The Prediction of The Drought Index in The Indragiri Watershed Using SARIMA and SPI Methods
DOI:
https://doi.org/10.31851/sainmatika.v20i1.11501Keywords:
Time Series, Drought Index, SARIMA, SPIAbstract
Farmers are concerned about the problem of drought in agriculture because it will disrupt the production system and cause losses. In 2015, the Indragiri Hulu area experienced a drought on 273 hectares of agricultural land. This area is part of the Indragiri River Watershed in Riau Province. To prevent the impact of future droughts, forecasting is required. The level of drought is influenced by rainfall, so the Seasonal Auto Regressive Integrated Moving Average (SARIMA) method is used to model rainfall data. In addition, the Standardized Precipitation Index (SPI) is also used to analyze the drought index. After the analysis, it was found that the best model in forecasting is SARIMA model (1,0,1)(2,1,1)12 with an average residual square of 18.0175, and the drought index in the Indragiri watershed is currently included in the "Normal" category. The results of this forecasting are expected to assist the Riau Province National Disaster Management Agency in anticipating and mitigating the impact of future drought disasters.
References
Afrizal, N., Fauzi, M., & Suprayogi, I. (2021). Spasial Indeks Kekeringan Daerah Aliran Sungai Indragiri Berdasarkan Teori Run. JUITECH, 5(2), 48–53. http://dx.doi.org/10.36764/ju.v5i2.630
Anonim. (2015). Titik api meningkat, kebakaran hutan di Riau bisa meluase. BBC News Indonesia. https://www.bbc.com/indonesia/berita_indonesia/2015/07/150730_indonesia_kabutasap_riau
Aprilliyanti, T., & Zainuddin, M. (2017). Pemetaan Potensi Kekeringan Lahan se-pulau Batam menggunakan Teknik Sistem Informasi Geografis (SIG) dan Penginderaan Jauh. Majalah Geografi Indonesia, 31(1), 91–94.
Azhar, L., & Gunawan, M. (2017). Analisa Indeks Kekeringan dengan Metode SPI dan Metode PNI serta Sebaran Kekeringan dengan Geographic Information System (GIS) di Pulau Lombok [UPT. Perpustakaan Unram]. http://eprints.unram.ac.id/id/eprint/954
Darfia, N. E., Kusuma, M. S. B., & Kuntoro, A. A. (2016). Analisis Indeks Kekeringan Di Das Rokan Provinsi Riau Menggunakan Data CFSR. Jurnal Rab Construction Reseach, 1(2), 121–134.
Darfia, N. E., & Rahmalina, W. (2019). Analisis Indeks Kekeringan Di Daerah Irigasi Kelayang Kabupaten Indragiri Hulu Provinsi Riau. Jurnal Infrastruktur, 5(1), 35–44. https://doi.org/10.35814/infrastruktur.v5i1.662
Darwizal, D. (2019). Analisis Karakteristik dan Integrasi DAS Kecil Untuk Meningkatkan Pengadaan Air Dan Indeks Pertanaman (Studi Kasus: DAS pada Satuan Wilayah Sungai Akuaman-Indragiri Bagian Barat). UNIVERSITAS ANDALAS.
Durrah, F. I., Yulia, Y., Parhusip, T. P., & Rusyana, A. (2018). Peramalan Jumlah Penumpang Pesawat Di Bandara Sultan Iskandar Muda Dengan Metode SARIMA (Seasonal Autoregressive Integrated Moving Average). Journal of Data Analysis, 1(1), 1–11. https://doi.org/10.24815/jda.v1i1.11847
Fahri, A., Syuryati, S., Yulfida, A., & Yusuf, R. (2020). Penerapan Sistem Informasi Kalendar Tanam ( Si Katam) Mendukung Peningkatan Indeks Pertanaman Padi Kabupaten Indragiri Hulu. Dinamika Pertanian, 35(3), 1–8. https://doi.org/10.25299/dp.2019.vol35(3).4559
Fahrudin, R., & Sumitra, I. D. (2020). Peramalan Inflasi Menggunakan Metode SARIMA dan Single Exponential Smoothing (Studi Kasus: Kota Bandung). Majalah Ilmiah UNIKOM, 17(2), 111–120. https://doi.org/10.34010/miu.v17i2.3180
Hanum, U., & Murni, D. (2019). Peramalan Jumlah Pengunjung Objek Wisata Waterboom Kota Sawahlunto Tahun 2019 Menggunakan Metode SARIMA. Journal of Mathematics UNP, 4(3), 86–91. http://dx.doi.org/10.24036/unpjomath.v4i3.7193
