ITATSITATS

KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan InformatikaKERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika

Perubahan suhu udara merupakan indikator penting dalam kajian iklim dan lingkungan. Penelitian ini bertujuan untuk menganalisis dan meramalkan suhu rata-rata bulanan Kota Aceh periode 2020–2024 menggunakan metode Holt–Winters Additive. Data suhu harian diolah menjadi suhu rata-rata bulanan dan dianalisis menggunakan pendekatan deret waktu melalui dekomposisi untuk mengidentifikasi komponen tren dan musiman. Hasil analisis menunjukkan bahwa data memiliki pola musiman tahunan yang jelas serta tren jangka panjang yang cenderung meningkat. Berdasarkan karakteristik tersebut, metode Holt–Winters Additive digunakan untuk melakukan peramalan suhu tiga tahun ke depan (2025–2027). Hasil peramalan menunjukkan bahwa suhu rata-rata bulanan diperkirakan relatif stabil pada kisaran 26,2°C hingga 28,8°C dengan pola musiman yang konsisten. Dengan demikian, metode Holt–Winters Additive dinilai sesuai untuk peramalan suhu bulanan dalam jangka menengah.

Penelitian ini berhasil menganalisis pola suhu rata-rata bulanan Kota Aceh menggunakan metode Holt–Winters Additive berdasarkan data periode Januari 2020 hingga Desember 2024.Hasil analisis menunjukkan bahwa data memiliki kecenderungan tren meningkat serta pola musiman tahunan yang relatif stabil, sehingga metode Holt–Winters Additive sesuai digunakan untuk memodelkan karakteristik data tersebut.Hasil evaluasi model menunjukkan bahwa model mampu memberikan hasil peramalan yang memadai untuk menggambarkan kecenderungan suhu rata-rata bulanan dalam jangka menengah.Namun, penelitian ini masih memiliki keterbatasan karena menggunakan data historis selama lima tahun sehingga belum dapat digunakan untuk mengidentifikasi tren perubahan iklim jangka panjang.

Penelitian lanjutan dapat mengembangkan metode peramalan dengan memperpanjang rentang data hingga 10 tahun untuk mengidentifikasi tren perubahan iklim jangka panjang. Selain itu, sebaiknya model Holt–Winters Additive dievaluasi menggunakan metrik tambahan seperti MAPE untuk membandingkan akurasi prediksi dengan metode lain seperti ARIMA atau SARIMA. Peneliti juga dapat mengeksplorasi penggunaan algoritma machine learning modern, seperti neural network atau random forest, untuk memperbaiki ketepatan peramalan suhu bulanan. Dengan menggabungkan pendekatan statistik tradisional dan teknik komputasi modern, diharapkan dapat dihasilkan model yang lebih robust dalam menghadapi variasi musiman dan tren jangka panjang. Penelitian ini juga perlu mempertimbangkan faktor eksternal seperti aktivitas manusia atau perubahan penggunaan lahan yang mungkin memengaruhi pola suhu secara signifikan.

  1. IMPLEMENTASI METODE HOLT WINTER ADDITIVE UNTUK PREDIKSI KUNJUNGAN WISATAWAN NUSANTARA KABUPATEN SUMENEP... doi.org/10.21107/simantec.v10i1.12466IMPLEMENTASI METODE HOLT WINTER ADDITIVE UNTUK PREDIKSI KUNJUNGAN WISATAWAN NUSANTARA KABUPATEN SUMENEP doi 10 21107 simantec v10i1 12466
  2. Analisis dan Peramalan Suhu Rata-rata Bulanan Kota Aceh Utara Menggunakan Metode Holt–Winters Additive... doi.org/10.31284/j.kernel.2026.v7i1.8528Analisis dan Peramalan Suhu Rata rata Bulanan Kota Aceh Utara Menggunakan Metode HoltAeWinters Additive doi 10 31284 j kernel 2026 v7i1 8528
Read online
File size358.58 KB
Pages8
DMCAReport

Related /

ads-block-test