BAB I PENDAHULUAN I.1

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB I PENDAHULUAN I.1"

Transkripsi

1 BAB I PENDAHULUAN I.1 Latar Belaang Pasang surut ar laut merupaan salah satu pertmbangan vtal dan berpengaruh terhadap eberhaslan peerjaan navgas, surve, dan onstrus yang berloas d panta dan atau d laut (Pugh 1987). Indonesa mempunya banya selat sempt dan gars panta yang panjang dengan geometr gars panta yang tda beraturan. Dengan adanya hal tersebut maa pola pasang surut aan terdstors dalam penjalarannya, sehngga aan membentu onstanta pasang surut peraran dangal (Ray 2005). Konstanta pasang surut peraran dangal merupaan salah satu onstanta pembentu pasang surut. Konstanta pasang surut peraran dangal dapat dgunaan untu menngatan eteltan preds, agar preds pasang surut yang dhaslan mendeat pasang surut yang sebenarnya. Dengan deman hasl preds pasang surutnya dapat dgunaan untu epentngan peerjaan navgas, surve, dan onstrus yang berloas d panta dan atau d laut (Sudjono 2011). Salah satu onstanta pasang surut peraran dangal adalah M4, onstanta n merupaan hasl dar M2 yang telah terdstors sehngga onstanta n meml ecepatan sudut dua al lpat dbandngan M2, Contoh lan adalah M8, onstanta n merupaan hasl dar M2 yang telah terdstors sehngga onstanta n meml ecepatan sudut empat al lpat dbandngan M2 (Andersen 1999). Konstanta pasang surut peraran dangal n aan menngat pengaruhnya secara sgnfan pada daerah pessr yang meml peraran dangal yang luas, sehngga onstanta n perlu dutsertaan dalam perhtungan agar dapat merepresentasan eadaan sebenarnya secara aurat (Western 1989). Peneltan n beronsentras d peraran setar Pulau Jawa, arena secara fsograf Laut Jawa (Ss Utara Pulau Jawa) merupaan bagan dar Paparan Sunda yang meml rata-rata edalaman 120 meter yang membentu paparan sedmen tebal dengan penyebaran yang luas (Salahuddn 2010), sedangan untu peraran Ss 1

2 2 Selatan Pulau Jawa merupaan bagan dar Lempeng Samudera Hnda yang merupaan era tps yang dtutup laut dengan edalaman antara meter (Lubs 2009). Selan hal datas, pemlhan peraran setar Pulau Jawa sebaga fous peneltan n juga darenaan pasang surut Laut Jawa dalam penjalarannya telah mengalam modfas dar ss utara yang merupaan pertemuan Samudera Hnda- Pasf menuju e Laut Jawa. Sedangan pada ss selatannya berhadapan langsung dengan Samudera Hnda. Berdasaran penjelasan d atas maa perlu dlauan peneltan husus tentang ontrbus onstanta pasang surut peraran dangal. Peneltan n bertujuan untu menghtung ontrbus onstanta pasang surut peraran dangal terhadap pasang surut d peraran setar Pulau Jawa. I.2 Rumusan Masalah Ss Utara Pulau Jawa mempunya peraran dengan edalaman yang relatf dangal yatu meter, sedangan Ss Selatan Pulau Jawa yang berhadapan secara langsung dengan Samudera Hnda meml peraran dengan edalaman yang melebh Ss Utara Pulau Jawa yatu meter. Peneltan n perlu dlauan untu mengetahu ontrbus onstanta pasang surut peraran dangal terhadap pasang surut d setar Pulau Jawa, arena terdapat perbedaan edalaman yang sgnfan antara edua ss tersebut. Perbedaan onds antara edua peraran tersebut mengndasan adanya potens ontrbus yang berbeda dar onstanta pasang surut peraran dangal. Berdasaran ulasan tersebut, maa pertanyaan peneltan sebaga berut: 1. Berapa jumlah onstanta pasang surut peraran dangal yang sama dan sgnfan d peraran setar Pulau Jawa? 2. Berapa persentase ontrbus onstanta pasang surut peraran dangal d peraran setar Pulau Jawa (yang dwal oleh tujuh stasun pasang surut)? 3. Ss peraran Pulau Jawa mana yang meml persentase ontrbus onstanta peraran dangal yang terbesar?

3 3 I.3 Tujuan Peneltan Tujuan dlauannya peneltan n adalah: 1. Menghtung jumlah onstanta pasang surut peraran dangal yang sama dan sgnfan d peraran setar Pulau Jawa. 2. Menghtung persentase ontrbus onstanta pasang surut peraran dangal d peraran setar Pulau Jawa yang dwal oleh tujuh stasun pasang surut (tga stasun d panta utara dan empat stasun d panta selatan). 3. Menentuan ss peraran Pulau Jawa yang meml persentase ontrbus onstanta peraran dangal yang terbesar. I.4 Manfaat Peneltan Manfaat yang ddapat dar peneltan n adalah menghaslan preds pasang surut yang lebh mendeat dengan pasang surut yang sebenarnya, sehngga dapat djadan pertmbangan dalam pembuatan ebjaan dalam perencanaan pembangunan untu epentngan peerjaan navgas, surve, dan onstrus yang berloas d panta dan atau d laut setar Pulau Jawa. I.5 Batasan Masalah Batasan masalah dalam peneltan mencaup pemlhan loas peneltan yatu peraran setar Pulau Jawa yang dwal oleh tujuh stasun pasang surut. Panta Utara Pulau Jawa dwal oleh stasun pasang surut Kolnaml, Semarang, dan Surabaya, sedangan Panta Selatan Pulau Jawa dwal oleh stasun pasang surut Prg, Sadeng, Clacap, dan Pangandaran. Data pasang surut yang dgunaan adalah data pasang surut yang dream oleh sensor pressure tde gauge (prs), dan dperoleh dar IOC (Internatonal Oceanographc Commsson) dengan rentang pengamatan satu tahun, terhtung seja 1 Agustus 2013 sampa 31 Jul Aplas yang dgunaan adalah t_tde vers 1.0. Aplas n menerapan metode Htung Kuadrat Terecl dalam melauan proses analss harmon dan preds pasang surut. Pada peneltan n tda ada omponen lan yang mempengaruh pasang surut selan onstanta pasang surut peraran dangal.

4 4 I.6 Tnjauan Pustaa Umam (2012) melauan peneltan untu mengetahu emampuan TMD (Tde Model Drver) dalam memodelan pasang surut peraran Pulau Jawa dengan model TPXO 7.1, dan juga untu menghtung eauratan data yang dhaslan oleh model tersebut. Dalam peneltan tersebut dlauan pembandngan antara data elevas preds pasang surut menggunaan TMD model TPXO 7.1, dengan data elevas pasang surut pengamatan IOC d stasun pasang surut setar Pulau Jawa. Hasl peneltan tersebut menunjuan bahwa terdapat RMS yang besar d Panta Utara Pulau Jawa antara data elevas preds pasang surut yang dhaslan oleh TMD model TPXO 7.1 dengan data elevas pengamatan pasang surut yang dhaslan oleh IOC (Internatonal Oceanography Comsson). Peneltan tersebut juga menympulan bahwa terdapat pola elevas pasang surut yang tda onssten atau bervaras pada peraran Panta Utara Pulau Jawa yang terjad arena Ss Utara Pulau Jawa merupaan daerah paparan atau peraran dangal. Andersen (1999) melauan peneltan terhadap onstanta pasang surut peraran dangal d wlayah Paparan Barat-Laut Eropa menggunaan data satelt altmetr TOPEX/POSEIDON. Dar hasl peneltan, ddapat esmpulan bahwa onstanta pasang surut non-lnear peraran dangal yatu M4, M6, MS4, MN4, 2MS2, dan M8 secara emprs dapat dperoleh dar data satelt altmetr TOPEX/POSEIDON dengan menggunaan metode respon (Mun dan Cartwrght 1966). Namun deman, metode emprs n ternyata mash meml elemahan d daerah deat panta (untu onstanta M4) dan d paparan yang omples (untu onstanta M6). Gl (2005) menelt onstanta pasang surut peraran dangal non-lnear dan pengaruhnya pada pengamatan loal mua ar rerata d 6 stasun pasang surut yang ada d setar Laut Cantabrc. Gl mengembangan model teorts dar nteras pasang surut laut d peraran dangal emudan menerapan analss pasang surut awal dar reaman data mua ar laut menggunaan metode las htung uadrat terecl. Pada tahap ahr, Gl menerapan metode htung uadrat terecl pada urva resdu, fator pasang surut yang fous pada onstanta peraran dangal non-lnear dapat dtentuan, sehngga stabltas dar onstanta harmon n dapat dtunjuan secara bersamaan. Hasl peneltan n menunjuan bahwa ombnas dar semua

5 5 omponen dapat memberan ontrbus yang sgnfan pada varas mua ar laut rerata, mespun setap omponen baru yang terbentu (onstanta peraran dangal non-lnear) meml ampltudo ecl yang terpsah-psah, sehngga analss omponen-omponen tersebut mendorong mnmalsas gaya pasang surut pada mua ar laut rerata, yang dtunjuan dengan penngatan auras preds mua ar laut rerata. Peneltan n membahas ontrbus onstanta pasang surut peraran dangal terhadap pembentuan pasang surut d peraran setar Pulau Jawa. Peneltan n beronsentras d peraran setar Pulau Jawa arena peraran n mewal dua peraran yang mempunya araterst yang berbeda. Secara fsograf Laut Jawa (Ss Utara Pulau Jawa) meml rata-rata edalaman 120 meter, sedangan untu Samudera Hnda (Ss Selatan Pulau Jawa) mempunya edalaman mencapa 5000 meter. Peneltan n menggunaan aplas t_tde yang menerapan metode least square dalam proses analss harmon. Berdasaran hasl analss harmon emudan dlauan pengelompoan data preds dan nla ampltudo terhadap 7 onstanta pasang surut utama, 7 onstanta pasang surut utama beserta seluruh onstanta pasang surut peraran dangal, 7 onstanta pasang surut utama beserta onstanta pasang surut peraran dangal yang sgnfan. Tujuan dar pengelompoan n untu menghtung ontrbus pasang surut peraran dangal dengan menghtung nla RMS tap elompo preds terhadap data pengamatan, dan menghtung persentase ontrbus ampltudo onstanta pasang surut peraran dangal. Kontrbus onstanta pasang surut peraran dangal ddapat berdasaran hasl perbandngan nla RMS dan nla ampltudo, yang emudan dlanjutan dengan penaran esmpulan mengena ss peraran Pulau Jawa yang meml ontrbus onstanta pasang surut peraran dangal palng besar. I.7 Landasan Teor I.7.1 Pasang Surut Pasang surut adalah gera relatf dar materal planet, bntang, dan benda angasa lan yang dsebaban oleh gravtas benda angasa sepert matahar dan bulan, yang berada d luar mater tersebut (Basth 2011).

6 6 Pasang surut yang terjad d bum ada tga, yatu: 1. Pasang surut atmosfer, merupaan pasang surut yang terjad abat gaya tar benda langt terhadap lapsan atmosfer. 2. Pasang surut bum padat, merupaan pasang surut yang terjad abat gaya tar benda langt terhadap lapsan padat bum. 3. Pasang surut ar laut, merupaan pasang surut yang terjad abat gaya tar benda langt terhadap massa ar dalam tubuh ar (water bodes) yatu lautan, yang dtunjuan oleh daerah berumpulnya massa ar (tdal bulge). I.7.2 Gaya Pembangt Pasang Surut Gaya pembangt pasang surut terjad abat adanya gaya tar-menar antara bum, bulan, dan matahar. Penjelasan mengena terjadnya pasang surut dapat detahu dengan memaham pergeraan sstem bulan-bum (Tratmodjo 1999). Pasang surut laut merupaan resultante dar gaya gravtas oleh bulan dan gaya sentrfugal. Gaya sentrfugal adalah dorongan e arah luar pusat rotas abat revolus bum-bulan yang mengellng sumbu bersama. Setap tt d permuaan bum aan dpengaruh oleh gaya sentrfugal, gaya n meml besar yang sama d setap tt d permuaan bum. Huum gravtas Newton menyataan bahwa semua benda yang meml massa aan mengalam gaya tar-menar satu sama lan, besar gaya n dpengaruh oleh massa serta jara antar benda tersebut. Besar gaya gravtas berbandng lurus dengan massa, tetap berbandng terbal terhadap jara. Berdasaran huum d atas, dapat dpaham bahwa mespun massa bulan lebh ecl dar massa matahar tetap jara bulan e bum jauh lebh deat, sehngga gaya tar bulan terhadap bum pengaruhnya lebh besar dbandng matahar terhadap bum. Gaya tar gravtas menar ar laut e arah bulan dan matahar dan menghaslan dua tonjolan (bulge) pasang surut gravtasonal d laut. Lntang dar tonjolan pasang surut dtentuan oleh delnas, yatu sudut antara sumbu rotas bum dan bdang orbtal bulan dan matahar, sepert yang dapat dlhat pada Gambar I.1 (Wardyatmoo dan Bntarto 1994).

7 7 Gambar I.1 Gaya pembangt pasang surut abat dar gaya gravtas oleh bulan dan gaya sentrfugal (Sumber: The Open Unversty Team 1999) Newton menjelasan gaya pembangt pasang surut melalu teor gravtas unversal. Teor n menyataan bahwa dua benda dengan massa dan jara tertentu aan mengalam gaya tar-menar, gaya n dapat dtentuan menggunaan persamaan I.1 (Poerbandono dan Djunarsjah 2005). F =G m 1. m 2 r 2... (I.1) F : gaya tar-menar antara dua benda G : onstanta gaya tar = 6.67 x N g -2 m -2 m1 : massa benda (1) m2 : massa benda (2) r 2 : jara antara pusat benda (1) dan pusat benda (2)

8 8 Gaya sentrfugal meml besar yang sama d setap tt d permuaan bum. Arah dar gaya n selalu menjauh dar pusat bulan. Gaya sentrfugal dapat dtentuan menggunaan persamaan I.2. Mm Mm a Fs G g 2 r Me r 2... (I.2) Gaya pembangt pasang surut dapat detahu melalu resultan dar gaya gravtas oleh bulan dan gaya sentrfugal yang dapat dtentuan menggunaan persamaan I.4. F PP = F g +F s... (I.3) GM = R m 2 GM r m 2... (I.4) (F s bertanda negatf arena arahnya berlawanan dengan arah F g ) F g : gaya tar bulan F s : gaya sentrfugal d permuaan bum F PP : gaya pembangt pasang surut G : onstanta gaya tar = 6.67 x N g -2 m -2 mm me R a : massa bulan : massa bum : jara antara suatu tt d permuaan bum dengan pusat bulan : jar-jar bum I.7.3 Konstanta Harmon Pasang Surut Konstanta harmon pasang surut adalah onstanta yang mempunya arater yang harmon terhadap watu serta merupaan pembentu pasang surut. Konstanta

9 9 harmon pasang surut merupaan hasl dar deomposs resultan gaya pembangt pasang surut yang terbentu oleh sstem bum-bulan dan bum-matahar. Secara umum onstanta harmon pasang surut dbag menjad empat elompo, yang terdr dar tga onstanta harmon pasang surut utama dan satu onstanta pasang surut peraran dangal, sepert yang dapat dlhat pada Tabel I.1. Empat elompo onstanta tersebut adalah: 1. Konstanta pasang surut tengah haran/sem durnal yatu terjad dua al pasang dan dua al surut dalam sehar. 2. Konstanta pasang surut haran/durnal yatu terjad satu al pasang dan satu al surut dalam sehar. 3. Konstanta pasang surut perode panjang/long perod. 4. Konstanta pasang surut loal atau peraran dangal/shallow water meml cr has tersendr untu setap onstanta pasang surutnya. Jens, nama dan smbol onstantaonstanta pasang surut Sem Durnal Tabel I.1. Konstanta pasang surut Kecepatan sudut (derajat/jam) Perode (jam) 1 Prncpal Lunar (M2) 28, ,42 2 Prncpal Solar (S2) 30, ,00 3 Larger Lunar Ellptc (N2) 28, ,66 4 Lun Solar (K2) 30, ,97 Durnal 1 Lun Solar (K1) 15, ,33 2 Prncpal Lunar (O1) 13, ,82 3 Prncpal Solar (P1) 14, ,07 Long Perod 1 Lunar Fortnghly (Mf) 1, ,86 2 Lunar Monthly (Mm) 0, ,30 3 Solar sem Annual (Ssa) 0, ,43

10 10 Lanjutan Tabel II.1. Shallow Water 1 2SM2 31, ,61 2 MNS2 27, ,13 3 MK3 44,0250 8,18 4 M4 57,9680 6,21 5 MS4 58,0840 6,20 Sumber: The Open Unversty Course Team 1999 Konstanta harmon pasang surut yang dgunaan dalam penentuan tpe pasang surut adalah M2, S2, K1, dan O1. Penentuan tpe pasang surut ddasaran pada perbandngan antara jumlah ampltudo onstanta harmon tunggal A(K1), A(O1), dengan jumlah ampltudo onstanta harmon ganda yatu A(M2), A(S2). Perbandngan n denal dengan Formzahl, yang dnyataan pada persamaan I.5. F = A(K 1 )+A(O 1)... (I.5) A(M 2 )+A(S 2 ) F A(K1) A(O1) A(M2) A(S2) : blangan Formzahl : nla ampltudo onstanta harmon K1 : nla ampltudo onstanta harmon O1 : nla ampltudo onstanta harmon M2 : nla ampltudo onstanta harmon S2 Klasfas tpe pasang surut berdasaran blangan Formzahl dapat dlhat pada Tabel I.2. Selanjutnya gambar gelombang sesua tpe pasang surut dapat dlhat pada Gambar I.2.

11 11 Gambar I.2. Durnal tde, sem-durnal, mxed tde (Sumber: Zevenbergen 2004) Tpe pasang surut sem-durnal berdasaran Gambar I.2 meml dua al pasang dan dua al surut, dengan nla Formzhal berdasaran Tabel I.2 adalah 0,00 < F 0,25. Tpe pasang surut mxed berdasaran Gambar I.2 meml dua al pasang dan dua al surut, dengan nla Formzhal berdasaran Tabel I.2 adalah 0,25 < F 1,50 untu mxed condong e sem-durnal dan 1,50 < F 3,00 untu mxed condong e durnal. Tpe pasang surut durnal berdasaran Gambar I.2 meml satu al pasang dan satu al surut, dengan nla Formzhal berdasaran Tabel I.2 adalah F >3,00.

12 12 Tabel III.2 Tpe pasang surut berdasaran Formzhal Tpe Pasang Surut Nla F Haran ganda (sem-durnal) 0,00 < F 0,25 Haran tunggal (durnal) F > 3,00 Campuran condong e haran ganda 0,25 < F 1,50 Campuran condong e haran tunggal 1,50 < F 3,00 I.7.4 Konstanta Pasang Surut Peraran Dangal Konstanta pasang surut peraran dangal adalah onstanta pasang surut yang terbentu arena adanya dstors non-lnear dar oslas onstanta pasang surut utama (contohnya M2, S2, dan K1) pada saat bernteras dan merambat d peraran dangal. Ada dua penyebab utama terbentunya onstanta n, pertama abat gesean dasar serta proses fss yang bergantung pada nla uadrat ampltudonya, edua abat proses hdrodnama, edua penyebab tersebut merupaan omponen non-lnear. Selan edua hal datas, penyebab lannya adalah efe resonans loal dan pembentuan gelombang stasoner. Bentu asl dar gelombang snusodal aan termodfas abat dstors nonlnear yang terjad d peraran dangal, hal nlah yang memcu terbentunya onstanta harmon peraran dangal (Andersen 1999). Menurut Andersen (1999) persamaan rata-rata edalaman peraran dangal non-lnear dapat dtentuan menggunaan persamaan I.7. t u = (u )u g h f u D u u... (I.6) H t h = (Hu)... (I.7) h H : elevas permuaan : edalaman ar u = (u,v,0) : velostas

13 13 D f t : gesean dasar : parameter Corols : watu : ( x, y, 0) Salah satu onstanta pasang surut peraran dangal adalah M4, onstanta n merupaan hasl dar M2 yang telah terdstors sehngga onstanta n meml ecepatan sudut dua al lpat dbandngan M2, Contoh lan adalah M8, onstanta n merupaan hasl dar M2 yang telah terdstors sehngga onstanta n meml ecepatan sudut empat al lpat dbandngan M2 (Andersen 1999). Konstanta pasang surut peraran dangal n aan menngat pengaruhnya secara sgnfan pada daerah panta yang meml peraran dangal yang luas sehngga onstanta n perlu dutsertaan dalam htungan agar dapat merepresentasan eadaan sebenarnya secara aurat (Western 1989). Daftar onstanta pasang surut yang dgunaan dalam peneltan n dapat dlhat pada Tabel I.3. Tabel I.3 Paet data standar onstanta pasang surut peraran dangal Shallow Water Consttuent Length of Record (hr) Requred for Consttuent Incluson Component Man Consttuents and Lengths (hr) of Record Requred for Ther Incluson n the Analyss SO S2 355 O1 328 MKS M2 13 K S2 356 MSN M2 13 S2 355 N2 662 MO3 656 M2 13 O1 328 SO S2 355 O1 328 MK3 656 M2 13 K1 24 SK3 355 S2 355 K1 24 MN4 662 M2 13 N2 662 M4 25 M2 13 SN4 764 S2 355 N2 662 MS4 355 M2 13 S2 255 MK M2 13 K S4 355 S2 355

14 14 Lanjutan Tabel I.3 SK S2 355 K MK5 24 M2 13 K1 24 2SK5 178 S2 355 K1 24 2MN6 662 M2 13 N2 662 M6 26 M2 13 2MS6 355 M2 13 S MK M2 13 K SM6 355 S2 355 M2 13 2SK M2 13 S2 355 K MK7 24 M2 13 K1 24 M8 26 M2 13 Sumber: Foreman 1977 I.7.5 Konstanta Harmon Pasang Surut Sgnfan Konstanta harmon pasang surut sgnfan merupaan onstanta harmon pasang surut yang meml perbandngan nla ampltudo yang lebh besar dar pada ampltudo errornya. Perbandngan antara ampltudo dan ampltudo error n dnyataan dalam SNR (Sgnal to Nose Rato) (Pawlowcz, d 2002). Pada peneltan n SNR yang dgunaan merupaan SNR default dar t_tde yatu SNR > 1, sehngga bla ada onstanta harmon yang mempunya SNR > 1 aan dnyataan sebaga onstanta harmon yang sgnfan. Nla SNR dapat dtentuan menggunaan persamaan I.8 (Leffler 2008). A SNR = ( ) 2... (I.8) A error SNR A A error : nla Sgnal to Nose Rato : ampltudo onstanta e- : ampltudo error onstanta e-

15 15 I.7.6 Perode Snod Perode snod merupaan perode watu yang dperluan untu dapat memsahan onstanta pasang surut. Dalam analss pasang surut rentang watu pengamatan aan mempengaruh jumlah onstanta pasang surut yang dperoleh. Rentang watu pengamatan pasang surut dapat dperoleh menggunaan rtera Reylegh, onstanta satu dan yang lan dapat dpsahan apabla lama rentang watu pengamatan pasang surut melebh perode tertentu, perode yang dmasud adalah perode snod. Perode snod dapat dtentuan menggunaan persamaan I.9. PS = 360 (ω A ω B )... (I.9) PS : perode snod dalam satuan jam ω A : ecepatan sudut (der/jam) onstanta A ω B : ecepatan sudut (der/jam) onstanta B Dar perhtungan tersebut dapat dataan bahwa, perode snod merupaan lama pengamatan mnmum yang dperluan dalam analss harmon agar nla ampltudo dan eterlambatan fase dar dua buah onstanta (A dan B) dapat detahu. Apabla perbedaan freuens dua buah onstanta A dan B seman ecl, maa seman panjang data pengamatan yang dperluan untu dapat memsahan dua onstanta tersebut (Al, d 1994). I.7.7 Analss Harmon Pasang Surut Metode Least square Pasang surut merupaan hasl superposs (penggabungan) dar gelombanggelombang harmon tunggal yang bersfat perod. Pergeraan pasang surut laut dapat dmodelan dengan persamaan snusodal arena bersfat perod. Besar ampltudo dan beda fase dar setap onstanta pasang surut dapat detahu menggunaan analss harmon pasang surut. Aplas yang dgunaan untu melauan analss harmon pasang surut dalam peneltan n adalah t_tde. Aplas tersebut menggunaan metode htung uadrat terecl dalam melauan analss harmon pasang surut.

16 16 Pasang surut yang damat dar varas na turunnya mua laut merupaan hasl superposs dar semua onstanta harmon pasang surut yang terjad. Dengan deman elevas mua laut pada suatu saat (t) dapat dtentuan menggunaan persamaan I.10 (Soeprapto 1993). h( t) hm 1 A cos( t g )... (I.10) h(t) : elevas mua ar fungs dar watu A : ampltudo onstanta e- : ecepatan sudut onstanta e- g hm t : fase onstanta e- : elevas mua ar rerata : watu : jumlah onstanta pasang surut Meruju pada sfat trgonometr pada persamaan I.11, maa persamaan I.10 dapat duraan menggunaan persamaan I.11 yang menghaslan persamaan I.12. cos (A-B) = cos A cos B + sn A sn B... (I.11) h( t) hm A cosg cos t A sn g sn t...(i.12) 1 1 Permsalan : A cos g Ar, dan A sn g Br...(I.13) Ar dan Br adalah onstanta harmon e-

17 17 Mensubsttusan persamaan I.13 edalam persamaan I.12, sehngga menghaslan persamaan I.14. h( t) hm A cos t B sn t... (I.14) 1 r 1 r Elevas mua ar laut hasl htungan h(t) dengan persamaan I.9 aan mendeat elevas mua ar pengamatan h(tn) ja memenuh onds persamaan I.15. v(t) 2 = N t= n {h(t) h(t n )} = mnmum... (I.15) persamaan I.15 emudan dturunan terhadap Ar, Br dan hm menjad persamaan I.16, persamaan I.17, dan persamaan I v Ar N n1 ( hm M ) h( t n ) cos( t) (I.16) N n1 ( hm M ) h( t n ) sn( t) 2 v (I.17) Br 2 v 0... (I.18) hm Dar hubungan persamaan tersebut dperoleh 2n + 1 persamaan, n adalah jumlah onstanta harmon pasang surut laut, sehngga besar Ar, Br dan hm dapat detahu. Selanjutnya berdasaran estmas uadrat terecl maa persamaan dapat duraan dalam tahap-tahap sebaga berut: 1. Penentuan persamaan pengamatan elevas mua ar laut L = AX 2. Penentuan persamaan ores V = (AX) L 3. Penentuan nla parameter X = (ATPA) -1 ATPL Persamaan pengamatan pasang surutnya dapat dnyataan dalam persamaan I.19. v( t) hm 1 r A cos t B sn t h( t )... (I.19) 1 r n Desan Matrx A, X, dan L dalam pengamatan pasang surut:

