7. PEMBAHASAN UMUM 7.1. Penentuan Domain
|
|
- Deddy Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 7. PEMBAHASAN UMUM Pembahasan ini merupakan rangkuman dari hasil bahasan dan kajian dalam Bab 2, 3, 4, 5, dan 6 sebelumnya. Secara umum pembahasan meliputi perkembangan metode-metode peramalan untuk SD dan permasalahan yang terkait baik dengan model maupun data, hasil penentuan domain GCM, dan hasil penerapan metode PPR dalam SD, dan hasil penentuan DPM berdasarkan pola dugaan model PPR untuk stasiun-stasiun di kabupaten Indramayu. Metode PPR termasuk ke dalam kategori teknik SD berbasis regresi nonlinear, nonparametrik, dan data-driven. Teknik SD dengan PPR dengan domain Segi8 lebih akurat daripada dengan PCR, dan PPR lebih konsisten dalam pendugaannya. DPM berbasis dugaan model PPR menghasilkan pola nilai dugaan yang lebih mendekati pola data aktualnya. Namun demikian teknik SD ini masih perlu perbaikan dan penyempurnaan untuk berbagai kondisi di lapangan Penentuan Domain Penelitian ini mempelajari berbagai domain, yaitu (1) domain berbentuk bujursangkar (Segi8, Segi10, Segi12, Segi14, dan Segi16) tepat di atas lokasi target pendugaan (wilayah kabupaten Indramayu); (2) domain berupa gabungan grid-grid berkorelasi tinggi (positif dan negatif) dengan curah hujan lokal dan grid-grid tepat di atas target pendugaan (atb1t88, atb2t88, dan atb3t88); dan (3) domain berbentuk bujursangkar dan berkorelasi tinggi (Segi8kor). Domain Segi8 dan Segikor memberikan hasil dugaan yang lebih akurat daripada domain lainnya. Penentuan kedua domain ini lebih bersifat subyektif terutama penentuan lokasi domain dan jumlah grid dalam domain. Metode penentuan domain yang lebih objektif belum ada. Domain Segi8 dan Segikor ditentukan untuk wilayah kabupaten Indramayu yang bertopografi homogen. Domain ini dapat digunakan untuk wilayah sekitar kabupaten Indramayu yang topografinya relatif sama. Namun domain ini belum tentu dapat digunakan untuk lokasi target yang berbeda dan wilayah dengan topografi yang heterogen.
2 Dalam penelitian ini hanya menggunakan satu peubah prediktor, yaitu presipitasi. Peubah ini pernah digunakan oleh Venugopal et al (1999), diacu dalam Yarnal et al (2001), dan berpotensi untuk digunakan sebagai prediktor dalam pemodelan SD (BIOCLIM 2004). Meskipun model PPR memberikan hasil dugaan yang cukup akurat untuk pendugaan curah hujan dengan presipitasi sebagai prediktor, model ini perlu diuji coba dengan menggunakan lebih banyak prediktor dan representatif untuk kondisi wilayah tropis yang heterogen. Wilby et al (2004) berpendapat bahwa untuk wilayah tropis yang kompleks dengan adanya pengaruh lautan dan atmosfir dan hubungan peubah prediktor dan respon yang bervariasi, maka diperlukan sejumlah besar prediktor Metode ProjectionPursuit Metode PPR yang digunakan dalam penelitian ini termasuk kategori model berbasis regresi nonlinear, nonparametrik, dan data-driven, serta tanpa mensyaratkan asumsi kelinearan dan kenormalan. Metode ini serupa dengan PCA dan PCR dapat mengatasi masalah curse of dimensionality dan multikolinearitas. Hasil kajian dalam penelitian ini menunjukkan bahwa model PPR lebih akurat daripada model PCR terutama untuk panjang data historis 35, 30, 25, dan 20 tahun ( ). Pola nilai dugaan curah hujan dengan model PPR lebih mendekati pola data aktualnya dibandingkan dengan model PCR. Dalam penelitian ini juga dilakukan pembandingan berdasarkan dua domain, yaitu domain Segi8 yang berada tepat di atas lokasi target pendugaan dan Segi8kor yang berkorelasi kuat (=0.6) dengan peubah respon. Hasilnya menunjukkan bahwa domain Segi8kor memberikan hasil yang lebih akurat daripada domain Segi8. Hal ini sesuai dengan persyaratan suatu model regresi bahwa peubah respon berkorelasi kuat dengan peubah prediktor. Namun keragaman hasil pendugaan dengan domain Segi8kor lebih tinggi daripada keragaman hasil dengan domain Segi8. Hal ini menunjukkan bahwa domain Segi8kor memberikan hasil pendugaan yang kurang konsisten. Keadaan ini terjadi sebagai akibat adanya beberapa data pencilan. 77
