Metode Identifikasi Rekursif. Zulkifli Hidayat Laboratorium Teknik Sistem Jurusan Teknik Elektro FTI - ITS
|
|
- Sonny Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Metode Identifikasi Rekursif Zulkifli Hidayat Laboratorium Teknik Sistem Jurusan Teknik Elektro FTI - ITS
2 Mengapa Identifikasi Rekursif? Alasan menggunakan identifikasi rekursif Estimasi online Sistem Pengaturan Adaptif Sistem parameter berubah waktu Deteksi kegagalan RE1465 Pengolahan Sinyal Pengaturan 2 / 29
3 Bagaimana Caranya? Bagaimana melakukan estimasi parameter berubah waktu? Model diperbarui secara reguler (setiap waktu cacah). Menggunakan perhitungan sebelumnya dengan efisien. Prosedur dasarnya adalah dengan memodifikasi metode-metode offline. RE1465 Pengolahan Sinyal Pengaturan 3 / 29
4 Sifat-sifat Yang Diinginkan Diinginkan sifat-sifat metode estimasi sebagai berikut: Cepat mencapai konvergensi. Estimasi yang konsisten (untuk model time-invariant). Kemampuan tracking yang baik. Komputasi yang sederhana (dapat menyelesaikan semua perhitungan dalam satu waktu cacah). Trade-offs Tidak algoritma yang sempurna Kerumitan komputasi vs akurasi RE1465 Pengolahan Sinyal Pengaturan 4 / 29
5 Metode Least Square Rekursif ˆθ = arg min θ V t (ˆθ), V t (ˆθ) = t ε(k) k=1 dimana ε(k) = y(k) ϕ T (k)θ. Penyelesaiannya adalah ˆθ(k) = Rt 1 r t dimana R t = t ϕ(k)ϕ T (k) r t = k=1 t ϕ(k)y(k) k=1 Fungsi kriteria V t (ˆθ) berubah setiap saat k sehingga estimasi parameter ˆθ(k) juga berubah setiap saat. RE1465 Pengolahan Sinyal Pengaturan 5 / 29
6 Metode Least Square Rekursif Algoritma: 1. Untuk k = 0: pilih ˆθ(0) dan P(0). 2. Untuk setiap waktu cacah, perbarui ϕ(k) dan hitung ˆθ(k) = ˆθ(k 1) + K(k)ε(k) ε(k) = y(k) ϕ(k)ˆθ(k 1) K(k) = P (k)ϕ(k) P(k) = P(k 1) ϕ(k)p(k 1)ϕT (k)p(k 1) 1 + ϕ T (k)p(k 1)ϕ(k) RE1465 Pengolahan Sinyal Pengaturan 6 / 29
7 Tracking Bagaimana menghadapi sistem time-varying? Buat perkiraan model time-varying. Biasanya parameter akan bervariasi sesuai dengan random walk dan gunakan filter Kalman sebagai estimator. Modifikasi fungsi biaya sehingga kita bisa mengabaikan pengaruh data lama. Karena itu model akan sesuai dengan data yang yang paling baru (model diadaptasi untuk mendeskripsikan data terbaru). Fungsi biaya yang dimodifikasi: ˆθ(k) = arg min θ V k (θ), V k (θ) = k β(k, n)ε 2 (n) n=1 RE1465 Pengolahan Sinyal Pengaturan 7 / 29
8 Tracking Anggap fungsi pembobot β(k, n) memenuhi β(k, n) = λ(k)β(k 1, n), β(k, n) = 1 0 n < k Pilihan yang umum adalah memberi nilai λ(k) = λ, dimana λ disebut dengan forgetting factor. Pada kasus ini didapatkan: β(k, n) = λ k n, 0 < λ 1 λ = 1 bersesuaian dengan standar RLS. RE1465 Pengolahan Sinyal Pengaturan 8 / 29
9 RLS Berbobot Algoritma: Pada saat k = 0: pilih ˆθ(0) dan P(0). Untuk setiap waktu cacah, perbarui ϕ(k) dan hitung ˆθ(k) = ˆθ(k 1) + K(k)ε(k) ε(k) = y(k) ϕ T (k)ˆθ(k 1) K(k) = P (k)ϕ(k) RE1465 Pengolahan Sinyal Pengaturan 9 / 29
10 Kondisi Awal ˆθ(0) adalah estimasi parameter mula-mulai. Pandang P(0) sebagai estimasi dari matrix kovarians dari estimasi parameter mula-mula. P(0) (dan P(k)) adalah matriks kovarians, dan harus positif definit. Pilih P(0) = ρi. ρ besar artinya respon mula-mula besar. Ini baik jika estimasi ˆθ(0) tidak pasti. RE1465 Pengolahan Sinyal Pengaturan 10 / 29
11 Forgetting Factor Misal λ(k) = λ. Forgetting factor akan menentukan kemampuan tracking. Untuk menjadi konvergen haruslah λ = 1. λ kecil berarti data lama dilupakan lebih cepat, karena itu menghasilkan tracking yang lebih baik. λ kecil berarti algoritma ini sensitif terhadap noise (konvergensi menjadi buruk). Konstanta ingatan didefinisikan dengan T 0 = 1 1 λ. Karenanya pemilihan nilai λ adalah trade-off antara kemampuan tracking dan sensitifitas terhadap noise. Pilihan yang umum diambil adalah λ (0.95, 0.99). Biasanya juga membuat λ(k) naik secara eksponensial menuju 1, yaitu λ(k) = 1 λ k 0(1 λ(0)) RE1465 Pengolahan Sinyal Pengaturan 11 / 29
