PEMBAHASAN ... (3) RMSE =
|
|
- Widyawati Hermawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 7 kemampuan untuk mengikuti variasi hujan permukaan. Keterandalan model dapat dilihat dari beberapa parameter, antara lain : Koefisien korelasi Korelasi dinyatakan dengan suatu koefisien yang menunjukkan hubungan (linier) relatif antara dua peubah (Sucahyono et al. 2009). Persamaan koefisien korelasi adalah : XY X Y r... (3) X X Y Y Jika nilai koefisien korelasi curah hujan estimasi dengan curah hujan observasi semakin besar maka semakin kuat hubungan diantara keduanya sehingga pola nilai estimasi akan semakin mendekati pola data aktualnya. Root Mean Square Error (RMSE) Galat atau error didefinisikan sebagai selisih antara curah hujan estimasi dengan curah hujan observasi (Wibowo 2010). RMSE menunjukkan tingkat bias pendugaan yang dilakukan oleh model estimasi curah hujan. RMSE dapat diketahui dengan persamaan sebagai berikut : RMSE =... (4) Jika nilai RMSE antara curah hujan estimasi dan curah hujan observasi semakin kecil maka semakin kecil perbedaan diantara keduanya sehingga nilai estimasi akan semakin akurat. Uji Pearson Uji Pearson merupakan uji non parametrik dalam statistika. Uji ini dilakukan untuk menyatakan ada atau tidaknya hubungan antara peubah x dengan peubah y dan melihat seberapa besar sumbangan suatu peubah terhadap peubah lainnya. Hipotesis yang digunakan pada penelitian ini, yaitu : H o : tidak terdapat hubungan yang signifikan antara curah hujan estimasi dan curah hujan observasi. H 1 : terdapat hubungan yang signifikan antara curah hujan estimasi dan curah hujan observasi. Hipotesis diterima berdasarkan nilai P value, jika P value kurang dari selang kepercayaan (α) maka tolak H o dan kedua data berbeda secara nyata. IV. PEMBAHASAN 4.1 Kondisi Klimatologi Riau merupakan salah satu provinsi di Indonesia yang memiliki wilayah di daratan dan lautan sehingga terbagi menjadi provinsi Riau dan provinsi Kepulauan Riau. Provinsi Riau secara geografis terletak antara 01 05' 00'' LS ' 00'' LU dan antara ' 00'' ' 00'' BT. Provinsi ini terdiri dari 9 kabupaten dan 2 kota dengan luas wilayah km 2. Secara umum, wilayah Provinsi Riau memiliki topografi dataran rendah dan agak bergelombang dengan ketinggian pada beberapa kota antara 2-91 mdpl ( Provinsi Kepulauan Riau merupakan provinsi baru hasil pemekaran dari Provinsi Riau berdasarkan UU No. 25 tahun Provinsi ini terletak antara 01 o 10' 00'' LS 5 o 10' 00'' LU dan antara 102 o 50' 00'' 109 o 20' 00'' BT. Provinsi Kepulauan Riau terdiri dari 4 kabupaten dan 2 kota dengan luas wilayah km 2, sekitar 95 % berupa lautan dan sisanya berupa daratan ( Penelitian ini mengambil empat titik pengamatan, yaitu Provinsi Riau diwakili oleh stasiun Pekanbaru dan stasiun Japura Rengat. Sementara itu, Kepualuan Riau diwakili oleh stasiun Tanjung Pinang dan Dabo Singkep. Perbedaan topografi antara wilayah daratan dan lautan akan menyebabkan perbedaan kondisi klimatologis di Provinsi Riau dan Provinsi Kepulauan Riau. Secara umum wilayah Riau beriklim tropis basah dengan rata-rata curah hujan berkisar mm per tahun yang dipengaruhi oleh musim kemarau dan musim hujan ( Berdasarkan distribusi hujan pada setiap stasiun (Gambar 3) terlihat bahwa wilayah Riau, baik Provinsi Riau maupun Kepulauan Riau memiliki pola hujan ekuatorial, dimana pola ini berbentuk bimodal (dua puncak hujan). Pola hujan tersebut tidak memiliki perbedaan yang signifikan antara musim hujan dan musim kemarau. Menurut Tjasyono (2004), puncak musim hujan pada pola ekuatorial terjadi sekitar bulan Maret dan Oktober atau saat ekinoks.
2 8 Gambar 3 Pola hujan wilayah Riau. 4.2 Analisis Pola Hubungan Curah Hujan Observasi Terhadap Curah Hujan CMORPH Penggunaan data penginderaan jauh untuk menduga unsur-unsur iklim, misalnya curah hujan diharapkan dapat menanggulangi masalah ketersediaan data. Penelitian ini mencoba mengkaji penggunaan data CMORPH untuk pendugaan curah hujan di wilayah Riau. Umumnya, data penginderaan jauh bersifat global sehingga dalam pemanfaatannya perlu dilakukan tinjauan awal pola hubungannya dengan data observasi di permukaan. Pola hubungan antara data observasi dan data CMORPH dapat dilihat pada Gambar 4. Berdasarkan hasil plotting kedua data (Gambar 4) tersebut pada masingmasing wilayah kajian menunjukkan bahwa pola curah hujan CMORPH cukup mampu mengikuti pola dan variasi curah hujan permukaan. Dengan demikian, data CMORPH memiliki potensi yang cukup baik untuk digunakan dalam menduga curah hujan di permukaan. Potensi pemanfaatan data CMORPH untuk pendugaan curah hujan permukaan dapat pula ditunjukkan dari nilai korelasi (r) antara kedua data tersebut. Sementara itu, persentase keragaman yang dapat diwakili oleh masing-masing pola hubungan dapat dinilai berdasarkan koefisien determinasi (R 2 ) dari masing-masing model regresi sederhana antara kedua data tersebut. Pembangunan model regresi sederhana untuk setiap stasiun hujan dilakukan antara data observasi sebagai peubah tak bebas (y) dan rataan nilai curah hujan setiap grid dalam masing-masing domain data CMORPH sebagai peubah bebas (x).
