Statistika. Analisis Data Time Series. 13-Sep-16. h2p://is5arto.staff.ugm.ac.id
|
|
- Johan Lesmono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Pascasarjana Teknik Sipil Statistika Analisis Data Time Series 1
2 Analisis Data Time Series Acuan Haan, C.T., 1982, Sta+s+cal Methods in Hydrology, 1 st Ed., 3 rd Prin5ng, The Iowa State Univ. Press, Ames, Iowa, USA. Chapter 14, pp
3 Data Time Series Time series data Data yang diperoleh dari operasi (observasi, pengukuran, eksperimen) urut menurut waktu Data 5me series berupa hasil observasi atau pengukuran pada waktu-waktu tertentu (diskrit) hasil perata-rataan pada suatu selang waktu hasil observasi atau pengukuran secara menerus (kon5nu) Sekumpulan 5me series adalah himpunan dari sejumlah 5me series hasil pengukuran variabel yang sama Time series tunggal disebut realisasi Kelompok 5me series beranggota sejumlah realisasi 3
4 Data Time Series Data 5me series dapat berasal atau bersusun dari peris5wa atau kejadian yang bersifat determinis5k peris5wa atau kejadian yang bersifat stokas5k campuran peris5wa atau kejadian determinis5k+stokas5k Data 5me series hidrologi umumnya berupa data komponen stokas5k yang disuperposisikan pada data komponen determinis5k contoh temperatur udara harian menunjukkan pola musiman (komponen determinis5k) dan perubahan atau fluktuasi dari pola musiman, yang bersifat random (acak) 4
5 Data Time Series data 5me series hidrologi komponen stokas5k komponen determinis5k komponen periodik komponen pola kecenderungan komponen loncatan komponen gabungan periodik+pola+loncatan 5
6 Contoh data 5me series yang terdiri dari komponen stokas5k dan determinis5k 6
7 Data Time Series Deterministik Pola, kecenderungan (trend) Perubahan DAS yang berlangsung selama beberapa tahun à memunculkan perubahan pola debit aliran permukaan Perubahan lingkungan secara alamiah dan perlahan atau perubahan lingkungan akibat ulah manusia dapat menimbulkan perubahan pola data 5me series Loncatan (jump) Bencana alam (gempa, kebakaran hutan) Pembendungan aliran sungai oleh dam Periodik Faktor astronomis Periodik yang bersifat tahunan, bulanan, mingguan 7
8 Skala Waktu Diskrit Data yang diperoleh dari pengamatan atau pengukuran pada waktu-waktu tertentu yang dipisahkan menurut waktu Δt Data yang diperoleh dari pengamatan nilai atau variabel yang merupakan fungsi waktu, yang terjadi pada waktu Δt hujan rerata bulanan (Δt = 1 bulan) debit puncak tahunan (Δt = 1 tahun) hujan harian (Δt = 1 hari) Kon5nu Data yang diperoleh dari pengamatan atau pengukuran secara menerus (kon5nu) muka air dari AWLR curah hujan dari ARR Walaupun data kon5nu, tetapi dalam analisis, data dibaca pada waktu-waktu tertentu curah hujan dibaca per selang waktu tertentu, misal se5ap 5 menit curah hujan dibaca pada data puncak, selang waktu antar data 5dak beraturan 8
9 AWLR dan ARR Automa5c Water Level Recorder, AWLR Automa5c Rainfall Recorder, ARR 9
10 h2p://is5arto.staff.ugm.ac.id Data Muka Air Sungai Automa5c Water Level Recorder, AWLR Untuk analisis, data dibaca se5ap jam (Δt = 1 jam) atau se5ap muka air ekstrem (pasang ter5nggi dan surut terendah) 10
11 Data Curah Hujan, ARR Automa5c Rainfall Recorder, ARR 11
12 Skala Waktu Yang dibahas pada bab ini Selang waktu konstan, Δt konstan Data 5me series 5dak selalu merupakan fungsi waktu, namun dapat pula data hasil pengamatan atau pengukuran dalam fungsi yang lain, misal fungsi jarak/ruang (spa+al) data lebar sungai di se5ap tampang lintang lebar sungai adalah variabel random jarak tampang lintang adalah variabel ruang Variabel random dalam data 5me series Variabel random kon5nu kedalaman (volume) hujan per hari Variabel random diskrit hari hujan (1) dan hari 5dak hujan (0) per hari 12
13 Proses Stokastik Proses stokas5k: pdf X(t): X(t) p(x;t) à perilaku probabilis5k X(t) pada waktu t Jika sifat-sifat suatu 5me series 5dak berubah terhadap waktu, maka 5me series tersebut disebut proses permanen (sta+onary) Time series permanen: p(x;t 1 ) = p(x;t 2 ), t 1 t 2 Time series tak-permanen: p(x;t 1 ) p(x;t 2 ) 13
