PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU

Transkripsi

1 Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp ISSN 93-3 prin/issn online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani Desvina, Ranawai 1, Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau 1 aripanidesvina@gmail.com, recharecha55@yahoo.com ABSTRAK Curah hujan merupakan salah sau unsur dari cuaca dan iklim, yang memiliki hubungan dinamis erhadap unsur-unsur cuaca lainnya seperi dengan emperaur udara, kelembaban udara, dan lain-lain. Model Vecor Auoregressive (VAR) merupakan salah sau model yang digunakan unuk menenukan peramalan. Tujuan peneliian ini yaiu unuk menenukan peramalan curah hujan dengan variabel yang lain di koa Pekanbaru dengan menggunakan model Vecor Auoregressive (VAR). VAR merupakan suau sisem persamaan yang memperlihakan seiap variabel sebagai fungsi linear dari konsana dan nilai lag (lampau) dari variabel iu sendiri, sera nilai lag dari variabel lain yang ada dalam model. Daa yang digunakan dalam peneliian ini adalah daa runun waku yaiu daa unsur-unsur cuaca dan iklim yaiu curah hujan, kelembaban udara dan emperaur udara yang diperoleh dari BMKG koa Pekanbaru bulan Okober 11 sampai Desember 11. Hasil analisis pada peneliian ini mendapakan model yang sesuai unuk daa curah hujan koa Pekanbaru adalah model VAR(). Hasil peramalan diperoleh bahwa curah hujan mengalami kenaikan dan penurunan yang idak signifikan dari hari ke hari. Kaa kunci: Curah hujan, model VAR, model VAR() ABSTRACT Rainfall is one of he elemens of weaher and climae, which has a dynamic relaionship o oher weaher elemens such as air emperaure, air humidiy, and ohers. Vecor Auoregressive (VAR) model is one of he model ha used o deermine forecasing. The purpose of research is o deermine he forecasing of rainfall hrough oher variables in Pekanbaru wih VAR. The daa ha is used in his case is ime series daa, hose are elemens of weaher and climae, air humidiy and air emperaure ha were obained from BMKG Pekanbaru from Ocober 11 o December 11. The appropriae model ha has been obained for rainfall daa in Pekanbaru is he VAR() model. The resuls show ha rainfall forecasing has increased and decreased non-significanly from day o day. Key Words: Rainfall, VAR model, VAR() model PENDAHULUAN Cuaca dan iklim merupakan salah sau komponen ekosisem alam sehingga kehidupan manusia, hewan dan umbuh-umbuhan idak erlepas dari pengaruh alam dengan segala prosesnya. Cuaca dan iklim memiliki hubungan dinamis erhadap unsur-unsur cuaca yang lain seperi kelembaban udara, emperaur udara dan curah hujan (Gunarsih, 0). Informasi daa curah hujan sanga berguna dalam berbagai bidang dianaranya perairan, perhubungan dan peranian. Bidang perhubungan, peramalan curah hujan digunakan unuk menenukan apakah keadaan cuaca mendukung unuk digunakannya media ransporasi (khususnya pesawa erbang dan kapal lau). Bidang perairan, peramalan curah hujan digunakan unuk menenukan musim curah hujan aau musim kemarau. Peramalan dapa membanu permasalahan yang akan imbul seperi kekurangan aaupun kekeringan air. Secara umum manfaa informasi daa curah hujan adalah meningkakan kewaspadaan erhadap akiba negaif yang dapa diimbulkan oleh curah hujan sehingga erhindar dari kerugian dan bencana. Berdasarkan penjelasan ersebu maka perlu dilakukan peramalan enang daa runun waku curah hujan besera unsur-unsur yang berkaian unuk periode mendaang. Peramalan unuk daa runun waku curah hujan, kelembaban udara dan emperaur udara dapa dilakukan dengan model runun waku unggal (univaria) dan dapa juga dilakukan secara bersamaan (mulivaria). Salah sau meode peramalan yang dapa digunakan dalam model bersama 151

