DENGAN PENDEKATAN BEN6URAIAN SEBARAN CAMPURAN NORMAL GANIJA PADA DATA MSS LANDSAT
|
|
- Ridwan Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 DENGAN PENDEKATAN BEN6URAIAN SEBARAN CAMPURAN NORMAL GANIJA PADA DATA MSS LANDSAT % Oleh FAKULTAS PASCASARJANA INGTLTUT PERTANIIAN BOGOR 1991
2 R I N G K C I S A N ANIK DJURAIDAH. Simulasi Analisis Gerombol dengan Pendekatan Penguraian Sebaran Campuran Normal Ganda pada Data MSS Landsat. (Di bawah bimbingan SISWADI sebagai Ketua, dan H. A. A. NATTJIK, ABDURRAUF RAMBE, dan UUP S. WIRADISASTRA sebagai Anggota). Klasifikasi tak terbimbing atau dalam bidang statistika dikenal dengan analisis gerombol adalah lebih bersifat eksploratif dari pada suatu rnetode penarikan kesimpulan, karena tidak ada asumsi mengenai struktur populasi yang akan diklasifikasikan. Suatu pendekatan lain untuk klasi- fikasi ini adalah mengasumsikan populasi sebagai sebuah model campuran dari k subpopulasi dengan proporsi tertentu. Penguraian populasi campuran ke subpopulasi-subpopulasi di sini mirip dengan analisis gerombol, tetapi kriteria yang digunakan untuk mengelompokkan pengamatan adalah peluang akhir (posterior probability). Pada penelitian ini diasumsikan populasi mempunyai sebaran campuran normal ganda. Penelitian ini bertujuan untuk mengelompokkan data dengan rnenggunakan metode penguraian model campuran sebaran normal ganda. Untuk mengukur ketepatan metode ini digunakan metode sirnulasi. Data yang dianalisis dibangkitkan dari sebaran normal ganda. Nilai dan Z pada penelitian ini ditentukan dari citra MSS Landsat liputan 6 Juli 1986 kecamatan Ciasem dan sekitarnya. Pada citra tersebut dipilih kelas-kelas penutup lahan yang terpisah secara spektral berdasarkan diagram pencar MSS5 dan MSS7 yaitu laut dalam, laut dangkal, sawah
3 kosong, tambak tertutup, permukiman, dan padi dewasa. Data yang telah dibangkitkan tersebut dicampur sehingga diperoleh beberapa populasi campuran yaitu : pop2a, popzb, pop3a, pop3b, pop4a, pop4b, pop5 dan pop6. Angka 2-6 yang mengikuti "pop" menunjukkan banyaknya subpopulasi dalam populasi campuran, huruf A dan B masing-masing menunjukkan proporsi masing-masing subpopulasi sama dan berbeda. Metode yang digunakan untuk menduga proporsi, parame- ter-parameter sebaran dan peluang akhir adalah metode ke- mungkinan maksimum dengan algoritme EM (Expectation Maximi- zation). Pada setiap populasi dicoba 4 nilai awal yang di- tentukan dari : plot skor dari dua komponen utama pertama, secara acak, metode gerombol K-rataan, dan metode gerombol hibrida. Hasil penelitian menunjukkan bahwa total persentase keragaman data yang dapat diterangkan oleh 2 komponen utama pertama pada pop2a sampai pop6 cukup besar yaitu berkisar antara sampai persen. Pada plot tebaran skor komponen utama setiap subpopulasi mengumpul dalam satu kelompok dan tidak ada pengamatan yang salah kelas. Hasil dari metode gerombol K-rataan dan Hibrida pada populasi selain pop6 adalah sama dan banyaknya penga- matan yang salah kelas adalah 0. Sedangkan untuk pop6, kedua metode memberikan hasil yang berbeda. Hasil metode hibrida untuk pop6 tidak dapat digunakan sebagai nilai awal karena adanya kelas matriks peragam berunsur 0. Tetapl lnl berslfat khas untuk data yang digunakan di sini.
4 Hasil penguraian dengan nilai awal dari analisis kompo- nen utama memberikan in kemungkinan yang paling besar. Asumsi homaskedastik pada populasi heteroskedastik memberi- kan nilai in kemungkinan yang lebih kecil dibandingkan hasil dari asumsi heteroskedastik. Proporsi subpopulasi pada setiap populasi yang diteliti tidak tampak pengaruhnya terhadap nilai dugaan, hanya nilai in kemungkinan berbeda. Banyaknya pengamatan yang salah kelas hasil penguraian sebaran dipengaruhi oleh nilai awal dan asumsi mengenai kehomogenan subpopulasi-subpopulasi. Hasil klasifikasi dengan metode penguraian sebaran normal ganda lebih baik dibandingkan hasil dari metode K-rataan diukur dari kesa- lahan klasifikasi. Analisis diskriminan juga menghasilkan hasil klasifikasi yang baik, tetapi pada analisis ini perlu menentukan anggota subpopulasi. Penerapan klasifikasi dengan metode penguraian sebaran campuran pada citra MSS Landsat sebaiknya menggunakan asumsi heteroskedastik. Dan analisis komponen utama diguna- kan untuk menentukan nilai awal. Sebelum melakukan anali- sis komponen utama, lebih dahulu dipilih contoh-contoh kelas yang tampak pada suatu sekatan citra secara visual.
