaitu 18,73821429.
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP [1] Anonim. (2013). 10 Negara Dengan Jumlah Penduduk Terbanyak di Dunia.
{http://suhadahanum.blogspot.com/2013/09/10-negara-dengan-jumlah- penduduk.html}. di akses tanggal 27 Agustus 2013.
[2] Anonim. (2013). 10 Kota Terpadat di Indonesia.
{http://pengetahuanpintars.com/2013/11/10-kota-terpadat-di-indonesia.html}.
diakses tanggal 29 Agustus 2013.
[3] Anonim. (2013). Penerbangan Juanda dihentikan akibat cuaca buruk.
{http://antaranews.com/2013/12/penerbangan-juanda-dihentikan-akibat-cuaca- buruk.html}. diakses tanggal 12 September 2013.
[4] Anonim. (2013). Cuaca. {http://wikipedia.com/2013/09/cuaca.html}.
diakses tanggal 29 Agustus 2013.
[5] Zakir, A. Analisis dan Pengembangan Sistem Metode Prakiraan Cuaca di Bidang Informasi Meteorologi. Tugas Akhir, Universitas Gunadarma : Jakarta.
[6] Wei, W. S. (1990). Time Analysis Univariate and Multivariate Methods. America : Addison Wesley Publishing Company, Inc. : Amerika.
[7] Makridakis, McGee, dan Wheelwright, W. (1999). Metode dan Aplikasi Peramalan.
Edisi ke-dua. Bina Rupa Aksara : Jakarta.
PENDAHULUAN TINJAUAN
PUSTAKA METODE
PENELITIAN ANALISIS
PEMBAHASAN PENUTUP
[8] Pancahayani, S. (2011). Estimasi Lintasan Misil Dengan Metode Ensemble Kalman Filter. Tugas Akhir, Jurusan Matematika, ITS : Surabaya.
[9] Galanis, G., Louka, P., Katsafados, P., Kallos, G., dan Phytharoulis, I.
(2006). Application of Kalman Filter Based On Non-Linear Function to Numerical Weather Prediction. Copernicus GmbH : Yunani.
[10] Hanke, J. E., Wichern, D. W. (2005). Business Forcasting Eight Edition.
Prentice Hall. :United States of America.
[11] Fadlilah, A. (2012). Perbandingan Metode Extended Kalman Filter (EKF) dan Ensemble Kalman Filter (EnKF) untuk Mendeteksi Waktu Terjadinya Kerak Pada Alat Penukar Panas, Tugas Akhir Jurusan Matematika, ITS : Surabaya.
[12] Daniel, W. (1989). Statistika Non Parametrik Terapan. PT. Gramedia : Jakarta.
[13] Welch, G. dan Bishop, G. (2001). An Introduction to the Kalman Filter.
University of North Carolina : Chapel Hill : Amerika.
PENDAHULUAN TINJAUAN PUSTAKA
METODE
PENELITIAN JADWAL
KEGIATAN DAFTAR PUSTAKA