2 Desvina/Penerapan Model Vecor Auoregressive (VAR) adalah Vecor Auoregressive (VAR) (Enders, 1995). Terdapa banyak peneliian yang menggunakan VAR, dianaranya Hidayaullah (11) menggunakan analisis VAR unuk menganalisis pengaruh harga migas erhadap indeks harga konsumen (IHK). Diah (0) menggunakan analisis VAR unuk meramalkan harga saham PT. Indofood Sukses Makmur Indonesia Tbk. S. Yonahan (03) peneliian analisis VAR erhadap korelasi anara pendapaan nasional dan invesasi Pemerinah di Indonesia. Menginga peningnya mengeahui daa curah hujan di waku yang akan daang, maka peneliian ini membahas masalah enang prediksi erhadap curah hujan dengan variabel yang lain di koa Pekanbaru. Tujuan peneliian ini yaiu unuk menenukan peramalan curah hujan dengan variabel yang lain di koa Pekanbaru dengan menggunakan model Vecor Auoregressive (VAR). Manfaa dari peneliian ini adalah sebagai sarana informasi bagi Pemerinah mengenai daa curah hujan di koa Pekanbaru pada waku yang akan daang, sehingga memudahkan Pemerinah dalam menenukan kebijakan, proses pengambilan kepuusan dan membua rencana masa depan. Tinjauan Pusaka Unsur Cuaca dan Iklim Curah hujan merupakan keinggian air hujan yang erkumpul dalam empa yang daar, idak menguap, idak meresap dan idak mengalir (Handoko, 1993). Curah hujan juga didefinisikan sebagai inggi air (mm) yang dierima permukaan sebelum mengalami aliran permukaan, evaporasi dan peresapan kedalam anah. Kelembaban udara adalah jumlah uap air di udara (amosfer) pada saa dan empa erenu. Kelembaban udara dienukan oleh jumlah uap air yang erkandung di dalam udara. Temperaur udara adalah keadaan panas aau dinginnya udara (Lakian 0). Peramalan sanga diperlukan dalam berbagai bidang, yaiu keika suau prediksi masa depan harus diikuserakan dalam proses pengambilan kepuusan. Sebagai conoh, prediksi enang pencemaran udara, kualias iar, laju pengangguran, laju inflasi dan beberapa hal yang berkaian dengan penenuan kebijakan pemerinah. Peramalan proses menduga sesuau yang akan erjadi di masa yang akan daang. Menuru eori peramalan (forecasing) adalah perkiraan mengenai sesuau yang belum erjadi. Vecor Auoregressive (VAR) VAR merupakan suau sisem persamaan yang memperlihakan seiap variabel sebagai fungsi linear dari konsana dan nilai lag (lampau) dari variabel iu sendiri, sera nilai lag dari variabel lain yang ada dalam model. Definisi dari model VAR adalah semua variabel yang ada di dalam model VAR adalah endogeneous. Secara umum model VAR lag p unuk n peubah dapa diformulasikan sebagai beriku (R Ajija S dkk, 11) : Y A0 A1Y 1 ApY p e (1) dengan adalah vekor berukuran yang berisi peubah yang masuk dalam model VAR pada waku dan, adalah vekor inersep berukuran, adalah mariks koefisien berukuran unuk seiap, adalah vekor sisaan berukuran yaiu ( ), adalah lag VAR, adalah periode amaan. Model dari VAR yang erdiri dari dua variabel dan 1 lag adalah : VAR(1): (3) Persamaan () dan (3) dapa dibenuk ke dalam mariks sehingga menjadi : [ ] [ ] [ ] [ ] [ ] () Asumsi-asumsi yang harus dipenuhi dari daa imes series agar erbenuk model VAR adalah sasioner bersama dan independensi error (error idak ada auokorelasi). Uji Pormaneau digunakan unuk melakukan diagnosik erhadap independensi error. Adapun hipoesis uji Pormaneau adalah (error idak ada auokorelasi)lawan (error erdapa auokorelasi). Saisik uji Pormaneau adalah sebagai beriku (Enders, 1995): ( ) (5) dengan adalah banyak pengamaan unuk error, adalah mariks korelasi error model VAR berukuran, adalah mariks korelasi error model VAR sampai lag ke p Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp

3 Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp ISSN 93-3 prin/issn online berukuran, adalah lag VAR, adalah banyak parameer VAR. Saisik Q mengikui sebaran Chi-Square dengan deraja bebas. Jika nilai maka erima yang berari error idak ada auokorelasi. Langkah-Langkah dalam Membenuk Model VAR Proses membenuk model VAR dapa dilakukan dengan enam langkah dasar. Langkah perama yaiu uji kesasioneran daa, langkah kedua penenuan lag VAR, langkah keiga uji kausalias Granger, langkah keempa esimasi parameer model VAR, langkah kelima menenukan hasil peramalan unuk waku yang akan daang dan langkah keenam uji kebaikan hasil peramalan. Perama sekali yang harus dienukan adalah apakah daa ime series yang hendak dilakukan peramalan adalah saionary aau nonsaionary. Jika idak saionary, kia perlu mengubah daa ime series iu kepada daa ime series yang saionary dengan melakukan differencing beberapa kali sampai daa ime series ersebu adalah saionary. Saionary aau non-saionary suau daa dapa diuji dengan menggunakan uji saisik yaiu uji uni roo. Terdapa beberapa uji saisik yang dapa digunakan unuk menenukan saionary aau non-saionary. Uji yang sering digunakan adalah uji Augmened Dickey Fuller (ADF), uji ini dilakukan dengan menggunakan persamaan sebagai beriku: n y y y () dengan i i i1 i; i1,, n adalah parameer, adalah waku rend variabel dan adalah rala (Brocklebank e. al, 03). Uji berikunya adalah dengan menggunakan uji Phillips Perron (PP), persamaannya adalah: y y (7) dengan, adalah parameer, adalah 0 1 waku rend variabel dan adalah rala (Maddala, 199). Selain kedua uji ersebu, uji Kwiakowski Phillips Schmid Shin (KPSS) juga dapa digunakan unuk menguji saionary aau non-saionary daa, dengan persamaannya adalah (Wai e. al, 0): ' ' y 0 () Selain uji uni roo, plo Auocorrelaion funcion (ACF) dan Parial auocorrelaion funcion (PACF) dapa juga digunakan unuk menenukan kesasioneran daa. Seelah uji kesasioneran maka perlu dilakukan penenuan lag yang digunakan unuk menenukan panjang lag opimal yang akan digunakan dalam analisis selanjunya dan akan menenukan esimasi parameer unuk model VAR. Penenuan lag VAR dapa dienukan dengan menggunakan AIC (Akakike Informaion Crierion), SIC (Schwarz Informaion Crierion) dan HQ (Hannan-Quinn Informaion Crierion). AIC, SIC dan HQ mengukur kebaikan model yang memperbaiki kehilangan deraja bebas keika lag ambahan dimasukan dalam model. VAR dienukan oleh nilai lag yang menghasilkan AIC, SIC dan HQ paling kecil (Brocklebank, e.al, 03). Krieria unuk menguji lag VAR dengan saisik AIC, SIC dan HQ adalah: ( ) ( ) ( ) ( ) (9) ( ) ( ) dengan adalah jumlah pengamaan, adalah lag dari variabel, adalah banyaknya variabel, ( ) adalah deerminan mariks varian covarian error. Seelah lag VAR diperoleh maka langkah berikunya yaiu uji kausalias Granger. Uji kausalias Granger adalah suau uji yang dapa digunakan unuk menganalisis hubungan kausalias anar variabel yang diamai (R. Ajijja S dkk, 11). Uji kausalias Granger digunakan unuk meliha arah hubungan dianara variabelvariabel. Model persamaan kausalias Granger adalah persamaan unresriced dan persamaan resriced. Persamaan unresriced yaiu variabel bebas yang diserakan dalam model adalah nilai lag dari semua variabel yang ada, dengan benuk persamaan yaiu: () dengan adalah nilai variabel pada waku ke-, adalah banyak lag, adalah koefisien dari lag ke variabel pada model unresriced, adalah koefisien dari lag kevariabel ke, adalah nilai variabel pada lag ke-, yang mana lebih besar dari, error pada waku ke-. Sedangkan model 153

