Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Ukuran: px
Mulai penontonan dengan halaman:

Download "Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur"

Transkripsi

1 Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya 6 Idoesa e-mal : () rosa3@gmal.com; () suko@saska.s.ac.d Absrak Iklm eksrm merupaka feomea yag lagka amu dapa memcu dampak yag merugka salah sauya bag sekor peraa. Curah huja yag eksrm perlu ddefkas uuk megurag keruga peraa akba kejada ersebu. Ereme Value Theory (EVT) merupaka salah sau meode saska yag dguaka uuk mempelajar perlaku la-la eksrm. Salah sau yag mejad peg dalam model ereme value adalah reur level. Sebelum meeuka la reur level, erlebh dahulu harus dkeahu la parameer dsrbus EVT yag dplh dega syara urua daa harus depede. Namu pada keyaaaya sergkal demuka daa eksrm yag depede akbaya aka dperoleh la reur level yag dak sesua. Salah sau cara uuk megaas hal ersebu dega meode decluserg. Maka dalam peela megaalss daa curah huja eksrm depede dega pedekaa Peaks Over Threshold (POT) sera megaas depedes daa dega decluserg. Hasl peela meujukka bahwa meode decluserg berhasl megaas depedes daa, amu dak meghaslka reur level yag lebh bak. Hal dujukka pada daa hasl decluserg memlk RMSE reur level yag sama dega RMSE reur level apa decluserg. Oleh karea u, pada aalss selajuya sebakya megguaka meode pemodela parameer Geeralzed Pareo Dsrbuo. Kaa Kuc Curah Huja, Ereme Value Theory (EVT), Peaks Over Threshold, Geeralzed Pareo Dsrbuo, Decluserg, Reur Level. I. PENDAHULUAN Iklm eksrm merupaka feomea yag lagka amu dapa memcu dampak yag merugka bag kehdupa salah sauya bag sekor peraa. Curah huja yag saga gg sera kekerga yag saga lama, megakbaka kerusaka aama da kegagala pae sehgga produkvas aama meuru da pasoka paga mejad saga dak pas. Ereme Value Theory (EVT) merupaka salah sau meode saska yag dguaka uuk mempelajar perlaku la-la eksrm yag dapa meeuka probablas lala eksrmya, juga dapa meramalka erjadya kejada eksrm pada daa heavy al yag dak dapa dlakuka dega pedekaa radsoal laya. Dalam megdefkas pergeraka la eksrm erdapa dua pedekaa yag dguaka yau dega meode Block Mama (BM) yag megku dsrbus Geeralzed Ereme Value (GEV) da meode Peaks Over Threshold (POT) yag megku dsrbus Geeralzed Pareo Dsrbuo (GPD)[]. Jaruskova da Haek [] membadgka meode POT da BM uuk megesmas reur level pada daa curah huja d Morava Uara, Republk Ceko. Peela ersebu meghaslka kesmpula bahwa meode POT lebh sesua uuk daa eksrm yag depede. Salah sau yag mejad peg dalam erpreas model ereme value adalah reur level yag merupaka la maksmum yag dlampau sau kal dalam jagka waku ereu. Pada bdag peraa la reur level aka memberka formas waku aam yag sesua sehgga dapa deuka vareas aama yag sesua da adapf erhadap keadaa yag eksrm ersebu. Sebelum meeuka la reur level, erlebh dahulu harus dkeahu la parameer dsrbus EVT yag dplh dega syara urua daa harus depede. Namu pada keyaaaya sergkal demuka daa eksrm yag depede. Oleh karea u dperluka peyelesaa depedes daa uuk medapaka la reur level yag sesua. Beberapa peela yag perah dlakuka uuk megaalss kasus daa eksrm yag depede adalah dega memodelka parameer dsrbus EVT. Kurawa [3] melakuka aalss daa eksrm depede pada kasus curah huja d Jawa Tmur dega pedekaa Peaks Over Threshold (POT) da pemodela parameer skala (scale) pada Geeralzed Pareo Dsrbuo (GPD). Sela memodelka parameer, uuk megaas daa eksrm yag depede juga bsa dlakuka dega meode decluserg. Soukssa da Arap [4] melakuka perbadga meode decluserg pada daa gg gelombag lau dega 4 pedekaa yau Sadard Sorm Legh (SSL), Rus decluserg (RL), DeCluserg Algorhm (DeCA), da Trple Aual Mamum (TAM). Kesmpula yag dperoleh dar peela ersebu yau dega meode decluser-g melalu pedekaa ru-decluserg meujukka hasl dega sadar error yag lebh kecl da selag kepercayaa yag lebh semp. Berdasarka uraa ersebu, maka dalam peela megkaj daa curah huja eksrm dega pedekaa Peaks Over Threshold (POT) da megaas depedes daa dega meode decluserg. Peela juga megkaj curah huja eksrm d beberapa empa Jawa Tmur yau d Kabupae Jember, Bojoegoro, Lamoga, Bayuwag, da Ngaw. II. TINJAUAN PUSTAKA A. Ereme Value Theory (EVT) EVT merupaka salah sau meode saska yag dguaka uuk mempelajar bagamaa perlaku ekor (al)