Hendayanti, N. P. N., & Nurhidayati, M. (2020). Perbandingan metode seasonal autoregressive integrated moving average (SARIMA) dengan support vector regression (SVR) dalam memprediksi jumlah kunjungan wisatawan mancanegara ke Bali. Jurnal Varian, 3(2), 149–162. https://doi.org/10.30812/varian.v3i2.668
Kafara, Z., Rumlawang, F. Y., & Sinay, L. J. (2017). Peramalan Curah Hujan Dengan Pendekatan Seasonal Autoregressive Integrated Moving Average (SARIMA). Barekeng: Jurnal Ilmu Matematika Dan Terapan, 11(1), 63–74. https://doi.org/10.30598/barekengvol11iss1pp63-74
Khairani, D., Harisuseno, D., & Suhartanto, E. (2018). Penerapan Metode Standardized Precipitation Index (SPI) Dan Effective Drought Index (EDI) Untuk Mengestimasi Kekeringan di DAS Rejoso Kabupaten Pasuruan. Jurnal Mahasiswa Jurusan Teknik Pengairan, 3(2), 1–12. http://www.researchgate.net
Lubis, D. A., Johra, M. B., & Darmawan, G. (2017). Peramalan Indeks Harga Konsumen dengan Metode Singular Spectral Analysis (SSA) dan Seasonal Autoregressive Integrated Moving Average (SARIMA). J. Mat. MANTIK, 3(2), 74–82. https://doi.org/10.15642/mantik.2017.3.2.74-82
Mujtahiddin, M. I. (2014). Analisis Spasial Indeks Kekeringan Kabupaten Indramayu. Jurnal Meteorologi Dan Geofisika, 15(2), 99–107. https://doi.org/10.31172/jmg.v15i2.179
Muliawan, H. (2015). Analisa Indeks Kekeringan Dengan Metode Standardized Precipitation Index (Spi) Dan Sebaran Kekeringan Dengan Geographic Information System (Gis) Pada Das Ngrowo [Universitas Brawijaya]. http://repository.ub.ac.id/id/eprint/144042
Murdhani, P. (2021). Penerapan Learning Vector Quantization 3 (LVQ3) Untuk Mendeteksi Tingkat Bahaya Kebakaran Hutan Dan Lahan Berdasarkan Indeks Kekeringan Keetch-Byram [Universitas Islam Negeri Sultan Syarif Kasim Riau]. http://repository.uin-suska.ac.id/id/eprint/47366
P, G. A. N. (2015). 1.691 Ha Lahan Pangan di Riau Dilanda Kekeringan. Bisnis.Com. https://ekonomi.bisnis.com/read/20150824/99/465055/1.691-ha-lahan-pangan-di-riau-dilanda-kekeringan
Rahmalina, W. (2020). Peramalan Indeks Kekeringan Kelayang Menggunakan Metode Sarima dan SPI. Potensi: Jurnal Sipil Politeknik, 22(1), 64–75. https://doi.org/10.35313/potensi.v22i1.1824
Rahmalina, W., & Puspita, S. (2021). Pemodelan Seasonal Autoregressive Integrated Moving Average Untuk Memprediksi Jumlah Kasus Covid-19 di Padang. Jurnal Matematika Integratif, 17(1), 23–31. https://doi.org/10.24198/jmi.v17.n1.32024.23-31
Supriatna, A., Subartini, B., & Hertini, E. (2017). Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA. 8thIndustrial Research Workshop and National Seminar, 560–565. https://doi.org/10.35313/irwns.v8i3.594
Triputra, W. (2021). Deteksi Tingkat Bahaya Kebakaran Hutan Dan Lahan Berdasarkan Indeks Kekeringan Keetch-Byram Menggunakan Learning Vector Quantization [Universitas Islam Negeri Sultan Syarif Kasim Riau]. http://repository.uin-suska.ac.id/id/eprint/46452
Utami, D., Hadiani, R. R., & Susilowati, S. (2013). Prediksi Kekeringan Berdasarkan Standardized Precipitation Index (SPI) Pada Daerah Aliran Sungai Keduang di Kabupaten Wonogiri. Matriks Teknik Sipil, 1(3), 221–226. https://doi.org/10.20961/mateksi.v1i3.37524
Younes, K., Ali, M. G., Esmaeil, A., & Fatemeh, T. (2011). Assessment of geostatistical methods for spatial analysis of SPI and EDI drought indices. World Applied Sciences Journal, 15(4), 474–482. https://www.researchgate.net
Yusuf, R. A. M., & Yanti, T. S. (2021). Perbandingan Metode Seasonal Autoregressive Integreted Moving Average (SARIMA) dan Metode Fuzzy Time Series untuk Model Peramalan Jumlah Wisatawan Mancanegara di Bali. Prosiding Statistika, 7(2), 597–605. http://dx.doi.org/10.29313/.v0i0.292 04.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.