12 Filter Kalman Perhatikan sistem: x(k + 1) = Fx(k) + Gu(k) + v(k) y(k) = Hx(k) + e(k) dimana v(k) dan e(k) adalah white noise yang saling independen dengan E{e 2 (k)} = R 2 dan E{v(k)v T (k)} = R 1. RE1465 Pengolahan Sinyal Pengaturan 12 / 29
13 Filter Kalman Prediktor variabel state x(k) yang optimal dinyatakan dengan filter Kalman dimana ˆx(k + 1) = Fˆx(k) + Gu(k) + K(k) [y(k) Hˆx(k)] K(k) = FP(k)H T R 2 + HP(k)H T P(k + 1) = FP(k)F T FP(k)HT HPF R 2 + HP(k)H T R 1 RE1465 Pengolahan Sinyal Pengaturan 13 / 29
14 Filter Kalman Kita modelkan variasi parameter menurut θ(k + 1) = θ(k) + v(k) y(k) = ϕ T (k)θ(k) + e(k) Maka ˆθ(k + 1) = ˆθ(k) + K(k) [y(k) Hˆx(k)] RE1465 Pengolahan Sinyal Pengaturan 14 / 29
15 Filter Kalman Kemampuan tracking dipengaruhi oleh matriks kovarian R 1 (untuk penyederhanaan anggap R 2 = 1). Pandang R 1 sebagai variabel disain. Anggap R 1 adalah matriks diagonal. Elemen-elemen R 1 yang besar = variasi parameter besar dan sebaliknya. Filter Kalman lebih fleksibel dibanding dengan forgetting factor. Kita dapat dengan mudah membuat asumsi variasi yang berbeda untuk setiap parameter. RE1465 Pengolahan Sinyal Pengaturan 15 / 29
16 IVM Rekursif Seperti pada metode kuadrat terkecil, bentuk rekursif dari metode IV dapat dicari secara langsung [ k ] 1 [ k ] ˆθ(k) = z(k)ϕ T (k) z(k)y(k) n=1 n=1 sebagai ˆθ(k) = ˆθ(k 1) + K(k)ε(k) K(k) = P(k)z(k) ε(k) = y(k) ϕ T (k)ˆθ(k 1) RE1465 Pengolahan Sinyal Pengaturan 16 / 29
17 Filter Kalman Pengaruh variabel disain P(0), ˆθ(0), dan λ serupa dengan metode RLS. Metode RIV menghasilkan estimasi A(q 1 ) dan B(q 1 ) yang konsisten pada model ARMAX. Konsistensi ini bahkan berlaku pada noise berwarna (colored noise). RE1465 Pengolahan Sinyal Pengaturan 17 / 29
18 PEM Rekursif Untuk mendapatkan metode PEM rekursif dimulai dengan mendefinisikan fungsi biaya (untuk sistem SISO) V k (θ) = 1 2 k λ k s ε 2 (s, θ) s=1 Mendapatkan algoritma rekursif secara langsung dari metode off-line tidak dimungkinkan karena metode off-line menggunakan minimisasi numerik. Karena itu harus digunakan pendekatan. RE1465 Pengolahan Sinyal Pengaturan 18 / 29
19 PEM Rekursif Anggap bahwa ˆθ(k 1) meminimalkan V k (θ) and titik minimum dari V k (θ) mendekati ˆθ(k 1). Dengan menggunakan ekspansi Taylor orde kedua dari V k (θ) didapatkan V k (θ) V k (ˆθ(k 1)) + V k(ˆθ(k 1))(θ ˆθ(k 1)) (θ ˆθ(k 1)) T V k (ˆθ(k 1))(θ ˆθ(k 1)) Fungsi di atas diminimisasi terhadap θ dan nilai minimumnya adalah ˆθ(k): ˆθ(k) = ˆθ(k 1) [V k (ˆθ(k 1))] 1 V k(ˆθ(k 1)) T Rem: Kita harus mencari V k (ˆθ(k 1)) dan P(k) = [V k (ˆθ(k 1))] 1. RE1465 Pengolahan Sinyal Pengaturan 19 / 29
20 PEM Rekursif Algoritma: ˆθ(k) = ˆθ(k 1) + K(k)ε(k) K(k) = P(k)ψ(k) P(k) = 1 [ P(k 1) P(k ] 1)ψ(k)ψT (k)p(k 1) λ 1 + ψ T (k)p(k 1)ψ(k) dimana implementasi pendekatannya ε(k) ε(k, ˆθ(k 1)) yang bergantung pada struktur model. RE1465 Pengolahan Sinyal Pengaturan 20 / 29
21 Regresi Pseudolinier Rekursif Perhatikan model ARMAX A(q 1 )y(k) = B(q 1 )u(k) + C(q 1 )e(k) Model dapat ditulis ulang menjadi y(k)ϕ T (k) + e(k) ϕ T (k) = [ y(k 1) y(k n a ) u(k 1) u(k n b ) e(k 1) e(k n c ) ] θ = [ a 1 a na b 1 b nb c 1 c nc ] Disini e(k 1),, e(k n nc ) tidak diketahui. Dengan mengganti eror dengan prediksi eror ε(k 1),, ε(k n nc ) dan menggunakan RLS didapatkan RPLR. Perhatikan ε(k) = y(k) ϕ T ˆθ(k 1). RE1465 Pengolahan Sinyal Pengaturan 21 / 29
22 Regresi Pseudolinier Rekursif Perbandingan RPEM dan RPLR: Beban komputasi kedua metode sama. RPEM konvergen dengan asumsi yang lemah sedangkan konvergensi RPLR tidak selalu dijamin (bergantung pada C 0 (q 1 )). Pada beberapa kasus tertentu, RPLR memiliki perilaku transien yang lebih baik dibanding RPEM. RE1465 Pengolahan Sinyal Pengaturan 22 / 29
23 Masalah yang Umum Terjadi pada Identifikasi Rekursif Eksitasi Estimator Windup P(k) menjadi tak hingga RE1465 Pengolahan Sinyal Pengaturan 23 / 29