3 9 Gambar 4 Pola hubungan curah hujan dasarian observasi dengan data CMORPH pada masing-masing lokasi penelitian. Pembangunan model estimasi curah hujan perlu memperhitungkan pengaruh musim. Oleh karena itu, penelitian ini terlebih dulu melakukan pemisahan antara musim hujan dan musim kemarau dengan menggunakan uji nyata dua regresi. Hal ini bertujuan untuk mengetahui apakah perlu dilakukan pemisahan model estimasi untuk musim hujan dan musim kemarau. Hasil uji dua regresi menunjukkan bahwa nilai α lebih besar daripada taraf nyata sebesar 5% (Lampiran 3-6). Hal ini berarti bahwa persamaan regresi musim hujan dan musim kemarau tidak berbeda nyata, sehingga kedua persamaan tersebut tidak saling berkorelasi. Dengan demikian, dalam penelitian ini selanjutnya tidak diperlukan pemisahan model estimasi antara musim hujan dengan kemarau. 4.3 Analisis Regresi Curah Hujan Observasi dan Curah Hujan CMORPH Analisis pola hubungan antara data observasi dan CMORPH juga dilakukan dengan regresi linier. Regresi linier digunakan untuk membentuk model hubungan antara peubah terikat dengan satu atau lebih peubah bebas (Kurniawan 2008). Model regresi yang digunakan adalah model regresi sederhana yang dibangun dari integrasi antara data observasi dengan nilai rata-rata curah hujan CMORPH dalam setiap ukuran domain yang dikaji pada masingmasing wilayah kajian. Persamaan regresi sederhana ini mengambil intersep = 0. Nilai koefisien korelasi (r) dan determinasi (R 2 ) antara data observasi dengan CMORPH pada masing-masing domain di setiap wilayah kajian terlihat pada Tabel 2. Koefisien korelasi menunjukkan ukuran kekuatan hubungan antara dua peubah atau lebih. Sementara itu, nilai koefisien determinasi menunjukkan proporsi keragaman atau variasi total dalam nilai peubah tak bebas yang dapat diterangkan atau diakibatkan oleh hubungan linier dengan nilai peubah bebas (Ulkhaq 2010).
4 10 Tabel 2. Nilai koefisien korelasi (r) dan determinasi (R 2 ) untuk masing-masing stasiun hujan berdasarkan analisis regresi sederhana Stasiun R 2 (%) Korelasi 1x1 3x3 5x5 7x7 9x9 1x1 3x3 5x5 7x7 9x9 Pekanbaru Japura Rengat Tanjung Pinang Dabo Singkep Rata-rata Secara umum, berdasarkan Tabel 2 tampak bahwa korelasi antara data observasi dengan data CMORPH pada masing-masing domain di masing-masing wilayah penelitian cukup tinggi berkisar antara hingga dengan tingkat keragaman berkisar antara 10.7% hingga 47.5%. Hal ini menunjukkan bahwa data CMORPH cukup baik digunakan sebagai prediktor curah hujan permukaan dan dapat mewakili sekitar 10.7% hingga 47.5% keragaman hujan yang terjadi. Selain itu, berdasarkan Tabel 2 tampak pula bahwa data CMORPH memiliki kemampuan lebih baik dalam mengestimasi curah hujan di wilayah Pekanbaru dan Dabo Singkep dibandingkan dengan di wilayah Japura Rengat dan Tanjung Pinang. Hal ini terlihat dari nilai koefisien korelasi dan determinasi yang dihasilkan relatif lebih kecil dibandingkan dengan Pekanbaru dan Dabo Singkep. 4.4 Analisis Partial Least Square Curah Hujan Observasi dan Curah Hujan CMORPH Pembangunan model regresi antara data observasi dan data CMORPH dengan melibatkan peubah bebas (x) yang cukup banyak menimbulkan multikolieritas. Multikolinieritas merupakan suatu kondisi dimana terjadi korelasi yang kuat diantara peubah bebas (x) yang diikutsertakan dalam pembentukan model regresi linier (Handoyo 2008). Hal ini akan menghasilkan penduga model regresi yang bias, tidak stabil, dan mungkin jauh dari nilai sasarannya (Bilfarsah 2005). Multikolinieritas dapat dideteksi dari nilai VIF (Variation Inflation Faktor), dimana jika VIF > 10 maka telah terjadi multikolinieritas. Berdasarkan hasil perhitungan nilai VIF (Lampiran 7 10) diketahui bahwa model regresi pada setiap titik pengamatan di masing-masing domain memiliki nilai VIF yang lebih besar dari 10. Hal ini mengindikasikan adanya multikolinieritas. Multikolinearitas dapat diatasi dengan mereduksi peubah bebas. Salah satu cara untuk mengatasi masalah multikolinearitas adalah melalui metode kuadrat terkecil parsial (partial least square). Metode ini lebih menitikberatkan pada kovarians diantara peubah bebas dan peubah tak bebas Keragaman Peubah Bebas Berdasarkan Metode Partial Least Square (PLS) Penggunaan metode Partial Least Square (PLS) dalam mengatasi masalah multikolinearitas dilakukan dengan jumlah komponen yang berbeda-beda. Hal ini bergantung pada nilai x variance (keragaman curah hujan CMORPH) dalam suatu model estimasi. Jumlah komponen pada penelitian ini ditentukan bila nilai x variance berkisar 90% dan nilai koefisien determinasi relatif stabil. Nilai x variance dan koefisien determinasi untuk masing-masing domain di setiap titik pengamatan terlihat pada Tabel 3.