2 dsrbus ersebu. Meode berfokus pada perlaku ekor (al) suau dsrbus uuk dapa meeuka probablas la-la eksrmya. EVT dapa meramalka erjadya kejada eksrm pada daa heavy-al yag dak dapa dlakuka dega pedekaa radsoal laya. Meode mampu mejelaska keruga kejada eksrm da jka erjad mempuya kosekues keruga yag saga besar (berla maksmum) da dak dapa dmodelka dega pedekaa basa. Dalam megdefkas pergeraka la eksrm erdapa dua pedekaa yag dguaka. Pedekaa perama yau dega meode Block Mama (BM) yau megambl la maksmum dalam sau perode sedagka pedekaa kedua yau dega meode Peaks Over Threshold (POT) yau megambl la-la yag melewa suau la hreshold [6]. B. Peaks Over Threshold (POT) POT merupaka salah sau meode uuk megdefkas la eksrm dega megguaka la paoka yag dsebu hreshold (u). Daa yag berada d aas la paoka ersebu aka ddefkas sebaga la eksrm. Gambar. Ilusras Pegambla Daa Sampel dega Meode POT Gambar meujukka cara pegambla daa eksrm megguaka POT. Daa,, 7, 8, 9, da adalah la yag berada d aas hreshold (u), sehgga keeam daa ersebu merupaka la eksrm yag aka dguaka uuk aalss selajuya. Semak gg la hreshold maka daa eksrm aka semak megku dsrbus Geeral Pareo. Berku adalah Probably Desy Fuco Geeralzed Pareo Dsrbuo (GPD). u, f ( u) ep u, dmaa (-u) jka ξ, u (-u) < u-(σ/ξ) jka ξ < Adapu Cumulave Dsrbuo Fuco (CDF) dar Geeralzed Pareo Dsrbuo (GPD) adalah sebaga berku: u, ( u) u jka F( u) ( u) jka () u ep, ( u) jka dega σ adalah parameer skala (scale) da ξ adalah parameer beuk (shape). C. Peeua Nla Threshold Uuk medapaka la eksrm dega meode Peaks Over Threshold, erlebh dahulu meeuka la hreshold (u) sebaga la acua. Ada beberapa cara dalam meeuka hreshold daaraya adalah dega meode Mea Resdual Lfe Plo (MRLP) da meode persease. Meode peeua la hreshold yag lebh mudah da serg () dguaka adalah meode persease. Peeua la hreshold dega megguaka meode persease ddapaka dega cara sebaga berku.. Meguruka daa dar yag erbesar hgga erkecl.. Meghug % dar jumlah daa (k) k = % N N = jumlah daa. 3. Meeuka la hreshold (u) yau hreshold berada pada daa urua ke- (k + ) D. Auocorrelao Fuco (ACF) Dalam aalss ereme value, plo auocorrelao fuco (ACF) merupaka salah sau cara yag dguaka uuk megeahu adaya daa eksrm yag depede sela dega melha plo dar daa u sedr. Apabla la ACF dar suau daa kurag dar baas bawah aau lebh dar baas aas fugs auocorrelao, maka dkaaka bahwa daa bersfa depede. Rumus umumya adalah: cov( X, X k ) k var( X ) var( X ) (3) k E. Esmas Parameer Geeralzed Pareo Dsrbuo Peaksr parameer meode Geeralzed Pareo Dsrbuo (GPD) dapa daksr dega megguaka meode Mamum Lkelhood Esmao (MLE). Secara umum GPD memlk probably desy fuco seper pada persamaa (). Berdasarka meode MLE maka fugs lkelhood-ya uuk GPD dega L( u,,,,..., f f f ) u (4) Fugs l lkelhood dar persamaa (4) adalah u l L u,,,,..., l l () Sedagka uuk GPD dega fugs lkelhood-ya,,..., ) f (, u, ) L( u, ep u (6) Sehgga fugs l lkelhood dar persamaa (6) adalah l Lu,,,..., l( ) u (7) Selajuya dar persamaa l lkelhood yag dperoleh kemuda duruka erhadap parameer yag aka daksr da dsamaka dega ol. Berdasarka persamaa yag erbeuk, dperoleh persamaa yag dak close form maka dbuuhka aalss umerk lebh laju dega cara eras uuk memaksmumka fugs l lkelhood. Salah sau aalss umerk yag dguaka uuk meyelesaka persamaa yag dak close form adalah meode Newo Raphso. Apabla g(θ) adalah vekor dar urua perama dar L(ξ,σ;) da H(θ) adalah marks Hessa yau marks dar urua kedua dar fugs l lkelhood. Persamaa umum Newo Raphso sebaga berku. θl+ = θl g(θl) H - (θl) (8) Ieras berhe apabla θl+-θl < ε dmaa ε adalah blaga yag kecl sekal.