24 Eksitasi Sebagaimana pada identifikasi off-line, masukan saat melakukan identifikasi rekursif juga harus persistently excited dengan orde yang cukup tinggi. Ini berlaku selama proses identifikasi. RE1465 Pengolahan Sinyal Pengaturan 24 / 29
25 Estimator Windup Seringkali, ada periode eksperimen identifikasi yang menunjukkan eksitasi yang buruk. Kasus ini menyebabkan masalah pada algoritma identifikasi. Perhatikan keadaan ekstrim saat ϕ(k) = 0 pada algoritma RLS. Maka ˆθ(k) = ˆθ(k 1) P(k) = 1 λ P(k 1) Perhatikan: ˆθ konstan saat k naik. P naik secara eksponensial seseuai waktu untuk λ < 1 RE1465 Pengolahan Sinyal Pengaturan 25 / 29
26 Estimator Windup Ketika sistem dieksitasi lagi (ϕ(k) 0), maka penguatan estimator K(k) = P (k)ϕ(k) akan menjadi sangat besar. Sehingga akan ada perubahan mendadak pada estimasi ˆθ walaupun sistem tidak tidak dirubah. Ini yang disebut dengan estimator windup. Penyelesaian: Jangan perbarui P(k) jika eksitasi yang jelek. Ada beberapa algoritma yang dapat melakukan hal ini secara otomatis. RE1465 Pengolahan Sinyal Pengaturan 26 / 29
27 P(k) Tak Hingga P(k) adalah matriks kovarians yang harus simetris dan definit positif. Kesalahan pembulatan bisa terakumulasi yang membuat P(k) tak hingga (yang akan menjadikan estimasi divergen). Untuk menyelesaikan perlu diingat bahwa setiap matriks definit positif dapat ditulis menjadi P(k) = S(k)S T (k) Maka algoritma identifikasi dapat dirubah dengan memperbarui S(k) yang disebut dengan Algoritma Potters Square Root. RE1465 Pengolahan Sinyal Pengaturan 27 / 29
28 Algoritma Pendekatan Struktur dari RPEM (Newton-Raphson) ˆθ(k) = ˆθ(k [ ] 1 1) V t (ˆθ(k 1)) V t (ˆθ(k 1)) T Menghitung Hessian V t (ˆθ(k 1)) akan merepotkan. Algoritma pendekatan akan lebih lebih sederhana secara komputasi. Misalkan mengabaikan Hessian ˆθ(k) = ˆθ(k 1) γ k V t (ˆθ(k 1)) T Ini bisa menjadi algoritma steepest descent, algritma rata-rata kuadrat terkecil (LMS), dan lainnya. RE1465 Pengolahan Sinyal Pengaturan 28 / 29
29 Kesimpulan Kita akan sering menggunakan identifikasi rekursif (sistem parameter berubah waktu, identifikasi on-line, deteksi kesalahan). Metode LSM dan IVM mudah dikonversi ke dalam bentuk rekursif. Untuk metode PEM hanya bisa dilakukan pendekatan. Sifat-sifat metode on-line sebanding dengan metode off-line. Kemampuan tracking dapat dimasukkan dengan menggunakan forgetting factor atau dengan memodelkan variasi parameter. Ada trade off antara kecepatan konvergen dengan sifat tracking, juga antara kerumitan komputasi dan akurasi. Pada prakteknya, dapat dilakukan penyederhanaan dan modifikasi untuk menjadikan metode lebih mudah secara komputasi dan robust secara numerik. RE1465 Pengolahan Sinyal Pengaturan 29 / 29
BAB III EXTENDED KALMAN FILTER DISKRIT. Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended
26 BAB III EXTENDED KALMAN FILTER DISKRIT 3.1 Pendahuluan Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended Kalman Filter merupakan algoritma yang digunakan untuk mengestimasi variabel
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciSIMULASI PENGOLAHAN SINYAL DIJITAL FILTER ADAPTIF MENGGUNAKAN ALGORITMA LMS, RLS, FAST KALMAN, DAN GAL
Jurnal Sistem Komputer Unikom Komputika Volume 1, No.1-2012 SIMULASI PENGOLAHAN SINYAL DIJITAL FILTER ADAPTIF MENGGUNAKAN ALGORITMA LMS, RLS, FAST KALMAN, DAN GAL Susmini Indriani Lestariningati 1) 1)
Lebih terperinciANALISIS PERBANDINGAN DISKRITISASI ZOH DAN TUSTIN PADA PROSES ESTIMASI PARAMETER MODEL ROL PENGGULUNG MESIN METALLIZING
ANALISIS PERBANDINGAN DISKRITISASI ZOH DAN TUSTIN PADA PROSES ESTIMASI PARAMETER MODEL ROL PENGGULUNG MESIN METALLIZING Yaya Finayani 1,Salechan 2 1 Jurusan Teknik Elektronika, Politeknik Pratama Mulia
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup[1] Sistem kendali dapat dikatakan sebagai hubungan antara komponen yang membentuk sebuah konfigurasi sistem, yang akan menghasilkan