5 11 Tabel 3. Keragaman x dan koefisien daterminasi (R 2 ) berdasarkan metode Partial Least Square Stasiun Domain Jumlah PC x variance R 2 (%) 3x Pekanbaru 5x x x x Japura Rengat 5x x x x Tanjung Pinang 5x x x x Dabo Singkep 5x x x Secara umum berdasarkan Tabel 3 diketahui bahwa nilai x variance akan meningkat seiring dengan bertambahnya jumlah komponen. Domain 3x3 dan 5x5 dengan menggunakan lima buah komponen sudah dapat menggambarkan keragaman curah hujan CMORPH sebesar 90%. Sedangkan domain 7x7, hanya diperlukan tiga komponen untuk dapat mewakili peubah bebas secara keseluruhan. Hal ini dimungkinkan karena pada domain 7x7 distribusi peubah cukup baik sehingga hanya dengan jumlah komponen yang sedikit maka sudah dapat menggambarkan keragaman peubah bebas. Namun, domain 9x9 justru memerlukan jumlah komponen yang relatif lebih banyak, yaitu 12 komponen untuk dapat menggambarkan keragaman curah hujan CMORPH pada wilayah kajian. Hal ini diakibatkan tidak semua peubah bebas dalam domain tersebut dapat mewakili keragaman curah hujan. Dengan demikian, jumlah komponen yang digunakan untuk menggambarkan keragaman yang hujan tidak bergantung pada ukuran domain Koefisien Determinasi Berdasarkan Metode Partial Least Square (PLS) Nilai koefisien determinsi menunjukkan proporsi keragaman atau variasi total dalam nilai peubah tak bebas yang dapat diterangkan atau diakibatkan oleh hubungan linier dengan nilai peubah bebas (Ulkhaq 2010). Nilai koefisien determinasi (R 2 ) dapat memberikan informasi tambahan mengenai penentuan jumlah komponen yang digunakan dalam pembangunan model estimasi (Kusaeri 2010). Nilai koefisien determinasi untuk masing-masing domain pada setiap titik pengamatan ditunjukkan pada Tabel 3. Nilai koefisien determinasi akan menunjukkan kemampuan model estimasi dalam mengestimasi curah hujan permukaan. Nilai koefisien determinasi berkisar 23.6 % hingga 98.7 %. Nilai koefisien determinasi tertinggi akan tercapai pada domain 7x7, dimana domain tersebut juga hanya memerlukan jumlah komponen yang relatif sedikit seperti yang terlihat pada Tabel 3. Selain itu, data CMORPH memiliki kemampuan yang lebih baik dalam menerangkan keragaman curah hujan di wilayah Pekanbaru dan Dabo Singkep dibandingkan wilayah Japura Rengat dan Tanjung Pinang. Hal ini terlihat dari nilai koefisien determinasi yang lebih kecil dibandingkan wilayah Pekanbaru dan Dabo Singkep.
6 12 Gambar 5 Perbandingan nilai koefisien determinasi (R 2 ) antara regresi sederhana dan Partial Least Square (PLS). Secara umum, nilai koefisien determinasi berdasarkan metode kuadrat terkecil (Partial Least Square) akan mengalami peningkatan dibandingkan dengan menggunakan regresi sederhana. Peningkatan nilai koefisien determinasi rata-rata sebesar 50% seperti terlihat pada Gambar 5, dimana perbandingan antara kedua metode tersebut memiliki hasil akhir yang sangat jauh berbeda. Dengan demikian, penggunaan metode kuadrat terkecil parsial (Partial Least Square) melalui pereduksian peubah bebas data CMORPH terbukti dapat mengatasi masalah multikolinearitas. 4.5 Validasi Model Suatu model estimasi curah hujan yang dihasilkan masih harus ditinjau keterandalannya untuk melihat apakah data estimasi memilki kemampuan untuk mengikuti variasi hujan permukaan. Keterandalan suatu model dapat dilihat melalui proses validasi antara data estimasi dengan data observasi. Suatu model estimasi curah hujan dapat dikatakan layak digunakan untuk menduga curah hujan jika hasil validasi modelnya baik. Tingkat keterandalan model dapat dilihat dari nilai koefisien korelasi antara curah hujan observasi dan curah hujan estimasi. Jika nilai koefisien korelasi curah hujan estimasi dengan curah hujan observasi semakin besar maka semakin kuat hubungan diantara keduanya sehingga pola nilai estimasi akan semakin mendekati pola data aktualnya. Selain itu, tingkat keterandalan model juga dapat dilihat dari nilai RMSE (Root Mean Square Error). Jika nilai RMSE antara curah hujan estimasi dan curah hujan observasi semakin kecil maka semakin kecil perbedaan diantara keduanya sehingga nilai estimasi akan semakin akurat. Hasil validasi model estimasi untuk masing-masing domain pada setiap titik pengamatan ditunjukkan pada Tabel 4. Tabel 4. Parameter statistik dalam validasi model Stasiun Verifikasi Validasi Domain Korelasi RMSE P value R 2 Prediksi (%) 3x Pekanbaru x x x x Japura Rengat x x x x Tanjung Pinang x x x x Dabo Singkep x x x
7 13 Wilayah Riau dibagi menjadi dua bagian, yaitu wilayah daratan (Provinsi Riau) dan wilayah kepulauan (Kepulauan Riau). Wilayah daratan diwakili oleh Pekanbaru dan Japura Rengat. Sementara wilayah kepulauan diwakili oleh Tanjung Pinang dan Dabo Singkep. Karakteristik hujan kedua wilayah tersebut dipengaruhi oleh kondisi sekitar stasiun pengamatan. Curah hujan estimasi wilayah Pekanbaru menunjukkan korelasi yang signifikan dengan curah hujan observasi. Hal ini ditunjukkan oleh nilai koefisien korelasi yang relatif tinggi, yaitu berkisar hingga Sementara itu, berdasarkan uji Pearson diketahui bahwa terdapat hubungan yang signifikan antara curah hujan estimasi dengan curah hujan observasi sehingga ada korelasi diantara kedua data tersebut. Hasil validasi model estimasi menunjukkan variabilitas curah hujan lebih sering terjadi saat musim hujan, dengan faktor kesalahan atau galat terkecil sebesar mm yaitu pada domain 5x5. Dengan demikian, model estimasi curah hujan pada domain 5x5 memberikan hasil keluaran estimasi terbaik dalam mengestimasi curah hujan wilayah Pekanbaru dibandingkan domain lainnya. Gambar 6 Pola curah hujan observasi dan curah hujan estimasi Pekanbaru. Perbandingan antara curah hujan observasi dengan curah hujan estimasi ditunjukkan oleh Gambar 6. Berdasarkan gambar tersebut, terlihat bahwa curah hujan observasi dan curah hujan estimasi memiliki pola yang hampir sama. Namun, secara umum model estimasi curah hujan untuk wilayah Pekanbaru menghasilkan keluaran yang nilainya lebih tinggi daripada kondisi sebenarnya (over estimate). Hasil estimasi yang bersifat over estimate sebagian besar terjadi saat musim hujan terjadi. Hal ini dimungkinkan akibat tingginya fluktuasi curah hujan pada bulan-bulan tersebut.