14 Proses Stokastik Sifat-sifat 5me series dapat diperoleh dari atau didasarkan pada realisasi tunggal selama suatu selang waktu à dikenal sebagai +me average proper+es beberapa realisasi pada waktu tertentu à dikenal sebagai ensemble proper+es Apabila +me average proper+es = ensemble proper+es, maka 5me series tsb memiliki sifat ergodic 14
15 Proses Stokastik +me average proper+es realisasi ke-i selama selang waktu 0 s.d. T X i = 1 T X i = 1 n! T 0 n j=1 X i (t)dt X i (t j ) ensemble average pada waktu t m X(t)= 1! m X (t) X(t) = i X(t)p(x;t)dx i=1 15
16 Proses Stokastik! X(t)= X(t + τ), t dan τ proses stokas5k bersifat permanen untuk nilai rerata (sta+onary in the mean, first-order sta+onary) Cov(X(t),X(t + τ))= 1! m m i=1 ( X i (t) X(t) ) X (t + τ) X(t + τ) i ( ) kovarian X(t) dan X(t+τ) jika τ = 0 à varian 5me series Jika proses stokas5k memiliki sifat permanen (sta+onary) untuk nilai rerata dan kovarian, maka 5me series tsb memiliki sifat second-order sta+onary. 16
17 Proses Stokastik Untuk 5me series yang bersifat ergodic nilai rerata waktu (+me average mean) sama dengan nilai rerata bersama (ensemble average) hal di atas berlaku pula untuk nilai-nilai rerata waktu yang lain, 5dak hanya mean Oleh karena itu sifat-sifat proses random (stokas5k) permanen dapat diukur dari data historis tunggal (realisasi tunggal) kadang, data 5me series realisasi tunggal dipecah menjadi beberapa 5me series pendek 17
18 Proses Stokastik Untuk suatu proses random dengan realisasi tunggal, i = 1 X i = 1 T X i = 1 n! T 0 n j=1 X i (t)dt X i (t j ) Cov(X i (t),x i (t + τ))= 1 T τ Cov(X i (t),x i (t + τ))= 1 n 1! nilai rerata, realisasi tunggal, variabel random kon5nu nilai rerata, realisasi tunggal, variabel random diskrit T τ 0 n j=1 ( X i (t) X i )( X i (t + τ) X i )dt ( X i (t j ) X i ) X i (t j + τ) X i ( ) var random kon5nu var random diskrit 18
19 Autokorelasi Yang dibahas adalah 5me series ergodic, sehingga hanya diperlukan realisasi tunggal, i = 1 saja Autokorelasi (autocorrela+on), ρ(τ)! ( ) Var( X(t) ) Cov X(t),X(t + τ) ρ(τ)= Untuk τ = 0, maka ρ(τ) = 1 karena Cov(X(t),X(t+τ)) = Var(X(t)) Jika τ kecil, maka ρ(τ) posi5f Jika τ bertambah besar, maka ρ(τ) nega5f 19
20 Autokorelasi Plot fungsi autokorelasi vs selang waktu τ disebut korelogram stokas5k stokas5k+periodik 20
21 Autokorelasi Korelogram berguna untuk mengetahui jika data yang berurutan tersebut independent jika korelogram menunjukkan adanya korelasi yang kuat antara X(t) dan X(t+τ), maka data 5dak independent Autokorelasi dengan demikian menunjukkan memori proses stokas5k jika ρ(τ) = 0, proses dikatakan 5dak memiliki memori terhadap kejadian sebelum t τ pada prinsipnya untuk sebagian besar proses random, ρ(τ) haruslah sama dengan nol untuk τ besar jika ρ(τ) untuk τ besar menunjukkan suatu pola yang 5dak sama dengan nol, maka hal ini mengindikasikan suatu komponen determinis5k 21
22 Autokorelasi Untuk skala waktu diskrit, fungsi autokorelasi menjadi ρ(k), k adalah jumlah selang waktu yang memisahkan X(t) dan X(t+τ) Hubungan antara τ dan k! τ = k Δt Δt adalah panjang selang waktu, misal 1 hari, 1 bulan, 1 tahun, dsb. 22
23 Autokorelasi Jika ρ(k) = 0 untuk semua k 0 proses disebut sebuah proses random murni hal ini menunjukkan data saling linearly independent Jika ρ(k) 0 untuk sejumlah k 0 data yang terpisah k Δt adalah dependent proses disebut sebuah proses random Jika sebuah 5me series bersifat tak permanen (nonsta+onary) ρ(k) 0 untuk semua k 0 karena adanya komponen determinis5k Jika komponen determinis5k 5dak dihilangkan terlebih dulu, maka kita 5dak dapat menentukan sampai seberapa jauh ρ(k) 0 akan dipengaruhi oleh komponen determinis5k 23
24 Analisis Spektral Autokorelasi Time series dalam domain waktu Analisis spektral Time series dalam domain frekuensi Time series Sampel dari suatu populasi yang dicirikan oleh keragaman dalam suatu spektrum frekuensi kon5nu Sampel random dari suatu proses menurut waktu, temporal (atau ruang, spa+al) yang tersusun dari oskilasi semua frekuensi yang mungkin terjadi 24