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciMetode Asimilasi Data sebagai Estimasi Penyelesaian Masalah-masalah Lingkungan
J. of Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 1 (2004), 19 Metode Asimilasi Data sebagai Estimasi Penyelesaian Masalah-masalah Lingkungan Erna Apriliani Jurusan Matematika Institut Teknologi Sepuluh
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinci3. Metode identifikasi, yaitu kriteria pemilihan model dari himpunan model berdasarkan
Bab 2 Landasan Teori 21 System Identification System identification adalah suatu metode umum untuk membangun model matematika berdasarkan data masukan dan data keluaran Metode ini termasuk dalam teori
Lebih terperinciOPTIMASI FUNGSI MULTIVARIABLE TANPA KENDALA DENGAN METODE NEWTON
OPTIMASI FUNGSI MULTIVARIABLE TANPA KENDALA DENGAN METODE NEWTON Susi Ranangga [M008067], Aeroni Dwijayanti [M008078] Hamdani Citra P. [M0003], Nafi Nur Khasana [M00058]. Pendahuluan Dalam kehidupan sehari-hari
Lebih terperinciBAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang dimaksud di sini adalah peristiwa kegagalan yang dapat berupa tidak berfungsinya benda tersebut
Lebih terperinci2.1. Filter. Gambar 1. Bagian dasar konverter analog ke digital
2.1. Filter Filter adalah suatu alat untuk memisahkan sinyal sinyal yang diinginkan dari sinyal-sinyal yang tidak diinginkan. [1]. Filter berkembang dalam pemakaiannya di bidang Elektroteknik menjadi sebagai
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciDr. Ir. Bib Paruhum Silalahi, M.Kom
Metode Descent Oleh : Andaikan fungsi tujuan kita adalah minf(x);x R n. Secara umum f(x) dapat berupa fungsi nonlinear. Metode-metode descent adalah metode iteratif untuk memperoleh solusi pendekatan dari
Lebih terperinciESTIMASI KANAL MIMO 2x2 DAN 2x3 MENGGUNAKAN FILTER ADAPTIF KALMAN
ESTIMASI KANAL MIMO 2x2 DAN 2x3 MENGGUNAKAN FILTER ADAPTIF KALMAN Imelda Uli Vistalina Simanjuntak 1 Program Studi Teknik Elektro, Fakultas Teknik, Universitas Mercu Buana Jakarta Email: imelda.simanjuntak0110@gmail.com;
Lebih terperinciPerbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran Virus HIV/AIDS
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 15, No. 1, Maret 2018, 17-29 Perbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran
Lebih terperinciProgram Aplikasi Rekonsiliasi Data untuk Pendeteksian Gross Error pada Sistem Tangki Ganda yang Berinteraksi
Program Aplikasi Rekonsiliasi Data untuk Pendeteksian Gross Error pada Sistem Tangki Ganda yang Berinteraksi Abstrak 1 Andreas Julianto Sutrisno, 2 Parsaulian Siregar dan 3 Estiyanti Ekawati 1 Program
Lebih terperinci3.7 Further Results and Technical Notes. Yenni Angraini-G
3.7 Further Results and Technical Notes Yenni Angraini-G161150051 Outline Nonlinear Gauss-Seidel Algorithm (NLGSA) Sifat asimtotik dari penduga Penalized Generalized Weighted Least Squares (PGWLS) Mean
Lebih terperinciPENGENDALI TEMPERATUR FLUIDA PADA HEAT EXCHANGER DENGAN MENGGUNAKAN ALGORITMA MODEL PREDICTIVE CONTROL (MPC)
PENGENDALI TEMPERATUR FLUIDA PADA HEAT EXCHANGER DENGAN MENGGUNAKAN ALGORITMA MODEL PREDICTIVE CONTROL (MPC) Fathimah Ekasari M, Rusdhianto Effendi AK., Eka Iskandar Jurusan Teknik Elektro, Fakultas Teknologi
Lebih terperinciPEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.
JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis time series (runtun waktu) banyak digunakan dalam berbagai bidang, misalnya ekonomi, teknik, geofisika, pertanian, dan kedokteran. Analisis runtun waktu digunakan
Lebih terperinciAnalisis Beamforming Adaptif pada Smart Antenna Menggunakan Algoritma Robust Kalman Filter : kondisi stasioner dan nonstasioner
39 Analisis Beamforming Adaptif pada Smart Antenna Menggunakan Algoritma Robust Kalman Filter : kondisi stasioner dan nonstasioner Andriana Kusuma Dei, Sholeh adi Pramono, Onny Setyaati Abstrak - Permasalahan