8 14 Gambar 7 Pola curah hujan observasi dan curah hujan estimasi Japura Rengat. Hasil validasi curah hujan observasi dan curah hujan estimasi wilayah Japura Rengat memiliki korelasi yang signifikan diantara kedua data tersebut. Hal ini terlihat dari nilai koefisien korelasi yang relatif tinggi, yaitu berkisar hingga seperti ditunjukkan oleh Tabel 4. Berbeda dengan wilayah Pekanbaru, curah hujan estimasi pada wilayah Japura Rengat bersifat under estimate atau hasil estimasi curah hujan memiliki nilai yang lebih rendah dibandingkan dengan kondisi sebenarnya seperti terlihat pada Gambar 7. Nilai curah hujan yang bersifat under estimate umumnya terjadi pada Agustus hingga November. Kondisi ini menyebabkan nilai koefisien determinasi yang dihasilkan menjadi rendah yaitu sekitar 24.1% hingga 30.3% dengan galat terkecil sebesar mm pada domain 5x5. Dengan demikian, model estimasi curah hujan pada domain tersebut memberikan hasil yang terbaik dibandingkan domain lainnya.
9 15 Gambar 8 Pola curah hujan observasi dan curah hujan estimasi Tanjung Pinang. Curah hujan estimasi pada wilayah Tanjung Pinang menunjukkan korelasi yang tidak signifikan dengan curah hujan observasi. Hal ini terlihat dari nilai koefisien korelasi yang relatif rendah. Selain itu, uji Pearson juga menunjukkan bahwa tidak terdapat hubungan yang signifikan antara curah hujan estimasi dan curah hujan observasi. Oleh karena itu, curah hujan CMORPH kurang mampu mengestimasi curah hujan permukaan wilayah Tanjung Pinang. Berdasarkan Gambar 8 diketahui bahwa curah hujan estimasi dan curah hujan observasi memiliki pola yang tidak signifikan. Selain itu, curah hujan hasil estimasi juga bersifat under estimate. Kondisi ini menyebabkan nilai galat menjadi tinggi sehingga menjadikan nilai Root Mean Square Error (RMSE) juga meningkat. Oleh karena itu, model estimasi yang dibangun kurang baik dalam mengestimasi curah hujan permukaan wilayah Tanjung Pinang. Validasi curah hujan estimasi dengan curah hujan observasi wilayah Dabo Singkep menunjukkan korelasi yang cukup signifikan, dengan nilai koefisien korelasi berkisar hingga Sementara itu, perbandingan antara curah hujan estimasi dan curah hujan observasi ditunjukkan oleh Gambar 9. Berdasarkan gambar tersebut diketahui bahwa curah hujan estimasi memiliki pola yang signifikan dengan curah hujan observasi, terutama pada domain 3x3. Namun, untuk bulan November hingga Desember terlihat perbedaan yang signifikan antara curah hujan estimasi dan curah hujan observasi atau curah hujan estimasi memiliki nilai yang lebih tinggi dibandingkan curah hujan observasi (over estimate). Hal ini akan mempengaruhi faktor kesalahan atau galat pada model estimasi. Tabel 4 menunjukkan bahwa galat terkecil pada Dabo Singkep terjadi pada domain 3x3 sebesar mm. Selain itu, curah hujan estimasi yang dihasilkan oleh model estimasi pada domain tersebut mampu mewakili 43.9% dari keragaman hujan yang terjadi. Dengan demikian, domain 3x3 memberikan hasil yang lebih baik dalam menduga curah hujan permukaan dibandingkan domain lainnya.
10 16 Gambar 9 Pola curah hujan observasi dan curah hujan estimasi Dabo Singkep. Secara keseluruhan, curah hujan estimasi cukup mampu mengikuti pola curah hujan permukaan. Namun, untuk bulan Agustus hingga November yang diperkirakan bulan-bulan basah curah hujan estimasi menunjukkan perbedaan yang cukup signifikan dengan curah hujan observasi. Hal ini dimungkinkan tingginya variabilitas curah hujan yang terjadi pada bulan-bulan tersebut. Jika ditinjau dari kondisi wilayah terlihat bahwa untuk wilayah daratan, domain yang memberikan hasil keluaran terbaik adalah domain 5x5. Sementara itu untuk wilayah kepulauan, domain 3x3 memberikan hasil keluaran yang terbaik. Hal ini disebabkan oleh kondisi wilayah, dimana wilayah kepulauan akan lebih dipengaruhi oleh faktor lautan. Selain itu, model estimasi curah hujan akan memberikan hasil keluaran yang lebih baik pada wilayah daratan. Dengan demikian, curah hujan CMORPH lebih baik digunakan dalam mengestimasi curah hujan permukaan pada wilayah daratan. V. PENUTUP 5.1 Kesimpulan Curah hujan CMORPH mampu mengikuti pola dan variasi curah hujan permukaan sehingga baik digunakan sebagai prediktor curah hujan permukaan, dimana curah hujan CMORPH mampu mewakili sekitar 10.7% hingga 47.5% keragaman hujan yang terjadi. Teknik downscaling dengan menggunakan partial least square (PLS) lebih baik dibandingkan teknik downscaling dengan menggunakan regresi sederhana, dimana penggunaan PLS dapat meningkatkan nilai koefisien determinasi (R 2 ) dari 47.5% dengan menggunakan regresi sederhana menjadi 98.7% dengan menggunakan PLS. Validasi model menunjukkan bahwa untuk wilayah daratan, domain yang memberikan hasil keluaran terbaik adalah domain 5x5. Sementara itu untuk wilayah kepulauan, domain 3x3 memberikan hasil keluaran yang terbaik. Dengan demikian, curah hujan CMORPH lebih baik digunakan dalam mengestimasi curah hujan permukaan wilayah daratan. 5.2 Saran Kebutuhan periode data yang lebih panjang dan kualitas data yang lebih baik sangat dibutuhkan untuk memberikan hasil estimasi yang lebih akurat. Kajian efektifitas penggunaan domain dan bentuk domain masih sangat terbatas sehingga diperlukan kajian lebih lanjut. DAFTAR PUSTAKA Abdi H Partial Least Square (PLS) Regression. The University of Texas. Dallas, USA. Asdak C Hidrologi dan Pengelolaan Daerah Aliran Sungai. Gadjah Mada University Press. Yogyakarta. [Balitklimat] Balai Penelitian Agroklimat Pengembangan Sistem Informasi Spasial Database Iklim Nasional. [30 Agustus 2010]. Bilfarsah A Efektifitas Metode Aditif Spline Kuadrat Terkecil Parsial Dalam Pendugaan Model Regresi. Makara Sains Vol 9 No. 1, Page Boer R Analisis Risiko Iklim untuk Produksi Pertanian dalam Pelatihan Dosen PT Se-Sumatera-Kalimantan
Lampiran 1. Peta administrasi Riau dan plotting stasiun pengamatan wilayah Riau
LAMPIRAN 19 20 Lampiran 1. Peta administrasi Riau dan plotting stasiun pengamatan wilayah Riau Sumber : Badan Koordinasi Survei dan Pemetaan Nasional (Bakosurtanal) 21 Lampiran 2. Proses pengolahan data
Lebih terperinciESTIMASI CURAH HUJAN BERDASARKAN DATA CMORPH (CPC MORPHING TECHNIQUE) WILAYAH RIAU
i ESTIMASI CURAH HUJAN BERDASARKAN DATA CMORPH (CPC MORPHING TECHNIQUE) WILAYAH RIAU TRI YULI KURNIAWATI DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciI. PENDAHULUAN. 1.2 Tujuan Penelitian ini bertujuan menganalisis potensi data CMORPH dalam menduga curah hujan permukaan.
