PENERAPAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) UNTUK PREDIKSI BILANGAN SUNSPOT

  • Felia Dria Yuliawanti Universitas Islam Negeri Sunan Ampel Surabaya
  • Dian C. Rini Novitasari Universitas Islam Negeri Sunan Ampel Surabaya https://orcid.org/0000-0003-1593-6808
  • Nanang Widodo Balai Pengamatan Antariksa dan Atmosfer Pasuruan
  • Abdulloh Hamid Universitas Islam Negeri Sunan Ampel Surabaya https://orcid.org/0000-0001-8842-2037
  • Wika Dianita Utami Universitas Islam Negeri Sunan Ampel Surabaya
Keywords: Prediksi, Sunspot, Autoregressive Integrated Moving Average, ARIMA

Abstract

Peristiwa magnetik pada matahari ditandai dengan salah satu tanda yaitu munculnya sunspot atau bintik matahari. Sunspot terletak di fotosfer matahari yang memiliki warna lebih gelap dari pancaran sekitarnya. Tujuan dari penelitian ini adalah untuk memprediksi bilangan sunspot dengan menggunakan metode ARIMA. Metode ARIMA dilakukan dengan melihat plot ACF dan PACF untuk mendapatkan model yang akan digunakan dalam prediksi. Penelitian ini menggunakan data bilangan sunspot yang dimulai dari bulan Januari tahun 1987 hingga bulan Desember 2019 sebanyak 396 data. Dari data tersebut didapatkan 4 model ARIMA yaitu ARIMA(3,1,2), ARIMA(3,1,1), ARIMA(2,1,2), ARIMA(2,1,1). Dari keempat model tersebut, model terbaik yang digunakan untuk prediksi yaitu ARIMA(2,1,2) dengan nilai AIC sebesar -884,87.

Downloads

Download data is not yet available.

References

D. Hasanah, R. A, “Pengelompokkan Sunspot pada Citra Matahari dengan Menggunakan K-Means Clustering,†MathVisioN, vol. 01, no. 02, pp. 72–78, 2019, [Online]. Available: url:http://journal.unirow.ac.id/index.php/mv.

S. Nisa’, Estimator Kernel Epanechnikov dan Kernel Triangle pada Data Rata-Rata Bulanan Bilangan Sunspot, NOAA. Undergraduate [thesis]. Malang: Universitas Islam Negeri Maulana Malik Ibrahim, 2016. [Online]. Available: http://etheses.uin-malang.ac.id/2895/.

G. S. Budhi, R. Adipranata, M. Sugiarto, B. Anwar, and B. Setiahadi, “Pengelompokan Sunspot Pada Citra Digital Mahatari Menggunakan Metode Clustering Dbscan,†Semin. Nas. Apl. Teknol. Inf. 2011, vol. 2011, no. Snati, pp. 17–18, 2011, [Online]. Available: https://www.neliti.com/publications/176344/pengelompokan-sunspot-pada-citra-digital-mahatari-menggunakan-metode-clustering.

M. A. Zufar, Perbandingan Metode ARIMA dengan RBFNN dalam Peramalan Rata-Rata Banyaknya Bilangan Sunspot. Undergraduate [thesis]. Malang: Universitas Islam Negeri Maulana Malik Ibrahim, 2018. [Online]. Available: http://etheses.uin-malang.ac.id/13954/.

Y. Monita, D. C. R. Novitasari, N. Widodo, and A. Z. Arifin, “Penggunaan Metode Backpropagation Untuk Peramalan Jumlah Ledakan Matahari (Flare),†MathVisioN, vol. 1, no. 02, pp. 67–71, 2019, [Online]. Available: url:http://journal.unirow.ac.id/index.php/mv.

U. Yus’an and E. Puspitaningrum, “Mendeteksi Aktivitas Matahari dengan Mengamati Evolusi Plage dan Sunspot Menggunakan Software Kesehatan,†Media Dirgant., vol. 9, no. 4, 2014, [Online]. Available: https://majalah.lapan.go.id/index.php/md/article/download/245/232.

S. Suwanto, Prediksi Bilangan Sunspot menggunakan Support Vector Regression (SVR). Undergraduate [thesis]. Surabaya: Universitas Islam Negeri Sunan Ampel, 2019. [Online]. Available: http://digilib.uinsby.ac.id/id/eprint/38114.

W. E. Cahyono, “Dampak Aktivitas Matahari Terhadap Kenaikan Temperatur Global,†J. Ber. Dirgant., vol. 11, no. 1, pp. 1–5, 2010, [Online]. Available: http://jurnal.lapan.go.id/index.php/berita_dirgantara/article/view/1159.

A. Lusiani, “Pemodelan Autoregressive Integrated Moving Average (ARIMA) Curah Hujan Di Kota Bandung,†Sigma-Mu, vol. 3, pp. 9–25, 2011, [Online]. Available: https://jurnal.polban.ac.id/sigmamu/article/view/874.

B. A. Marzouk, “Statistical method to predict the sunspots number,†NRIAG J. Astron. Geophys., vol. 7, no. 2, pp. 175–179, 2018, [Online]. Available: https://doi.org/10.1016/j.nrjag.2018.08.001.