Lebih terperinciMETODE PENELITIAN Sumber Data
13 METODE PENELITIAN Sumber Data Data yang digunakan dalam penelitian ini merupakan hasil simulasi melalui pembangkitan dari komputer. Untuk membangkitkan data, digunakan desain model persamaan struktural
Lebih terperinciBAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST. Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis
BAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis komponen utama robust sebagai konsep pendukung serta metode Minimum
Lebih terperinciMETODE STEEPEST DESCENT
METODE STEEPEST DESCENT DENGAN UKURAN LANGKAH BARU UNTUK PENGOPTIMUMAN NIRKENDALA D. WUNGGULI 1, B. P. SILALAHI 2, S. GURITMAN 3 Abstrak Metode steepest descent adalah metode gradien sederhana untuk pengoptimuman.
Lebih terperinciPENELUSURAN LINTASAN DENGAN JARINGAN SARAF TIRUAN
Bab 4 PENELUSURAN LINTASAN DENGAN JARINGAN SARAF TIRUAN Tgas mendasar dari robot berjalan ialah dapat bergerak secara akrat pada sat lintasan (trajectory) yang diberikan Ata dengan kata lain galat antara
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan teknik statistik untuk investigasi dan pemodelan hubungan antar variabel. Hubungan antara dua variabel dapat dilihat dengan analisis
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Secara sederhana, ekonometrika berarti pengukuran indikator ekonomi. Meskipun pengukuran secara kuantitatif terhadap konsep konsep ekonomi seperti produk domestik
Lebih terperinciOPTIMASI FUNGSI MULTI VARIABEL DENGAN METODE UNIVARIATE. Dwi Suraningsih (M ), Marifatun (M ), Nisa Karunia (M )
OPTIMASI FUNGSI MULTI VARIABEL DENGAN METODE UNIVARIATE Dwi Suraningsih (M2, Marifatun (M53, Nisa Karunia (M6 I. Pendahuluan Latar Belakang. Dalam kehidupan sehari-hari disa maupun tidak, sebenarnya manusia
Lebih terperinciPENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1
PENENTUAN MODEL REGRESI SPLINE TERBAIK Agustini Tripena 1 1) Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Pada paper ini
Lebih terperinciImplementasi Super Pairwise Alignment pada Global Sequence Alignment
Implementasi Super Pairwise Alignment pada Global Sequence Alignment Oleh: ARFAN PANTUA 1207 100 704 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciBAB III PERANCANGAN DAN METODOLOGI
BAB III PERANCANGAN DAN METODOLOGI Setelah bab sebelumnya membahas tentang teori teori yang mendasari perancangan dalam Tugas Akhir ini, maka pada bab ini akan dijelaskan mengenai bentuk perancangan Jaringan
Lebih terperinciPengendali Temperatur Fluida Pada Heat Exchanger Dengan Menggunakan Algoritma Model Predictive Control (MPC)
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-134 Pengendali Temperatur Fluida Pada Heat Exchanger Dengan Menggunakan Algoritma Model Predictive Control (MPC) Fathimah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian pertama bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab ini diberikan teori penunjang yang berisi
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinciTINJAUAN PUSTAKA. Menurut Usman dan Warsono (2000) bentuk model linear umum adalah :
II. TINJAUAN PUSTAKA. Model Linear Umum Menurut Usman dan Warsono () bentuk model linear umum adalah : Y = Xβ + ε dengan : Y n x adalah vektor peubah acak yang teramati. X n x p adalah matriks nxp dengan
Lebih terperinciR = matriks pembobot pada fungsi kriteria. dalam perancangan kontrol LQR
DAFTAR NOTASI η = vektor orientasi arah x = posisi surge (m) y = posisi sway (m) z = posisi heave (m) φ = sudut roll (rad) θ = sudut pitch (rad) ψ = sudut yaw (rad) ψ = sudut yaw frekuensi rendah (rad)
Lebih terperinciMETODE NUMERIK ARAH KONJUGASI
METODE NUMERIK ARAH KONJUGASI 14 Mei 2016 Diajukan untuk Memenuh Tugas Ujian Akhir Semester Mata kuliah Metode Numerik Dosen Pengampu Bapak Rukmono Budi Utomo,M.Sc Nur Aliyah 1384202043 6A1 Fakultas Keguruan