4 Desvina/Penerapan Model Vecor Auoregressive (VAR) persamaan resriced yaiu variabel bebas yang diserakan dalam model hanya nilai lag dari variabel ak bebas iu sendiri (variabel ): (11) dengan adalah error pada waku ke-. Ada aau idaknya kausalias dapa diuji melalui uji. Persamaan unuk adalah sebagai beriku : ( ) () ( ) dengan adalah nilai jumlah kuadra error dalam persamaan resriced, adalah jumlah kuadra error dalam persamaan unresriced, adalah banyak observasi, adalah banyak lag, k adalah banyaknya parameer yang diesimasi didalam persamaan unresriced. Adapun hipoesis dalam uji kausalias Granger adalah (lag pada variabel bebas idak mempengaruhi lag pada variabel bebas) lawan (lag pada variabel bebas mempengaruhi lag pada variabel bebas). Jika aau probabilias maka olak. Uji kausalias dapa mengeahui variabel-variabel mana yang memiliki hubungan kausalias. Seelah model semenara diperoleh maka perlu dilakukan esimasi parameer dari modelmodel semenara ersebu. Esimasi parameer dapa dilakukan dengan menggunakan meode kuadra erkecil. Hasil esimasi parameer yang diperoleh harus diuji signifikansinya, sehingga model yang kia dapakan benar-benar model yang sesuai unuk daa (Sembiring, 1995). Seelah melewai semua ahap dan memperoleh model maka langkah berikunya dalam model VAR yaiu peramalan. Model VAR yang erbenuk dari daa digunakan unuk melakukan peramalan yang melipui raining dan peramalan. Tahap peramalan raining, daa yang digunakan adalah akual perama hingga daa akual erakhir. Selanjunya pada ahap peramalan, daa yang digunakan yaiu daa akhir dari daa akual. Langkah erakhir adalah menenukan kebaikan model peramalan dengan menggunakan koefisien deerminasi. BAHAN DAN METODE Daa Peneliian Daa yang digunakan dalam peneliian ini adalah daa runun waku yaiu daa unsur-unsur cuaca dan iklim yaiu curah hujan, kelembaban udara dan emperaur udara yang diperoleh dari BMKG koa Pekanbaru bulan Okober 11 sampai Desember 11. Meode Peneliian Daa yang digunakan dalam proses membenuk model VAR dilakukan dengan banuan sofware miniab dan EVIEWS. Prosedur peneliian mempunyai auran-auran khusus dalam memasukkan daa unuk dianalisis, yang disebu sebagai prosedur simulasi seperi diunjukkan pada gambar dibawah ini: MULAI Daa unsur-unsur cuaca dan iklim yaiu curah hujan, kelembaban udara dan emperaur udara yang diperoleh dari BMKG koa Pekanbaru bulan Okober-Desember 11 Perhiungan Model VAR: Perama, uji kesasioneran daa. Tenukan saionary dari daa asal, jika idak saionary lakukan diferensing unuk beberapa kali sampai daa ersebu saionary. Kedua, Tenukan lag VAR dengan uji AIC, SIC dan HQ. Keiga, lakukan uji kausalias Granger unuk meliha arah hubungan dianara variabel-variabel. Keempa, menenukan esimasi parameer seiap model. Kelima, menenukan hasil peramalan unuk waku yang akan daang. Keenam, uji kebaikan hasil peramalan dengan menggunakan koefisien deerminasi. Ceak hasil: Model VAR unuk daa dan hasil prediksi curah hujan di Koa Pekanbaru SELESAI Gambar 1. Flowchar Meodelogi Peneliian HASIL DAN PEMBAHASAN a. Saisik Deskripif Daa Jumlah Curah Hujan, Kelembaban Udara dan Temperaur Udara Analisis deskripif unuk daa jumlah curah hujan, kelembaban udara dan emperaur udara zz jhg11 erdapa pada abel beriku ini: Tabel 1. Saisik Deskripif Jumlah Curah Hujan, Kelembaban Udara dan Temperaur Udara Koa Pekanbaru Variabel N Mean Min Max Curah hujan 9.5 Kelembaban Udara Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp

5 emperaur udara Curah Hujan kelembaban Udara Auocorrelaion Parial Auocorrelaion Auocorrelaion Parial Auocorrelaion Parial Auocorrelaion Auocorrelaion Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp ISSN 93-3 prin/issn online bccv Berdasarkan Tabel 1 dikeahui bahwa raaraa perhari jumlah curah hujan, kelembaban udara dan emperaur udara adalah.5 mm, 7. % dan.71 0 C. Jumlah curah hujan eringgi adalah mm pada hari ke- bulan Okober dan erendah adalah mm pada hari ke-1 bulan November. Jumlah kelembaban udara eringgi adalah 9% pada hari ke-17 bulan Desember dan erendah adalah % pada hari ke-9 bulan November. Jumlah emperaur udara eringgi adalah 9. 0 C pada hari ke-13 bulan Okober dan erendah adalah C pada hari ke- bulan Desember. b. Pembenukan Model Peramalan Curah Hujan Prosedur dalam pembenukan model VAR yaiu uji sasionerias daa, penenuan lag opimal, uji kausalias Granger, esimasi parameer, uji asumsi model VAR, penerapan model unuk peramalan dan kebaikan model peramalan., eapi unuk hari berikunya erjadi kesabilan kembali hingga hari ke 9. Maka dapa dikaakan raa-raa dan varians dari daa curah hujan adalah konsan sehingga daa dikaakan sasioner. Pada plo daa kelembaban udara dan emperaur udara menunjukkan bahwa erjadi kesabilan daa dari hari perama hingga hari ke-9. Sehingga dapa dikaakan raa-raa dan varians dari daa kelembaban udara dan emperaur udara adalah konsan sehingga daa dikaakan sasioner. Beriku plo ACF dan PACF daa jumlah curah hujan, kelembaban udara dan emperaur udara koa Pekanbaru yaiu: - Auocorrelaion Funcion for curah hujan (wih 5% significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for curah hujan (wih 5% significance limis for he parial auocorrelaions) Uji Sasionerias Daa Jumlah Curah Hujan, Kelembaban Udara dan Temperaur Udara Plo ime series daa asal jumlah curah hujan, kelembaban udara, emperaur udara koa Pekanbaru dari bulan Okober- Desember 11 dapa diliha pada grafik beriku ini: Auocorrelaion Funcion for kelembaban Udara (wih 5% significance limis for he auocorrelaions) Auocorrelaion Funcion for emperaur udara (wih 5% significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for kelembaban Udara (wih 5% significance limis for he parial auocorrelaions) - Parial Auocorrelaion Funcion for emperaur udara (wih 5% significance limis for he parial auocorrelaions) Time Series Plo of Curah Hujan Index Time Series Plo of emperaur udara 3 5 Hari Time Series Plo of kelembaban Udara Gambar. Plo Daa Akual Jumlah Curah Hujan, Kelembaban Udara dan Temperaur Udara Koa Pekanbaru Berdasarkan plo curah hujan ersebu secara kasa maa dapa diliha bahwa ciriciri daa menunjukkan erjadi kesabilan daa dari hari perama sampai hari ke 19 dan mengalami peningkaan pada hari ke Hari Gambar 3. Plo ACF dan PACF Daa Akual Jumlah Curah Hujan, Kelembaban Udara dan Temperaur Udara Koa Pekanbaru Plo daa ACF dan PACF dikaakan sasioner apabila plo ACF dan PACF urun secara eksponensial. Berdasarkan plo ACF dan PACF daa curah hujan, kelembaban udara dan emperaur udara koa Pekanbaru pada Gambar 3 menunjukkan bahwa daa idak sasioner karena lag-lag pada fungsi auokorelasi idak urun secara eksponensial. Sehingga unuk mensasionerkan daa perlu dilakukan differencing. Selanjunya plo ACF dan PACF dari daa hasil differencing disajikan pada grafik pada Gambar beriku: 155

6 Auocorrelaion Parial Auocorrelaion Auocorrelaion Parial Auocorrelaion Auocorrelaion Parial Auocorrelaion Desvina/Penerapan Model Vecor Auoregressive (VAR) - Auocorrelaion Funcion for curah hujan (wih 5% significance limis for he auocorrelaions) Auocorrelaion Funcion for kelembaban Udara (wih 5% significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for curah hujan (wih 5% significance limis for he parial auocorrelaions) - Parial Auocorrelaion Funcion for kelembaban Udara (wih 5% significance limis for he parial auocorrelaions) Berdasarkan hasil pada Tabel menunjukkan bahwa nilai AIC lebih kecil dibandingkan dengan nilai SIC dan HQ yaiu pada lag, yang berari bahwa panjang lag opimal adalah lag. - - Auocorrelaion Funcion for emperaur udara (wih 5% significance limis for he auocorrelaions) - - Parial Auocorrelaion Funcion for emperaur udara (wih 5% significance limis for he parial auocorrelaions) Gambar. Plo ACF dan PACF Hasil Differencing Perama Daa Jumlah Curah Hujan, Kelembaban Udara dan Temperaur Udara Grafik ACF dan PACF seelah differencing perama pada Gambar menunjukkan bahwa daa jumlah curah hujan/kelembaban udara/emperaur udara di koa Pekanbaru sudah sasioner karena lag-lag pada ACF dan PACF hasil differencing perama urun secara eksponensial. Berdasarkan plo ACF dan PACF daa jumlah curah hujan, kelembaban udara dan emperaur udara elah sasioner pada diferensing perama. Penenuan Panjang Opimal Keseluruhan daa elah sasioner pada ingka differencing perama, maka ahap selanjunya yaiu menenukan panjang lag opimal yang akan digunakan dalam model VAR. Beriku adalah hasil penenuan panjang lag pada Tabel yaiu: Uji Kausalias Granger Seelah diperoleh panjang lag opimal maka selanjunya adalah dilakukan uji kausalias Granger unuk mengeahui ada aau idaknya kausalias anar variabel. Beriku adalah hasil uji kausalias Granger yang disajikan dalam Tabel 3: Tabel 3. Uji Kausalias Granger Hipoesis Null Obs F- Kelembaban Udara idak mempengaruhi Curah Hujan Curah Hujan idak mempengaruhi Kelembaban Udara Temperaur Udara idak mempengaruhi Curah Hujan Curah Hujan idak mempengaruhi Temperaur Udara Saisik P-value Berdasarkan hasil pengujian kausalias Granger pada Tabel 3 ersebu diperoleh bahwa: 1. a. Kelembaban udara idak mempengaruhi curah hujan Kelembaban udara mempengaruhi curah hujan Tabel. Panjang Opimal AIC SC HQ * *.359* Uji saisik : Jika nilai P-value maka diolak. Berdasarkan hasil pengujian diperoleh nilai P-value sehingga dierima yang berari bahwa kelembaban udara idak mempengaruhi curah hujan. b. Curah hujan idak mempengaruhi kelembaban udara Curah hujan mempengaruhi kelembaban udara Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp

7 Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp ISSN 93-3 prin/issn online Uji saisik : Jika nilai P-value maka diolak. Berdasarkan hasil pengujian diperoleh nilai P-value sehingga diolak yang berari bahwa Curah hujan mempengaruhi kelembaban udara.. a. Temperaur udara idak mempengaruhi curah hujan Temperaur udara mempengaruhi curah hujan Uji saisik : Jika nilai P-value maka diolak. Berdasarkan hasil pengujian diperoleh nilai P-value sehingga diolak yang berari bahwa emperaur udara mempengaruhi curah hujan. b. Curah hujan idak mempengaruhi emperaur udara Curah hujan mempengaruhi emperaur udara Uji saisik : Jika nilai P-value maka diolak. Berdasarkan hasil pengujian diperoleh nilai P-value sehingga diolak yang