18 18 n A cos t 1 1 cos t 1 1 cos t 1 n sn t 2 1 sn t 2 1 sn t 2 n cos t 1 cos t 1 cos t n sn 1t1 sn t1 sn t t 1 1 sn 1... (I.20) sn 1t n sn t h1 L... (I.21) h n T 1 T X ( A PA) ( A PL)... (I.22) hm A1 X 1 A... (I.23) B 1 B Matr A Matr L Matrx X : matr oefsen yang merupaan hasl lnearsas persamaan observas. : matr data pengamatan elevas mua ar laut. : matr parameter onstanta harmon pasang surut. Penentuan nla ampltudo onstanta pasang surut dapat dtentuan menggunaan persamaan I.28 yang berasal dar persamaan I.13. A cos g Ar, dan A sn g Br...(I.24) A r 2 + B r 2 = A 2 cos 2 (g ) + A 2 sn 2 (g )... (I.25) A r 2 + B r 2 = A 2 (cos 2 (g ) + sn 2 (g ))... (I.26) A r 2 + B r 2 = A 2... (I.27) A = A r 2 + B r 2... (I.28)

19 19 Penentuan nla fase onstanta pasang surut dapat dtentuan menggunaan persamaan I.32 yang berasal dar persamaan I.13. A cos g Ar, dan A sn g Br...(I.29) B r = A sn(g )... (I.30) A r A cos(g ) Br tan g...(i.31) Ar g = tan 1 B r A r... (I.32) L A X V Ar Br ω t A g : data elevas mua laut : matr oefsen : parameter onstanta harmon pasang surut laut : nla ores : parameter A onstanta pembentu pasang surut : parameter B onstanta pembentu pasang surut : ecepatan sudut gelombang harmon : watu pengamatan : ampltudo onstanta e- : fase I.7.8 Preds Pasang Surut Preds pasang surut adalah memperraan elevas mua ar laut d masa mendatang pada rentang watu tertentu. Preds pasang surut dapat dlauan setelah mendapatan ampltudo dan fase onstanta pasang surut dar satu rangaan data pasang surut d suatu stasun pasang surut. Selan untu mempreds elevas

20 20 mua ar laut, preds pasang surut juga dgunaan untu mengetahu sfat pasang surut. Hasl dar preds pasang surut dapat dsajan dalam bentu tabel yang bers rentang watu preds beserta elevas mua ar laut preds, atau dapat pula dsajan dalam bentu co-tdal chart yang merupaan nterpolas elambatan fase pasang surut (Poerbandono 2005). Preds pasang surut dapat dlauan menggunaan persamaan I.33 (Al, d 1994). h(t) = hm + hm o + =1 A cos (ω t g )... (I.33) Persamaan I.33 mash memerluan ores ampltudo dan ores fase arena persamaan I.33 mash belum terat pada watu tertentu. Persamaan I.33 perlu terat pada watu tertentu sehngga persamaan I.33 berubah menjad persamaan I.34. h(t) = hm + hm o + =1 A f cos (ω t g x )... (I.34) h(t) : elevas mua ar fungs dar watu A : ampltudo onstanta e- : ecepatan sudut onstanta e- g hm : fase onstanta e- : elevas mua ar rerata hmo : perubahan dudu tengah abat fator meteorologs f x t : fator ores ampltudo onstanta pasang surut e- : argumen astronom onstanta pasang surut e- : watu : jumlah onstanta pasang surut

21 21 x v u : v + u : fase dar ontanta e- pada GMT : fator ores yang tergantung pada node bulan (lunar) atau N Nla A, g, dan hm pada persamaan I.33 dan persamaan I.34 dperoleh dar hasl analss harmon pasang surut. Nla hmo merupaan fator ores yang dberan pada hm yang merupaan pengaruh meteorologs dan oseanografs, sepert angn, arus, perbedaan denstas ar laut, serta teanan udara. Berdasaran persamaan I.34 detahu bahwa hasl preds bergantung pada jumlah onstanta pasang surut yang dgunaan, sehngga seman banya jumlah onstanta pasang surut yang dlbatan dalam perhtungan preds maa hasl perhtungan preds pasang surutnya aan seman menggambaran eadaan pasang surut sebenarnya. I.7.9 Kontrol Kualtas Data Pasang Surut Kontrol ualtas data pasang surut dmasudan agar data pasang surut yang dgunaan untu eperluan analss dan preds terbebas dar esalahan sstemat dan blunder, arena setap data hasl penguuran past mengandung esalahan. Kesalahan yang terjad contohnya adalah offset, outlers/spes, trend, dan tme-seres. Kesalahan spes/outler adalah esalahan pada data berupa penympangan data yang besar dar range data pasang surutnya. Kesalahan offset adalah perbedaan abat adanya perbedaan tunggang pasang surut pada paet data yang sama. Kesalahan tme-seres adalah adanya data pasang surut yang osong pada watu tertentu ddalam rentang pengamatan data pasang surut. Peneltan n menggunaan dua metode ontrol ualtas, yatu: 1. Vsual, dlauan untu mengelmnas esalahan offset, outlers/spes, trend, dan tme-seres. Metode n menggunaan nterpretas vsual untu mengetahu adanya ndas esalahan atau tda. 2. Tes Statst, dlauan untu mengetahu esalahan pada data berdasaran pada nla smpangan baunya. Smpangan bau yang

22 22 melebh batas menandaan adanya esalahan dar data pengamatan. Berut Tes Statst yang dgunaan dalam peneltan n : a. Tes Global dengan derajat epercayaan 95% atau 2σ. Tes n aan menghlangan esalahan pada data pasang surut dengan menola data yang berada dluar tngat epercayaan 95%. Tes Global dapat dlauan menggunaan persamaan I.35 (Sugyono 2007). σ = (X X ) 2 (n 1)... (I.35) Batas Atas = (X +2σ) Batas Bawah = (X +2σ) σ X X : smpangan bau atau standar devas : data pengamatan : rata rata dar data pengamatan n : banya data pengamatan b. RMS (Root Mean Square), merupaan metode yang dgunaan pada peneltan n untu mengetahu edeatan antara data pengamatan dengan hasl preds. Data preds dapat dataan ba apabla nlanya mendeat data pengamatan. Nla RMS dapat dtentuan menggunaan persamaan I.36. RMS = =0 n (h m h m ) 2... (I.36) (n 1) RMS hm hm n : nla RMS (meter) : elevas mua ar rerata pengamatan : elevas mua ar rerata preds : banya data pasang surut

23 23 I.7.10 Aplas Analss Harmon Pasang Surut t-tde Aplas analss harmon pasang surut t_tde adalah aplas pengolahan data pasang surut. Pada awalnya aplas n dbuat oleh Me G. G Foreman dalam bahasa Fortran, emudan S. Lentz dan B. Beardsley mengonvers ode tersebut e dalam bahasa Matlab, dan R. Pawlowcz emudan melengapnya dengan menambahan perhtungan yang omples. Aplas t_tde meml fasltas yang dnamaan dengan nference. Dengan fasltas n maa onstanta harmon P1 dan K2 dapat dsmpulan (d-nfer) mespun banya data pengamatan urang dar perode snod yang dbutuhan untu menghaslan edua onstanta harmon tersebut. Fenomena pasang surut dalam aplas t_tde dhtung dengan menggunaan persamaan yang mengasumsan pasang surut yang terjad sebaga pasang surut setmbang, dan proses analss harmonnya menggunaan metode least square. Aplas t_tde mempunya beberapa paet program, berut paet program yang terdapat pada aplas t_tde (Pangest 2012): 1. Program analss harmon dan penduungnya a. t_tde.m, untu menghtung analss pasang surut dar rangaan watu yang nyata dan omples. b. t_predc.m, untu menghtung preds pasang surut menggunaan hasl dar program t_tde. c. t_vuf.m, untu menghtung ores nodal dan argumentas astronom. d. t_getconsts.m, mengestra berbaga macam data onstanta harmon berdasaran fle data dar paet program Fortran. e. t_synth.m, untu menentuan onstanta harmon yang dgunaan dalam preds pasang surut. 2. Fle doumentas a. t_readme.m, merupaan fle yang bers penjelasan mengena paet program t_tde. b. t_error.m, penjelasan mengena nterval epercayaan dan bagamana hal tersebut dapat dembangan.

24 24 3. Fle demonstras t_demo.m, contoh demo penggunaan program t_tde dengan mengunaan data elevas d stasun pasang surut Tutoyutu. 4. Data fle penduung t_equlb.dat fle yang berfungs untu menghtung ampltudo setmbang dar onstanta harmon utama sesua lntang yang dmasuan. 5. Data program lannya a. tde3.dat, bers fle data onstanta harmon standar dar paet analss Insttute of Ocean Scences (IOS), fle n dbaca seal dan haslnya tersmpan dalam strutur data dalam t_consttuents.mat. b. t_equlb.dat fle yang bers fator ampltudo A dan B. c. t_consttuents.mat, bers strutur data onstanta harmon. d. t_example.mat, contoh data set elevas mua laut d stasun pasang surut Tutoyutu. I.8 Hpotess Konstanta pasang surut peraran dangal aan menngat ontrbusnya secara sgnfan pada daerah pessr yang meml peraran dangal yang luas (Western 1989). Laut Jawa (Ss Utara Pulau Jawa) merupaan bagan dar Paparan Sunda yang meml rata-rata edalaman 120 meter yang membentu paparan sedmen tebal dengan penyebaran yang luas (Salahuddn 2010), sedangan untu peraran Ss Selatan Pulau Jawa merupaan bagan dar Lempeng Samudera Hnda yang merupaan era yang tps yang dtutup laut dengan edalaman antara meter (Lubs 2009). Oleh arena tu hpotess pada peneltan n adalah: 1. Peraran Ss Utara Pulau Jawa dengan edalaman relatf lebh dangal meml jumlah onstanta pasang surut peraran dangal yang sama dan sgnfan relatf lebh banya dbandngan ss selatannya. 2. Kontrbus onstanta pasang surut peraran dangal d peraran setar Pulau Jawa yan peraran ss utara (yang dwal stasun pasang surut Kolnaml, Semarang, dan Surabaya) meml persentase ontrbus yang lebh besar dbandngan peraran ss selatan (yang dwal stasun pasang surut Prg, Sadeng, Clacap, dan Pangandaran).

25 25 3. Peraran Ss Utara Pulau Jawa meml persentase ontrbus pasang surut peraran dangal yang terbesar.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

Analisis Persebaran Seismisitas Wilayah Sumatera Selatan Menggunakan Metode Double Difference

Analisis Persebaran Seismisitas Wilayah Sumatera Selatan Menggunakan Metode Double Difference B-54 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Prnt) Analss Persebaran Sesmstas Wlayah Sumatera Selatan Menggunaan Metode Double Dfference Dew Fajryyatul Mauldah, Bagus Jaya Santosa

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

BAB I PENDAHULUAN I.1.

BAB I PENDAHULUAN I.1. BAB I PENDAHULUAN I.1. Latar Belakang Datum vertkal adalah permukaan ekpotensal yang mendekat kedudukan permukaan ar laut rerata (geod) yang dgunakan sebaga bdang acuan dalam penentuan poss vertkal. Ttk

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a Pemodelan Anomal Magnet Berbentu Prsma Menggunaan Algortma Geneta Antonus a, Yudha Arman a *, Joo Sampurno a a Jurusan Fsa, FMIPA Unverstas Tanjungpura, Jalan Pro. Dr. Hadar Nawaw, Pontana, Indonesa *Emal

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv KUNI JWBN SO EOI FISIK OIMPIDE SINS NSION 00. a. Dhtung dahulu watu yang derluan dar beban dleas sama e etnggan masmum yatu t. v 0 at 0 0t t =0, seon. Ketnggan masmum yang dcaa beban dhtung dar ermuaan

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV)

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV) DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV Sutmn Jurusan Matemata FMIPA Unverstas Dponegoro Jl Prof H Soedarto SH Tembalang, Semarang 575 E-mal: su_tmn@yahoocom Abstract:

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

BAB I PENDAHULUAN. Gambar I.1. Bentuk data mentah pasang surut secara visual. Data dengan Trend aneh. Data Diskontinyu. Data Spike

BAB I PENDAHULUAN. Gambar I.1. Bentuk data mentah pasang surut secara visual. Data dengan Trend aneh. Data Diskontinyu. Data Spike BAB I PENDAHULUAN.. Latar Belakang Pasang surut merupakan fenomena kenakan dan penurunan muka ar laut yang terjad dseluruh permukaan bum secara perodk karena pengaruh gaya tark menark matahar dan bulan,

Lebih terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN DENSITAS PERMUKAAN PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER IDENIFIKASI SISEM NONLINIE DENGAN MENGGUNAKAN ECUEN NEUAL NEOK DAN ALGOIMA DEAD-ZONE KALMAN FILE ully Soelaman, angga fa Faultas enolog Informas Insttut enolog Sepuluh Nopember Kampus Keputh, Suollo, Surabaya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT Ngarap Im Man Jurusan Matemata FST BINUS Unversty, Jln.Kebon Jeru Raya no.27 Jaarta Barat 11480, Indonesa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

ANALISIS KAPABILITAS PROSES

ANALISIS KAPABILITAS PROSES TI PENGENLIN KULITS STTISTIK TOPIK 0 NLISIS KPILITS PROSES L, Semester II 00/0 Hlm. TI PENGENLIN KULITS STTISTIK. PENHULUN esrps : Merupaan uuran eseragaman proses dalam menghaslan produ dengan araterst

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d

Lebih terperinci

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0 Implementas Jarngan Saraf Truan Bacpropagaton Pada Aplas Pengenalan Waah Dengan Jara Yang Berbeda Menggunaan MATLAB 7.0 Syafe Nur Luthfe Jurusan Ten Informata, Unverstas Gunadarma Jl. Margonda Raya 100,

Lebih terperinci

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

Restorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization

Restorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization Restoras Ctra Dengan Menggunaan Metode Iteratf Lanczos Hybrd Regularzaton Yudh Purwananto, Rully Soelaman, Alfa Masjta Rahmat Jurusan Ten Informata, Faultas Tenolog Informas Insttut Tenolog Sepuluh Nopember

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai 4 METODE PENELITIAN 4.1 Watu dan Loas Peneltan Peneltan n dlasanaan selama 6 bulan dmula dar bulan Jul sampa bulan Desember 005 d Kabupaten Indramayu, Provns Jawa Barat yang terleta pada poss geografs

Lebih terperinci

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa

Lebih terperinci

BAB II DASAR TEORI DAN METODE

BAB II DASAR TEORI DAN METODE BAB II DASAR TEORI DAN METODE 2.1 Teknk Pengukuran Teknolog yang dapat dgunakan untuk mengukur konsentras sedmen tersuspens yatu mekank (trap sampler, bottle sampler), optk (optcal beam transmssometer,

Lebih terperinci

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien JURAL TEKIK POITS Vol., o., (0) -6 Stud Perhtungan CCT enggunaan etode EEAC (Extended Equal Area Crteron) Dan Trajetor Krts/ Crtcal Trajectory Untu Kestablan Transen Hardansyah Pratama, Ardyono Pryad,

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengetan Reges dan Koelas.. Pengetan Reges Paa lmuan, eonom, psolog, dan sosolog selalu beepentngan dengan masalah peamalan. Peamalan matematyang memungnan ta meamalan nla-nla suatu

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI Yunarstanto 1 Irwan Iftad 1 Iwan Ngabd Raharjo 2 Abstract: Producton flow n PT. Tga Seranga Pustaa Mandr

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

BAB III DATA DAN PENGOLAHAN DATA

BAB III DATA DAN PENGOLAHAN DATA BAB III DATA DAN PENGOLAHAN DATA 3.1 Daerah Stud Selat Lombok merupakan selat yang memsahkan Pulau Bal dan Pulau Lombok dan menghubungkan Laut Flores bagan Barat dengan Samudera Hnda. Panjang Selat Lombok

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv 1 Strateg Memnmalan Load Sheddng Menggunaan Metode Senstvtas Untu Mencegah Voltage Collapse Pada Sstem Kelstran Jawa-Bal 500 V Rs Cahya Anugrerah Haebb, Ad Soepranto,, Ardyono Pryad Jurusan Ten Eletro,

Lebih terperinci

Tinjauan Ulang Konsep Mekanika Klasik

Tinjauan Ulang Konsep Mekanika Klasik Modul 1 Tnauan Ulang Konsep Meana Klas Paen Pandangan, S.S., M.S. P PENDAHULUAN ada Buu Mater Poo (BMP) Meana, Anda sudah mempelaar tentang neta dan dnama suatu sstem ba melalu huum-huum Newton, Lagrange,

Lebih terperinci