3 3 F. Uj Kesesuaa Dsrbus Pemerksaa dsrbus dlakuka dega uj Kolmogorov-Smrov. Peguja dlakuka dega meyesuaka fugs dsrbus emprs (berdasarka sampel) F () dega dsrbus eors ereu (sesua yag dhpoesska) F ( ). Uj Hpoess : H : F () = F ( ) (Daa megku dsrbus eors F ( ) ) H : F () F ( ) (Daa dak megku ds. eors ( ) Sask Uj: D MaksF ( ) F ( ) Daerah Krs : Tolak H jka D hug> D α G. Ereme of Depede F ) Kejada-kejada d alam yag bersfa eksrm cederug erjad secara berurua (depede). Hal ersebu merupaka sebuah faka yag melaggar asums uama dalam EVT, yau bahwa varabel yag del harus depede. Daa yag o saoer megdkaska jka daa ersebu depede da membeuk suau pola ereu, pola yag erbeuk bsa berupa pola sklk, re ak, maupu re uru. Ada beberapa cara yag dguaka uuk megaas daa eksrm yag depede (o-sasoer) aara la dega melakuka rasformas pada daa da kemuda meeuka model parameer dsrbusya, sera cara yag kedua yau dega melakuka decluserg pada daa. Secara gars besar, prosedur dalam melakuka ekk decluserg (pedekaa ru-decluserg) adalah sebaga berku.. Meeuka hreshold (u) sehgga la-la yag melebh u daggap sebaga perswa eksrm da meeuka la r.. Meeuka cluser. Cluser dmula keka hreshold (u) erlampau uuk perama kalya da berakhr seelah palg sedk r pegamaa beruru-uru berada d bawah hreshold. 3. Megeksrak la maksmum cluser da melajuka megdefkas cluser berkuya (megguaka lagkah ). Prosedur berhe bla daa habs. H. Eremal Ide Meode decluserg bekerja dega meeuka suau hreshold (u) kemuda pembeuka cluser hgga sejumlah r pegamaa berada d bawah hreshold. Seper yag dsebuka oleh Coles [], pemlha la r yag dak sesua aka meyebabka bas da varas yag gg. Nla r yag erlalu redah aka meyebabka daa sul mejad depede sedagka la r yag erlalu gg maka daa eksrm yag dperoleh aka sedk sehgga meghaslka varas yag besar. Uuk meeuka esmas r (ru legh) yag opmal, dapa megguaka eremal de [7]. Eremal de merupaka suau dkaor uuk megukur berapa bayak cluser yag erbeuk sehgga daa mejad depede. Salah sau meode dalam megesmas eremal de adalah dega megguaka persamaa (9). m, ~ N m, N T N T N T N N T T f ma T : N f ma T : N dmaa T = S + - S :,,, N- T : jarak aar pegamaa d aas hreshold (9) N : jumlah pegamaa d aas hreshold S : urua pegamaa ke- daas hreshold. Nla eremal de (θ) dapa dguaka uuk meeuka ru legh (r) yag opmal uuk proses decluserg, dmaa r = T (C) da (C-) = θ (N-). I. Reur Level Reur level merupaka la maksmum pada perode yag aka daag. Pada bdag peraa la reur level dar daa curah huja aka memberka formas waku aam yag sesua uuk vareas aama paga ereu. Sehgga keka curah huja eksrm erjad, dapa deuka vareas aama apa yag sesua da adapf erhadap keadaa yag eksrm ersebu. Persamaa reur level uuk GPD adalah sebaga berku. ˆ m u m u () dega : u : la hreshold m : la eksrm yag erjad pada jagka waku m- pegamaa ζ u : u c ˆ : u dmaa c adalah bayakya cluser yag erbeuk, u adalah bayakya daa yag melebh hreshold da adalah bayakya daa []. J. Roo Mea Square Error (RMSE) Roo Mea Square Error (RMSE) dguaka uuk megeahu akar kesalaha raa-raa kuadra dar seap meode. Pada peela RMSE dguaka sebaga krera pemlha meode yag sesua. dmaa : : Nla akual RMSE ˆ ˆ : Nla dugaa : Bayakya la yag dduga A. Sumber Daa III. METODOLOGI PENELITIAN Daa yag dguaka pada peela adalah daa sekuder yag dperoleh dar Bada Meeorolog Klmaolog da Geofska (BMKG). Daa yag dperoleh adalah daa curah huja hara d beberapa kabupae d Jawa Tmur yau d Kabupae Jember, Bojoegoro, Lamoga, Bayuwag, da Ngaw pada perode 98 sampa. B. Varabel Peela Varabel yag dguaka dalam peela adalah curah huja hara yag dambl dar sau pos ereu dmasgmasg kabupae yau Pos Karag Kedawug d Kabupae Jember, Pos Cawak d Kabupae Bojoegoro, Pos Karagbagu d Kabupae Lamoga, Pos Pasewara d Kabupae Bayuwag, da Pos Ngale d Kabupae Ngaw pada perode 98 sampa. Pemlha pos ersebu ddasarka pada peela Nhaya [8] yag melakuka perbadga uj homogeas pada daa curah huja d Jawa Tmur sebaga pra-pemrosesa kaja perubaha klm. Pos huja yag dplh ersebu elah memeuh homogeas ruu waku. ()

