Penerapan Metode Autoregressive Integrated Moving Average (Arima) Untuk Prediksi Bilangan Sunspot

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.

Analysis of Competitiveness and Forecasting of Indonesian Tea Exports to Main Destination Countries

“…In the ARIMA model, there are Autoregressive (AR) and Moving Average (MA) components so that a model used for variable projection can be an Autoregressive (p) model, a Moving Average (q) model, or a combination model of the two (ARMA(p,q)) (Ohyver & Pudjihastuti, 2018). Autoregressive is a model that uses the assumption that the data in the previous period is very influential on the current data so that it can be formulated as follows (Yuliawanti et al, 2021) :…”