H. Hartati, “Penggunaan Metode Arima Dalam Meramal Pergerakan Inflasi,†J. Mat. Sains dan Teknol., vol. 18, no. 1, pp. 1–10, 2017, [Online]. Available: http://jurnal.ut.ac.id/index.php/jmst/article/view/163.

N. Salwa, N. Tatsara, R. Amalia, and A. F. Zohra, “Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average),†J. Data Anal., vol. 1, no. 1, pp. 21–31, 2018, [Online]. Available: http://www.jurnal.unsyiah.ac.id/JDA/article/view/11874.

A. A. Wiliyana, M. Y. Darsyah, and U. M. Semarang, “Perbandingan Metode ARIMA Dan Moving Average Pada Kasus Harga Gula Pasir Di Jakarta,†Pros. Semin. Nas. Mhs. Unimus, vol. 1, pp. 361–367, 2018, [Online]. Available: https://www.researchgate.net/profile/Moh_Darsyah/publication/339350281_Perbandingan_Metode_ARIMA_Dan_MOVING_AVERAGE_Pada_Kasus_Harga_Gula_Di_Jakarta/links/5e4ca3bf92851c7f7f457594/Perbandingan-Metode-ARIMA-Dan-MOVING-AVERAGE-Pada-Kasus-Harga-Gula-Di-Jakarta.pdf.

S. Chattopadhyay, D. Jhajharia, and G. Chattopadhyay, “Trend estimation and univariate forecast of the sunspot numbers: Development and comparison of ARMA, ARIMA and Autoregressive Neural Network models,†Comptes Rendus - Geosci., vol. 343, no. 7, pp. 433–442, 2011, [Online]. Available: http://dx.doi.org/10.1016/j.crte.2011.07.008.

D. A. Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN,†Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p. 78, 2019, [Online]. Available: https://jurnal.unimed.ac.id/2012/index.php/cess/article/view/11458.

N. Chamidah, . W., and U. Salamah, “Pengaruh Normalisasi Data pada Jaringan Syaraf Tiruan Backpropagasi Gradient Descent Adaptive Gain (BPGDAG) untuk Klasifikasi,†J. Teknol. Inf. ITSmart, vol. 1, no. 1, p. 28, 2016, [Online]. Available: https://jurnal.uns.ac.id/itsmart/article/view/582.

M. L. Tauryawati and M. I. Irawan, “Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG,†J. Sains dan Seni ITS, vol. 3, no. 2, pp. A34–A39, 2014, [Online]. Available: http://ejurnal.its.ac.id/index.php/sains_seni/article/view/7985.

R. N. Anityaloka and A. N. Ambarwati, “Peramalan Saham Jakarta Islamic Index Menggunakan Metode ARIMA Bulan Mei-Juli 2010,†Statistika, vol. 1, no. 1, pp. 1–5, 2013, [Online]. Available: http://103.97.100.145/index.php/statistik/article/view/733.

W. H. Lailiyah and D. Manuharawati, “Penerapan Metode Autoregressive Integrated Moving Average (Arima) pada Peramalan Nilai Ekspor Di Indonesia,†Ilm. Mat., vol. 6, no. 3, pp. 45–52, 2018, [Online]. Available: https://jurnalmahasiswa.unesa.ac.id/index.php/mathunesa/article/view/26373.

A. Sutcliffe, “Timeâ€series forecasting using fractional differencing,†J. Forecast., vol. 13, no. 4, pp. 383–393, 1994, [Online]. Available: https://onlinelibrary.wiley.com/doi/abs/10.1002/for.3980130404.

R. Nurmalasari and D. Ispriyanti, “Analisis Faktor-Faktor Yang Mempengaruhi Indeks Pembangunan Manusia (IPM),†Bul. Ilm. Math.Stat dan Ter., vol. 8, no. 1, pp. 111–120, 2019, [Online]. Available: http://ejournal-s1.undip.ac.id/index.php/gaussian.

P. Mondal, L. Shit, and S. Goswami, “Study of Effectiveness of Time Series Modeling (Arima) in Forecasting Stock Prices,†Int. J. Comput. Sci. Eng. Appl., vol. 4, no. 2, pp. 13–29, 2014, [Online]. Available: https://www.researchgate.net/publication/276197260.

C. Domański, “Properties of Jarque-Bera test,†Acta Univ. Lodz. Folia Oeconomica, vol. 235, no. 6 2, 2010, [Online]. Available: http://cejsh.icm.edu.pl/cejsh/element/bwmeta1.element.hdl_11089_340.

R. Wahyudi and L. Martha, “Analisis Modal Intelektual Dan Kinerja Keuangan Serta Pengaruhnya Terhadap Nilai Perusahaan,†INA-Rxiv, 2019, [Online]. Available: https://osf.io/preprints/inarxiv/j5e9u/.

Published
2021-09-01
How to Cite
[1]
YuliawantiF., NovitasariD., WidodoN., HamidA., and UtamiW., “PENERAPAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) UNTUK PREDIKSI BILANGAN SUNSPOT”, BAREKENG: J. Il. Mat. & Ter., vol. 15, no. 3, pp. 555-564, Sep. 2021.