PEMILIHAN PARAMETER OPTIMUM EXPONENTIAL SMOOTHING DENGAN GOLDEN SECTION UNTUK MERAMALKAN CURAH HUJAN DI KOTA BALIKPAPAN

Muhammad Nur Gias Fadilla, Misrianto Misrianto

Abstract


Curah hujan merupakan salah satu elemen penting dalam sistem iklim yang sangat berpengaruh terhadap berbagai sektor, khususnya dalam konteks mitigasi bencana seperti banjir. Kota Balikpapan termasuk daerah pesisir yang memiliki risiko tinggi terhadap curah hujan ekstrem. Penelitian ini bertujuan untuk mengoptimalkan parameter dalam metode Exponential Smoothing, yaitu Single, Double, dan Triple Exponential Smoothing (SES, DES, TES), dengan menggunakan pendekatan Golden Section untuk menghasilkan prediksi curah hujan yang lebih akurat di Kota Balikpapan. Data yang digunakan adalah data sekunder rata-rata curah hujan bulanan dari Januari 2019 hingga Desember 2023 yang diperoleh dari BPS Kota Balikpapan. Hasil penelitian menunjukkan bahwa metode TES memberikan nilai Mean Absolute Percentage Error (MAPE) terendah sebesar 0,0456 dibandingkan DES dan SES. Pendekatan Golden Section terbukti efektif dalam menentukan parameter optimal secara sistematis. Dengan demikian, metode TES dengan parameter yang telah dioptimasi menjadi pendekatan yang paling tepat dalam peramalan curah hujan untuk mendukung mitigasi bencana dan pengambilan keputusan berbasis data di wilayah tersebut.

Keywords


Curah Hujan, Exponential Smoothing, Golden Section, MAPE, Peramalan.

References


Al Mahkya, D., Yasin, H., & Mukid, M. A. (2014). Aplikasi Metode Golden Section untuk Optimasi Parameter pada Metode Exponential Smoothing. Journal Gaussian, 3(4), 605–614. http://ejournal-s1.undip.ac.id/index.php/gaussian

Badan Pusat Statistik. (2023). Jumlah Curah Hujan Menurut Bulan di Kota Balikpapan (mm/tahun), 2021–2023. https://balikpapankota.bps.go.id/id

Gardner, M. (1966). More mathematical puzzles and diversions. New York: Simon and Schuster.

Ghifari, M. F., Rusba, K., & Ramdan, M. (2024). Kebijakan penanggulangan bencana banjir dan kebakaran di Kota Balikpapan. Jurnal Kebijakan Penanggulangan Bencana, 10(1), 156–160.

Herlinah, H., Asrul, B., HS, H., Faisal, M., Lee, S., Gani, H., & Feng, Z. (2024). Weather Prediction for Strawberry Cultivation Using Double Exponential Smoothing and Golden Section Optimization Methods. ILKOM Jurnal Ilmiah, 16(3), 305–317. https://doi.org/10.33096/ilkom.v16i3.2290.305-317

Kafara, Z., Rumlawang, F. Y., & Sinay, L. J. (2017). Peramalan Curah Hujan Dengan Pendekatan Seasonal Autoregressive Integrated Moving Average (SARIMA) Studi Kasus: Curah Hujan Bulanan di Kota Ambon, Provinsi Maluku. Jurnal Ilmu Matematika dan Terapan, 11, 63–74.

Maulana, H., & Mulyantika, U. (2020). The Prediction of Export Product Prices with Holt’s Double Exponential Smoothing Method. In 2020 3rd International Conference on Computer and Informatics Engineering (IC2IE) (pp. 372–375). IEEE. https://doi.org/10.1109/IC2IE50715.2020.9274679

Pongtuluran, E. H., & Huda, M. (2020). Evaluasi Kinerja Kapasitas Saluran Drainase Rawan Banjir Kota Balikpapan (Studi Kasus Perumahan Graha Poltekba). Journal Dynamic Saint, 4(2), 841–849. https://doi.org/10.47178/dynamicsaint.v4i2.873

Pradnyana, I. P. B. A., Soebroto, A. A., & Perdana, R. S. (2018). Peramalan Curah Hujan Menggunakan Metode Jaringan Saraf Tiruan dengan Optimasi Algoritma Bee Colony. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK), 2(10), 3624–3631.

Sekolah, W., Teknologi, T., & Indonesia, N. (2024). Analisis Curah Hujan dan




DOI: https://doi.org/10.33373/profis.v13i2.7992

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

E-ISSN 2598-9987

 

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


PROFISIENSI: Jurnal Program Studi Teknik Industri

Building A, 1st Floor, Faculty of Engineering, University of Riau Kepulauan

Jl. Pahlawan No.99, Batu Aji, Batam, Kepulauan Riau

Email: Profisiensi@journal.unrika.ac.id

 

Web Analytics Made Easy - Statcounter