1 I. PENDAHULUAN 1.1 Latar Belakang Data iklim seringkali bervariasi baik secara temporal maupun spasial, terutama di wilayah tropis. Curah hujan merupakan unsur iklim paling penting di Indonesia yang
Lebih terperinciIV. HASIL DAN PEMBAHASAN
8 eigenvalue masing-masing mode terhadap nilai total eigenvalue (dalam persen). PC 1 biasanya menjelaskan 60% dari keragaman data, dan semakin menurun untuk PC selanjutnya (Johnson 2002, Wilks 2006, Dool
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Data 1. Keadaan Wilayah Provinsi Jawa Timur merupakan salah satu provinsi yang berada di Pulau Jawa dan merupakan provinsi paling timur di Pulau Jawa. Letaknya pada
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciAnalisis Regresi: Regresi Linear Berganda
Analisis Regresi: Regresi Linear Berganda Pengantar Pada sesi sebelumnya kita hanya menggunakan satu buah X, dengan model Y = b 0 + b 1 X 0 1 Dalam banyak hal, yang mempengaruhi X bisa lebih dari satu.
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
16 5.1 Hasil 5.1.1 Pola curah hujan di Riau BAB V HASIL DAN PEMBAHASAN Data curah hujan bulanan dari tahun 2000 sampai dengan 2009 menunjukkan bahwa curah hujan di Riau menunjukkan pola yang sama dengan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. maka di kembangkan kerangka pemikiran penelitian sebagai berikut: ketinggian
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran dan Hipotesis 3.1.1 Kerangka Pemikiran Berdasarkan kerangka teori yang telah dijelaskan pada gambaran umum objek, maka di kembangkan kerangka pemikiran
Lebih terperinciPENDAHULUAN 1.1. Latar belakang
1 I. PENDAHULUAN 1.1. Latar belakang Curah hujan merupakan salah satu parameter atmosfer yang sulit untuk diprediksi karena mempunyai keragaman tinggi baik secara ruang maupun waktu. Demikian halnya dengan
Lebih terperinciIV. METODOLOGI PENELITIAN. Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur,
IV. METODOLOGI PENELITIAN 4.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur, Tanjungpinang, Kepulauan Riau. Pemilihan lokasi dilakukan secara sengaja (purposive)
Lebih terperinciHipotesis adalah suatu pernyataan tentang parameter suatu populasi.
PERTEMUAN 9-10 PENGUJIAN HIPOTESIS Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. Apa itu parameter? Parameter adalah ukuran-ukuran. Rata-rata penghasilan karyawan di kota binjai adalah
Lebih terperinciREGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING
REGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING Aji Hamim Wigena Departemen Statistika, FMIPA Institut Pertanian Bogor Jakarta, 23 Juni 2011 Pendahuluan GCM (General Circulation Model) model
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciBAB 2 LANDASAN TEORI. bebas X yang dihubungkan dengan satu peubah tak bebas Y.
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan
Lebih terperinci1. PENDAHULUAN. [8 Januari 2006] 1 ( )
1. PENDAHULUAN 1.1. Latar Belakang Informasi ramalan curah hujan sangat berguna bagi petani dalam mengantisipasi kemungkinan kejadian-kejadian ekstrim (kekeringan akibat El- Nino dan kebanjiran akibat
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor
8 BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor (variabel independent) dengan variabel outcome (variabel dependen) untuk
Lebih terperincihomogen jika titik-titik tersebar secara merata atau seimbang baik di atas maupun dibawah garis, dengan maksimum ragam yang kecil.
