PEMODELAN HYBRID GSTAR-ANN UNTUK PERAMALAN CURAH HUJAN DI PROVINSI LAMPUNG

Perubahan iklim yang menyebabkan ketidakpastian pola curah hujan menjadi
tantangan dalam perencanaan sektor pertanian, khususnya di Provinsi Lampung
yang merupakan salah satu lumbung padi nasional. Oleh karena itu, diperlukan
model peramalan curah hujan yang mampu menangkap pola data secara lebih
akurat, baik dari aspek linier maupun nonlinier. Penelitian ini bertujuan untuk
membangun model peramalan curah hujan menggunakan pendekatan hybrid antara
model Generalized Space Time Autoregressive (GSTAR) dan Artificial Neural
Network (ANN), serta membandingkan performanya dengan model GSTAR
tunggal. Data yang digunakan berupa curah hujan bulanan dari empat wilayah di
Provinsi Lampung pada periode Januari 2020 hingga Desember 2024. Hasil
menunjukkan bahwa model Hybrid GSTAR (1,1)-ANN(4-5-4) memberikan
performa lebih baik pada data training, terutama dalam menangkap pola historis
yang bersifat nonlinier. Namun, pada data testing, model GSTAR(1,1) memberikan
hasil prediksi yang secara umum lebih akurat dan stabil. Meski begitu, model
hybrid tetap relevan digunakan, terutama di wilayah dengan indikasi kuat adanya
pola nonlinier, serta sebagai pendekatan pembanding untuk menguji efektivitas
model linier dan nonlinier. Secara keseluruhan, model GSTAR(1,1) dipilih sebagai
model terbaik karena kemampuannya dalam melakukan generalisasi yang lebih
baik terhadap data baru.
Kata Kunci: Peramalan, Curah Hujan, GSTAR, ANN, Model Hybrid.