3 Setelah dilakukan koreksi terhadap data pencilan, keragaman hasil pendugaan dengan domain Segi8kor lebih kecil daripada sebelum data pencilan dikoreksi. Keragaman ini relatif sama dengan keragaman hasil pendugaan dengan domain Segi8. Sedangkan keragaman dengan domain Segi8 sebelum dan sesudah koreksi terhadap data pencilan relatif sama. Dengan demikian pendugaan model PPR dengan domain Segi8 lebih stabil dan relatif tidak sensitif terhadap data pencilan daripada dengan domain Segi8kor. Data pencilan berpengaruh terhadap pendugaan model terutama jika domain Segi8kor digunakan, sehingga metode PPR harus bersifat robust terhadap pencilan atau data pengamatan ekstrim. Model SD sering disusun tanpa secara khusus memperhatikan kejadian-kejadian ekstrim yang nyata terjadi (Wilby et al. 2004). Pada awalnya metode PP dapat mengidentifikasi pencilan. Namun demikian metode dapat dimodifikasi untuk mengurangi pengaruh pencilan terhadap pendugaan model, antara lain dengan memodifikasi indeks proyeksi (Ryan 1997; Hastie & Tibshirani 1990). Indeks proyeksi pada persamaan (4.8) dapat dimodifikasi seperti persamaan berikut. di mana: I( a ) t ρ(r S i a i= 1 = 1 t 2 ri i= 1 2 ( a x )) 2 e ;untuk e < k ρ( e) = 2 2 k e + ;untuk e > k 2 i k = suatu konstanta (=1,325 (Hastie & Tibshirani 1990)) Fungsi Biweight dapat juga digunakan sebagai fungsi?(e) (Simonoff 1996) Daerah Prakiraan Musim Daerah prakiraan musim (DPM_PPR) ditentukan berdasarkan pola nilai dugaan curah hujan bulanan dengan model PPR (domain Segi8 dan panjang data historis 20 tahun, periode ). DPM_PPR dibandingkan dengan DPM_BMG berdasarkan 31 stasiun penakar hujan di kabupaten Indramayu. 78
4 DPM_PPR berbeda dengan DPM_BMG, baik jumlah DPM yang terbentuk maupun lokasi setiap DPM. DPM_PPR terdiri dari lima DPM sedangkan DPM_BMG terdiri dari enam DPM. Lokasi kelima DPM dalam DPM_PPR adalah satu DPM di wilayah utara, satu DPM di wilayah selatan, dan tiga DPM di wilayah tengah kabupaten Indramayu. Perbedaan ini terjadi karena berbeda dasar penentuannya (data dan metode yang digunakan berbeda). DPM_BMG berdasarkan data curah hujan dasarian dengan metode PCA dan metode pengelompokan complete linkage. Sedangkan DPM_PPR berdasarkan pendugaan model SD dengan PPR dan metode pengelompokan Ward. Secara umum DPM_PPR menghasilkan pola dugaan curah hujan yang lebih mendekati pola data aktualnya. Pewilayahan tergantung kepada data yang akan digunakan sebagai dasar penentuan DPM dan metodenya. Data dan metode penentuan DPM berbeda akan memberikan hasil yang berbeda. Dalam hal ini perlu suatu metode untuk data tertentu yang akan memberikan hasil yang lebih akurat dan pola nilai dugaannya lebih mendekati pola data aktualnya Metode Peramalan Analisis deret waktu umumnya sering digunakan untuk peramalan curah hujan, yang hanya melibatkan data deret waktu (curah hujan lokal). Fungsi transfer adalah salah satu metode dalam analisis deret waktu yang melibatkan peubah-peubah prediktor. Metode ini merupakan dasar penggunaan teknik SD, di mana luaran GCM yang bersifat spasial dan temporal dijadikan sebagai peubah prediktor. Keterlibatan luaran GCM ini menimbulkan permasalahan dalam pemodelan terutama untuk model-model yang bersifat linear dan ketat asumsi. MOS merupakan metode yang sederhana, berbasis regresi linear, dan parametrik. MOS inilah yang mulai digunakan sebagai teknik SD luaran GCM. Teknik SD berkembang dengan memperhatikan karakteristik data terutama luaran GCM. Data luaran GCM ini berdimensi besar (banyaknya peubah prediktor) baik karena besarnya domain GCM maupun banyaknya peubah yang digunakan dalam pemodelan. Semakin besar domain dan semakin banyak peubah, semakin kompleks permasalahannya atau luaran GCM ini dalam kondisi curse of 79
5 dimensionality dan multikolinearitas. Teknik SD dengan model regresi linear berganda tidak bisa digunakan secara langsung terhadap data demikian. Sebelum pendugaan model, perlu perlakuan khusus terhadap data, yaitu pre-processing dengan pereduksian dimensi. Selama ini PCA sering digunakan untuk pereduksian dimensi guna pemodelan PCR. Teknik SD yang bersifat linear dan parametrik ini dapat mengatasi masalah multikolinearitas dengan mengasumsikan bahwa data luaran GCM mengikuti sebaran normal. Teknik ini belum mengantisipasi karakteristik luaran GCM. Keadaan data ini mendorong perlunya teknik SD yang tidak ketat asumsi, nonparametrik, dan data-driven, seperti metode