Penggunaan Model Vector Autoregressive-Generalized Space Time Autoregressive Pada Peramalan Curah Hujan Provinsi Sulawesi Selatan Tahun 2019-2023 = Application of the Vector Autoregressive-Generalized Space Time Autoregressive Model for Rainfall Forecasting in South Sulawesi Province for 2019-2023

Latar belakang. Model Vector Autoregressive (VAR) menganalisis hubungan temporal antar variabel, sementara model Generalized Space Time Autoregressive (GSTAR) menangkap keterkaitan spasial antar lokasi. Kombinasi keduanya, VAR-GSTAR cocok untuk meramalkan curah hujan di Provinsi Sulawesi Selatan karena mampu memodelkan pola spasial-temporal yang kompleks. Tujuan. Penelitian ini bertujuan untuk mendapatkan dugaan model VAR-GSTAR data curah hujan di Sulawesi Selatan dan meramalkan curah hujan tahun 2023 menggunakan model VAR-GSTAR. Metode. Data yang digunakan berupa curah hujan bulanan dari empat stasiun pengamatan periode 2019-2023 yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Wilayah IV. Data dibagi menjadi data training (2019-2022) untuk membangun model dan data testing (2023) untuk mengevaluasi model. Jenis pembobot lokasi digunakan, yaitu bobot invers jarak dan normalisasi korelasi silang. Hasil. Model VAR-GSTAR (1,1) dengan pembobot normalisasi korelasi silang memberikan hasil terbaik dengan nilai Root Mean Square Error (RMSE) terkecil sebesar 62.4446. Model ini lebih akurat dibandingkan pembobot invers jarak dalam menangkap pola perubahan curah hujan. Kesimpulan. Model VAR-GSTAR dengan pembobot normalisasi korelasi silang adalah metode andal dalam peramalan curah hujan di Sulawesi Selatan. Hasil penelitian ini bermanfaat untuk pengelolaan sumber daya air, perencanaan pertanian, dan mitigasi bencana.