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita
Lebih terperinciBAB I PENDAHULUAN. Teknologi sekarang ini berkembang sangat pesat, hampir semua kehidupan
BAB I PENDAHULUAN 1.1.Latar Belakang Masalah Teknologi sekarang ini berkembang sangat pesat, hampir semua kehidupan manusia tergantung pada mesin atau komputer. Begitu banyak mesin yang dibuat untuk memudahkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciTINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen
4 TINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen (1989). Namun demikian sebagian besar penerapannya menggunakan
Lebih terperinciPemodelan Matematika dan Kontrol
Bab 3 Pemodelan Matematika dan Kontrol 3.1 Identifikasi Sistem Metode untuk memodelkan sistem masukan-keluaran bervariasi dan disesuaikan informasi yang dimiliki. Informasi yang diperlukan untuk membangun
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 terperinciII. TINJAUAN PUSTAKA
II. INJAUAN PUSAKA.1 Penduga Area Kecil Rao (003) mengemukakan bahwa suatu area disebut kecil apabila contoh yang diambil pada area tersebut tidak mencukupi untuk melakukan pendugaan langsung dengan hasil
Lebih terperinciMetode Deret Berkala Box Jenkins
METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciBAB III PERANCANGAN DAN PEMBUATAN SISTEM
BAB III PERANCANGAN DAN PEMBUATAN SISTEM Pada bab ini menjelaskan tentang perancangan dan pembuatan sistem kontrol, baik secara software maupun hardware yang digunakan untuk mendukung keseluruhan sistem
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2 BAB II TINJAUAN PUSTAKA 2.1 Motor DC 2.1.1 Pendahuluan Motor DC adalah jenis motor listrik yang bekerja menggunakan sumber tegangan DC. Motor DC atau motor arus searah sebagaimana
Lebih terperinciPengukuran Tinggi Permukaan Air Berbasis Gelombang Ultrasonik Menggunakan Kalman Filter
Pengukuran Tinggi Permukaan Air Berbasis Gelombang Ultrasonik Menggunakan Kalman Filter 1 Imas Fatoni Parmono, 1 Bambang Heru Iswanto 1 Lab Instrumentasi dan Komputasi, Jurusan Fisika, FMIPA, Universitas
Lebih terperinciPresentasi Sidand Tesis
HASIL DAN PEMBAHASAN 26 SISTEM DINAMIK (1) (2) T(t) = Populasi sel kanker pada saat t N(t) = Populasi sel normal pada saat t I(t) = Populasi sel kekebalan tubuh pada saat t Dengan Kondisi Awal T(0)=T0;
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Regresi logistik digunakan untuk memprediksi variabel respon yang biner dengan satu set variabel penjelas (prediktor). Estimasi parameter dapat menjadi tidak
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Heteroskedastis Masalah serius lainnya yang mungkin kita hadapi dalam analisis regresi adalah heteroskedastis.ini timbul pada saat bahwa varians dari faktor konstan untuk semua
Lebih terperinciBAB I PENDAHULUAN. lebih variabel independen. Dalam analisis regresi dibedakan dua jenis variabel
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciAPLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI
APLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI Robi Irsamukhti dan Nurita Putri Hardiani Program Studi Magister Terapan Teknik Panas Bumi Institut Teknologi
Lebih terperinciBAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA. Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi
BAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi atau getaran dari sebuah data pada frekuensi tertentu. Analisis spektral
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi
BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien
Lebih terperinciDesain dan Implementasi Model Reference Adaptive Control untuk Pengaturan Tracking Optimal Posisi Motor DC
Desain dan Implementasi Model Reference Adaptive Control untuk Pengaturan Tracking Optimal Posisi Motor DC Dinar Setyaningrum 22081000018 Teknik Sistem Pengaturan Institut Teknologi Sepuluh Nopember Rabu,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi Poisson telah mendapat banyak perhatian dalam literatur sebagai model untuk mendeskripsikan data hitungan yang mengasumsikan nilai bilangan bulat sesuai dengan