5 SIMULASI ANALISIS GEROMBOL DENGAN PENDEKATAN PENGURAIAN SEBARAN CAMPURAN NORMAL GANDA PADA DATA MSS LANDSAT oleh ANIK DJURAIDAH Tesis sebagai salah satu syarat untuk rnernperoleh gelar Magister Sains pada Fakultas Pascasarjana, Institut Pertanian Bogor FAKULTAS PASCASARJANA INSTITUT PERTANIAN BOGOR 1991
6
7
8
9
10
DENGAN PENDEKATAN BEN6URAIAN SEBARAN CAMPURAN NORMAL GANIJA PADA DATA MSS LANDSAT
DENGAN PENDEKATAN BEN6URAIAN SEBARAN CAMPURAN NORMAL GANIJA PADA DATA MSS LANDSAT % Oleh FAKULTAS PASCASARJANA INGTLTUT PERTANIIAN BOGOR 1991 R I N G K C I S A N ANIK DJURAIDAH. Simulasi Analisis Gerombol
Lebih terperinciDATA DAN METODE Sumber Data
14 DATA DAN METODE Sumber Data Data yang digunakan dalam penelitian ini adalah data hasil simulasi dan data dari paket Mclust ver 3.4.8. Data simulasi dibuat dalam dua jumlah amatan yaitu 50 dan 150. Tujuan
Lebih terperinciKAJIAN ANALISIS GEROMBOL BERBASIS MODEL PADA DATA YANG MENYEBAR NORMAL GANDA INDAH RATIH ANGGRIYANI
KAJIAN ANALISIS GEROMBOL BERBASIS MODEL PADA DATA YANG MENYEBAR NORMAL GANDA INDAH RATIH ANGGRIYANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciBAB I PENDAHULUAN. dapat digunakan untuk inferensi statistika. Metode bootstrap mengesampingkan
BAB I PENDAHULUAN 1.1 Latar Belakang Metode bootstrap merupakan metode simulasi berbasiskan data yang dapat digunakan untuk inferensi statistika. Metode bootstrap mengesampingkan distribusi sampling dari
Lebih terperinciTINJAUAN PUSTAKA. bebas digunakan jarak euclidean - sedangkan bila terdapat. korelasi antar peubah digunakan jarak mahalanobis - -
3 TINJAUAN PUSTAKA Gambaran Umum Analisis Gerombol Analisis gerombol merupakan salah satu metode analisis peubah ganda yang bertujuan untuk mengelompokkan objek kedalam kelompok kelompok tertentu yang
Lebih terperinciMODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER
MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER Etis Sunandi 1), Khairil A Notodiputro 2), Anik Djuraidah 2) 1) Jurusan Matematika FMIPA Universitas Bengkulu 2) Jurusan Statistika,
Lebih terperinciPENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI
PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciKelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika
4 Kelas 2 Kelas 1 N3 N4 N3 N4 Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika BAHAN DAN METODE Bahan Data yang digunakan adalah data nilai capaian mahasiswa dalam
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciDATA DAN METODE Data Data Simulasi Data Sekunder
11 DATA DAN METODE Data Data dalam penelitian ini terdiri dari dua sumber yaitu data simulasi dan data sekunder Data simulasi berupa data bangkitan yang berguna untuk mengukur kinerja metode BICOV dan
Lebih terperinciPENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI
PENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI
PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperincipendekatan dalam penelitian ini dinilai cukup beralasan.
Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah
Lebih terperinciV. HASIL DAN PEMBAHASAN
V. HASIL DAN PEMBAHASAN 5.1 Interpretasi Visual Penggunaan Lahan Melalui Citra Landsat Interpretasi visual penggunaan lahan dengan menggunakan citra Landsat kombinasi band 542 (RGB) pada daerah penelitian
Lebih terperinciKAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST
LAPORAN PENELITIAN BIDANG ILMU KELOMPOK TINGKAT LANJUT KAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST Oleh: Drs. Timbul Pardede, M.Si Drs. Budi Prasetyo, M.Si FAKULTAS
Lebih terperinciKernarin dan esok adalah hari ini. - Rendra - Untuk Papa, mamak dan saudara-saudaraku
Kernarin dan esok adalah hari ini - Rendra - Untuk Papa, mamak dan saudara-saudaraku ANALISIS DIGITAL ClTRA MSS LANDSAT DENGAN KLASlFlKASi TEWBlMBlNG DAN PEWBAlMAN TRAINING AREA SECARA EDIT STUD1 KASUS
Lebih terperinci(DS.5) MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER
(DS.5) MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER (Kasus : Pendugaan Proporsi Keluarga Miskin Di kabupaten Jember Jawa Timur) Etis Sunandi 1), Khairil A Notodiputro 2), Anik
Lebih terperinciKEANEKARAGAMAN 36 GENOTIPE CABAI (Capsicum SPP.) KOLEKSI BAGIAN GENETIKA DAN PEMULIAAN TANAMAN INSTITUT PERTANIAN BOGOR
KEANEKARAGAMAN 36 GENOTIPE CABAI (Capsicum SPP.) KOLEKSI BAGIAN GENETIKA DAN PEMULIAAN TANAMAN INSTITUT PERTANIAN BOGOR RAHMI YUNIANTI 1 dan SRIANI SUJIPRIHATI 2 1 Mahasiswa Pascasarjana Sekolah Pascasarjana,
Lebih terperinciPROGRAM PASCASARJANA JNSTITUT PERTANIAN BOGOR
RINGKASAN Nusar Hajarisman, 1998. Kajian Pei.ba~idingan Model Regresi Beta-Binomial dengan Model Regresi Logistik dan ~enera~)a'nn~a Untuk Menduga Pola Kelulusan Mahasiswa TPB-LPB. (Di bawah bimbiriga~i
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Eksplorasi Pada tahapan ini dilakukan plot persen transmitan (%T) dan bilangan gelombang untuk masing-masing spektrum dari 18 sampel temulawak dengan tujuan untuk mengetahui pola data.
Lebih terperinciHASIL DAN PEMBAHASAN. efisien untuk menentukan lebar jendela fungsi kernel Gaussian.
6 6. Catat persentase salah klasifikasi dari hasil penggerombolan. 7. Ulangi langkah 2-6 sebanyak tiga puluh kali. HASIL DAN PEMBAHASAN Penentuan Lebar Jendela Fungsi Kernel Penentuan lebar jendela fungsi
Lebih terperinciSTUD1 PENGELOMPOKAN KEBERHASILAN PELAKSANAAN PROGRAM KELUARGA BERENCANA TINGKAT KABUPATEN DAN KOTAMADYA Dl PROPlNSl JAWA. BARAT
STUD1 PENGELOMPOKAN KEBERHASILAN PELAKSANAAN PROGRAM KELUARGA BERENCANA TINGKAT KABUPATEN DAN KOTAMADYA Dl PROPlNSl JAWA. BARAT.. (SEMESTER 11 1989 / 1990) Oleh S U W A N D A PROGRAM : PASCASARJANA INSTITUT
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciPERUBAHAN PENGGUNAAN LAHAN DAN PENGARUHNYA TERHADAP KEBERADAAN SITU (STUDI KASUS KOTA DEPOK) ROSNILA
PERUBAHAN PENGGUNAAN LAHAN DAN PENGARUHNYA TERHADAP KEBERADAAN SITU (STUDI KASUS KOTA DEPOK) Oleh : ROSNILA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR B O G O R 2 0 0 4 ABSTRAK Rosnila. Perubahan Penggunaan
Lebih terperinciIII. BAHAN DAN METODE
10 III. BAHAN DAN METODE 3.1. Tempat Dan Waktu Penelitian Penelitian dilakukan di laboratorium dan di lapang. Pengolahan citra dilakukan di Bagian Penginderaan Jauh dan Informasi Spasial dan penentuan
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan mulai bulan Febuari 2009 sampai Januari 2010, mengambil lokasi di Kabupaten Bogor, Jawa Barat. Pengolahan dan Analisis
Lebih terperinciIII. METODOLOGI. 3.1 Waktu dan Lokasi Penelitian
III. METODOLOGI 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilaksanakan sejak Juli 2010 sampai dengan Mei 2011. Lokasi penelitian terletak di wilayah Kabupaten Indramayu, Provinsi Jawa Barat. Pengolahan
Lebih terperinciAnalisis Diskriminan
Analisis Diskriminan Tujuan Utama Memperoleh fungsi diskriminan, yaitu fungsi yang mampu digunakan membedakan suatu objek masuk ke dalam populasi tertentu berdasarkan pengamatan terhadap objek tersebut
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