4 4 C. Meode Aalss Daa Meode aalss yag dguaka dalam peela sebaga berku.. Melakuka pra-pemrosesa daa dega megdefkas mssg value, observas pecla (ouler), da observas yag dak sesua dar daa curah huja d Kabupae Jember, Bojoegoro, Lamoga, Bayuwag, da Ngaw.. Megdefkas karakersk curah huja eksrm d Jawa Tmur khususya Kabupae Jember, Bojoegoro, Lamoga, Bayuwag, da Ngaw dega lagkah sebaga berku. a. Medeskrpska daa curah huja dega saska deskrpf da pola sebara curah huja. b. Megdefkas dsrbus daa curah huja d masg masg kabupae uuk megeahu adaya dsrbus daa heavy al da la eksrm dega hsogram da ormaly plo. 3. Pegambla sampel daa eksrm dega meode Peaks Over Threshold. Sampel daa eksrm ddapaka dega cara meeuka hreshold pada daa dega megguaka meode presease % uuk medapaka daa eksrm. Daa duruka dar yag erbesar hgga yag erkecl. 4. Megdefkas daa curah huja pada masgmasg pos membeuk pola sklk aau ler re melalu plo daa u sedr. Sela u juga melha daa eksrm depede melalu plo auocorrelao fuco (ACF).. Pemerksaa kesesuaa dsrbus megguaka quale plo, probably plo da peguja hpoess dega uj Kolmogorov-Smrov. 6. Melakuka decluserg pada daa eksrm depede melalu pedekaa ru-decluserg. a. Meeuka r (ru legh) yag opmum melalu esmas eremal de pada persamaa (8). b. Melakuka decluserg dega megguaka la r yag elah dperoleh dar hasl esmas eremal de dega lagkah-lagkah sebaga berku. - Megguaka la hreshold (u) pada lagkah ke- 3 uuk megdefkas la-la eksrm - Meeuka cluser. Cluser dmula keka hreshold (u) erlampau uuk perama kalya da berakhr seelah palg sedk r pegamaa beruru-uru jauh d bawah hreshold. - Megeksrak la maksmum masg-masg cluser da selajuya dguaka sebaga daa baru uuk megesmas parameer GPD. 7. Meghug la esmas parameer Geeralzed Pareo Dsrbuo (GPD) dar daa hasl decluserg da apa decluserg. 8. Meghug la reur level curah huja eksrm d lma kabupae kemuda membadgka la RMSE uuk reur level hasl decluserg da apa decluserg. IV. HASIL DAN PEMBAHASAN Pada hasl da pembahasa dawal dega pembahasa pra-pemrosesa daa, deskrps daa, pegambla sampel eksrm dega peaks over hreshold, pemerksaa kesesuaa dsrbus, proses decluserg, sera meeuka reur level. Pada beberapa pembahasa ereu lebh khusus mejelaska uuk daa curah huja d Pos Cawak. A. Pra-Pemrosesa Daa Curah Huja Pra-pemrosesa daa sebelum daalss melpu defkas mssg value da mpuas daa. Mssg value aau mssg daa merupaka gaggua yag basa demuka dalam daa yag aka daalss. Berku hasl def-kas mssg value dar daa curah huja d lma pos pega-maa d Jawa Tmur. Tabel. Idefkas Mssg Value Daa Curah Huja Pos Pegamaa N dak sesua %mssg Pasewara 3,84 Karag Kedawug 3, Ngale 3,6 Cawak 3,8 Karagbagu 3,4 Tabel meujukka bahwa demuka ada daa mssg d pos pegamaa Pasewara, Ngale, Cawak, da Karagbagu, dmaa Pos Ngale memlk daa mssg yag palg bayak yau sebayak 6 daa mssg aau sekar,6%. Sedagka d Pos Karag Kedawug dak demuka daa mssg sama sekal, amu mash erdapa beberapa pegamaa yag dak sesua yau sebayak 3 pegamaa. Jumlah yag sama juga demuka d pos pegamaa yag la. Pegamaa dak sesua yag dmaksud adalah pegamaa yag dcaa pada aggalaggal yag dak mugk erjad, yau aggal 3 pada bula Februar, Aprl, Ju, Sepember, November, da aggal 9 Februar pada ahu-ahu o-kabsa. Sehgga dalam hal pegamaa pada aggal-aggal ersebu dhapuska. Sedagka uuk daa mssg dlakuka mpuas dega megguaka raa-raa curah huja pada aggal da bula yag sama dega aggal da bula daa mssg ersebu. CH Bojoegoro 4384 Gambar. Plo Daa Curah Huja d Pos Cawak. (Caaa: Yag dberka ada merupaka daa yag aeh yag perlu dklarfkas ulag ke pegumpul daa) Daa yag sudah bersh dar mssg value selajuya dcek ulag uuk megdefkas pegamaa yag meympag. Gambar meujukka bahwa erdapa sau pegamaa yag aeh d Pos Cawak, yau daa curah huja ercaa 6 mm. Pegamaa erjad pada aggal Desember 994. Pada har-har sebelum da seelah aggal ersebu, raa-raa curah huja ercaa sekar - mm (huja sedag) bahka bayak har dak erjad huja (curah huja mm), sehgga pegamaa pada aggal Desember 994 daggap aeh karea la curah hujaya erlalu gg bahka ergolog kaegor huja yag saga leba (> mm) yag dapa meyebabka bajr d wlayah ersebu. Oleh karea u peagaa yag dlakuka uuk megaas kasus ersebu adalah dega melakuka peyesuaa daa. Perlakua yag sama juga dlakuka pada daa curah huja d empa pos laya. 48 Ide