Lebih terperinciBAB III MARKOV SWITCHING AUTOREGRESSIVE (MSAR)
25 BAB III (MSAR) 3.1 Model Markov Switching Autoregressive Model runtun waktu Markov Switching Autoregressive adalah salah satu model runtun waktu yang merupakan perluasan dari model Autoregressive (AR).Ide
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman 129-135 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS
Lebih terperinciBAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada
BAB III METODE PERMUKAAN RESPON 3.1 Pendahuluan Pengkajian pada suatu proses atau sistem sering kali terfokus pada hubungan antara respon dan variabel masukannya (input). Tujuannya adalah untuk mengoptimalkan
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari
III. METODE PENELITIAN Metode penelitian merupakan langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi empiris guna memecahkan permasalahan dan menguji hipotesis penelitian.
Lebih terperinciPENGGUNAAN MODEL NOISE PADA METODE ITERATIVE FEEDBACK TUNING UNTUK PENGHILANGAN GANGGUAN SISTEM PENGENDALIAN
PENGGUNAAN MODEL NOISE PADA METODE ITERATIVE FEEDBACK TUNING UNTUK PENGHILANGAN GANGGUAN SISTEM PENGENDALIAN AY Erwin Dodu 1 1 Jurusan Teknik Elektro Fakultas Teknik Universitas Tadulako Jl Sukarno-Hatta
Lebih terperinciANALISIS REGRESI LINEAR
BAB V ANALISIS REGRESI LINEAR Pendahuluan Analisis regresi merupakan suatu analisis antara dua variabel yaitu variabel independen (Prediktor) yaitu variabel X dan variabel dependent (Respon) yaitu variabel
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode analisis dalam statistika yang digunakan untuk mencari hubungan antara suatu variabel terhadap variabel lain. Dalam
Lebih terperinciBAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
Lebih terperinciBAB III METODE DEKOMPOSISI SEASONAL TREND BASED ON LOESS (STL) average sebagai pemulus data untuk mengestimasi komponen musiman dan
BAB III METODE DEKOMPOSISI SEASONAL TREND BASED ON LOESS (STL) 3.1 Pendahuluan Metode dekomposisi klasik menggunakan pendekatan prosedur moving average sebagai pemulus data untuk mengestimasi komponen
Lebih terperinciBAB IV PENGUJIAN ALGORITMA TRACKING
BAB IV PENGUJIAN ALGORITMA TRACKING Pada Bab III sebelumnya telah dijelaskan mengenai pemodelan dalam Simulink yang dibuat untuk menguji algoritma Filter Kalman dalam sistem Radar Tracking dan juga algoritma
Lebih terperinciBAB 2 TINJAUAN PUSTAKA = (2.2) =
BAB 2 TINJAUAN PUSTAKA 2.1. Regresi Linear Berganda Regresi linear berganda adalah regresi dimana variabel terikatnya dihubungkan atau dijelaskan dengan lebih dari satu variabel bebas,,, dengan syarat
Lebih terperinciMETODE NUMERIK 3SKS-TEKNIK INFORMATIKA-S1. Mohamad Sidiq PERTEMUAN : 3 & 4
METODE NUMERIK 3SKS-TEKNIK INFORMATIKA-S1 Mohamad Sidiq PERTEMUAN : 3 & 4 PENYELESAIAN PERSAMAAN NON LINIER METODE NUMERIK TEKNIK INFORMATIKA S1 3 SKS Mohamad Sidiq MATERI PERKULIAHAN SEBELUM-UTS Pengantar
Lebih terperinciImplementasi Ensemble Kalman Filter (Enkf) Untuk Estimasi Ketinggian Air Dan Temperatur Uap Pada Steam Drum Boiler
Implementasi Ensemble Kalman Filter (Enkf) Untuk Estimasi Ketinggian Air Dan Temperatur Uap Pada Steam Drum Boiler Ahmad Nasrullah Jamaludin 1, Erna Apriliani 1, Hendra Cordova 2, Teguh Herlambang 3 1
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Konsep Dasar Analisis Runtun Waktu Pada bagian ini akan dikemukakan beberapa definisi yang menyangkut pengertian dan konsep dasar analisis runtun waktu. Definisi Runtun waktu
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Di dalam statistika, sebuah estimator adalah hasil perhitungan suatu estimasi terhadap kuantitas tertentu berdasarkan pada data terobservasi atau
