Penerapan Metode Peramalan Terhadap Presipitasi Hujan Berdasarkan Data Citra Satelit Studi Kasus Provinsi Jawa Timur

AUTP merupakan program asuransi pertanian berbasis kerusakan lahan. Namun, pada praktiknya AUTP memiliki kelemahan berupa proses pengajuan dan pencairan klaim yang lama. Kelemahan ini dapat dimitigasi dengan cara mengintegrasikan asuransi pertanian berbasis indeks cuaca. Untuk pembuatan asuransi pertanian berbasis indeks cuaca, diperlukan sebuah model peramalan cuaca. Dua bencana penyebab kerusakan lahan padi terbesar di Indonesia adalah banjir dan juga kekeringan, dan indeks iklim yang menyebabkan banjir dan kekeringan adalah presipitasi. Dua data yang paling sering digunakan untuk penelitian indeks iklim adalah data stasiun cuaca dan data satelit, dalam penelitian ini data satelit dipilih karena stasiun cuaca tidak selalu terletak dekat dengan lahan padi. Data presipitasi memiliki variansi yang tidak konstan, oleh karena itu metode ARCH/GARCH akan digunakan pada penelitian ini untuk mengatasi asumsi variansi konstan pada metode peramalan yang konvensional. Pemilihan Kecamatan Sangkapura, Banyuwangi dan Karangkates dilakukan untuk mewakili kecamatan dengan curah hujan tinggi, rendah dan sedang pada kecamatan-kecamatan di provinsi Jawa Timur yang merupakan provinsi dengan luas lahan sawah terbesar di Indonesia. Pada penelitian, tidak terdapat heteroskedastisitas pada residual model, oleh karena itu model ARCH/GARCH tidak digunakan. Selain itu, MAPE untuk data Sangkapura dan Banyuwangi bernilai 3.62% dan 3.48%, namun MAPE model Karangkates bernilai 10.7%. Hal ini dikarenakan hasil pemodelan SARIMA yang terlalu terpengaruh dengan pola tahunan terakhir pada data train. Dengan pemindahan sedikit pada cut off data train, MAPE dari model Karangkates turun menjadi 4.8%. Dalam peramalan kejadian banjir dan juga kekeringan, model yang dapat meramalkan dengan baik hanyalah pemodelan banjir Sangkapura dan Banyuwangi. Hasil pemodelan fungsi auto ARIMA pada R masih belum dapat menjadi alternatif penentuan ordo manual, terlihat dari precision dan recall yang rendah.