5 B. Deskrps Daa Curah Huja Hasl sask deskrpf curah huja d lma pos pegamaa dsajka pada Tabel. Tabel. Nla Raa-Raa, Sadard Devas, Nla Mmum, da Nla Maksmum Curah Huja Hara (mm) Pos Pegamaa Raa- Sd Raa Devas M. Maks. Cawak 4,3,398 Pasewara 6,3 6,74 3 Karag Kedawug,49,76 9 Karagbagu 4,,6 4 Ngale,3 3,99 7 Perlu dlakuka defkas uuk megeahu pola curah huja d lma pos pegamaa yag del. Gambar 3 merupaka dagram baag yag erbeuk dar raa-raa curah huja hara mula bula Jauar 98 sampa Desember d Pos Cawak. Berdasarka Gambar 3 dapa dkeahu bahwa pola curah huja d Pos Cawak membeuk huruf U da memlk sau pucak musm huja (umodal) yag erjad pada bula Jauar sehgga membeuk pola mosu. Curah huja hara keempa pos laya juga memlk pola yag sama yau pola mosu. Raa-raa curah huja hara (mm) JANUARI FEBRUARI MARET APRIL MEI SEPTEMBER NOVEMBER DESEMBER Gambar 3. Pola Curah Huja Hara d Pos Cawak C. Idefkas Pola Daa Heavy Tal da Nla Eksrm JUNI Idefkas daa berpola heavy al d Pos Cawak dapa dkeahu melalu hsogram seper pada Gambar 4. 9 JULI Bula Bojoegoro AGUSTUS OKTOBER Gambar. Peguja Normaly Probably Plo Curah Huja Hara d Pos Cawak D. Pegambla Sampel Eksrm dega POT Pemlha hreshold dlakuka dega meode presease dega persease % pada daa curah huja hara d lma pos pegamaa da pegambla sampel eksrm dlakuka dega megambl daa yag haya melebh la hreshold. Nla hreshold da bayakya daa yag berada daas hreshold pada masg-masg pos pegamaa dsajka dalam Tabel 3. Tabel 3. Jumlah Pegamaa (N), Nla Threshold (u), da Jumlah Sampel Eksrm ( u) Pos Pegamaa N u (mm) u Cawak Pasewara Karag Kedawug Karagbagu Ngale E. Idefkas Depedes Daa Idefkas depedes daa pada peela dlakuka dega melha plo dar daa curah huja eksrm pada Pos Cawak sebaga berku pegamaa kecurah huja eksrm (mm) Perce Bojoegoro Normal - 9% CI Curah Huja 7 Mea 4.3 SDev.4 N 97 AD 7.96 P-Value <. 8 Frequecy Curah Huja Gambar 4. Hsogram Curah Huja Hara d Pos Cawak Hsogram pada Gambar 4 meujukka bahwa curah huja d Pos Cawak memlk ekor dsrbus uru lamba. Hal megdkaska adaya pola dsrbus daa heavy al pada daa curah huja hara d Pos Cawak. Adaya dkas juga meujukka jka daa curah huja dak berdsrbus ormal sehgga megguaka meode ereme value heory. Hal dapa dlha juga dega meggu-aka ormaly probably plo pada Gambar berku Gambar 6. Pola Daa Curah Huja Eksrm Pos Cawak Pola daa curah huja eksrm berdasarka Gambar 6 membeuk pola sklk. Hal ersebu megdkaska bahwa daa curah huja eksrm d Pos Cawak bersfa depede erhadap waku. Sela dega plo daa curah huja, defkas depedes daa juga dlakuka meggu-aka plo auocorrelao fuco dar daa eksrm curah huja. Auocorrelao CH Eksrm Bojoegoro (wh % sgfcace lms for he auocorrelaos) Lag Gambar 7. Plo Auocorrelao Fuco Daa Eksrm Curah Huja d Pos Cawak (Caaa: Tada koak ham meujukka lag-lag yag keluar dar baas aas aau baas bawah yag megdkas adaya depedes aau auokorelas) Gambar 7 meujukka ada beberapa la ACF yag melebh baas aas fugs auokorelas yau pada lag-, lag

6 6 3, da lag-4, sera beberapa lag yag lebh gg laya. Sehgga meujukka daa eksrm memlk korelas yag gg dega la eksrm sebelum aau sesudahya. Maka daa eksrm curah huja d Pos Cawak bersfa depede. Idkas adaya depedes daa juga demuka pada daa curah huja d masg-masg pos F. Uj Kolmogorov-Smrov Pemerksaa kesesuaa dsrbus uuk megeahu bahwa sampel eksrm curah huja berdsrbus Geeralzed Pareo Dsrbuo (GPD) juga dlakuka dega uj Kolmogorov-Smrov sebaga berku. Peguja hpoess : H : F () = F () (Daa megku Geeralzed Pareo Dsrbuo) H : F () F () (Daa dak megku Geeralzed Pareo Dsrbuo) α =, Daerah krs : Tolak H jka D hug > D α dmaa D α adalah la krs uuk uj Kolmogorov-Smrov dega araf sgfkas sebesar α. Tabel 4. Uj Kolmogorov-Smrov Geeralzed Pareo Dsrbuo Pos Pegamaa Dhug Dα Kepuusa Cawak,43,49 Gagal Tolak H Pasewara,34,469 Gagal Tolak H Karag Kedawug,339,473 Gagal Tolak H Ngale,333,473 Gagal Tolak H Karagbagu,46,476 Gagal Tolak H Berdasarka Tabel 4 meujukka bahwa D hug pada semua pos pegamaa memlk la yag lebh kecl dbadgka D α sehgga kesmpula yag dapa dambl adalah semua daa eksrm curah huja d lma pos pegamaa megku Geeralzed Pareo Dsrbuo. G. Proses Eremal Ide da Decluserg Berku hasl esmas eremal de d lma pos pegamaa curah huja dalam Tabel. Tabel. Eremal Ide per Pos Pegamaa Pos Pegamaa Threshold Eremal Ide r Cawak mm,334 8 Pasewara 3 mm,34 Karag Kedawug 9 mm,748 8 Karagbagu 4 mm,9 8 Ngale 7 mm,98 8 Seelah dkeahu la r yag opmum, proses selajuya adalah melakuka decluserg. Secara spesfk, berku djelaska proses decluserg pada daa curah huja d salah sau pos pegamaa yau Pos Cawak.. Meeuka hreshold (u). Pada aalss sebelumya deuka la hreshold (u) uuk daa curah huja d Pos Cawak adalah mm da la-la yag berada daas u daggap sebaga la eksrm.. Meeuka la r. Pada aalss dguaka la r = 8 yag dperoleh dar hasl eremal de. 3. Meeuka cluser. Cluser perama dmula pada daa perama kal melebh la hreshold da berakhr seelah mmal ada r daa yag berada dbawah hreshold. Pada daa curah huja d Pos Cawak, cluser perama erbeuk, mula pegamaa ke- sampa dega ke-3. Cluser kedua erbeuk mula pegamaa ke-4 sampa ke-3, dmaa aara cluser perama da cluser kedua ada sebayak pegamaa d bawah hreshold. Prosedur dlakuka erus meerus sampa pembeuka cluser selesa da daa elah habs. Pada daa curah huja d Pos Cawak erbeuk 37 cluser dega r =8. 4. Megdefkas la maksmum pada masg-masg cluser. Nla maksmum selajuya dguaka uuk megesmas parameer GPD.. Seelah proses decluserg selesa, kemuda megdefkas depedes daa curah huja hasl decluserg. Gambar 8 meujukka plo ACF daa curah huja d Pos Cawak yag sudah melalu proses decluserg. Gambar 8. Plo Auocorrelao Fuco Daa Curah Huja Pos Cawak dega Decluserg r = 8 Plo auocorrelao fuco pada Gambar 8 meujukka dak ada la ACF yag keluar dar baas aas da baas bawah sehgga megdkaska bahwa daa curah huja hasl proses decluserg sudah depede H. Esmas Parameer GPD Nla esmas parameer skala da parameer beuk GPD, sera jumlah cluser yag erbeuk da pe dsrbus daa eksrm curah huja d lma pos pegamaa dsajka pada Tabel 6 sebaga berku. Cawak Pasewara Karag Kedawug Ngale Auocorrelao Tabel 6. Esmas Parameer GPD Pos Cawak, Pos Pasewara, Pos Karag Kedawug, Pos Ngale, da Pos Karagbagu Pos Nodecluserg Nla Decluserg Pegamaa ˆ 3,778 73,76 Karagbagu I. Reur Level r = 8 (wh % sgfcace lms for he auocorrelaos) ˆ -,88 -,784 c - 37 Tpe Ds. Bea Bea ˆ 8, , ˆ -,38 -,97 c - 77 Tpe Ds. Bea Bea ˆ,6 4,979 ˆ -,47 -,393 c - 3 Tpe Ds. Bea Bea ˆ,69 48,39 ˆ -,37 -,394 c - 3 Tpe Ds. Bea Bea ˆ 7,7387 4,46 ˆ,46 -,348 c - 9 Tpe Ds. Pareo Bea Nla esmas parameer GPD yag dperoleh dguaka uuk meghug reur level. Sedagka reur level dapa dguaka uuk megeahu la esmas curah huja pada 3 Lag