MARS, ANN, PPR. Beberapa teknik SD berbasis model regresi terutama yang melibatkan data kontinu, dan teknik lainnya berbasis klasifikasi yang khusus digunakan untuk data diskrit misalnya tipe cuaca hujan atau kemarau, ada hujan atau tidak hujan. Kombinasi beberapa metode juga telah digunakan untuk mengantisipasi permasalahan data disesuaikan dengan ciri dan asumsi yang diperlukan suatu metode, seperti kombinasi PCR dan ARIMA untuk mengatasi masalah otokorelasi. Perkembangan teknik-teknik SD selanjutnya akan mengarah ke penggunaan model berbasis regresi atau klasifikasi nonlinear, nonparametrik, dan data-driven. Dalam penelitian ini pereduksian dimensi dilakukan sebagai preprocessing dalam pemodelan SD untuk mengantisipasi karakteristik luaran GCM. Pada umumnya pemodelan SD tanpa memperhatikan kemungkinan pengaruh waktu sebelumnya (time lag) sehubungan dengan data luaran GCM dan peubah lokal yang bersifat temporal (data deret waktu). Dalam hal ini perlu juga dilakukan pemeriksaan awal terhadap kestasioneran data dan adanya otokorelasi. Waktu lag, jika diperlukan, disertakan sebagai faktor yang berpengaruh dalam pemodelan SD. Metode PPR dalam penelitian ini melakukan pendugaan curah hujan bulanan untuk satu tahun. Pada umumnya pola nilai dugaan curah hujan pada musim kemarau (April-Oktober) lebih mendekati pola data aktualnya daripada pada musim hujan (Oktober-April). Pendugaan ini hanya menggunakan satu domain (Segi8). Jika pemodelannya dilakukan untuk setiap musim (kemarau atau 80
6 hujan) maka domain yang representatif untuk pemodelan kedua musim ini akan berbeda. Weather generator (WG) digunakan untuk memprediksi kejadian-kejadian hari hujan (wet-day) atau tidak hujan (dry-day) dengan syarat kejadian pada hari sebelumnya. Teknik WG digunakan untuk penyusunan model yang dapat mereplikasi ciri-ciri dari sekuen data pengamatan peubah cuaca. Dalam SD, teknik ini dapat digunakan dengan menetapkan keadaan peubah luaran GCM (peubah prediktor) sebagai syarat kejadian pada peubah cuaca lokal, yaitu bahwa suatu kejadian pada peubah lokal pada waktu tertentu bersyarat adanya kejadian pada peubah prediktor pada waktu sebelumnya (Storch et al. 2001; Wilby et al. 2004). 81
1. PENDAHULUAN. [8 Januari 2006] 1 ( )
1. PENDAHULUAN 1.1. Latar Belakang Informasi ramalan curah hujan sangat berguna bagi petani dalam mengantisipasi kemungkinan kejadian-kejadian ekstrim (kekeringan akibat El- Nino dan kebanjiran akibat
Lebih terperinci5. UJI KONSISTENSI MODEL STATISTICAL DOWNSCALING BERBASIS PROJECTION PURSUIT DALAM PREDIKSI CURAH HUJAN
5. UJI KONSISTENSI MODEL STATISTICAL DOWNSCALING BERBASIS PROJECTION PURSUIT DALAM PREDIKSI CURAH HUJAN 5.1. Pendahuluan Model SD dengan metode PPR memberikan hasil pendugaan yang lebih akurat atau perbedaan
Lebih terperinci3. PENENTUAN DOMAIN GCM DALAM PENYUSUNAN MODEL STATISTICAL DOWNSCALING
3. PENENTUAN DOMAIN GCM DALAM PENYUSUNAN MODEL STATISTICAL DOWNSCALING 3.1. Pendahuluan Domain GCM berperan penting dalam pemodelan SD. Data pada domain ini dijadikan sebagai faktor yang menentukan pendugaan
Lebih terperinciREGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING
REGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING Aji Hamim Wigena Departemen Statistika, FMIPA Institut Pertanian Bogor Jakarta, 23 Juni 2011 Pendahuluan GCM (General Circulation Model) model
Lebih terperinci2. PERKEMBANGAN TEKNIK STATISTICAL DOWNSCALING DAN PERMASALAHAN STATISTIK
2. PERKEMBANGAN TEKNIK STATISTICAL DOWNSCALING DAN PERMASALAHAN STATISTIK 2.1. Pendahuluan Luaran GCM hanya dapat memberikan informasi untuk skala besar dan belum dapat memberikan secara langsung informasi
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI PROJECTION PURSUIT UNTUK PERAMALAN CURAH HUJAN BULANAN Kasus Curah hujan bulanan di Indramayu
PEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI PROJECTION PURSUIT UNTUK PERAMALAN CURAH HUJAN BULANAN Kasus Curah hujan bulanan di Indramayu AJI HAMIM WIGENA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
Lebih terperinci1. PENDAHULUAN 1.1 Latar belakang
1. PENDAHULUAN 1.1 Latar belakang Sampai saat ini, GCM (general circulation models) diakui banyak pihak sebagai alat penting dalam upaya memahami sistem iklim. GCM dipandang sebagai metode yang paling
