PERBANDINGAN METODE EXTREME LEARNING MACHINE DAN SARIMA/GARCH DALAM PERAMALAN DATA CURAH HUJAN DI KABUPATEN SLEMAN (Studi Kasus: Data Curah Hujan Per Dasarian dari Tahun 1998 sampai dengan 2017)

Abstract

Curah hujan merupakan jumlah air hujan yang turun pada suatu daerah dalam waktu tertentu. Curah Hujan di Indonesia termasuk variabilitas dan kompleks. Banyaknya jumlah curah hujan yang berfluktuatif menjadikan peramalan penting dilakukan bagi pembuatan perencanaan strategi menamgani masalah curah hujan yang tidak menentu. Extreme Learning Machine (ELM) merupakan metode pembelajaran baru dari jaringan syaraf tiruan. Karena ELM merupakan metode peramalan yang masih baru maka dapat dibandingkan dengan metode konvensional yaitu menggunakan metode SARIMA/GARCH untuk mengatasi data musiman dan bersifat heteroskedastisitas untuk melihat metode mana yang paling efektif dalam meramalkan data curah hujan di Kabupaten Sleman. Hasil dari analisis SARIMA/GARCH didpatkan bahwa masih terdapat asumsi yang belum terpenuhi yaitu asumsi normalitas dan heteroskedastisitas walaupun data tersebut telah dilakukan tansformasi data menggunakan metode Box-Cox. Dari Nilai Ukuran kesalahan peramalan di dapatkan bahwa metode ELM memiliki nilai lebih kecil dibandingkan dengan metode SARIMA/GARCH untuk semua ke enam pos stasiun curah hujan di Kabupaten Sleman, maka dapat dikatakan bahwa metode ELM lebih cocok untuk peramalan data curah hujan di Kabupaten Sleman.