Font Size: 

Vector Autoregressive (VAR) merupakan model deret waktu multivariat yang menganalisis lebih dari satu variabel dimana setiap variabel yang ada dalam model merupakan endogenous. VAR adalah salah satu model yang digunakan dalam peramalan curah hujan dan kecepatan angin. Dalam pengamatan curah hujan maupun kecepatan angin biasanya terdapat deretan kejadian yang tidak konsisten atau dikatakan outlier. Tujuan penelitian ini adalah melakukan perbandingan model VAR terhadap data curah hujan dan kecepatan angin sebelum dan sesudah dilakukan deteksi outlier. Penelitian ini menggunakan data sekunder, yaitu data bulanan curah hujan dan kecepatan angin periode tahun 2019 sampai tahun 2021. Dari hasil analisis didapatkan nilai AIC terkecil pada model awal sebesar 4,94 dan nilai AIC terkecil pada model baru sebesar 0,25. Nilai Adjusted R-Square secara parsial pada model awal diperoleh sebesar 0,232 untuk variabel curah hujan dan 0,080 untuk variabel kecepatan angin. Sedangkan nilai Adjusted R-Square secara parsial pada model baru diperoleh sebesar 0,337 untuk variabel curah hujan dan 0,1031 untuk variabel kecepatan angin. Sehingga dapat disimpulkan bahwa model terbaik diperoleh pada model baru atau model setelah dilakukan deteksi outlier dilihat dari nilai AIC terkecil dari kedua model VAR dan secara parsial nilai Adjusted R-Square setelah dilakukan deteksi outlier meningkat dari model sebelumnya.

Curah Hujan, Kecepatan Angin, Outlier, VAR