7 7 perode waku ereu. Nla reur level uuk curah huja selama ahu medaag lma pos pegama-a dsajka pada Tabel 7. Tabel 7. Nla Reur Level (mm) d Lma Pos Pegamaa Pos Pegamaa Cawak Pasewara Karag Kedawug Karagbagu Ngale Perode Ulag Akual No- Decluserg Decluserg 3 bl 78 6,79 64,679 6 bl 78 73,48 84,79 9 bl 78 78,487 9,44 bl 8 8,8 96,86 3 bl 6 79,764,9 6 bl 6 9,78 83,374 9 bl 6 3,49,6 bl 6 9,83 8,7 3 bl 4 6,646,64 6 bl 6 73,83 7,748 9 bl 6 8,7 79,8 bl 8 84, ,78 3 bl 3,844 47,63 6 bl 6,94 66, 9 bl 73,468 7,846 bl 78,838 8,74 3 bl 6,8333 6,739 6 bl 76,7 76,948 9 bl 84,689 8,6 bl 9,88 9,343 Nla RMSE dguaka uuk meeuka meode yag sesua dalam meghug reur level d lma pos pegamaa. Nla RMSE dar reur level hasl decluserg dbadgka dega RMSE dar reur level apa dlakuka decluserg. Nla RMSE dhug berdasarka la akual da la dugaa reur level dar masg-masg kabupae. Meode yag memlk la RMSE erkecl adalah meode yag sesua dalam meeuka reur level. Hasl perbadga la RMSE dsajka pada Tabel 8 berku. Tabel 8. Nla RMSE Reur Level No- Pos Pegamaa Decluserg Decluserg Cawak 8,, Pasewara 4,39 3,3 Karag Kedawug,999,9 Karagbagu 38,37 39,767 Ngale 44,79 46,97 Tabel 8 meujukka bahwa la RMSE yag dhaslka dar reur level melalu decluserg cederug sama dbadgka la reur level apa decluserg. Hal meujukka bahwa la dugaa yag dhaslka melalu decluserg dak sesua, sehgga dalam perhuga reur level dak memberka hasl yag lebh bak. Sela u, hal dapa dujukka dega peguja mea dua populas sebaga berku: Hpoess: H: μ = μ H: μ μ dmaa : μ = raa-raa RMSE reur level dar daa apa decluserg μ = raa-raa RMSE reur level dar daa hasl decluserg α =, hug = -,6 abel = 3,49 h < abel sehgga kesmpula yag dperoleh : gagal olak H. Maka raa-raa RMSE reur level dar daa apa decluserg sama dega raa-raa RMSE reur level dar daa hasl decluserg. Sehgga perhuga reur level melalu decluserg memberka hasl yag sama dega hasl esmas reur level apa decluserg. Ada dugaa bahwa decluserg merupaka ahap awal dalam aalss memodelka parameer GPD sehgga haya mampu megaas depedes daa amu dak meghaslka reur level yag lebh bak. Oleh karea u, perlu dbahas da daalss lebh laju dega pedekaa model parameer uuk meghaslka la reur level yag lebh sesua. V. KESIMPULAN DAN SARAN Karakersk curah huja eksrm d Jawa mur khususya Kabupae Jember, Bojoegoro, Lamoga, Bayuwag, da Ngaw memlk pola heavy al (megadug la eksrm) da dak berdsrbus ormal, amu megku dsrbus Geeral Pareo. Sela u daa eksrm d lma pos pegamaa masg-masg kabupae bersfa depede karea berpola sklk da memlk la korelas yag gg pada lag-lag ereu. Proses decluserg pada daa eksrm dapa megaas depedes daa sehgga meghaslka daa yag depede. Namu, hal ersebu dak meghaslka esmas parameer da reur level yag lebh bak karea la RMSE reur level pada hasl decluserg sama dega RMSE reur level dar daa apa decluserg. Oleh karea u pada aalss selajuya sebakya dlakuka aalss decluserg pada pos pegamaa yag berbeda aau megguaka daa smulas sehgga ada kemugka aka meghaslka esmas parameer da reur level yag lebh bak. Sela u juga dapa melakuka aalss dega megguaka meode pemodela parameer GPD uuk memperoleh esmas parameer da reur level yag lebh bak. DAFTAR PUSTAKA [] Coles, S. (). A Iroduco o Sascal Modellg of Ereme Values. Lodo: Spger-Verlag. [] Jaruskova, D., Haek, M. (6). Peaks Over Threshold Mehod I Comparso Wh Block-Mama Mehod For Esmag Hgh Reur Levels Of Several Norher Morava Precpao Ad Dscharges Seres. Joural of Hydrology ad Hydromechacs, 4, [3] Kurawa, Y. (3). Aalss Daa Eksrm Depede (No Saoary) Pada Kasus Curah Huja Eksrm d Jawa Tmur Dega Pedekaa Peaks Over Threshold. Tugas Akhr S: Jurusa Saska, Isu Tekolog Sepuluh Nopember. [4] Soukssa, T. H., Arap, P. M. (). The Effec of Decluserg he r-larges Mama Model for he Esmao of H s-desg Values. The Ope Ocea Egeerg Joural, 4, [] Johso, R.A., Bhaacharyya, G.K. (977). Sascal Coceps ad Mehods. New York : Joh Wley & Sos. [6] McNel, A.J. (999). Ereme Value Theory for Rsk Maagers. Zurch: Depareme Mahemac ETH Zerum. [7] Ferro, C.A.T., Segers, J. (3). Iferece for Clusers of Ereme Values. Joural R. Sa. Socey, B6:4-6. [8] Nhaya,L.N. (3). Perbadga Uj Homogeas Pada Daa Curah Huja D Jawa Tmur Sebaga Pra-Pemrosesa Kaja Perubaha Iklm. Tugas Akhr S: Jurusa Saska, Isu Tekolog Sepuluh Nopember.