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data antar kejadian (time-to-event data) adalah data lama waktu sampai suatu peristiwa terjadi atau sering disebut data survival. Untuk memperoleh data antar
Lebih terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciInformasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani
Lebih terperinciBAB II KAJIAN TEORI. Bab ini akan membahas mengenai pengertian-pengertian dasar yang akan
5 BAB II KAJIAN TEORI Bab ini akan membahas mengenai pengertian-pengertian dasar yang akan digunakan sebagai landasan pembahasan mengenai model Seemingly Unrelated Regression (SUR). Pengertian-pengertian
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciBAB 3 SMOOTH TRANSITON AUTOREGRESSIVE. waktu nonlinear yang merupakan perluasan dari model Autoregressive (AR).
BAB 3 SMOOTH TRANSITON AUTOREGRESSIVE 3.1. Model Smooth Transition Autoregressive Model Smooth Transition Autoregressive adalah salah satu model runtun waktu nonlinear yang merupakan perluasan dari model
Lebih terperinciBAB III METODE PENELITIAN
28 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data sekunder, yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Optimasi Non-Linier Suatu permasalahan optimasi disebut nonlinier jika fungsi tujuan dan kendalanya mempunyai bentuk nonlinier pada salah satu atau keduanya. Optimasi nonlinier
Lebih terperinciBAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk
BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi
Lebih terperinciIDENTIFIKASI MODEL RUANG KEADAAN SISTEM REFRIGERASI MENGGUNAKAN METODE SUBSPACE MOESP DAN N4SID SKRIPSI BIGER SIBARANI
UNIVERSITAS INDONESIA IDENTIFIKASI MODEL RUANG KEADAAN SISTEM REFRIGERASI MENGGUNAKAN METODE SUBSPACE MOESP DAN N4SID SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh gelar sarjana BIGER SIBARANI
Lebih terperinciREGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA. Isma Hasanah
REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA Isma Hasanah isma_semangat@yahoo.co.id Agustini Tripena, Br. Sb Universitas Jenderal Soedirman ABSTRACT. Regression analysis is statistic
Lebih terperinciAnalisis Pengaruh Kualitas Layanan, Kepuasan Pelanggan, dan Kepercayaan terhadap Loyalitas Pelanggan Flexi Mobile Broadband
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 212) ISSN: 231-928X D-248 Analisis Pengaruh Kualitas Layanan, Kepuasan Pelanggan, dan Kepercayaan terhadap Loyalitas Pelanggan Flexi Mobile Broadband di
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: Model AR dan INAR Cerdas dan Stokastik Setelah rantai Markov, distribusi eksponensial, lalu apa? Proses Bernoulli, Proses Poisson, Proses Stokastik lain?
Lebih terperinciBAB I PENDAHULUAN. Peramalan keadaan pada suatu waktu merupakan hal penting. Hal itu
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan keadaan pada suatu waktu merupakan hal penting. Hal itu dikarenakan peramalan dapat digunakan sebagai rujukan dalam menentukan tindakan yang akan
Lebih terperinciBAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)
BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari dua bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya dan beberapa teori penunjang berisi definisi-definisi yang digunakan
Lebih terperinciLOGO OLEH : ANIKE PURBAWATI DOSEN PEMBIMBING : KATHERIN INDRIAWATI, ST.MT.
LOGO Perancangan Sistem Pengendalian Tekanan Keluaran Steam Separator Dalam Upaya Peningkatan Kualitas Output Steam di PT. Pertamina Geothermal Energy area Kamojang, Jawa Barat OLEH : ANIKE PURBAWATI 2408100037
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciREGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.
REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen
Lebih terperinciBab II LANDASAN TEORI
Bab II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperinciBAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel
Lebih terperinci