Lebih terperinci1 PENDAHULUAN. Latar Belakang
1 PENDAHULUAN Latar Belakang Pada saat ini pengguna informasi cuaca jangka pendek menuntut untuk memperoleh informasi cuaca secara cepat dan tepat. Badan Meteorologi, Klimatologi dan Geofisika (BKMG) telah
Lebih terperinciBAB 1 PENDAHULUAN. pengamatan parameter-parameter cuaca secara realtime maupun dengan alat-alat
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mengetahui keadaan cuaca saat ini dapat dilakukan dengan melakukan pengamatan parameter-parameter cuaca secara realtime maupun dengan alat-alat penginderaan
Lebih terperinci2. PEMODELAN STATISTICAL DOWNSCALING
2. PEMODELAN STATISTICAL DOWNSCALING 2.1 Model Sirkulasi Umum (General Circulation Models:GCM) GCM merupakan penggambaran matematis dari sejumlah besar interaksi fisika, kimia, dan dinamika atmosfer bumi.
Lebih terperinciBAB III DATA DAN METODOLOGI
17 BAB III DATA DAN METODOLOGI 3.1 Data Pada penelitian ini, ada dua jenis data yang akan digunakan. Jenis data pertama adalah data curah hujan bulanan dan yang kedua adalah data luaran GCM. 3.1.1 Data
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR)
PEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR) 1 Meika Anitawati, 2 Sutikno 1 Mahasiswa Jurusan Statistika FMIPA-ITS
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu
Lebih terperinciPEMBAHASAN ... (3) RMSE =
7 kemampuan untuk mengikuti variasi hujan permukaan. Keterandalan model dapat dilihat dari beberapa parameter, antara lain : Koefisien korelasi Korelasi dinyatakan dengan suatu koefisien yang menunjukkan
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperinciReduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama
Reduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama Ferry Kondo Lembang Jurusan Matematika FMIPA UNPATTI ferrykondolembang@yahoo.co.id Abstrak Reduksi dimensi adalah bagian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciHYBRID MARS TIME SERIES PADA PEMODELAN STATISTICAL DOWNSCALLING Studi Kasus: Stasiun Losarang ABSTRAK
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 1 HYBRID MARS TIME SERIES PADA PEMODELAN STATISTICAL DOWNSCALLING Studi Kasus: Stasiun Losarang 1 Bisyri Effendi, 2 Sutikno,
Lebih terperinci1 PENDAHULUAN Latar Belakang
1 PENDAHULUAN Latar Belakang Indonesia merupakan negara kepulauan dengan bentuk topografi yang sangat beragam, dilewati garis katulistiwa, diapit dua benua dan dua samudera. Posisi ini menjadikan Indonesia
Lebih terperinciVI. KESIMPULAN DAN SARAN
VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan Dalam penelitian ini telah dilakukan suatu rangkaian penelitian yang mencakup analisis pewilayahan hujan, penyusunan model prediksi curah hujan, serta pemanfaatan
Lebih terperinci3 PEWILAYAHAN CURAH HUJAN
3 PEWILAYAHAN CURAH HUJAN Pendahuluan Daerah prakiraan musim (DPM) merupakan daerah dengan tipe hujan yang memiliki perbedaan yang jelas antara periode musim kemarau dan musim hujan berdasarkan pola hujan
Lebih terperinciTEKNIK STATISTICAL DOWNSCALING DENGAN REGRESI KOMPONEN UTAMA DAN REGRESI KUADRAT TERKECIL PARSIAL UNTUK PREDIKSI CURAH HUJAN PADA KONDISI EL NINO, LA NINA, DAN NORMAL 1 2 Woro Estiningtyas, Aji Hamim Wigena
Lebih terperinciPEMODELAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI PANJANG MUSIM HUJAN BERDASAR SEA SURFACE TEMPERATURE
PEMODELAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI PANJANG MUSIM HUJAN BERDASAR SEA SURFACE TEMPERATURE Agus Buono 1, M. Mukhlis 1, Akhmad Faqih 2, Rizaldi Boer 2 1 Departemen Ilmu Komputer, Fakultas Matematika
Lebih terperinciAPLIKASI METODE SUPPORT VECTOR MACHINE PADA PENGELOMPOKAN ZONA MUSIM BERDASARKAN CURAH HUJAN (STUDI KASUS KABUPATEN NGAWI)
SEMINAR HASIL TUGAS AKHIR 18 Januari 2011 APLIKASI METODE SUPPORT VECTOR MACHINE PADA PENGELOMPOKAN ZONA MUSIM BERDASARKAN CURAH HUJAN (STUDI KASUS KABUPATEN NGAWI) Dipresentasikan oleh : Elly Nur Shobihah
Lebih terperinci8. MODEL RAMALAN PRODUKSI PADI
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan Padi merupakan makanan utama sekaligus mempunyai nilai politis yang tinggi bagi orang Indonesia, yang menyediakan pendapatan secara musiman dan tenaga kerja
Lebih terperinciPENDEKATAN REGRESI KOMPONEN UTAMA DAN ARIMA UNTUK STATISTICAL DOWNSCALING
