Model Time Series Untuk Data Long Memory (Studi Kasus : Kecepatan Angin Periode 01 Januari 2021 - 31 Maret 2022)

Sari, Dewi Ratna (2022) Model Time Series Untuk Data Long Memory (Studi Kasus : Kecepatan Angin Periode 01 Januari 2021 - 31 Maret 2022). Bachelor thesis, Institut Teknologi Kalimantan.

	Text 02181010_cover.pdf Download (1MB)
	Text 02181010_abstract_en.pdf Restricted to Registered users only until 1 October 2023. Download (1MB) | Request a copy
	Text 02181010_abstract_id.pdf Download (1MB)
	Text 02181010_chapter_1.pdf Restricted to Registered users only until 1 October 2023. Download (7MB) | Request a copy
	Text 02181010_chapter_2.pdf Restricted to Registered users only until 1 October 2023. Download (215kB) | Request a copy
	Text 02181010_chapter_3.pdf Restricted to Registered users only until 1 October 2023. Download (4MB) | Request a copy
	Text 02181010_chapter_4.pdf Restricted to Registered users only until 1 October 2023. Download (282kB) | Request a copy
	Text 02181010_conclusions.pdf Restricted to Registered users only until 1 October 2023. Download (1MB) | Request a copy
	Text 02181010_bibliography.pdf Restricted to Registered users only until 1 October 2023. Download (2MB) | Request a copy
	Text 02181010_paper.pdf Restricted to Repository staff only until 1 October 2023. Download (344kB) | Request a copy
	Text 02181010_Lembar Persetujuan Publikasi Ilmiah (Form. TA-020).pdf Restricted to Repository staff only until 1 October 2023. Download (151kB) | Request a copy

Abstract

Angin adalah aliran udara dalam jumlah besar yang diakibatkan oleh rotasi bumi dan juga karena adanya perbedaan tekanan udara disekitarnya. Angin sangat penting bagi kehidupan sehari hari, dimana angin selalu tersedia setiap waktu sehingga angin sangat banyak dimanfaatkan salah satunya untuk membangkitkan listrik baik seperti untuk penerangan dan lain-lainnya. Kecepatan angin sangat berpengaruh dalam penerbangan sehingga informasi kecepatan angin sangat penting. Oleh karena itu, diperlukan prediksi kecepatan angina untuk memprediksi kecepatan angin dapat dilakukan peramalan. Peramalan adalah suatu kegiatan memprediksi kondisi dimasa yang akan datang (Bahtiar, 2014). Penyelesaian yang dilakukan menggunakan model Seasonal Autoregressive Fractionally Integrated Moving Average (SARFIMA) menggunakan metode Extract Maximum Likelihood (EML) dan Geweke and Porter-Hudak (GPH). Model Seasonal Autoregressive Fractionally Integrated Moving Average (SARFIMA) memiliki parameter d dan D berupa nilai pecahan. Hasil analisis menunjukkan pada kasus ini menggunakan metode Extract Maximum Likelihood (EML) dengan model yang tepilih yaitu SARFIMA 〖(2,d ,0)(2,D ,0)〗^7 dengan nilai estimasi d_EML= -0.3 dan D_EML= -0.1 serta nilai akurasi MAPE sebesar 23.03% yang dapat disimpulkan hasil perhitungan menunjukkan peramalan cukup baik.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > HA Statistics Q Science > Q Science (General) Q Science > QA Mathematics
Divisions:	Jurusan Matematika dan Teknologi Informasi > Matematika
Depositing User:	Dewi Ratna Sari
Date Deposited:	19 Jul 2022 06:28
Last Modified:	19 Jul 2022 06:28
URI:	http://repository.itk.ac.id/id/eprint/18923

Actions (login required)

View Item