Karya Tulis Ilmiah yang berjudul “Forecasting Data Runtun Waktu Musiman Menggunakan Metode Singular Spectrum Analysis (SSA)” ini merupakan kolaborasi dari tiga orang penulis, yaitu Dadang Ruhiat, Dini Andiani, dan Wulan Nurul Kamilah dari Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Bale Bandung.
Karya tulis ilmiah ini dimuat dalam Teorema: Teori dan Riset Matematika Volume 5 Nomor 1, Maret 2020. Jurnal ini diterbitkan oleh Program Studi Pendidikan Matematika FKIP Universitas Galuh Ciamis, dengan nomor p-ISSN 2541-0660 dan e-ISSN 2597-7237.
Abstrak
Pemodelan dan forecasting data runtun waktu akhir-akhir ini terus berkembang dan digunakan di berbagai bidang termasuk di bidang hidrologi. Parameter hidrologi yang sangat penting adalah debit sungai di Indonesia sebagaimana halnya di negara tropis lainnya, besaran dan fluktuasinya dipengaruhi oleh dua faktor musiman, yaitu musim hujan dan kemarau. Pemodelan dan forecasting runtun waktu berbasis statistik pada dasarnya dapat dilakukan melalui dua pendekatan, yaitu statistik parametrik dan statistik non-parametrik. Namun fakta menunjukkan pemodelan dan forecasting runtun waktu melalui pendekatan statistik parametrik lebih banyak dilakukan. Pada penelitian ini dilakukan pemodelan dan forecasting data runtun waktu debit sungai melalui pendekatan statistik non-parametrik dengan menggunakan metode Singular Spectrum Analysis (SSA). Tujuan dari penelitian ini adalah untuk mengetahui hasil forecasting metode SSA dan mengetahui hasil komparasinya dengan hasil forecasting statistik parametrik yang telah dilakukan sebelumnya melalui model Seasonal Autoregressive Integrated Moving Average (SARIMA). Metode proses penelitian ini adalah berupa kajian teori yang kemudian dilanjutkan dengan proses komputasi. Hasil analisis menunjukkan metode SSA memberikan hasil forecasting dengan nilai Mean Absolute Percentage Error (MAPE) yang lebih kecil dari model SARIMA. Dengan demikian disimpulkan forecasting runtun waktu debit sungai yang berpola musiman melalui metode SSA relatif lebih baik dari hasil forecasting model SARIMA.
Kata kunci: SSA, SARIMA, Box-Jenkins, MAPE