D cit ra BAB IV HASIL DAN PEMBAHASAN 4.1 Pengolahan Data Citra dan Data Lapangan Berdasarkan pengolahan data menggunakan peubah pada citra dan lapangan, diperoleh diagram pencar untuk setiap plot di masing-masing
Lebih terperinciANALISIS POLA SEBARAN HUJAN BULANAN DAN KAITANNYA DENGAN POLA TANAM PALAWIJA
ANALISIS POLA SEBARAN HUJAN BULANAN DAN KAITANNYA DENGAN POLA TANAM PALAWIJA 01 BEBERAPA DAERAW SULAWESI UTARA Oleh JOHN LODEWYK RANTUNG FAKVLTAS PASCASARJANA INSTITUT PERTANIAN BOGOR 1988 RINGKASAN JOHN
Lebih terperinciANALISIS POLA SEBARAN HUJAN BULANAN DAN KAITANNYA DENGAN POLA TANAM PALAWIJA
ANALISIS POLA SEBARAN HUJAN BULANAN DAN KAITANNYA DENGAN POLA TANAM PALAWIJA 01 BEBERAPA DAERAW SULAWESI UTARA Oleh JOHN LODEWYK RANTUNG FAKVLTAS PASCASARJANA INSTITUT PERTANIAN BOGOR 1988 RINGKASAN JOHN
Lebih terperinci(DS.4) MODEL OTOREGRESIF SIMULTAN BAYES UNTUK ANALISIS DATA KEMISKINAN
(DS.4) MODEL OTOREGRESIF SIMULTAN BAYES UNTUK ANALISIS DATA KEMISKINAN Safaat Yulianto 1, Anik Djuraidah 2, Aji Hamim Wigena 2 1Akademi Statistika Muhammadiyah Semarang 2Jurusan Statistika, Institut Pertanian
Lebih terperinciHASIL DAN PEMBAHASAN. Model Regresi Logistik Biner untuk data Hasil Pembangkitan
HASIL DAN PEMBAHASAN Model Regresi Logistik Biner untuk data Hasil Pembangkitan Model regresi logistik digunakan untuk menggambarkan hubungan antara peubah respon dan peubah penjelas pada data hasil pembangkitan.
Lebih terperinciPENDUGA PENCILAN BOGOR 2013
PERBANDINGAN PENDUGA MINIMUM COVARIANCE DETERMINANT (MCD) DENGAN MAXIMUMM LIKELIHOOD ESTIMATION (MLE) PADA ANALISIS DISKRIMINANN UNTUK DATA YANG MENGANDUNGG PENCILAN TRI HARDI PUTRA DEPARTEMEN STATISTIK
Lebih terperinciOleh: Agus Mohamad Soleh. Departemen Statistika FMIPA IPB. Abstrak
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 009 Analisis Diskriminan Linier untuk Klasifikasi Komponen Obat Bahan Alam Berdasarkan Spektrum Inframerah. Studi Kasus :
Lebih terperinciMETODE PERCOBAAN EKONOMI UNTUK MENGKAJI SISTEM PEMBIAYAAN DI PERBANKAN NOVIATI
METODE PERCOBAAN EKONOMI UNTUK MENGKAJI SISTEM PEMBIAYAAN DI PERBANKAN NOVIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2005 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis saya yang
Lebih terperinciSuatu percobaan dilaksanakan untuk mendapatkan informasi dari populasi. Informasi yang diperoleh digunakan untuk:
PENDAHULUAN Program Percobaan Suatu percobaan dilaksanakan untuk mendapatkan informasi dari populasi. Informasi yang diperoleh digunakan untuk: Inferensia tentang parameter populasi Membuat keputusan tentang
Lebih terperinciDETEKSI GEROMBOL DENGAN METODE K-RATAAN KERNEL GAUSS BIMANDRA ADIPUTRA DJAAFARA
i DETEKSI GEROMBOL DENGAN METODE K-RATAAN KERNEL GAUSS BIMANDRA ADIPUTRA DJAAFARA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ii ABSTRAK BIMANDRA
Lebih terperinciBAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n<<p DAN TERDAPAT KEKOLINEARAN-GANDA
BAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
2 5. Pemilihan Pohon Contoh BAB V HASIL DAN PEMBAHASAN Pohon contoh yang digunakan dalam penyusunan tabel volume ini adalah jenis nyatoh (Palaquium spp.). Berikut disajikan tabel penyebaran pohon contoh
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Hasil Segmentasi Dari beberapa kombinasi scale parameter yang digunakan untuk mendapatkan segmentasi terbaik, untuk mengklasifikasikan citra pada penelitian ini hanya mengambil
Lebih terperinciPERBANDINGAN PENGGEROMBOLAN K-MEANS DAN K-MEDOID PADA DATA YANG MENGANDUNG PENCILAN YANNE FLOWRENSIA
PERBANDINGAN PENGGEROMBOLAN K-MEANS DAN K-MEDOID PADA DATA YANG MENGANDUNG PENCILAN YANNE FLOWRENSIA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 010
Lebih terperinciANALISIS PENERAPAN METODE KUADRAT TERKECIL DAN REGRESI KOMPONEN UTAMA DALAM MULTIKOLINEARITAS OLEH : GUGUN M. SIMATUPANG
ANALISIS PENERAPAN METODE KUADRAT TERKECIL DAN REGRESI KOMPONEN UTAMA DALAM MULTIKOLINEARITAS OLEH : GUGUN M. SIMATUPANG PROGRAM PASCASARJANA INSTITUT PERTANIAN BOGOR 2002 ABSTRAK GUGUN M. SIMATUPANG.