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

Lebih terperinci

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (3) 337-35 (3-98X Prt) D-4 Estmas Parameter Geeralzed Pareto Dstrbuto Pada Kasus Idetfkas Perubaha Iklm d Setra Produks Pad Jawa Tmur Yustka Des Wula Sar da Sutko

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur YUSTIKA DESI WULAN SARI 39 4 Estmas Parameter Geeralzed Pareto Dstrbuto Pada Kasus Idetfkas Perubaha Iklm d Setra Produks Pad Jawa Tmur Yustka Des Wula Sar da Sutko Jurusa Statstka, Fakultas Matematka

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

Estimasi Parameter Model Logit pada Respons Biner Multivariat Menggunakan Metode Mle dan Gee

Estimasi Parameter Model Logit pada Respons Biner Multivariat Menggunakan Metode Mle dan Gee Jural ILMU DASAR Vol. 0 No.. 009 : 85 9 85 Esmas Parameer Model Log pada Respos Ber Mulvara Megguaka Meode Mle da Gee Esmag Parameers of Log Model o Mulvarae Bary Respose Usg Mle ad Gee Jaka Nugraha, Suryo

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau perawaa (maeace) merupaka kegaa uuk mejaga aau memelhara faslas-faslas da peralaa pabrk, sera megadaka perbaka, peyesuaa aau peggaa yag dperluka uuk medapaka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Estimasi Parameter Generalized Pareto Distribution pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur

Estimasi Parameter Generalized Pareto Distribution pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur Estmas Parameter Geeralzed Pareto Dstrbuto pada Kasus Idetfkas Perubaha Iklm d Setra Produks Pad Jawa Tmur Oleh : Yustka Des Wula Sar 39 4 Dose Pembmbg : Dr. Sutko, S.S.,M.S. Semar Hasl Tugas Akhr -- 6

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN Jural EKSPONENSAL Volume 6, Nomor, Nopember 05 SSN 085789 Aalss Pegedala Persedaa Produk dega Meode Ecoomc Order Quay Mul em Megguaka Algorma Geeka uuk Megefseka Baya Persedaa Hasl Peramala Berbass Expoeal

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Peramalan Deret Waktu Multivariat Seasonal pada Data Pariwisata dengan Model Var-Gstar

Peramalan Deret Waktu Multivariat Seasonal pada Data Pariwisata dengan Model Var-Gstar Jural ILMU DASAR Vol. No., uar 2 : 9 Peramala Dere Waku Mulvara Seasoal pada Daa Parwsaa dega Model Var-Gsar Seasoal Mulvara Tme Seres Forecasg O Toursm Daa by Usg Var-Gsar Model Dhorva Urwaul Wusqa )

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

PENGGUNAAN REGRESI KONTINUM DENGAN PRA- PEMROSESAN ROBPCA UNTUK PEMODELAN STATISTICAL DOWNSCALING. Sutikno 1 dan Setiawan 2

PENGGUNAAN REGRESI KONTINUM DENGAN PRA- PEMROSESAN ROBPCA UNTUK PEMODELAN STATISTICAL DOWNSCALING. Sutikno 1 dan Setiawan 2 Semar Nasoal Saska IX Isu ekolog Sepulu Nopember, 7 November 009 PENGGUNAAN REGRESI KONINUM DENGAN PRA- PEMROSESAN ROBPCA UNUK PEMODELAN SAISICAL DOWNSCALING Suko da Seaa, Jurusa Saska FMIPA IS suko@saska.s.ac.d,

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

Analisis Terhadap Protokol Harn Dan Lin

Analisis Terhadap Protokol Harn Dan Lin SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 016 Aalss Terhadap Prookol Har Da L A-10 I Made Muska Kera Asawa Lembaga Sad Negara Kadek19_kapaboy@yahoo.com Absrak Prookol Har da L merupaka

Lebih terperinci

Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal

Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal Jural Sas & Maemaka JSM) ISSN Kaa 854-675 Pusaka Volume 5, Nomor, Aprl 7 Arkel Peela 6-67 Pemodela Regres uuk Racaga Percobaa Fakor Tuggal Dw Ispra Saf Pegaar urusa Maemaka Fakulas MIPA UNDIP Semarag ABSTRAK---Meode

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

Bab 7 NILAI DAN VEKTOR EIGEN

Bab 7 NILAI DAN VEKTOR EIGEN Bab 7 NILAI DAN VEKTOR EIGEN 7 Movas Dmovas bab dega medskuska persamaa a hy by c, dega dak semua dar a, b, da c adalah ol Peryaaa a hy by dsebu beuk kuadrak dalam da y, sera erdapa deas a hy by a h [

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,

Lebih terperinci

Sistem Penjadwalan Mesin Produksi Menggunakan Algoritma Johnson dan Campbell

Sistem Penjadwalan Mesin Produksi Menggunakan Algoritma Johnson dan Campbell Soaa, Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell 73 Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell Ff Soaa Program Pascasarjaa Jurusa Tekk formaka Fakulas lmu Kompuer

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV

PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV Jural Wahaa Maemaka da Sas, Volume 8 Nomor, Aprl 4 77 PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV I Gus Nyoma Yud Harawa Jurusa Peddka Maemaka, Fakulas Maemaka da Ilmu Pegeahua

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI. Pemelharaa aau Maeace.. Pegera Pemelharaa Pemelharaa aau dalam slah asgya dsebu maeace adalah kegaa uuk memelhara aau mejaga faslas / eralaa abrk da megadaka erbaka aau eyesuaa /

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci