Data yang hilang adalah salah satu masalah utama dalam hidrologi operasi. Kewujudan
data yang hilang dalam rekod tidak dapat dielakkan dalam dataset besar dan ia telah
dibincangkan secara meluas dalam bidang statistik. Oleh itu, mengisi data yang hilang
perlu untuk data siri masa dan pengendalian data yang hilang masih satu topik yang
sedang diusahakan. Terdapat banyak kaedah untuk menganggarkan data yang hilang.
Dalam kajian ini, kaedah autoregresif dan kaedah interpolasi telah digunakan untuk
meramalkan data aliran sungai harian yang hilang. Penilaian ketepatan kaedah yang
digunakan untuk proses mengisi data yang hilang adalah berdasarkan kepada nilai
pekali penentuan (R2) dan pekali korelasi (r). Kedua-dua nilai ini digunakan sebagai
petunjuk prestasi untuk menilai kebolehpercayaan keputusan yang diperolehi daripada
kaedah yang digunakan untuk mengisi data yang hilang. Berdasarkan kepada
keputusan, kaedah Linear Interpolasi Sesecebis dan kaedah Newton-Gregory
Interpolasi Perbezaan Hadapan/Belakang memberikan persembahan yang terbaik bagi
mengisi data aliran sungai harian yang hilang berbanding dengan kaedah autoregresif.
_______________________________________________________________________________________________________
Missing data is one of the major problems in operational hydrology. Existence of
missing data in the records is unavoidable in large datasets and it was widely discussed
in the field of statistics. Thus, filling missing data are necessary in the time series data
and handling missing data is still a topic which is being worked upon. There are many
methods for estimating missing data. In this research, autoregressive method and
interpolation method were used for predicting missing daily streamflow data.
Assessment of the accuracy of the methods used for the process of filling missing data
are based on the value of the coefficient of determination (R2) and correlation
coefficient (r). These two values are used as performance indicator to assess the
reliability of the result obtained from the methods used for filling missing data. Based
on the results, Piecewise Linear Interpolation method and Newton-Gregory
Forward/Backward Difference Interpolation method gave the best performance of
filling missing daily streamflow data compared with autoregressive method.