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan
Lebih terperinciVI. PEMBAHASAN. dengan metode kemungkinan maksimum, tetapi terhadap
89 VI. PEMBAHASAN Pada analisis yang menggunakan pendekatan model acak satu faktor (model persamaan 4.1), metode kuadrat terkecil secara umum memberikan hasil dugaan yang berbeda dengan metode kemungkinan
Lebih terperinciANALISIS DATA UNIVARIATE DAN MULTIVARIATE
ANALISIS DATA UNIVARIATE DAN MULTIVARIATE Febti Eka Pratiwi (383) cation_forever@yahoo.com Ria Dhea Layla NK (38363) d.d_bgt@hellokitty.co.id Abstrak Peningkatan produksi padi guna penyediaan beras sebagai
Lebih terperinciHASIL DAN PEMBAHASAN. Eksplorasi Pola Spektrum
konsentrasi. Konsentrasi kafein terbagi menjadi 6 konsentrasi, sehingga dari masing-masing komponen diperoleh 24 kombinasi konsentrasi. c. Campuran senyawa tiga komponen, yaitu Vitamin B1, Vitamin B6,
Lebih terperinciBAHAN DAN METODE. Bahan dan Alat
18 BAHAN DAN METODE Lokasi dan Waktu Penelitian dilakukan di kebun percobaan Institut Pertanian Bogor, Sawah Baru Babakan Darmaga, selama 4 bulan, dari bulan Mei-September 2010. Bahan dan Alat Bahan-bahan
Lebih terperinciPEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID
PEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2006 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul : PEMODELAN STOK GABAH/BERAS
Lebih terperinciKAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H
KAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciDATA DAN METODE. Temulawak Jahe Kunyit Kode Keterangan Kode Keterangan Kode Keterangan. No
DATA DAN METODE Data Data yang di gunakan dalam penelitian ini adalah data sekunder yang dikumpulkan oleh tim Hibah Pascasarjana tahun 2003-2005 kerjasama Departemen Statistika dengan Pusat Studi Biofarmaka,
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1 Identifikasi Tutupan Lahan di Lapangan Berdasarkan hasil observasi lapangan yang telah dilakukan di Kabupaten Humbang Hasundutan, Kabupaten Tapanuli Utara, dan Kabupaten
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciMETODE PENSKALAAN DIMENS1 GANDA SUATU STUD1 KOMPUTASI STATISTIKA
METODE PENSKALAAN DIMENS1 GANDA SUATU STUD1 KOMPUTASI STATISTIKA OIeb BUD1 SUHARJO 87083 STK FAKULTAS PASCASARJANA IMSTITUT PERTANIAM DOQOR 19.1 KINGKASAN BUD1 SUHARJO. Metode Penskalaan Dimensi Ganda,
Lebih terperinciIV HASIL DAN PEMBAHASAN
6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.
Lebih terperinciPEMILIHAN PEUBAH BEBAS UNTUK DATA YANG MENGANDUNG PENCILAN DENGAN MENGGUNAKAN KRITERIA
PEMILIHAN PEUBAH BEBAS UNTUK DATA YANG MENGANDUNG PENCILAN DENGAN MENGGUNAKAN KRITERIA Cp, RCp DAN RTp Olen: Harl11i Sugiarti 96140/STK PROGRAM PASCASARJANA INSTITUT PERT ANIAN BOGOR 1999 RINGKASAN HARMI
Lebih terperinciINSTITUT PERTANIAN BOGOR
ANALISIS KORESPONDENSI MELALUI PENDEKATAN PENSKALAAN DIMENSI GANDA METRIK Oleh Julia Damayanti PROGRAM PASCASARJANA INSTITUT PERTANIAN BOGOR 1 9 9 2 RI NGKASAN JULIA DAMAYANTI. Analisis korespondensi melalui
Lebih terperinciV. HASIL DAN PEMBAHASAN. Tabel 9. Klasifikasi dan Sebaran Land Use/Land Cover Kota Bogor Tahun 2003 dan 2007
V. HASIL DAN PEMBAHASAN 5.1 Pola Sebaran Penggunaan/Penutupan Lahan dan Perubahan Luasannya di Kota Bogor Kota Bogor memiliki luas kurang lebih 11.267 Ha dan memiliki enam kecamatan, yaitu Kecamatan Bogor
Lebih terperinciMATERI II STK 222 PERANCANGAN PERCOBAAN PRINSIP DASAR PERANCANGAN PERCOBAAN
MATERI II STK 222 PERANCANGAN PERCOBAAN PRINSIP DASAR PERANCANGAN PERCOBAAN Pendahuluan Percobaan? Suatu kegiatan yang dilakukan untuk membangkitkan data yang merupakan respons dari objek/individu/unit
Lebih terperinciBAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY
BAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY 3.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang Ω,,. Misalkan ; adalah rantai Markov dengan state berhingga
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciMODEL AMMI PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K
, April 2009 p : 11-15 ISSN : 0853-8115 Vol 14 No.1 MODEL AMMI PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K Mohammad Masjkur 1 dan Niken Dyah Septiastuti Departemen Statistika FMIPA-IPB E-mail : 1 masjkur@gmail.com
Lebih terperinciMETODE PENELITIAN. Perumusan Indikator Wilayah yang Layak Dicadangkan untuk Kawasan Produksi Beras
METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Kabupaten Agam, Sumatera Barat yang meliputi 15 kecamatan dengan 73 nagari. Pelaksanaaan penelitian lapangan dilaksanakan bulan
Lebih terperinciMETODE PEMULUSAN DENGAN REGRESI TERTIMBANG LOKAL KEKAR
" I METODE PEMULUSAN DENGAN REGRESI TERTIMBANG LOKAL KEKAR Oleh SUDARTIANTO PROGRAM PASCASARJANA INSTITUT PERTANIAN BOGOR 1992 RI NGKASAN Sudartianto. Metode Pemulusan dengan Regresi Tertimbang Lokal Kekar
Lebih terperinciMETODE PEMULUSAN DENGAN REGRESI TERTIMBANG LOKAL KEKAR
" I METODE PEMULUSAN DENGAN REGRESI TERTIMBANG LOKAL KEKAR Oleh SUDARTIANTO PROGRAM PASCASARJANA INSTITUT PERTANIAN BOGOR 1992 RI NGKASAN Sudartianto. Metode Pemulusan dengan Regresi Tertimbang Lokal Kekar
Lebih terperinciV. HASIL DAN PEMBAHASAN
V. HASIL DAN PEMBAHASAN 5.1. Analisis Citra Digital Interpretasi dilakukan dengan pembuatan area contoh (training set) berdasarkan pengamatan visual terhadap karakteristik objek dari citra Landsat. Untuk
Lebih terperinciMinggu II STATISTIKA MULTIVARIATE TERAPAN
Minggu II STATISTIKA MULTIVARIATE TERAPAN (PENDAHULUAN) Herni U Universitas Gadjah Mada Outline 1 Analisis Statistika Multivariat 2 Contoh Kasus Multivariat 3 Organisasi Data Outline 1 Analisis Statistika
Lebih terperinciSebaran frekuensi varietas untuk karakteristik warna hipocotyl Jumlah varietas
5 tanaman, jumlah polong per tanaman, tangkai polong per tanaman, panjang polong, jumlah biji per polong, berat biji per tanaman, dan berat 1 biji sebagai peubah penjelas. 3. Pada semua peubah kualitatif
Lebih terperinciHASIL DAN PEMBAHASAN. Suara sah calon nomor urut 4 Jumlah Rata-Rata Ragam
HASIL DAN PEMBAHASAN Deskripsi Data Tabel 4 menunjukkan deskripsi dari data suara sah calon nomor urut 2, 3, dan 4. Jumlah suara tertinggi diperoleh calon nomor urut 2. Sedangkan suara sah calon nomor
Lebih terperinci4. HASIL PENELITIAN DAN PEMBAHASAN
61 4. HASIL PENELITIAN DAN PEMBAHASAN 4.1 Identifikasi Degradasi Hutan di Lapangan 4.1.1 Identifikasi Peubah Pendugaan Degradasi di Lapangan Identifikasi degradasi hutan di lapangan menggunakan indikator
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera
Lebih terperinciAPROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN
APROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SURAT PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciBAB III METODE PENELITIAN
11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium
Lebih terperinciAyesa Pitra Andina JURUSAN TEKNIK GEOMATIKA FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014
Ayesa Pitra Andina 3510100044 JURUSAN TEKNIK GEOMATIKA FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 Latar Belakang Pengembangan Kawasan a PESISIR Aksesbilitas
Lebih terperinci: Analisis Diskriminan pada Klasifikasi Desa di Kabupaten. Tabanan Menggunakan Metode K-Fold Cross Validation. 2. I Gusti Ayu Made Srinadi, S.Si, M.
Judul : Analisis Diskriminan pada Klasifikasi Desa di Kabupaten Tabanan Menggunakan Metode K-Fold Cross Validation Nama : Ida Ayu Made Supartini Pembimbing : 1. Ir. I Komang Gde Sukarsa, M.Si 2. I Gusti
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA Pada bab ini akan dijelaskan mengenai data dan langkah-langkah pengolahan datanya. Data yang digunakan meliputi karakteristik data land use dan land cover tahun 2005 dan tahun 2010.
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di tempat wisata yang ada di Bogor, diantaranya yaitu kebun raya Bogor, taman wisata mekarsari, taman matahari, dan taman safari
Lebih terperinciMETODE EKSPLORATIF UNTUK MENGUJI KESAMAAN SPEKTRUM FTIR TEMULAWAK
METODE EKSPLO ORATIF UNTUK MENGUJI KESAMAAN SPEKTRUM FTIR TEMULAWAK EKO WAHYU WIBOWO SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini
Lebih terperinciAnalisis Separabilitas Untuk mengetahui tingkat keterpisahan tiap klaster dari hasil klastering (Tabel 5) digunakan analisis separabilitas. B
Tabel 5 Matriks Transformed Divergence (TD) 25 klaster dengan klasifikasi tidak terbimbing 35 36 4.1.2 Analisis Separabilitas Untuk mengetahui tingkat keterpisahan tiap klaster dari hasil klastering (Tabel
Lebih terperinciMATERI DAN METODE. Tabel 3. Jumlah Kuda Delman yang Diamati pada Masing-masing Lokasi
MATERI DAN METODE Lokasi dan Waktu Penelitian ini menggunakan data sekunder pengamatan yang dilakukan oleh Dr. Ir. Ben Juvarda Takaendengan, M.Si. Pengolahan data dilakukan di Laboratorium Pemuliaan dan
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian
METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian dilakukan di dalam areal Hak Pengusahaan Hutan (HPH) PT. Sari Bumi Kusuma, Unit S. Seruyan, Kalimantan Tengah. Areal hutan yang dipilih untuk penelitian
Lebih terperinciMODEL PENDUGA POTENSI DAN STRUKTUR TEGAKAN HUTAN HUJAN TROPIS MENGGUNAKAN CITRA SPOT 5 SUPERMODE
MODEL PENDUGA POTENSI DAN STRUKTUR TEGAKAN HUTAN HUJAN TROPIS MENGGUNAKAN CITRA SPOT 5 SUPERMODE (Studi Kasus di Kabupaten Solok Selatan dan Kabupaten Bungo) URIP AZHARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciJI PEWOINDERAAN JRUH DALAM EVALUASI LAHAN
B < h3 r. PERANAN DATA SEKUEIDER DAN DATA JI PEWOINDERAAN JRUH DALAM EVALUASI LAHAN (Studi Kasus Daerah Sukabumi Selalan) Oleh ASDAR lswatl PROGRAM PASCA SARJANA INSTITUT PERT ANlAN BOGOR BOGOR 1992 RINGKASAN
Lebih terperinciJI PEWOINDERAAN JRUH DALAM EVALUASI LAHAN
B < h3 r. PERANAN DATA SEKUEIDER DAN DATA JI PEWOINDERAAN JRUH DALAM EVALUASI LAHAN (Studi Kasus Daerah Sukabumi Selalan) Oleh ASDAR lswatl PROGRAM PASCA SARJANA INSTITUT PERT ANlAN BOGOR BOGOR 1992 RINGKASAN
Lebih terperinci125 permukaan dan perhitungan erosi berasal dari data pengukuran hujan sebanyak 9 kejadian hujan. Perbandingan pada data hasil tersebut dilakukan deng
124 Bab VI Kesimpulan Lokasi penelitian, berupa lahan pertanian dengan kondisi baru diolah, tanah memiliki struktur tanah yang remah lepas dan jenis tanah lempung berlanau dengan persentase partikel tanah
Lebih terperinciPRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN :
Pemodelan Penyebaran Kebakaran Hutan dan Lahan di Kabupaten Mempawah Menggunakan Metode Cellular Automata Maria Sofiani a, Joko Sampurno a *, Apriansyah b a Prodi Fisika, FMIPA Universitas Tanjungpura,
Lebih terperinciIII. BAHAN DAN METODE
III. BAHAN DAN METODE 3.1 Lokasi dan Waktu Penelitian Penelitian dilaksanakan di daerah Daerah Aliran Sungai (DAS) Cipunagara dan sekitarnya, Jawa Barat (Gambar 1). DAS Cipunagara berada dibawah pengelolaan
Lebih terperinciTINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk
5 TINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk Gizi buruk adalah keadaan kurang zat gizi tingkat berat yang disebabkan oleh rendahnya konsumsi energi dan protein dalam waktu cukup lama yang ditandai dengan
Lebih terperinciPEWILAYAHAN AGROKLIMAT TANAMAN NILAM (Pogostemon spp.) BERBASIS CURAH HUJAN DI PROVINSI LAMPUNG I GDE DARMAPUTRA
PEWILAYAHAN AGROKLIMAT TANAMAN NILAM (Pogostemon spp.) BERBASIS CURAH HUJAN DI PROVINSI LAMPUNG I GDE DARMAPUTRA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciEVALUASI POLA PENGELOLAAN TAMBAK INTI RAKYAT (TIR) YANG BERKELANJUTAN (KASUS TIR TRANSMIGRASI JAWAI KABUPATEN SAMBAS, KALIMANTAN BARAT)
EVALUASI POLA PENGELOLAAN TAMBAK INTI RAKYAT (TIR) YANG BERKELANJUTAN (KASUS TIR TRANSMIGRASI JAWAI KABUPATEN SAMBAS, KALIMANTAN BARAT) BUDI SANTOSO C 25102021.1 SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciMETODOLOGI. (a). (b) (c) Gambar 3. Pola sebaran data dengan = 0.05, 5, dan 50
METODOLOGI Data Data yang digunakan dalam penelitian ini ada dua jenis, yaitu data simulasi dan data riil Data simulasi digunakan untuk melihat pengaruh perubahan parameter konsentrasi ( ) terhadap karakteristik
Lebih terperinciVI KARAKTERISTIK PETANI RESPONDEN
VI KARAKTERISTIK PETANI RESPONDEN 6.3. Gambaran Umum Petani Responden Gambaran umum petani sampel diperoleh berdasarkan hasil wawancara dengan para petani yang menerapkan usahatani padi sehat dan usahatani
Lebih terperinciPENDUGAAN CADANGAN KARBON POHON PADA RUANG TERBUKA HIJAU (RTH) KOTA DI KODYA JAKARTA TIMUR MENGGUNAKAN CITRA LANDSAT ISDIYANTORO
PENDUGAAN CADANGAN KARBON POHON PADA RUANG TERBUKA HIJAU (RTH) KOTA DI KODYA JAKARTA TIMUR MENGGUNAKAN CITRA LANDSAT ISDIYANTORO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2007 PENDUGAAN CADANGAN KARBON
Lebih terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
Lebih terperinciSKRIPSI. Anita Nur Qomariah NRP
SKRIPSI STUDI KLASIFIKASI KABUPATEN DAN KOTA DI JAWA TIMUR BERDASARKAN VARIABEL - VARIABEL SOSIAL EKONOMI DENGAN PENDEKATAN ANALISIS DISKRIMINAN DAN REGRESI LOGISTIK Oleh : Anita Nur Qomariah NRP.1302.109.017
Lebih terperinciLAMPIRAN 1 HASIL KEGIATAN PKPP 2012
LAMPIRAN 1 HASIL KEGIATAN PKPP 2012 JUDUL KEGIATAN: PENGUATAN KAPASITAS DAERAH DAN SINERGITAS PEMANFAATAN DATA INDERAJA UNTUK EKSTRAKSI INFORMASI KUALITAS DANAU BAGI KESESUAIAN BUDIDAYA PERIKANAN DARAT
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 terperinciIV HASIL DAN PEMBAHASAN
tersembunyi berkisar dari sampai dengan 4 neuron. 5. Pemilihan laju pembelajaran dan momentum Pemilihan laju pembelajaran dan momentum mempunyai peranan yang penting untuk struktur jaringan yang akan dibangun.
Lebih terperinciV. HASIL DAN PEMBAHASAN
V. HASIL DAN PEMBAHASAN 5.1 Analisis Citra 5.1.1 Kompilasi Citra Penelitian menggunakan citra Quickbird yang diunduh dari salah satu situs Internet yaitu, Wikimapia. Dalam hal ini penulis memilih mengambil
Lebih terperinci