8 koefisien regresi berganda dari variabel tak bebas Y terhadap variabel bebas Xi. Pada kasus ini, persamaan mengandung arti sebagai berikut, seperti yang telah dimodelkan Merdun (23) di Sungai Saluda,
Lebih terperinci8. MODEL RAMALAN PRODUKSI PADI
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan Padi merupakan makanan utama sekaligus mempunyai nilai politis yang tinggi bagi orang Indonesia, yang menyediakan pendapatan secara musiman dan tenaga kerja
Lebih terperinciKOREKSI DATA HUJAN DASARIAN TRMM DI STASIUN KLIMATOLOGI KAIRATU MENGGUNAKAN REGRESI LINEAR SEDERHANA
KOREKSI DATA HUJAN DASARIAN DI STASIUN KLIMATOLOGI KAIRATU MENGGUNAKAN REGRESI LINEAR SEDERHANA Steven Cahya Andika Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG), Tangerang Selatan Email
Lebih terperinci5 HASIL PENELITIAN 5.1 Jumlah Produksi YellowfinTuna
24 5 HASIL PENELITIAN 5.1 Jumlah Produksi YellowfinTuna Pendataan produksi tuna di PPN Palabuhanratu pada tahun 1993-2001 mengalami perbedaan dengan data produksi tuna pada tahun 2002-2011. Perbedaan ini
Lebih terperinciRMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X
pembilang persamaan (3) adalah rataan jumlah kuadrat galat, N jumlah pengamatan dan M jumlah himpunan bagian. Penyebutnya merupakan fungsi nilai kompleks, dengan C(M) adalah nilai kompleksitas model yang
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. 4.1 Gambaran Umum Pelayanan Jasa Pelabuhan Sunda Kelapa
BAB IV HASIL DAN PEMBAHASAN 4.1 Gambaran Umum Pelayanan Jasa Pelabuhan Sunda Kelapa 4.1.1. Pendapatan Pelabuhan Pendapatan yang diterima Pelabuhan Sunda Kelapa sejak tahun 2004 sampai tahun 2010 menunjukkan
Lebih terperinciIV. METODOLOGI PENELITIAN. Penelitian ini akan dilaksanakan di Pulau Untung Jawa Kabupaten
IV. METODOLOGI PENELITIAN 4.1 Lokasi dan Waktu Penelitian ini akan dilaksanakan di Pulau Untung Jawa Kabupaten Kepulauan Seribu, Provinsi DKI Jakarta. Pemilihan lokasi dilakukan secara sengaja (purposive
Lebih terperinciTUGAS AKHIR. Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3
TUGAS AKHIR Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3 Oleh: Alin Fitriani 1306 100 066 Pembimbing: Dr.Ir. Setiawan, M.S NIP 198701 1 001 JURUSAN STATISTIKA
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI A. Persamaan Regresi Linear Analisis regresi merupakan suatu model matematis yang dapat digunakan untuk mengetahui pola hubungan antara dua atau lebih variabel. Analisis regresi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tempat Penelitian Penelitian ini dilaksanakan di daerah Kalimantan Timur, Kecamatan Balikpapan Selatan. Pada perkembangan kota yang semakin maju dan era modern dalam penggunaan
Lebih terperinciHubungan Suhu Muka Laut Perairan Sebelah Barat Sumatera Terhadap Variabilitas Musim Di Wilayah Zona Musim Sumatera Barat
1 Hubungan Suhu Muka Laut Perairan Sebelah Barat Sumatera Terhadap Variabilitas Musim Di Wilayah Zona Musim Sumatera Barat Diyas Dwi Erdinno NPT. 13.10.2291 Sekolah Tinggi Meteorologi Klimatologi Dan Geofisika,
Lebih terperinciPertemuan 4-5 ANALISIS REGRESI SEDERHANA
Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat
Lebih terperinciIV. METODE PENELITIAN. Penelitian dilakukan di kawasan wisata Puncak Bogor, Provinsi Jawa
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di kawasan wisata Puncak Bogor, Provinsi Jawa Barat. Kawasan wisata ini meliputi wisata outbound (yang berada di Lembah Pertiwi,
Lebih terperinciPerkiraan Koefisien Pengaliran Pada Bagian Hulu DAS Sekayam Berdasarkan Data Debit Aliran
Jurnal Vokasi 2010, Vol.6. No. 3 304-310 Perkiraan Koefisien Pengaliran Pada Bagian Hulu DAS Sekayam Berdasarkan Data Debit Aliran HARI WIBOWO Fakultas Teknik Universitas Tanjungpura Jalan Ahmad Yani Pontianak
Lebih terperinciIII. METODOLOGI PENELITIAN. Modal, Dinas Penanaman Modal Kota Cimahi, Pemerintah Kota Cimahi, BPS Pusat
III. METODOLOGI PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data tenaga kerja, PDRB riil, inflasi, dan investasi secara berkala yang ada di kota Cimahi.
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis regresi linier sederhana 2. Analisis regresi linier berganda. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Istilah
Lebih terperinci3. PENENTUAN DOMAIN GCM DALAM PENYUSUNAN MODEL STATISTICAL DOWNSCALING
3. PENENTUAN DOMAIN GCM DALAM PENYUSUNAN MODEL STATISTICAL DOWNSCALING 3.1. Pendahuluan Domain GCM berperan penting dalam pemodelan SD. Data pada domain ini dijadikan sebagai faktor yang menentukan pendugaan
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciPEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R
PEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R Margaretha Ohyver Mathematics & Statistics Department, School of Computer Science, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciMETODE PENELITIAN. Batu. Pemilihan lokasi tersebut dilakukan secara sengaja (purposive) dengan
IV. METODE PENELITIAN 4.1 Tempat dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Tlekung, Kecamatan Junrejo, Kota Batu. Pemilihan lokasi tersebut dilakukan secara sengaja (purposive) pertimbangan
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square dan Regresi Ridge
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 12) ISSN: 2301-928X D-1 Pemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. belajar kimia SMA Negeri 1 Jogonalan Kabupaten Klaten.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Diskripsi Data Diskripsi hasil penelitian ini didasarkan pada skor dari kuesioner yang digunakan untuk mengetahui pengaruh motivasi dan iklim
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk
Lebih terperinciANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG. Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan
Saintia Matematika Vol. 2, No. 1 (2014), pp. 71 83. ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan Abstrak. Penyediaan
Lebih terperinciPREDIKSI AWAL MUSIM HUJAN MENGGUNAKAN PARAMETER SEA SURFACE TEMPERATURE DI PANGKALPINANG
PREDIKSI AWAL MUSIM HUJAN MENGGUNAKAN PARAMETER SEA SURFACE TEMPERATURE DI PANGKALPINANG Aflah Yuliarti 1, Deni Septiadi 2 1 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jakarta 2 Badan Meteorologi
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan
7 BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel
Lebih terperinci2 TINJAUAN PUSTAKA. Model Sistem Prediksi Gabungan Terbobot
11 2 TINJAUAN PUSTAKA Prediksi unsur iklim curah hujan dengan akurasi tinggi di wilayah tropis dapat dikategorikan sulit dilakukan. Apalagi jika prediksi tersebut diarahkan pada luaran yang bersifat kuantitatif
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data sekunder tahunan Data sekunder
III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder tahunan 2000-2011. Data sekunder tersebut bersumber dari Lampung dalam Angka (BPS), Badan Penanaman Modal Daerah
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling sering
Lebih terperinci1 PENDAHULUAN. Latar Belakang
1 PENDAHULUAN Latar Belakang Pada saat ini pengguna informasi cuaca jangka pendek menuntut untuk memperoleh informasi cuaca secara cepat dan tepat. Badan Meteorologi, Klimatologi dan Geofisika (BKMG) telah
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciHASIL DAN PEMBAHASAN. Penyusunan fungsi produksi menurut umur
HASIL DAN PEMBAHASAN Penyusunan fungsi produksi menurut umur Tanaman kelapa sawit akan menghasilkan tandan buah segar (TBS) yang dapat dipanen pada saat tanaman berumur 3 atau 4 tahun. Produksi TBS yang
Lebih terperinciBAB III METODE PENELITIAN. dan penguasaan keterampilan kognitif baik secara sendiri-sendiri atau bersama -
36 BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini bertujuan untuk mengetahui pengaruh penguasaan konsep dan penguasaan keterampilan kognitif baik secara sendiri-sendiri atau bersama - sama
Lebih terperinciDari tabel di atas, diperoleh nilai dari Durbin-Watson sebesar 2.284, di. mana angka tersebut bernilai lebih besar dari 2, yang berarti terdapat
76 a Predictors: (Constant), Debt to Equity, Current, Return on Assets, Price Earning, Debt, Assets Turnover, Earning per Share, Return on Equity b Dependent Variable: Imbal hasil Dari tabel di atas, diperoleh
Lebih terperinciBAB 1 PENDAHULUAN. Provinsi Daerah Tingkat (dati) I Sumatera Utara, terletak antara 1-4 Lintang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Provinsi Daerah Tingkat (dati) I Sumatera Utara, terletak antara 1-4 Lintang Utara (LU) dan 98-100 Bujur Timur (BT), merupakan wilayah yang berbatasan di sebelah utara
Lebih terperinciMA5283 STATISTIKA Bab 7 Analisis Regresi
MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir
Lebih terperinciBAB 3 METODA PENELITIAN. industri penghasil bahan baku sektor pertambangan yang terdaftar di
BAB 3 METODA PENELITIAN 3.1 Jenis dan Sumber Data Peneliti memperoleh data penelitian ini yang terdapat pada sumber data historis berupa laporan keuangan perusahaan yang telah diaudit dengan benar serta
Lebih terperinciPENGAUH KUALITAS PRODUK, HARGA, CITRA MEREK DAN DESAIN PRODUK TERHADAP KEPUTUSAN PEMBELIAN MOBIL JENIS MPV MEREK TOYOTA. Risnandar
PENGAUH KUALITAS PRODUK, HARGA, CITRA MEREK DAN DESAIN PRODUK TERHADAP KEPUTUSAN PEMBELIAN MOBIL JENIS MPV MEREK TOYOTA AVANZA DI KOTA DEPOK Risnandar 16212478 Latar Belakang Di jaman modern seperti sekarang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
Lebih terperinci3 PENENTUAN DOMAIN SPASIAL NWP
3 PENENTUAN DOMAIN SPASIAL NWP Pendahuluan Peubah-peubah yang dihasilkan dari NWP mempunyai dimensi yang besar yaitu, dimensi spasial (S), dimensi waktu (T), dimensi vertikal (V) dan dimensi parameter
Lebih terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciKATA PENGANTAR TANGERANG SELATAN, MARET 2016 KEPALA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG. Ir. BUDI ROESPANDI NIP
PROPINSI BANTEN DAN DKI JAKARTA KATA PENGANTAR Puji syukur kehadirat Tuhan YME atas berkat dan rahmat Nya kami dapat menyusun laporan dan laporan Prakiraan Musim Kemarau 2016 di wilayah Propinsi Banten
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciHASIL DAN PEMBAHASAN
7 HASIL DAN PEMBAHASAN Keadaan Umum dan Distribusi Titik Panas (hotspot)provinsi Jambi Provinsi Jambi secara geografis terletak antara 0 o 45-2 o 45 LS dan 101 o 104 o 55 BT, terletak di tengah Pulau Sumatera
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Perusahaan emiten manufaktur sektor (Consumer Goods Industry) yang
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Objek Penelitian Perusahaan emiten manufaktur sektor (Consumer Goods Industry) yang terdaftar di Bursa Efek Indonesia memiliki beberapa perusahaan, dan
Lebih terperinciDimana : a = konstanta b = koefisien regresi Y = Variabel dependen ( variabel tak bebas ) X = Variabel independen ( variabel bebas ) Untuk mencari rum
MODUL REGRESI LINIER SEDERHANA Modul Praktikum Pendahuluan Di dalam analisa ekonomi dan bisnis, dalam mengolah data sering digunakan analisis regresi dan korelasi. Analisa regresi dan korelasi telah dikembangkan
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Perkebunan Aek Pamienke, Labuhan Batu Utara, Sumatera Utara. Pemilihan provinsi Sumatera Utara sebagai lokasi penelitian
Lebih terperinci5. HUBUNGAN ANTARA PEUBAH-PEUBAH PENJELAS GCM CSIRO Mk3 DAN CURAH HUJAN BULANAN
5. HUBUNGAN ANTARA PEUBAH-PEUBAH PENJELAS GCM CSIRO Mk3 DAN CURAH HUJAN BULANAN 5.1 Pendahuluan Dalam pemodelan statistical downscaling (SD), khususnya fungsi transfer diawali dengan mencari model hubungan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil Setelah melalui beberapa tahap kegiatan penelitian, dalam bab IV ini diuraikan analisis hasil penelitian dan pembahasan hasil penelitian. Analisis