25 Analisis Spektral Analisis spektral Spektrum keragaman (a variance spectrum) à membagi keragaman (variance) menjadi sejumlah rentang frekuensi Variabel yang umumnya dipakai dalam analisis adalah kerapatan spektral (spectral density) Spectral density jumlah varian per rentang frekuensi Beberapa is5lah, variabel Frekuensi, f [T 1 ] Frekuensi sudut (angular frequency), ω [rad T 1 ] Periode, T atau p [T] Spectral density, S ω = 2π T = 2π p =2πf S( f )= S(ω)! 2π 25
26 Analisis Spektral Hubungan antara fungsi kerapatan spektral dan fungsi autokorelasi ( ) dτ ( ) dτ S( f )= ρ(τ)exp i 2πf τ =2 ρ(τ)cos 2πf τ! 0 Transformasi Fourier ρ(τ)=! S( f )cos( 2πf τ) d f Untuk τ = 0, ρ(0) = 1 dan cos(0) = 1 yang menunjukkan bahwa: S( f )d f =1 S(f) dapat dipandang sebagai probability density func+on (pdf)! yang memberikan kontribusi terhadap varian tak berdimensi (normalized variance) dalam rentang frekuensi dari f 1 s.d. f 2. 26
27 Analisis Spektral Kontribusi terhadap varian yang diberikan oleh S(f) f 2 S( f )d f f! 1 Jika autokorelasi dihitung sbg Cov(X(t), X(t+τ)), maka ρ(0) = Var(X(t)) Ingat: autokorelasi Cov X(t),X(t + τ) ρ(τ)=! ( ) Var( X(t) ) 27
28 Analisis Spektral Data 5me series hidrologi Umumnya berupa tabel variabel sebagai fungsi waktu Selang waktu adalah diskrit, bukan kon5nu Oleh karena itu Spektral harus disesuaikan untuk mengakomodasikan sejumlah diskrit frekuensi; kepada frekuensi inilah varian akan didistribusikan Untuk data yang diukur pada selang waktu Δt seragam Oskilasi data yang memiliki frekuensi ter5nggi yang dapat memberikan informasi mengenai data tsb adalah oskilasi data yang memiliki frekuensi sbb:! f N = 1 2Δt Frekuensi Nyquist 28
29 Analisis Spektral Kerapatan spektral sampel dihitung dengan memakai r(k) dan integrasi persamaan S(f) & S ˆ! ( f ) = Δt( r(0)+2! '( m 1 k=1 ) r(k)cos(2πkf Δt)+r(m)cos(2πmf Δt) + * + m adalah jumlah maksimum lag korelasi {jumlah maksimum selang waktu untuk menghitung r(k)} m sebaiknya 5dak melebihi 10% s.d. 25% jumlah data pada sampel persamaan di atas dipakai untuk menghitung kerapatan spektral sampel untuk frekuensi:! f = k f N m 29
30 Analisis Spektral Nilai kerapatan spektral sampel tersebut perlu dihaluskan Nilai es5masi kerapatan spektral adalah: ( )!Ŝ(0)= 0.5 S ˆ! (0)+ S ˆ! ( f N m)! Ŝ(kf N m)= 0.25S ˆ! ((k 1) f N m)+0.5s ˆ! (k f N m)+0.25s ˆ! ((k +1) f N m)!ŝ( f )= 0.5 # S ˆ! ((m 1) f N $ N m)+ S ˆ! ( f N )% & k =1,2,...,m 1 30
31 31
32 32
33 33
34 34
35 35
36 36
37 37
Teknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Analisis Data Time Series 1 Analisis Data Time Series Acuan Haan, C.T.,
Lebih terperinciKorelasi. Acuan. Haan, C.T., 1982, Sta$s$cal Methods in Hydrology, 1 st Ed., 3 rd Prin4ng, The Iowa State Univ. Press, Ames, Iowa, USA
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Progam Studi Pascasarjana Teknik Sipil Statistika Korelasi 1 Korelasi Acuan Haan, C.T., 1982, Sta$s$cal Methods in Hydrology, 1 st Ed., 3 rd
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI. Statistika dan Probabilitas
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI Statistika dan Probabilitas 2 Regresi Linear Tabel data x i y i = f(x i ) 1 0.5 2 2.5 3 2 4 4 5 3.5 6 6
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Probabilitas 1 Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas?
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Distribusi Normal 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan
Lebih terperinciII. TINJAUAN PUSTAKA. terjadinya air hujan adalah jalannya bentuk presipitasi berbentuk cairan yang
II. TINJAUAN PUSTAKA A. Hujan 1. Pengertian Hujan Hujan adalah bentuk presipitasi yang berbentuk cairan yang turun sampai ke bumi. Presipitasi adalah proses pengembunan di atmosfer. Jadi, proses terjadinya
Lebih terperinciStatistika. Probabilitas. Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil.
Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil Statistika Probabilitas 1 Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang 7dak
Lebih terperinciTINJAUAN PUSTAKA. awan. Kumpulan embun ini bergabung menjadi titik -titik air dan kemudian jatuh
II. TINJAUAN PUSTAKA A. Curah Hujan Angin yang mengandung uap air dan naik ke atas karena suhu yang makin rendah kemudian mengembun dan berkumpul. Kumpulan embun tersebut membentuk awan. Kumpulan embun
Lebih terperinciTTG3B3 - Sistem Komunikasi 2 Random Process
TTG3B3 - Sistem Komunikasi 2 Random Process S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom Oleh: Linda Meylani Agus D. Prasetyo Tujuan Pembelajaran Memahami arti random process Mengetahui
Lebih terperinciStatistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Statistika Random Variables Discrete Random Variables Continuous Random Variables 1 Pengertian Random variable (variabel acak) Jenis suatu fungsi
Lebih terperinciPEMODELAN CURAH HUJAN KUMULATIF MINGGUAN DARI DATA CURAH HUJAN STASIUN PURAJAYA. Ahmad Zakaria 1)
PEMODELAN CURAH HUJAN KUMULATIF MINGGUAN DARI DATA CURAH HUJAN STASIUN PURAJAYA Ahmad Zakaria 1) Abstract The goal of this research is to study the periodic and stochastic models of data series of the
Lebih terperinciANALISIS PENCARIAN DATA CURAH HUJAN YANG HILANG DENGAN MODEL PERIODIK STOKASTIK (STUDI KASUS WILAYAH KABUPATEN PRINGSEWU) Ikromi Fahmi 1)
ANALISIS PENCARIAN DATA CURAH HUJAN YANG HILANG DENGAN MODEL PERIODIK STOKASTIK (STUDI KASUS WILAYAH KABUPATEN PRINGSEWU) Ikromi Fahmi 1) Abstract This study was aimed to calculate and predict the missing
Lebih terperinciTEORI DASAR DERET WAKTU M A T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R
TEORI DASAR DERET WAKTU M A 5 2 8 3 T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R DERET WAKTU Deret waktu sendiri tidak lain adalah himpunan pengamatan
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Continuous Probability Distributions.
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Continuous Probability Distributions 1 Continuous Probability Distributions Normal Distribution Uniform Distribution Exponential Distribution
Lebih terperinciII. TINJAUAN PUSTAKA. Curah hujan adalah jumlah air yang jatuh di permukaan tanah datar
II. TINJAUAN PUSTAKA A. Curah Hujan 1. Pengertian Curah Hujan. Curah hujan adalah jumlah air yang jatuh di permukaan tanah datar selama periode tertentu yang diukur dengan satuan tinggi milimeter (mm)
Lebih terperinciSIGNAL & SPECTRUM O L E H : G U TA M A I N D R A. Rangkaian Elektrik Prodi Teknik Elektro Fakultas Teknik 2017
SIGNAL & SPECTRUM O L E H : G U TA M A I N D R A Rangkaian Elektrik Prodi Teknik Elektro Fakultas Teknik 2017 TUJUAN PERKULIAHAN Memahami berbagai pernyataan gelombang sinyal Memahami konsep harmonisa
Lebih terperinciUntai Elektrik I. Waveforms & Signals. Dr. Iwan Setyawan. Fakultas Teknik Universitas Kristen Satya Wacana. Untai 1. I. Setyawan.
Untai Elektrik I Waveforms & Signals Dr. Iwan Setyawan Fakultas Teknik Universitas Kristen Satya Wacana Secara umum, tegangan dan arus dalam sebuah untai elektrik dapat dikategorikan menjadi tiga jenis
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 terperinciII. TINJAUAN PUSTAKA. Hujan adalah jatuhnya hydrometeor yang berupa partikel-partikel air dengan
II. TINJAUAN PUSTAKA A. Hujan 1. Pengertian Hujan Hujan adalah jatuhnya hydrometeor yang berupa partikel-partikel air dengan diameter 0,5 mm atau lebih. Jika jatuhnya air sampai ke tanah maka disebut hujan,
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada. 1http://istiarto.staff.ugm.ac.id STATISTIKA. Discrete Probability Distributions
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Discrete Probability Distributions 1http://istiarto.staff.ugm.ac.id Discrete Probability Distributions Distribusi Hipergeometrik Bernoulli
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Tabel dan Grafik Organisasi Data Koleksi data sta;s;k perlu disusun (diorganisir)
Lebih terperinciStudi Pemodelan Stokastik Curah Hujan Harian di Stasiun Kota Metro. Bramesvara Arizona 1) Ahmad Zakaria 2) Ofik Toupik Purwadi 3)
JRSDD, Edisi Maret 2015, Vol. 3, No. 1, Hal:37-44 (ISSN:2303-0011) Studi Pemodelan Stokastik Curah Hujan Harian di Stasiun Kota Metro Bramesvara Arizona 1) Ahmad Zakaria 2) Ofik Toupik Purwadi 3) Abstract
Lebih terperincihomogen jika titik-titik tersebar secara merata atau seimbang baik di atas maupun dibawah garis, dengan maksimum ragam yang kecil.
8 koefisien regresi berganda dari variabel tak bebas Y terhadap variabel bebas Xi. Pada kasus ini, persamaan mengandung arti sebagai berikut, seperti yang telah dimodelkan Merdun (23) di Sungai Saluda,
Lebih terperinciSISTEM PENGOLAHAN ISYARAT. Kuliah 2 Sinyal Acak
TK 403 SISTM PNGOLAHAN ISYARAT Kuliah Sinyal Acak Indah Susilawati, S.T., M.ng. Program Studi Teknik lektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 009 KULIAH SISTM PNGOLAHAN
Lebih terperinci1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si, M.Si. ABSTRAK
Judul : Peramalan Curah Hujan Menggunakan Metode Analisis Spektral Nama : Ni Putu Mirah Sri Wahyuni NIM : 1208405018 Pembimbing : 1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si,
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Neraca Air Ilmu Hidrologi adalah ilmu yang mempelajari sirkulasi air. Dalam proses sirkulasi air, penjelasan mengenai hubungan antara aliran ke dalam (inflow) dan aliran keluar
Lebih terperinciTRANSPOR POLUTAN. April 14. Pollutan Transport
TRANSPOR POLUTAN April 14 Pollutan Transport 2 Transpor Polutan Persamaan Konveksi-Difusi Penyelesaian Analitis Rerensi Graf and Altinakar, 1998, Fluvial Hydraulics, Chapter 8, pp. 517-609, J. Wiley and
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 terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA A. Curah Hujan 1. Pengertian Curah Hujan Curah hujan merupakan ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak menguap, tidak meresap, dan tidak mengalir. Satuan
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 terperinciBAHAN KULIAH. Konsep Probabilitas Probabilitas Diskrit dan Kontinyu
BAHAN KULIAH Konsep Probabilitas Probabilitas Diskrit dan Kontinyu Soal UTS periode November 00 Mata Kuliah : Statistika & Probabilitas Waktu : 0 menit. Suatu sistem pipa seperti ditunjukkan pada gambar
Lebih terperinciStudi Pemodelan Curah hujan sintetik dari beberapa stasiun di wilayah Pringsewu. Damar Adi Perdana 1) Ahmad Zakaria 2) Sumiharni 3)
JRSDD, Edisi Maret 2015, Vol. 3, No. 1, Hal:45-56 (ISSN:2303-0011) Studi Pemodelan Curah hujan sintetik dari beberapa stasiun di wilayah Pringsewu Damar Adi Perdana 1) Ahmad Zakaria 2) Sumiharni 3) Abstract
Lebih terperinciTahun Penelitian 2005
Sabtu, 1 Februari 27 :55 - Terakhir Diupdate Senin, 1 Oktober 214 11:41 Tahun Penelitian 25 Adanya peningkatan intensitas perubahan alih fungsi lahan akan berpengaruh negatif terhadap kondisi hidrologis
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciSistem Komunikasi II (Digital Communication Systems)
Sistem Komunikasi II (Digital Communication Systems) Lecture #1: Stochastic Random Process Topik: 1.1 Pengenalan Sistem Komunikasi Digital. 1.2 Pendahuluan Stochastic Random Process. 1.3 Random Variable
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Respon Impuls Akustik Ruangan. Respon impuls akustik suatu ruangan didefinisikan sebagai sinyal suara yang diterima oleh suatu titik (titik penerima, B) dalam ruangan akibat suatu
Lebih terperinciHubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz
Hubungan 1/1 filter oktaf f 1 f 2 f 1 = 2 1/2f c f 1 = 2 1/2f c f 1 = 2f c1 = frekuensi tengah penyaring =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Analisis oktaf sepertiga,
Lebih terperinci3.4.1 Analisis Data Debit Aliran Analisis Lengkung Aliran Analisis Hidrograf Aliran Analisis Aliran Langsung
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii KATA PENGANTAR... iv DAFTAR ISI...v DAFTAR TABEL... vii DAFTAR GAMBAR... viii INTISARI...x ABSTRACT... xi BAB I PENDAHULUAN...1
Lebih terperinciDISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat
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 terperinciDISTRIBUSI PROBABILITAS VARIABEL RANDOM
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan DISTRIBUSI PROBABILITAS VARIABEL RANDOM Statistika dan Probabilitas 2 Distribusi probabilitas variabel random diskrit Distribusi
Lebih terperincis(t) = C (2.39) } (2.42) atau, dengan menempatkan + )(2.44)
2.9 Analisis Fourier Alasan penting untuk pusat osilasi harmonik adalah bahwa virtually apapun osilasi atau getaran dapat dipecah menjadi harmonis, yaitu getaran sinusoidal. Hal ini berlaku tidak hanya
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Distribusi Normal 1-Sep-14 http://istiarto.staff.ugm.ac.id 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari
Lebih terperinciMODEL PERIODIK DAN STOKASTIK DATA PASANG SURUT JAM-JMAN DARI STASIUN MENENG. Ahmad Zakaria1)
MODEL PERIODIK DAN STOKASTIK DATA PASANG SURUT JAM-JMAN DARI STASIUN MENENG Ahmad Zakaria1) Abstract The aim of this study are to compare periodic and stochastic models generated by using FFT frequencies
Lebih terperinciModel Stokastik Curah Hujan Harian dari Beberapa Stasiun Curah Hujan di Way Jepara. Ahmad Zakaria 1) Margaretta Welly 1) Mirnanda Cambodia 2)
Model Stokastik Curah Hujan Harian dari Beberapa Stasiun Curah Hujan di Way Jepara Ahmad Zakaria 1) Margaretta Welly 1) Mirnanda Cambodia 2) Abstract This research was conducted to study and know the characteristics
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciMODEL HIDROGRAF BANJIR NRCS CN MODIFIKASI
MODEL HIDROGRAF BANJIR NRCS CN MODIFIKASI Puji Harsanto 1, Jaza ul Ikhsan 2, Barep Alamsyah 3 1,2,3 Program Studi Teknik Sipil, Fakultas Teknik, Universitas Muhammadiyah Yogyakarta Jalan Lingkar Selatan,
Lebih terperinci1 Analisis Awal. 1.1 Analisis Hidrologi
1 Analisis Awal 1.1 Analisis Hidrologi Peran analisis hidrologi dalam desain jembatan yang melintasi sungai adalah pada aspek keamanan jembatan terhadap aliran banjir di sungai. Struktur atas jembatan
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 terperinciANALISA DEBIT BANJIR SUNGAI BATANG LUBUH KABUPATEN ROKAN HULU PROPINSI RIAU
ANALISA DEBIT BANJIR SUNGAI BATANG LUBUH KABUPATEN ROKAN HULU PROPINSI RIAU Rismalinda Prodi Teknik Sipil Universitas Pasir Pengaraian Email : rismalindarisdick@gmailcom Abstrak Kabupaten Rokan Hulu terletak
Lebih terperinciAUTOKORELASI PADA BAGAN KENDALI
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 88 96 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND AUTOKORELASI PADA BAGAN KENDALI NILA CHOIROTUNNISA, MAIYASTRI, YUDIANTRI ASDI Program Studi Matematika,
Lebih terperinciPEMODELAN PERIODIK DAN STOKASTIK CURAH HUJAN KOTA BANDAR LAMPUNG. Rasimin (1) Ahmad Zakaria (2) Kartini Susilowati (3) ABSTRAK
PEMODELAN PERIODIK DAN STOKASTIK CURAH HUJAN KOTA BANDAR LAMPUNG Rasimin (1) Ahmad Zakaria (2) Kartini Susilowati (3) ABSTRAK Penelitian ini bertujuan untuk mempelajari model periodik dan stokastik seri
Lebih terperinciPEMODELAN PERIODIK DAN STOKASTIK UNTUK MENGANALISIS DATA CURAH HUJAN YANG HILANG MENGGUNAKAN STUDI KASUS STASIUN HUJAN SUKARAME.
PEMODELAN PERIODIK DAN STOKASTIK UNTUK MENGANALISIS DATA CURAH HUJAN YANG HILANG MENGGUNAKAN STUDI KASUS STASIUN HUJAN SUKARAME Ashruri 1) Abstract Rainfall data is very important for planning in engineering,
Lebih terperinciIII-11. Gambar III.13 Pengukuran arus transek pada kondisi menuju surut
Hasil pengukuran arus transek saat kondisi menuju surut dapat dilihat pada Gambar III.13. Terlihat bahwa kecepatan arus berkurang terhadap kedalaman. Arus permukaan dapat mencapai 2m/s. Hal ini kemungkinan
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 terperinciS - 4 IDENTIFIKASI DATA RATA-RATA CURAH HUJAN PER-JAM DI BEBERAPA LOKASI
S - 4 IDENTIFIKASI DATA RATA-RATA CURAH HUJAN PER-JAM DI BEBERAPA LOKASI Astutik, S., Solimun, Widandi, Program Studi Statistika, Jurusan Matematika FMIPA, Universitas Brawiaya, Malang, Jurusan Teknik
Lebih terperinciMETODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1
Media Informatika Vol. 5 No. 1 (2006) METODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1 Ekabrata Yudhistyra Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda 96 Bandung
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciV DINAMIKA ALIRAN BAWAH PERMUKAAN BERDASARKAN KERAGAMAN SPASIAL DAN TEMPORAL HIDROKIMIA
55 V DINAMIKA ALIRAN BAWAH PERMUKAAN BERDASARKAN KERAGAMAN SPASIAL DAN TEMPORAL HIDROKIMIA 5.1 Pendahuluan Di beberapa negara, penelitian tentang proses limpasan dalam suatu daerah tangkapan atau DAS berdasarkan
Lebih terperinciBAB II PENDEKATAN PEMECAHAN MASALAH. curah hujan ini sangat penting untuk perencanaan seperti debit banjir rencana.
BAB II PENDEKATAN PEMECAHAN MASALAH A. Intensitas Curah Hujan Menurut Joesron (1987: IV-4), Intensitas curah hujan adalah ketinggian curah hujan yang terjadi pada suatu kurun waktu. Analisa intensitas
Lebih terperinciStatistika. Rentang Keyakinan. Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil.
Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S Teknik Sipil Statistika Rentang Keyakinan hp://is7arto.staff.ugm.ac.id 1 Rentang Keyakinan Es7masi Parameter Distribusi
Lebih terperinciModel Matematis, Sistem Dinamis dan Sistem Kendali
Model Matematis, Sistem Dinamis dan Sistem Kendali PENDAHULUAN Beberapa istilah pada karakteristik tanggapan : Sistem : kombinasi beberapa komponen yang bekerja secara bersama-sama dan membentuk suatu
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinciSINYAL SISTEM SEMESTER GENAP S1 SISTEM KOMPUTER BY : MUSAYYANAH, MT
1 SINYAL SISTEM SEMESTER GENAP S1 SISTEM KOMPUTER BY : MUSAYYANAH, MT List Of Content 2 Pengertian Sinyal Pengertian Sistem Jenis-Jenis Sinyal dan Aplikasinya Pengertian Sinyal 3 sinyal adalah suatu isyarat
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
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 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 terperinciMODEL HIDROLOGI. (continuous flow) dan debit/hidrograf. besar/banjir (event flow). Contoh: : SSARR, SHE, MOCK, NASH, HEC-HMS
MODEL HIDROLOGI Tiruan proses hidrologi untuk keperluan analisis tentang keberadaan air menurut aspek jumlah, waktu, tempat, probabilitas dan runtun waktu (time series). Rainfall runoff model: jumlah/waktu
Lebih terperinciHASIL DAN PEMBAHASAN. Curah Hujan. Tabel 7. Hujan Harian Maksimum di DAS Ciliwung Hulu
HASIL DAN PEMBAHASAN Curah Hujan Hujan Harian Maksimum Hujan harian maksimum yang terjadi di DAS Ciliwung Hulu diperoleh dari beberapa stasiun pencatat hujan yang terdapat di wilayah tersebut dengan panjang
Lebih terperinciPERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 183-193 ISSN: 2303-1751 PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL Ni Putu Mirah Sri Wahyuni 1, I Wayan Sumarjaya 2, I Gusti Ayu Made
Lebih terperinciBAB II TINJAUAN PUSTAKA. Berikut ini beberapa pengertian yang berkaitan dengan judul yang diangkat oleh
BAB II TINJAUAN PUSTAKA. Pengertian pengertian Berikut ini beberapa pengertian yang berkaitan dengan judul yang diangkat oleh penulis, adalah sebagai berikut :. Hujan adalah butiran yang jatuh dari gumpalan
Lebih terperinciMinggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA
CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi
Lebih terperinciProbabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata
Probabilitas dan Statistika Adam Hendra Brata Himpunan nilai-nilai yang mungkin dari peubah acak X merupakan himpunan tak terhitung yaitu tidak dapat dinyatakan sebagai {,, 3,., n } atau {,, 3,.} tetapi
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 terperinciPenelitian ini dilakukan di daerah pesisir pantai utara Jakarta (Gambar 3), yakni di
111. METODE PENELITIAN 3.1. Tempat dan Waktu Penelitian Penelitian ini dilakukan di daerah pesisir pantai utara Jakarta (Gambar 3), yakni di kawasan Pesisir Angke Kapuk, pengambilan datanya dilakukan pada
Lebih terperinciCatatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika
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 terperinciSkala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan
Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Pendahuluan Pada bab ini akan diuraikan hasil simulasi pengaruh K - factor pada kondisi kanal yang terpengaruh Delay spread maupun kondisi kanal yang dipengaruhi oleh frekuensi
Lebih terperinciANALISIS LIMPASAN LANGSUNG MENGGUNAKAN METODE NAKAYASU, SCS, DAN ITB STUDI KASUS SUB DAS PROGO HULU
ANALISIS LIMPASAN LANGSUNG MENGGUNAKAN METODE NAKAYASU, SCS, DAN ITB STUDI KASUS SUB DAS PROGO HULU Agreista Vidyna Qoriaulfa 1, Annisa Ratna Putri 1, Huriyah Fadhillah 1, Puji Harsanto 2, Jazaul Ikhsan
Lebih terperinciBAB II KANAL WIRELESS DAN DIVERSITAS
BAB II KANAL WIRELESS DAN DIVERSITAS.1 Karakteristik Kanal Nirkabel Perambatan sinyal pada kanal yang dipakai dalam komunikasi terjadi di atmosfer dan dekat dengan permukaan tanah, sehingga model perambatan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Hujan adalah sebuah peristiwa Presipitasi (jatuhnya cairan dari atmosfer yang
BAB II TINJAUAN PUSTAKA A. Hujan Hujan adalah sebuah peristiwa Presipitasi (jatuhnya cairan dari atmosfer yang berwujud cair maupun beku ke permukaan bumi) berwujud cairan. Hujan memerlukan keberadaan
Lebih terperinciTujuan. Peserta memahami syarat-syarat pemilihan lokasi SPAS dan alat-alat yang dibutuhkan dalam pemantauan data hidrologi DAS
MONEV TATA AIR DAS PEMASANGAN SPAS & JENIS ALAT-ALATNYA ALATNYA Oleh: Agung B. Supangat Balai Penelitian Teknologi Kehutanan Pengelolaan DAS Jl. A.Yani-Pabelan PO Box 295 Surakarta Telp./fax. (0271)716709,
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Uji Hipotesis (Hypothesis Tes/ng) 1 Uji Hipotesis Model Matema/ka vs Pengukuran
Lebih terperinciANALISIS CURAH HUJAN UNTUK MEMBUAT KURVA INTENSITY-DURATION-FREQUENCY (IDF) DI KAWASAN KOTA LHOKSEUMAWE
ANALISIS CURAH HUJAN UNTUK MEMBUAT KURVA INTENSITY-DURATION-FREQUENCY (IDF) DI KAWASAN KOTA LHOKSEUMAWE Fasdarsyah Dosen Jurusan Teknik Sipil, Universitas Malikussaleh Abstrak Rangkaian data hujan sangat
Lebih terperinciII. TINJAUAN PUSTAKA. Time series merupakan serangkaian observasi terhadap suatu variabel yang
II. TINJAUAN PUSTAKA 2.1 Analisis Deret Waktu (time series) Time series merupakan serangkaian observasi terhadap suatu variabel yang diambil secara beruntun berdasarkan interval waktu yang tetap (Wei,
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam pembahasan ini dikaji mengenai nilai ekspektasi saham pada jatuh tempo, persamaan nilai portofolio, penentuan model Black-Scholes harga opsi beli tipe Eropa,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciSilabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh
Silabus Proses Stokastik (MMM 5403) Status: Wajib Minat Statistika Rantai Markov, klasifikasi rantai Markov. Limit rantai Markov dan aplikasinya. Rantai Markov kontinu, contoh-contoh klasik. Proses renewal,
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Pengolahan Data Hidrologi 4.1.1 Data Curah Hujan Data curah hujan adalah data yang digunakan dalam merencanakan debit banjir. Data curah hujan dapat diambil melalui pengamatan
Lebih terperinciIII. FENOMENA ALIRAN SUNGAI
III. FENOMENA ALIRAN SUNGAI 3.1. Pengantar Pada bab ini akan ditinjau permasalahan dasar terkait dengan penerapan ilmu hidrologi (analisis hidrologi) untuk perencanaan bangunan di sungai. Penerapan ilmu
Lebih terperinciIII. METODE PENELITIAN. curah hujan yang ada di Lampung Selatan. Data tersebut sebelum diolah
III. METODE PENELITIAN A. Pendahuluan Metode penelitian yang dipergunakan dalam penelitian ini adalah sebagai berikut. Pertama tama dilakukan pengolahan data sekunder yang berupa data curah hujan harian
Lebih terperinciBAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer
BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat
Lebih terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciSTATISTIKA. Distribusi Binomial. Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai. Distribusi Normal
STATISTIKA Distribusi Normal Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai Distribusi Binomial Histogram Distribusi Probabilitas Sukses Statistika Distribusi
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 terperinciRencana Program dan Kegiatan Pembelajaran Semester (RPKPS)
Rencana Program dan Kegiatan Pembelajaran Semester (RPKPS) Fakultas : Teknik Jurusan : Teknik Sipil Nama matakuliah : HIDROLOGI Kode/SKS : TKS 1202 /2 SKS Prasyarat : - Status : Wajib Deskripsi singkat
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciMODEL PERIODIK DAN STOKASTIK DATA PASANG SURUT JAM-JAMAN DARI PELABUHAN PANJANG. Ahmad Zakaria1)
MODEL PERIODIK DAN STOKASTIK DATA PASANG SURUT JAM-JAMAN DARI PELABUHAN PANJANG Ahmad Zakaria1) Abstract The aim of this study are intended to compare periodic and stochastic tide models generated by using
Lebih terperinciMinggu 1 Review Peubah Acak; Karakteristik Time Series. Minggu 4-6 Model Moving Average (MA), Autoregressive (AR)
CNH4S3 Analisis Time Series [Dosen] Aniq A Rohmawati, M.Si [Jadwal] Need to reschedule? [About] The purpose of time series analysis is generally twofold: to understand or model the stochastic mechanism
Lebih terperinci