berari bahwa curah hujan mempengaruhi emperaur udara. Berdasarkan uji kausalias Granger dapa disimpulkan bahwa curah hujan memiliki hubungan searah erhadap kelembaban udara dan memiliki hubungan imbal balik erhadap emperaur udara. Esimasi Parameer Tahap selanjunya adalah mengesimasi nilai dari parameer VAR. Pada uji sebelumnya diperoleh panjang lag adalah yang erdiri dari 3 variabel sehingga model yang didapa unuk esimasi parameer adalah VAR(). Adapun persamaan dari model ersebu adalah : CU CU CU KU 13 TU KU TU (13) KU TU KU 3 TU 5 30 KU 33 TU 35 CU CU KU TU 1 KU 3 TU 3 CU 3 CU () (15) dengan adalah curah hujan pada waku, adalah kelembaban udara pada waku, adalah emperaur udara pada waku. Beriku adalah hasil esimasi parameer model VAR() yang disajikan dalam abel beriku: Tabel. Esimasi Parameer Model VAR() Para meer Koefisien Para meer Koefisien Para meer Koefisien Berdasarkan Tabel, model VAR() pada Persamaan (13), () dan (15) yang erbenuk adalah: CU.73 0CU 0.CU KU TU 1.0KU 9.5TU 0.5TU KU KU 7.TU CU 7TU 1 1 KU KU 7TU 5. CU TU CU KU 1CU 17 Persamaan (), (17) dan () dapa dibenuk ke dalam benuk mariks sehingga menjadi : CU.73 KU TU

8 Error Desvina/Penerapan Model Vecor Auoregressive (VAR) CU CU KU KU TU TU (19) Uji Asumsi Model VAR Berdasarkan langkah perama uji sasionerias, diperoleh bahwa variabelvariabel dalam model VAR sasioner bersama yaiu pada ingka differencing perama. Berdasarkan uji Pormaneau menggunakan banuan Eviews diperoleh nilai Q-saisik yaiu dan Chisquare adalah.7, karena Q-saisik < Chi-square yang berari erima sehingga menunjukkan bahwa error idak ada auokorelasi. Hal ini juga dapa diliha melalui plo dari error pada lampiran E yang disajikan pada Gambar 5 beriku : Time Series Plo of Error 7 3 Gambar 5. Grafik Error Daa Peramalan Curah Hujan Koa Pekanbaru Berdasarkan plo pada Gambar 5 bahwa error idak membenuk suau pola erenu dan erdisribusi disekiar nol. Sehingga dapa disimpulkan bahwa sifa inerpendensi pada error erpenuhi. Dengan demikian, asumsi pada model VAR erpenuhi. Penerapan Model unuk Peramalan Seelah diperoleh model peramalan VAR yaiu model VAR() dengan iga variabel, maka model dapa digunakan unuk peramalan. Selanjunya model digunakan unuk peramalan yang dibedakan unuk daa raining dan peramalan pada waku yang akan daang. Daa raining yaiu daa yang digunakan unuk membangun model peramalan. Penulis menggunakan daa raining sebanyak 9 daa yaiu daa dari 01 5 Hari Okober 11 sampai anggal 31 Desember11. Peramalan menggunakan model VAR() dengan Persamaan (19) pada perhiungan peramalan daa raining diperoleh peramalan curah hujan, kelembaban udara dan emperaur udara koa Pekanbaru pada hari keiga adalah.779 cm, %, dan C. Langkah selanjunya yang dilakukan adalah meramalkan curah hujan koa Pekanbaru unuk BMKG koa Pekanbaru pada waku yang akan daang. Akan dilakukan peramalan curah hujan unuk hari yang akan daang yaiu 01 Januari sampai Januari. Unuk hasil peramalan akan disajikan dalam Tabel 5 beriku: Tabel 5. Daa Hasil Peramalan Curah Hujan Koa Pekanbaru No Tanggal Ramalan ( ) 1 01-Jan- 0-Jan Jan- 0-Jan Jan- 0-Jan Jan- 0-Jan Jan- -Jan- Berdasarkan Tabel 5 dapa diliha hasil peramalan curah hujan koa Pekanbaru dari BMKG koa Pekanbaru pada anggal 01 Januari sampai Januari mengalami peningkaan dan penurun yang idak berbeda jauh dari hari ke hari. Kebaikan Model unuk Peramalan Nilai digunakan unuk menenukan kebaikan model unuk peramalan. Dengan kaa lain, menggambarkan berapa persen model ersebu dapa menggambarkan daa akual. yang diperoleh adalah aau 57.7 %. Hal ini berari 57.7 % model VAR sesuai unuk peramalan curah hujan koa Pekanbaru menggunakan variabel kelembaban udara dan emperaur udara. Selanjunya.3 % dapa dilakukan peramalan curah hujan koa Pekanbaru menggunakan variabel lain yang Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp

9 Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp ISSN 93-3 prin/issn online lebih berpengaruh secara signifikan. Seelah melakukan langkah-langkah peramalan menggunakan model VAR, diperoleh bahwa nilai ramalan curah hujan koa Pekanbaru yang dihasilkan idak mengalamai peningkaan dan penurunan secara signifikan dari hari ke hari. Hal ini dikarenakan hanya emperaur udara yang memberikan pengaruh signifikan erhadap curah hujan di koa Pekanbaru KESIMPULAN DAN SARAN Kesimpulan Berdasarkan hasil pembahasan bahwa model yang diperoleh unuk peramalan curah hujan koa Pekanbaru dari BMKG koa Pekanbaru dengan menggunakan langkah-langkah model VAR adalah model VAR(). Nilai yang diperoleh adalah aau 57.7 %. Hal ini berari 57.7 % model ersebu sesuai unuk peramalan curah hujan koa Pekanbaru menggunakan variabel kelembaban udara dan emperaur udara. Selanjunya.3 % peramalan curah hujan koa Pekanbaru dipengaruhi oleh variabel-variabel lain. Hal ini dikarenakan hanya emperaur udara yang memberikan pengaruh signifikan erhadap curah hujan koa Pekanbaru sehingga menyebabkan peramalan curah hujan koa Pekanbaru pada anggal 01 Januari sampai Januari idak mengalami peningkaan dan penurunan yang signifikan dari hari ke hari. Saran Peneliian ini hanya membahas enang peramalan curah hujan koa Pekanbaru dengan variabel kelembaban udara dan emperaur udara menggunakan model VAR, dengan demikian bagi para pembaca, agar melakukan peramalan curah hujan dengan menambah variabel lain yang lebih berpengaruh signifikan erhadap curah hujan di koa Pekanbaru. UCAPAN TERIMAKASIH Terimakasih yang sebesar-besarnya kepada Kepala Badan Meeorologi dan Geofisika (BMKG) koa Pekanbaru, yang elah memberi banuan kepada penelii unuk mendapakan daa enang cuaca dan iklim. DAFTAR PUSTAKA Brocklebank, J.C. & David, A.D. (03). SAS for Forecasing Time Series, h Ediion. New York: John Wiley & Sons, Inc. Diah, Safiri Asih. (0). Vecor Auoregressive (VAR) unuk peramalan harga saham PT.Indofood Sukses Makmur Indonesia TBk. Jurnal Maemaika Vol 11. Enders W. (1995). Applied Economeric Times Series. New York. Willey and Sons, Inc. Gunarsih, A. K. (0). Klimaologi Pengaruh Iklim Trhadap Tanah dan Tanaman. Bumi Aksara. Jakara. Handoko. (1993). Klimaologi Dasar. Bogor. Jurusan Geofisika dan Meeorologi Fakulas Maemaika dan Ilmu Pengeahuan Alam. Insiu Peranian Bogor. Hidayaullah. (11). Model Vecor Auoregressive (VAR) dan Penerapannya Unuk Analisis Pengaruh Harga Migas Terhadap Indeks Harga Konsumen (IHK). Skripsi Mahasiswa Universias Negeri Yogyakara. Lakian Benyamin. (0). Dasar-dasar Klimaologi. PT Raja Grafindo Persada. Jakara. Maddala,G.S. (199). Inroducion o Economerics. Edisi ke-. New York: Macmillan Publishing Company. R.Ajija Shochrul, dkk. (11). Cara Cerdas Menguasai Eviews. Salemba Empa. Jakara. S.Yonahan Hadi. (03). Analisis Vecor Auoregressive erhadap Korelasi Anara Pendapaan Nasional dan Invesasi Pemerinah di Indonesia. Jurnal Keuangan dan Moneer Volume Nomor. Sembiring, R.K. (1995). Analisis Regresi. Edisi kedua. Penerbi ITB. Wai, H.M., Teo, K. & Yee, K.M. (0). FDI and Economic Growh Relaionship: An Empirical Sudy on Malaysia. Inernaional Business Research, 1::