J. Sains Tek., Desember 005, Vol., No. 3 PENDEKATAN REGRESI KOMPONEN UTAMA DAN ARIMA UNTUK STATISTICAL DOWNSCALING Khairil Anwar Notodiputro, Aji Hamim Wigena, dan Fitriadi Departemen Statistika, FMIPA
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN PENGANTAR Bab sebelumnya membicarakan perbandingan cross-sectional Bab 7 ini membicarakan perbandingan time-series, yaitu membandingkan angka-angka dengan
Lebih terperinciANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G4004 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten Indramayu)
Xplore, 2013, Vol. 1(1):e3(1-7) c 2013 Departemen Statistika FMIPA IPB PEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. maka di kembangkan kerangka pemikiran penelitian sebagai berikut: ketinggian
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran dan Hipotesis 3.1.1 Kerangka Pemikiran Berdasarkan kerangka teori yang telah dijelaskan pada gambaran umum objek, maka di kembangkan kerangka pemikiran
Lebih terperinci6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM
6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM 6.1 Pendahuluan Model regresi SD dinyatakan y = f(x) ε dimana y adalah peubah respon (curah hujan observasi, beresolusi
Lebih terperinci5. HUBUNGAN ANTARA PEUBAH-PEUBAH PENJELAS GCM CSIRO Mk3 DAN CURAH HUJAN BULANAN
5. HUBUNGAN ANTARA PEUBAH-PEUBAH PENJELAS GCM CSIRO Mk3 DAN CURAH HUJAN BULANAN 5.1 Pendahuluan Dalam pemodelan statistical downscaling (SD), khususnya fungsi transfer diawali dengan mencari model hubungan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Tingkat pemanasan rata-rata selama lima puluh tahun terakhir hampir dua kali lipat dari rata-rata seratus tahun terakhir, di mana pemanasan lebih dirasakan
Lebih terperinciPENDAHULUAN 1.1. Latar belakang
1 I. PENDAHULUAN 1.1. Latar belakang Curah hujan merupakan salah satu parameter atmosfer yang sulit untuk diprediksi karena mempunyai keragaman tinggi baik secara ruang maupun waktu. Demikian halnya dengan
Lebih terperinci3 PENENTUAN DOMAIN SPASIAL NWP
3 PENENTUAN DOMAIN SPASIAL NWP Pendahuluan Peubah-peubah yang dihasilkan dari NWP mempunyai dimensi yang besar yaitu, dimensi spasial (S), dimensi waktu (T), dimensi vertikal (V) dan dimensi parameter
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dengan semakin majunya peradaban, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data ke dalam suatu fungsi yang dapat dipergunakan
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL KOMPONEN UTAMA FUNGSIONAL UNTUK PREDIKSI CURAH HUJAN EKSTRIM WIRNANCY JULIA SARI
i PEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL KOMPONEN UTAMA FUNGSIONAL UNTUK PREDIKSI CURAH HUJAN EKSTRIM WIRNANCY JULIA SARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 ii PERNYATAAN
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Berdasarkan sifatnya peramalan terbagi atas dua yaitu peramalan kualitatif dan peramalan kuantitatif. Metode kuantitatif terbagi atas dua yaitu analisis deret berkala
Lebih terperinciMusim Hujan. Musim Kemarau
mm IV. HASIL DAN PEMBAHASAN. Analisis Data Curah hujan Data curah hujan yang digunakan pada penelitian ini adalah wilayah Lampung, Pontianak, Banjarbaru dan Indramayu. Selanjutnya pada masing-masing wilayah
Lebih terperinciIV. HASIL DAN PEMBAHASAN
8 eigenvalue masing-masing mode terhadap nilai total eigenvalue (dalam persen). PC 1 biasanya menjelaskan 60% dari keragaman data, dan semakin menurun untuk PC selanjutnya (Johnson 2002, Wilks 2006, Dool
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN Bab ini akan membahas tentang pintu air Manggarai secara singkat, hasil analisa data, dan pembahasan hasil penelitian. 4.1 Pintu air Manggarai Secara operasional pintu air Manggarai
Lebih terperinciDaftar Isi. Daftar Isi Daftar Gambar Bab 1. Pendahuluan... 5
Daftar Isi Daftar Isi... 2 Daftar Gambar... 4 Bab 1. Pendahuluan... 5 Bab 2. Metode Prediksi Iklim, Pola Tanam dan... 6 2.1 Pemodelan Prediksi Iklim... 6 2.2 Pengembangan Peta Prediksi Curah Hujan... 8
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Metode klasifikasi merupakan salah satu metode statistika untuk mengelompok atau mengklasifikasi suatu data yang disusun secara sistematis ke dalam suatu kelompok sehingga
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciBAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT
BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan
Lebih terperinciTINJAUAN PUSTAKA. Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sejak tahun 1980-an para peneliti meteorologi meyakini bahwa akan terjadi beberapa penyimpangan iklim global, baik secara spasial maupun temporal. Kenaikan temperatur
Lebih terperinci4. HASIL DAN PEMBAHASAN
Citra MODIS Terra/Aqua Jawa 24 Terkoreksi Radiometrik Data CH Koreksi Geometrik Bogor & Indramayu Malang *) & Surabaya *) Eo Lapang Regresi Vs Lapang Regeresi MODIS Vs lapang Hubungan dengan Kekeringan
Lebih terperinciBuletin Analisis Hujan dan Indeks Kekeringan Bulan Desember 2012 dan Prakiraan Hujan Bulan Februari, Maret dan April 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Desember 2012 serta Prakiraan Hujan Bulan Februari, Maret dan April 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan
Lebih terperinciBuletin Analisis Hujan dan Indeks Kekeringan Bulan Juli 2012 dan Prakiraan Hujan Bulan September, Oktober dan November 2012 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Juli 2012 serta Prakiraan Hujan Bulan September, Oktober dan November 2012 disusun berdasarkan hasil pengamatan dari 60 stasiun dan pos hujan di wilayah
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling sering
Lebih terperinci4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) Pendahuluan Beberapa penelitian curah hujan dengan satu lokasi curah hujan (tunggal) dengan model ARIMA telah dilakukan, di antaranya oleh Mauluddiyanto (2008)
Lebih terperinciTUGAS AKHIR. Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3
TUGAS AKHIR Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3 Oleh: Alin Fitriani 1306 100 066 Pembimbing: Dr.Ir. Setiawan, M.S NIP 198701 1 001 JURUSAN STATISTIKA
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya.
Lebih terperinciV. KESIMPULAN DAN SARAN. Iidanya gangguan pada luas panen maupun produksi padi di Indonesia maupun di
V. KESIMPULAN DAN SARAN 5.1. EEesimpulan Iidanya gangguan pada luas panen maupun produksi padi di Indonesia maupun di Jawa Barat pada setiap tahun El-Nino menunjukkan bahwa terdapat hubungan yang erat
Lebih terperinciPemodelan Jaringan Syaraf Tiruan Untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan Laut
Tersedia secara online di: http://journal.ipb.ac.id/index.php/jika Volume 1 Nomor 2 Halaman 52-61 ISSN: 2089-6026 Pemodelan Jaringan Syaraf Tiruan Untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan
Lebih terperinciSeminar Hasil. oleh: Ferry Kondo Lembang Dosen Pembimbing: Dr.Ir. Setiawan, M.S Dr.Sutikno, S.Si, M.Si
Seminar Hasil Pendekatan Regresi Bayes PCA untuk pemodelan Statistical Downscaling Luaran GCM (Studi kasus : Data Curah Hujan Bulanan Stasiun Ambon, Pontianak, dan Indramayu) oleh: Ferry Kondo Lembang
Lebih terperinciBAB I PENDAHULUAN. Utara yang mana secara geografis terletak pada Lintang Utara
BAB I PENDAHULUAN 1.1. Latar Belakang Kota Medan merupakan salah satu kota yang terdapat di Provinsi Sumatera Utara yang mana secara geografis terletak pada 2 27 00-2 47 00 Lintang Utara dan 98 35 00-98
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan
Lebih terperinciBuletin Analisis Hujan Bulan April 2013 dan Prakiraan Hujan Bulan Juni, Juli dan Agustus 2013 KATA PENGANTAR
Buletin Analisis Hujan Bulan April 2013 dan Prakiraan Hujan Bulan Juni, Juli dan Agustus 2013 KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan April 2013 serta Prakiraan Hujan Bulan Juni, Juli dan
Lebih terperinciBAB 2 LANDASAN TEORI
20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Lebih terperinciKEPALA STASIUN KLIMATOLOGI
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan September 2013 serta Prakiraan Hujan Bulan November, Desember 2013 dan Januari 2014 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1. Latar Belakang Wilayah Indonesia umumnya dikelilingi oleh lautan yang berada antara samudera Hindia dan Samudera Pasifik. Samudera ini menjadi sumber kelembaban utama uap air
Lebih terperincipersamaan regresi. Adapun rumus yang digunakan untuk menentukan curah hujan kritis adalah sebagai berikut: CH kritis = ( 0.
9 a : intersep (perubahan salinitas jika tidak hujan) b : slope (kemiringan garis regresi). Koefisien determinasi (r 2 ) masing-masing kelompok berdasarkan klaster, tahun, dan lahan peminihan (A dan B)
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL SPLINE UNTUK PREDIKSI CURAH HUJAN EKSTRIM DI KABUPATEN INDRAMAYU NOOR ELL GOLDAMEIR
PEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL SPLINE UNTUK PREDIKSI CURAH HUJAN EKSTRIM DI KABUPATEN INDRAMAYU NOOR ELL GOLDAMEIR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN
Lebih terperinciDAFTAR ISI. Halaman Konsep Ketersediaan Air dan Model Prakiraan Kesesuaian Model ARIMA untuk Prakiraan Ketersediaan Air 10
DAFTAR ISI Halaman HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN PRAKATA DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN INTISARI ABSTRACT i ii iii iv vi ix xii xiv xv xvi BAB I. PENDAHULUAN
Lebih terperinciDaftar Isi. Daftar Isi Daftar Gambar Bab 1. Pendahuluan... 5
Daftar Isi Daftar Isi... 2 Daftar Gambar... 4 Bab 1. Pendahuluan... 5 Bab 2. Metode Prediksi Iklim, Pola Tanam dan... 6 2.1 Pemodelan Prediksi Iklim... 6 2.2 Pengembangan Peta Prediksi Curah Hujan... 8
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING DATA GCM MENGGUNAKAN SUPPORT VECTOR REGRESSION UNTUK MEMPREDIKSI CURAH HUJAN BULANAN INDRAMAYU
PEMODELAN STATISTICAL DOWNSCALING DATA GCM MENGGUNAKAN SUPPORT VECTOR REGRESSION UNTUK MEMPREDIKSI CURAH HUJAN BULANAN INDRAMAYU MUHAMMAD ASYHAR AGMALARO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Metode Regresi 2.2 Model Aditif Terampat ( Generalized additive models , GAM)
II. TINJAUAN PUSTAKA. Metode Regresi Analisis regresi merupakan bagian dalam analisis statistika yang digunakan untuk memodelkan hubungan antara peubah tidak bebas (respon) dengan satu atau beberapa peubah
Lebih terperinciIV. HASIL DAN PEMBAHASAN
9 menguji kelayakan model sehingga model sementara tersebut cukup memadai. Salah satu caranya adalah dengan menganalisis galat (residual). Galat merupakan selisih antara data observasi dengan data hasil
Lebih terperinciPRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT
TUGAS AKHIR - ST 1325 PRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT ANGGREINI SUPRAPTI NRP 1305 100 005 Dosen Pembimbing Dr. Sutikno, S.Si, M.Si JURUSAN STATISTIKA
Lebih terperinciBAB 1 PENDAHULUAN. Di Indonesia meteorologi diasuh dalam Badan Meteorologi dan Geofisika di Jakarta
BAB 1 PENDAHULUAN 1.1. Latar Belakang Di Indonesia meteorologi diasuh dalam Badan Meteorologi dan Geofisika di Jakarta yang sejak tahun enam puluhan telah diterapkan menjadi suatu direktorat perhubungan
Lebih terperinciBuletin Analisis Hujan dan Indeks Kekeringan Bulan April 2012 dan Prakiraan Hujan Bulan Juni, Juli dan Agustus 2012 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan April 2012 serta Prakiraan Hujan Bulan Juni, Juli dan Agustus 2012 disusun berdasarkan hasil pengamatan dari 60 stasiun dan pos hujan di wilayah Jawa
Lebih terperinciBuletin Analisis Hujan Bulan Februari 2013 dan Prakiraan Hujan Bulan April, Mei dan Juni 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Februari 2013 serta Prakiraan Hujan Bulan April, Mei dan Juni 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan di
Lebih terperinciPEMODELAN DOWNSCALING LUARAN GCM DAN ANOMALI SST NINO 3.4 MENGGUNAKAN SUPPORT VECTOR REGRESSION. (Studi Kasus Curah Hujan Bulanan Indramayu)
PEMODELAN DOWNSCALING LUARAN GCM DAN ANOMALI SST NINO 3.4 MENGGUNAKAN SUPPORT VECTOR REGRESSION (Studi Kasus Curah Hujan Bulanan Indramayu) ARIES MAESYA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciHASIL DAN PEMBAHASAN. Eksplorasi Data
5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Kelapa sawit (Elaeis guineensis Jacq.) merupakan salah satu komoditas perkebunan unggulan, yang menghasilkan minyak nabati paling efisien yang produknya dapat digunakan dalam
Lebih terperinciBAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Analisis statistik multivariat adalah metode statistik di mana masalah yang diteliti bersifat multidimensional dengan menggunakan tiga atau lebih variabel
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penggunaan ilmu statistika sebagai alat bantu dalam pengambilan keputusan semakin tidak terelakkan lagi, banyak bidang keilmuan yang tidak terpisahkan dari
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, kita perlu melakukan suatu penarikan sampel. Hal ini dikarenakan tidak selamanya kita dapat
Lebih terperinci2.4. Association Rule BAB III METODELOGI PENELITIAN Studi Literatur Pengumpulan Data Retrieve Data...
DAFTAR ISI LEMBAR PERNYATAAN KEASLIAN... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... vii ABTRAK... ix DAFTAR ISI... x DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv BAB I... 1 PENDAHULUAN... 1 1.1. Latar
Lebih terperinciREGRESI KUANTIL DENGAN KUADRAT TERKECIL PARSIAL DALAM STATISTICAL DOWNSCALING UNTUK PENDUGAAN CURAH HUJAN EKSTRIM ESTHER RIA MATULESSY
REGRESI KUANTIL DENGAN KUADRAT TERKECIL PARSIAL DALAM STATISTICAL DOWNSCALING UNTUK PENDUGAAN CURAH HUJAN EKSTRIM ESTHER RIA MATULESSY SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN
Lebih terperinciA. Judul : PEMODELAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN DI KABUPATEN BANDUNG
A. Judul : PEMODELAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN DI KABUPATEN BANDUNG B. Latar Belakang Informasi tentang curah hujan merupakan perihal penting yang berpengaruh terhadap berbagai macam aktifitas
Lebih terperinciPREDIKSI CURAH HUJAN DAN HARI HUJAN BULANAN DENGAN PREDIKTOR SUHU MUKA LAUT DI WILAYAH PESISIR BARAT DAYA SULAWESI
Jurnal Meteorologi Klimatologi dan Geofisika Vol... No...Desember PREDIKSI CURAH HUJAN DAN HARI HUJAN BULANAN DENGAN PREDIKTOR SUHU MUKA LAUT DI WILAYAH PESISIR BARAT DAYA SULAWESI Eva Prameuthia,, Erwin
Lebih terperinciBuletin Analisis Hujan Bulan Januari 2013 dan Prakiraan Hujan Bulan Maret, April dan Mei 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Januari 2013 serta Prakiraan Hujan Bulan Maret, April dan Mei 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan di
Lebih terperinciIII. DATA DAN METODE 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 2.11 Kapasitas Lapang dan Titik Layu Permanen
7 radiasi surya, suhu udara, kecepatan angin, dan kelembaban udara dalam penentuan evapotranspirasi. Sedangkan faktor tanah yang mempengaruhi seperti tekstur, kedalaman tanah, dan topografi. Kebutuhan
Lebih terperinciBAB I PENDAHULUAN. bidang kehidupan sehari-hari, baik di bidang ekonomi, psikologi, sosial,
BAB I PENDAHULUAN A. Latar Belakang Statistika seringkali digunakan untuk memecahkan masalah dalam berbagai bidang kehidupan sehari-hari, baik di bidang ekonomi, psikologi, sosial, kedokteran, kesehatan,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan yang cepat dalam teknologi pengumpulan dan penyimpanan data telah memudahkan organisasi untuk mengumpulkan sejumlah data berukuran besar sehingga
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1. Kompilasi dan Kontrol Kualitas Data Radar Cuaca C-Band Doppler (CDR) Teknologi mutakhir pada radar cuaca sangat berguna dalam bidang Meteorologi untuk menduga intensitas curah
Lebih terperinciGambar 3 Sebaran curah hujan rata-rata tahunan Provinsi Jawa Barat.
11 yang akan datang, yang cenderung mengalami perubahan dilakukan dengan memanfaatkan keluaran model iklim. Hasil antara kondisi iklim saat ini dan yang akan datang dilakukan analisis dan kemudian dilakukan
Lebih terperinci