Peramalan Tinggi Gelombang Laut Dengan Metode Vector Autoregressive-Radial Basis Function Network (Var-Rbfn)
DOI:
https://doi.org/10.36456/jstat.vol13.no2.a3270Keywords:
Tinggi Gelombang Laut, Forecasting, VAR, VAR-RBFNNAbstract
Salah satu sektor maritim yang penting adalah transportasi laut yang berupapelayaran. Masyarakat dalam melaksanakan kegiatan pelayaran memerlukaninformasi cuaca harian seperti tinggi gelombang yang terjadi di tengah lautmelalui laporan yang dikeluarkan Badan Meteorologi, Klimatologi, dan Geofisi-ka(BMKG). Dalam hal ini adalah tinggi gelombang laut untuk wila-yah Pekalongan, Rembang dan Semarang. Memodelkan ketiga vari-abel yang saling berhubungan dapat digunakan pendekatan Vector Autoregressive (VAR). Namun terdapat pola nonlinier sehingga digunakan pemodelan Radial Basis Function Network (RBFN). Ber-dasarkan hasil analisis, diperoleh nilai MSE training untuk variable Pekalongan sebesar 0,04, variabel Rembang sebesar 0,06 ,variabel Semarang sebesar 0,0399 dan MSE testing untuk variabel Pekalon-gan sebesar 2,315, Rembang sebesar 1,0053 ,variabel Semarang 0,0334. Sedangkan untuk R Square diperoleh untuk variabel Pek-alongan sebesar 0,7601, variabel Rembang sebesar 0,8309 dan vari-abel Semarang sebesar 0,7978.
References
Aldrian, E., 2008. Meteorologi Laut Indonesia, Jakarta: Pusat Penelitian dan pengmbangan Badan, Meteorologi, Klimatologi, dan Geofisika.
Fausett, L. (1994). Fundamentals of Neural Networks: Architecture, Algorithms and Applications.New Jersey:
Prentice-Hall.Hutabarat,S. 2008. Pengantar Oseanografi. Jakarta. Universitas Indonesia Press.
Kusumadewi, S. 2004. Membangun Jaringan Syaraf Tiruan Mengunakan Matlab dan Excel Link. Yogyakarta: Graha Ilmu.
Makridakis, S., Wheelwright, S.C. and McGee, V.E. 1999, Metode dan Aplikasi Peramalan, Buku Pertama, Edisi Kedua, Erlangga, Jakarta.
Nezky, M. 2013. Pengaruh Krisis Ekonomi Amerika Serikat terhadap Bursa Saham dan Perdagangan Indonesia. Buletin Ekonomi Moneter dan Perbankan, Januari 2013.
Rosadi, D. 2011. Analisis Ekonometrik & Runtun Waktu Terapan dengan R. Yogyakarta: AndiSoejoeti, Z. 1987. Analisis Runtun Waktu. Jakarta: Universitas Terbuka.
Terasvirta, T., Lin, C. F, & Granger, C. W. J. 1993. Power of the Neural Networks Linearity Test, Journal of Time Series AnalysisVol.14 hal.159-171.







