1

PERAMALAN CURAH HUJAN BULANAN

MENGGUNAKAN METODE ADAPTI VE SPLI NES
THRESHOLD AUTOREGRESSI ON (ASTAR) SEBAGAI
PENCEGAH KEKERINGAN LAHAN PERTANIAN
PADI DI KABUPATEN MADIUN

Muktar Redy Susila
1
, I Gede Surya Adi Prayoga
2
,
I Made Bayu Kurniawan
3
,
Charisma Darma Mayangsari
4
, Luh Ade Arista Dwi Astarini
5
1,2,3,4,5
Institut Teknologi Sepuluh Nopember,
1
muktarredys@gmail.com,
2
igprayoga@gmail.com,
3
kim.bayy@gmail.com,
4
charisma10@mhs.statistika.its.ac.id
5
aristadwiastarini@rocketmail.com


Abstrak
Kabupaten Madiun merupakan salah satu kabupaten yang berpotensi sebagai
penghasil padi yang besar. Pada akhir-akhir ini terjadi perubahan cuaca yang tidak tentu yang
menyebabkan petani di Kabupaten Madiun sulit untuk menduga kapan musim tanam yang
sesuai agar diperoleh hasil panen yang maksimum. Kesalahan dalam menduga musim tanam
dapat mengakibatkan bencana kekeringan lahan pertanian sehingga produktivitas lahan
menurun. Salah satu upaya pencegahan terjadinya kekeringan adalah dengan mengetahui
lebih awal besar curah hujan di masa yang akan datang sehingga dapat direncanakan masa
tanam yang sesuai. Penelitian ini bertujuan untuk meramalkan curah hujan bulanan di
Kabupaten Madiun tahun 2014 dan 2015. Metode peramalan yang digunakan adalah metode
Adaptive Splines Threshold Autoregression (ASTAR). Berdasarkan penelitian sebelumnya,
metode ASTAR mempunyai akurasi tinggi dan sesuai digunakan untuk meramalkan curah
hujan di Indonesia. Dari hasil penelitian diperoleh 81 kemungkinan model ASTAR. Model
ASTAR terbaik dipilih berdasarkan nilai GVC yang terkecil. Diperoleh bahwa GCV terkecil
dihasilkan oleh model yang menggunakan 22 fungsi basis dan 11 prediktor. Model tersebut
kemudian digunakan untuk peramalan sehingga diperoleh ramalan curah hujan tahun 2014
dan 2015.

Kata Kunci: ASTAR, curah hujan, peramalan.



2


Pengantar Singkat Penelitian
Penelitian ini bertujuan untuk meramalkan curah hujan bulanan di Kabupaten Madiun agar
petani di Kabupaten Madiun dapat merencanakan masa tanam padi yang sesuai. Peramalan
dilakukan menggunakan model ASTAR terbaik berdasarkan nilai GCV.

Metode Penelitian
Metode ASTAR merupakan metode analisis deret waktu non linear yang berdasarkan
algoritma Regresi Spline Adaptif Berganda atau yang sering dikenal Multivariate Adaptive
Regression Splines (MARS) [1]. Penelitian sebelumnya menunjukkan bahwa untuk kasus
peramalan curah hujan, metode ASTAR lebih baik dari metode ARIMA dan fungsi transfer
[2]. Metode ASTAR mempunyai akurasi tinggi asalkan kondisi hujannya tidak fluktuaktif [3].
Penelitian ini hanya menggunakan satu variabel yaitu curah hujan bulanan di Kabupaten
Madiun. Prediktor yang digunakan adalah data curah hujan pada lag-lag yang signifikan.
Model ASTAR terbaik dipilih berdasarkan nilai GCV terkecil.

Hasil Penelitian
Dengan menggunakan model ASTAR terbaik diperoleh ramalan curah hujan tahun 2014 dan
2015 sebagai berikut.
Tahun
Bulan
2015 2014
Sep Mei Jan Sep Mei Jan
500
400
300
200
100
0
R
a
m
a
l
a
n

C
u
r
a
h

H
u
j
a
n


Pustaka
[1] Boer, R., dan Sutikno (2004). Model Prediksi Curah Hujan dengan Regresi Splines
Adaptif Berganda (Using Multivariate Adaptive Regression Spline to Predict Monthly
Rainfall). Jurnal Agroment, 18 (1), 36-52.
[2] Otok, B. W. dan Suhartono (2009). Development of Rainfall Forecasting Model in
Indonesia by Using ASTAR, Transfer Function, and ARIMA Methods. European Jurnal
of Scientific Reseach, 38(3), 386-395.
[3] Bekti R. D., Istriana, Susanti P., & Sutikno (2010). Prakiraan Cuaca dengan Metode
Autoregressive Integrated Moving Average, Neural Network, dan Adavtive Splines


3

Threshold Autoregression di Stasiun Juanda Surabaya. Jurnal Sains Dirgantara, 8 (1),
43-61.