Lebih terperinciANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G4004 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1 Pembuatan algoritma empiris klorofil-a Tabel 8, Tabel 9, dan Tabel 10 dibawah ini adalah percobaan pembuatan algoritma empiris dibuat dari data stasiun nomor ganjil, sedangkan
Lebih terperinciANALISIS PENGARUH CURAH HUJAN DI KOTA MEDAN
Saintia Matematika Vol. 1, No. 5 (2013), pp. 459 468. ANALISIS PENGARUH CURAH HUJAN DI KOTA MEDAN Nur Suri Pradipta, Pasukat Sembiring, Pengarapen Bangun Abstrak. Hujan merupakan komponen masukan yang
Lebih terperinci7. PEMBAHASAN UMUM 7.1. Penentuan Domain
7. PEMBAHASAN UMUM Pembahasan ini merupakan rangkuman dari hasil bahasan dan kajian dalam Bab 2, 3, 4, 5, dan 6 sebelumnya. Secara umum pembahasan meliputi perkembangan metode-metode peramalan untuk SD
Lebih terperinciAtina Ahdika. Universitas Islam Indonesia 2015
Atina Ahdika Universitas Islam Indonesia 2015 Pada materi sebelumnya, kita telah belajar tentang koefisien korelasi, yaitu suatu ukuran yang menyatakan tentang kuat tidaknya hubungan linier antara dua
Lebih terperinciPeramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Lebih terperinciBiaya operasional terendah adalah dialami oleh PT. Centrin Online Tbk (CENT), dan tertinggi di alami oleh Mitra Adi Perkasa Tbk (MAPI
BAB IV HASIL DAN PEMBAHASAN A. Statistik Deskriptif Dengan statistik deskriptif memberikan informasi tentang karakteristik sampel yang digunakan secara lebih rinci. Informasi yang dapat diperoleh dari
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah
63 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah Minimum Provinsi (UMP) dan Belanja Barang dan Jasa (BBJ) terhadap pembangunan
Lebih terperinciIV. METODE PENELITIAN
34 IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian faktor-faktor yang mempengaruhi harga komoditas kakao dunia tidak ditentukan. Waktu pengumpulan data dilaksanakan pada bulan Februari
Lebih terperinciBAB IV. HASIL DAN PEMBAHASAN
7 BAB IV. HASIL DAN PEMBAHASAN 4.1. Kondisi Geografis Kabupaten Karawang Wilayah Kabupaten Karawang secara geografis terletak antara 107 02-107 40 BT dan 5 56-6 34 LS, termasuk daerah yang relatif rendah
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian mengenai faktor-faktor yang mempengaruhi realisasi KUR di wilayah perkotaan ini dilakukan di Bank Rakyat Indonesia (BRI). Bank ini dipilih
Lebih terperinciTEKNIK STATISTICAL DOWNSCALING DENGAN REGRESI KOMPONEN UTAMA DAN REGRESI KUADRAT TERKECIL PARSIAL UNTUK PREDIKSI CURAH HUJAN PADA KONDISI EL NINO, LA NINA, DAN NORMAL 1 2 Woro Estiningtyas, Aji Hamim Wigena
Lebih terperinciBAB I PENDAHULUAN. Di bumi terdapat kira-kira sejumlah 1,3-1,4 milyard km 3 : 97,5% adalah air
BAB I PENDAHULUAN I. Umum Di bumi terdapat kira-kira sejumlah 1,3-1,4 milyard km 3 : 97,5% adalah air laut, 1,75% berbentuk es dan 0,73% berada di daratan sebagai air sungai, air danau, air tanah dan sebagainya.
Lebih terperinciBAB I Pendahuluan. 1. Mengetahui pengertian penelitian metode regresi. 2. Mengetahui contoh pengolahan data menggunakan metode regresi.
BAB I Pendahuluan 1.1. Latar belakang Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinci3. METODE. Kerangka Pemikiran
25 3. METODE 3.1. Kerangka Pemikiran Berdasarkan hasil-hasil penelitian terdahulu serta mengacu kepada latar belakang penelitian, rumusan masalah, dan tujuan penelitian maka dapat dibuat suatu bentuk kerangka
Lebih terperinciV. HASIL DAN PEMBAHASAN
44 V. HASIL DAN PEMBAHASAN 5.1 Analisis Integrasi Pasar (keterpaduan pasar) Komoditi Kakao di Pasar Spot Makassar dan Bursa Berjangka NYBOT Analisis integrasi pasar digunakan untuk mengetahui bagaimana
Lebih terperinciBAB IV HASIL ANALISIS DAN PEMBAHASAN. berbatasan dengan Laut Jawa, Selatan dengan Samudra Indonesia, Timur dengan
BAB IV HASIL ANALISIS DAN PEMBAHASAN A. Deskripsi Sampel Provinsi Jawa Timur mempunyai 229 pulau dengan luas wilayah daratan sebesar 47.130,15 Km2 dan lautan seluas 110.764,28 Km2. Wilayah ini membentang
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperinciPENGARUH INVESTASI DAN KONSUMSI TERHADAP PENYERAPAN TENAGA KERJA DI SUMATERA SELATAN PERIODE
PENGARUH INVESTASI DAN KONSUMSI TERHADAP PENYERAPAN TENAGA KERJA DI SUMATERA SELATAN PERIODE 1995-2010 Fitri Suciani Jaka Pratama Tetiyeni Dwi Lestari ABSTRAK Penelitian ini bertujuan untuk mengetahui
Lebih terperinciBAB IV HASIL dan PEMBAHASAN. buah. Dari 105 kuesioner yang dikirimkan kepada seluruh
BAB IV HASIL dan PEMBAHASAN 4.1. Gambaran Umum Obyek Penelitian Seperti yang telah dijelaskan sebelumnya, pengumpulan data pada penelitian ini menggunakan instrumen kuesioner. Responden dalam penelitian
Lebih terperinciBAB III METODOLOGI PENELITIAN. salah satu kota pemekaran dengan penerimaan PAD yang cukup tinggi.
BAB III METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian Waktu pengumpulan untuk penelitian dan pengolahan data dilakukan mulai bulan Oktober sampai Desember 2013. Penelitian ini dilakukan di Kota
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep dan Definisi Pendapatan Regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun
Lebih terperinciBAB III METODE PENELITIAN. Penelitian Penelitian ini dilakukan di Bursa Efek Indonesia (BEI) untuk
BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Penelitian Penelitian ini dilakukan di Bursa Efek Indonesia (BEI) untuk periode 4 tahun yaitu mulai tahun periode 2009-2012. Dipilihnya BEI sebagai tempat
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga,
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga, Kabupaten Bogor, Provinsi Jawa Barat. Pemilihan lokasi ini dilakukan secara tertuju
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinci