PEMODELAN REDAMAN HUJAN MENGGUNAKAN STAR (SPACE-TIME AUTOREGRESSIVE) DI SURABAYA
|
|
- Hartanti Dharmawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN REDAMAN HUJAN MENGGUNAKAN STAR (SPACE-TIME AUTOREGRESSIVE) DI SURABAYA Abdu Rofi Darodjatul Walidaen, Gamantyo Hendrantoro, Achmad Mauludiyanto Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus ITS Sukolilo, Surabaya 60111, INDONESIA Abstrak Pesatnya perkembangan layanan telekomunikasi mengakibatkan kebutuhan akan spektrum frekuensi pita lebar pun semakin meningkat. Hal ini ditandai dengan semakin padatnya penggunaan frekuensi 10 Ghz, karenanya penggunaan frekuensi 30 Ghz diharapkan menjadi solusi bagi kebutuhan dan kepadatan frekuensi tersebut. Pada penggunaan frekuensi diatas 10 Ghz ini, redaman hujan menjadi salah satu faktor yang mempengaruhi sinyal informasi yang diterima. Maka perlu adanya perhitungan untuk redaman hujan, tetapi sering terjadi kesalahan memprediksi suatu data akibat kurang akuratnya data yang dimodelkan, berbagai macam model perhitungan telah diperkenalkan untuk memperkecil kesalahan dari data yang dimodelkan dengan data langsung. Penelitian ini memaparkan tentang pemodelan redaman hujan menggunakan STAR yaitu suatu model perhitungan redaman hujan yang dibangkitkan dari data perhitungan redaman hujan di Surabaya agar dapat meminimalisir kerugian akibat munculnya redaman hujan. Model ini menggunakan pendekatan suatu data yang memiliki hubungan deret waktu dan lokasi, yaitu 4 lokasi sebagai variabel space dan 1 parameter pengukuran curah hujan sebagai variabel time. Lokasi tersebut adalah 4 titik pengukuran raingauge di sekitar kampus ITS. Dari hasil penelitian ini didapatkan bahwa Model STAR ini tidak cocok untuk pemodelan redaman hujan di Surabaya hal ini dilihat dari grafik cumullative distribution function yang mana data pembangkitan sangat menyimpang dari data perhitungan redaman hujannya dan kemungkinan juga dari perhitungan Synthetic Storm Technique yang tidak dependen antara satu rainguage dengan rainguage yang lainnya. Kata Kunci: Redaman Hujan, STAR, Multivariate Time Series. 1. PENDAHULUAN Permasalahan pada sistem komunikasi dengan frekuensi diatas 10 GHz adalah mempunyai redaman yang cukup besar terutama redaman yang diakibatkan oleh hujan sehingga bisa menurunkan performansi dari sistem, Selain itu, besarnya redaman hujan sangat dipengaruhi oleh sifat mikrofisik dan makrofisik. Untuk sifat makrofisik sangat dipengaruhi oleh iklim dan letak geografik suatu wilayah. Indonesia khususnya Surabaya merupakan daerah tropis dengan intensitas hujan yang tinggi maka mempunyai redaman hujan yang tinggi pula sehingga efek redaman hujan ini harus diperhatikan, karena hujan dalam suatu wilayah berbeda-beda dilihat dari segi jarak dan waktu maka perlu adanya pemodelan yang mengkombinasikan karakteristik spasial-temporal untuk redaman hujan. Sering terjadi kesalahan memprediksi data akibat kurang akuratnya data yang dimodelkan. Dalam kehidupan sehari hari terkadang kita jumpai data yang tidak hanya mengandung keterkaitan dengan kejadian pada waktu waktu sebelumnya misalkan hujan yang mempunyai keterkaitan antara satu lokasi dengan lokasi yang lain dimana seringkali disebut dengan data spasial. Keterkaitan waktu antara satu lokasi dan lokasi yang lain tersebut dapat direpresentasikan kedalam suatu model yang disebut model space time. Pada tugas akhir ini dilakukan penelitian redaman hujan yang didekati dengan menggunakan model STAR ( Space-Time AutoRegressive ). Dalam hal ini 4 lokasi dimana sensor ditempatkan sebagai variabel space dan 1 parameter redaman hujan sebagai variabel Time. Sehingga model redaman hujan yang nonstasioner dapat lebih didekati. Dengan adanya model yang bisa mendekati data sebenarnya, maka dapat dilakukan teknik mitigasi terhadap fading redaman hujan (FMT) dan dapat digunakan untuk memperkirakan design antena untuk redaman hujan yang terjadi. 2. METODOLOGI Dalam metodologi penelitian ini akan menjelaskan langkah-langkah yang akan dikerjakan, bisa dilihat gambar 1 dibawah ini Start Data Rainguage A,B,C,D dan Data redaman SST Identifikasi Stasioner Identifikasi Model STAR: - ACF dan PACF - Lag terkecil Signifikan Parameter A Ya Restrict Tidak Makalah Seminar Tugas Akhir Teknik Elektro FTI - ITS 1
2 A Estimasi Parameter Model STAR Pembangkitan Error U(t) Pembangkitan Redaman Uji BOXCOX Validasi data redaman hujan dengan data pembangkitan redaman hujan Stop Gambar 1. Diagram Alir STAR berdasarkan pada gambar blok diagram tersebut akan dilakukan pemodelan redaman hujan dengan menggunakan model STAR, lalu dibandingkan dengan distribusi data Redaman hasil perhitungan dan hasil pembangkitan. Redaman hujan yang digunakan adalah hasil dari metode SST (synthetic storm technique) dimana kemudian dilakukan proses pemodelan dengan metode STAR dengan asumsi link berada pada arah barat timur dengan panjang link 1, 2 3 dan 4 km. A. Pengukuran Curah Hujan Pada penelitian ini akan diambil data pengukuran intensitas hujan, yang berlokasi di 4 tempat yang ada didalam kawasan kampus ITS Surabaya, yaitu Medical Center ITS, Teknik Elektro, Perpustakaan, serta PENS (Politeknik Elektronika Negeri Surabaya) dengan spesifikasi sebagai berikut untuk raingauge A diletakkan di Medical Center ITS pada lantai 3, raingauge B diletakkan di Teknik Elektro pada lantai 4, raingauge C diletakkan di Perpustakaan ITS pada lantai 6, dan raingauge D diletakan di PENS (Poltek Elektronika Negeri Surabaya) pada lantai 3. Penempatan keempat raingauge di letakkan di tempat terbuka tanpa ada penghalang sehingga diharapkan memperoleh data yang lebih akurat, data penelitian ini diambil pada bulan Desember 2008 sampai bulan Februari Raingauge sebagai peralatan pengukur volume hujan akan menyimpan file dalam bentuk txt. Data dalam bentuk format txt ini berupa tanggal dan jam event hujan serta banyaknya tips yang tercatat. Pada penelitian ini digunakan sampling sebesar 0,01 inchi pertips atau 0,25 mm pertips sehingga data hasil pengukuran ini perlu dikonversi menjadi mm/jam. Dimana dapat dirumuskan[2] : R(mm/jam) = (volume air/menit) x 0,25 x 60 (1) R(mm/jam) adalah besaran yang mewakili curah hujan, dimana dikalikan dengan konstanta 0,25 yaitu sampling dari peralatan raingauge untuk mengubah satuan inchi menjadi mm dan 60 adalah konstanta untuk mengubah pengukuran curah dari hitungan menit menjadi tiap jam. B. Redaman hujan dengan Synthetic Storm Technique (SST) Perhitungan redaman hujan yang dilakukan yaitu kejadian pada tiap event terjadinya hujan.. Pada metode synthetic storm, kecepatan angin yang digunakan dalam menghitung redaman sangat dipengaruhi oleh arah dari angin dalam penelitan ini digunakan satu buah orientasi link yaitu link dengan orientasi arah barat-timur (E-W). Gambar 2. Link dengan orientasi arah barat timur. Utara 90- Link (Vr) Arah angin (kecepatan v) Timur Gambar 3. Arah kecepatan angin Apabila arah angin diasumsikan seperti pada gambar 3, maka besarnya kecepatan angin yang dipengaruhi oleh arah angin yaitu kecepatan angin resultan dapat dihitung dengan rumus sebagai berikut[3] : v Vr cos(90 ) (2) v Vr (3) sin( ) Metode Synthetic Storm Technique[3] merupakan suatu cara untuk mendeskripsikan hujan pada sepanjang suatu lintasan (km) dimana hujan tersebut bergerak karena pergerakan dari angin dengan kecepatan tertentu. Pada SST angin bergerak dangan keceatan v(km/s) dan digunakan sebagai waktu sampling dari pengukuran intensitas Makalah Seminar Tugas Akhir Teknik Elektro FTI - ITS 2
3 curah hujan menggunakan alat pengukur curah hujan dengan distribusi saptial sepanjang lintasan. Maka diperoleh kecepatan angin dalam lintasan (v r ) dan waktu sampling T (s). Pembagi lintasan ÄL diperoleh dengan rumusan sebagai berikut[3] : ÄL=V r x T (km) (4) Total redaman A (db) hujan dapat dihitung dengan perumusan sebagai berikut [3]: m n 1 b R m j j (5) j 0 A a L Dimana n=l/äl dan koefisien k dan a bergantung dari frekuensi gelombang radio, polarisasi gelombang radio, dan canting angle (sudut jatuh dari hujan). Koefisien tersebut berasal dari ITU-R P.838 tahun 2005 dapat ditunjukkan pada tabel 1. dalam penelitian ini frekuensi yaitu sebesar 30 ghz dengan polarisasi horizontal sehingga dari tabel di atas koefisien yang digunakan yaitu a=0,2403 dan b=0,9485. Tabel 1 Koefisien estimasi dari redaman spesifik[4] f (GHz) k h á h k v á v C. Identifikasi Model Arti stasioner adalah apabila suatu data runtut waktu memiliki rata-rata dan memiliki kecenderungan bergerak menuju rata-rata. Tabel 2. Identifikasi ACF dan PACF Model ACF PACF MA (q) : moving average of order q Cuts off q AR (p) : autoregr essive of order p ARMA (p,q) : Mixed autoregr essivemoving average of order (p,q) AR (p) or MA (q) Cuts of q No order AR or MA No spike (white noise or random process) Cuts of p Cuts of p No spike Berdasarkan diagram alir model STAR, check ACF dan PACF diperlukan dalam menentukan pendekatan model dugaan STAR. Pembacaan ACF dan PACF ini terdiri dari dua macam, yaitu: Cuts off ACF dan PACF dikatakan cuts off apabila digambar terhadap sumbu waktu akan stasioner pada lags yang cukup kecil. Down Apabila plot ACF atau PACF mencapai nilai stasioner pada lags yang cukup besar (>5) atau bisa dikatakan turun lambat, maka kondisi ini dikatakan mengalami dies. Data yang sudah stasioner, selanjutnya dilakukan identifikasi Model STAR, data stasioner yang telah didapat lalu di masukan kedalam program SAS melalui pendekatan statespace procedure, model STAR didapat dari bagian Information Criterion for Autoregressive Model yang dilihat dari lag terkecilnya, berikut gambar dari event tanggal 5 januari 2009 dengan penjelasannya: Makalah Seminar Tugas Akhir Teknik Elektro FTI - ITS 3
4 Gambar 4. Information Criterion forautoregressive Pada gambar 4. terlihat bahwa lag 1 merupakan lag yang terkecil dimana lag terkecil ini merupakan pembentukan Model STAR, sehingga dapat dipastikan bahwa event tersebut Model STAR 1. Model STAR sebenarnya adalah gabungan model autoregresif orde p, AR(p) dari Box-Jenkins dan model spasial. Model sederhana AR orde 1 dan spasial lag 1 atau STAR(1 l ), misalnya dengan 4 lokasi (N = 4), dapat dinyatakan dengan: (1) z( t) 10I 4z( t 1) 11W z( t 1) a( t) (6) B. Validasi Data Hasil Pemodelan Setelah diperoleh model dari data redaman hujan maka kemudian dilakukan proses pembangkitkan. Dimana akan digunakan dalam proses validasi. Proses pembangkitan data ini memiliki diagram alir sebagai berikut: Start Perhitungan Error U(t) menggunakan Covariance matrix for innovation dan Mean Pembangkitan Z(t) dari perhitungan U(t) dengan parameter ö, I, W Penentuan Lamda dari Boxcox untuk Validasi Model Stasioner Lamda= 1 Validasi Data redaman hujan Stop ya Transformasi Lamda=0 >e^z(t) Lamda=0,5>Z(t)^2 Lamda=-0,5>1/Z(t)^2 Gambar 5. Diagram alir pembangkitan STAR tidak Proses validasi data dilakukan dengan melakukan perbandingan hasil plot CDF dari data redaman hujan model terhadap data redaman hujan hasil perhitungan. 3. ANALISA DATA Pada penelitian ini data curah hujan yaitu dari raingauge pengukuran bulan januari 2009 hingga februari Dan dari hasil pengukuran didapatkan sebanyak 13 event. a. Bulan Januari 2009, 11 event hujan b. Bulan Februari 2009, 2 event hujan dari event hujan tersebut yang dapat dimodelkan sebanyak 13 event. Dari data redaman hujan yang diperoleh melalui Uji Boxcox hanya dua Event Redaman hujan yang dapat di modelkan atau di trasformasi balik dengan melihat lamdanya, yaitu tanggal 5 januari 2009 dan tanggal 29 januari Dalam persamaan untuk tanggal 5 januari 2009 sebagai berikut: a. Untuk link 1 km: b. Untuk link 2 km: Z(t) = 0,314765I 4 Z(t-1) U(t) Z(t) = 0,314765I 4 Z(t-1) + U(t) c. Untuk link 3 km: Z(t) = 0,314765I 4 Z(t-1) U(t) Z(t) = 0,20805I 4 Z(t-1) + U(t) d. Untuk link 4 km: Dan untuk tanggal 29 januari 2009 menghasilkan perhitungan sebagai berikut: a. Untuk link 1 km: b. Untuk link 2 km: Z(t) = 0,214957I 4 Z(t-1) U(t) Z(t) = 0,214957I 4 Z(t-1) + U(t) c. Untuk link 3 km: d. Untuk link 4 km: Makalah Seminar Tugas Akhir Teknik Elektro FTI - ITS 4
5 (a) (b) (c) (d) Gambar 6. Empirical CDF event Redaman hujan raingauge A,B,C dan D link 1 km (a) (b) (c) (d) Gambar 7. Empirical CDF event redaman hujan raingauge A,B,C, dan D link 1 km Makalah Seminar Tugas Akhir Teknik Elektro FTI - ITS 5
6 Untuk redaman hujan dilakukan proses pemodelan. Sebagai contoh yaitu tanggal 5 januari 2009, dimana didapatkan hasil pemodelan redaman sebagai berikut : Redaman link barat timur link 1 km dengan model STAR 1 Redaman link barat timur link 2 km dengan model STAR 1 Redaman link barat timur link 3 km dengan model STAR 1 Redaman link barat timur link 4 km dengan model STAR 4 Untuk data redaman hujan didapatkan dua macam model untuk event redaman hujan link 1,2,3, dan 4 km. Ini dikarenakan pada event hujan selain pada tanggal 5 januari dan 29 januari terjadi segmentasi pada hasil perhitungan. Sehingga sulit untuk dilakukan pemodalannya yaitu pada proses penstationeritasannya. Dan berdasarkan grafik CDF terlihat bahwa untuk kedua event pada semua link terlihat penyimpangan yang sangat jauh antara data perhitungan dan data hasil pembangkitan. ini menandakan ketidaksesuaian distribusi data antara data perhitungan dan data hasil pembangkitan yaitu pada data pemodelan redaman raingauge A, B, C dan D pada redaman diatas 0 db.dengan demikian untuk data redaman hujan tidak dapat dimodelkan dengan menggunakan metode STAR. 4. KESIMPULAN Berdasarkan hasil analisa data dan pembahasan dapat disimpulkan sebagai berikut, bahwa data redaman hujan adalah data yang tidak stationer ini dibuktikan dengan pada pemodelan multivariate time series diperlukan suatu proses untuk menstationerkan data yaitu proses differencing. Arah dan kecepatan angin sangat berpengaruh terhadap redaman hujan, pada metode Synthetic Storm Technique dimana arah dan kecepatan dari angin tersebut dapat menimbulkan proses yang disebut dengan segmentasi. Event redaman yang dapat dimodelkan adalah redaman dengan tanpa segemntasi. Ini terjadi pada kasus event 5 Januari 2009 dan 29 januari 2009 pada link sepanjang 1, 2, 3 dan 4 km dengan bentuk pendekatan model STAR 1 dan STAR 4 tetapi berdasarkan grafik CDF terlihat bahwa untuk kedua event pada semua link terlihat penyimpangan yang sangat jauh antara data perhitungan dan data hasil pembangkitan. ini menandakan ketidaksesuaian distribusi data antara data perhitungan dan data hasil pembangkitan yaitu pada data pemodelan redaman raingauge A, B, C dan D pada redaman diatas 0 db.dengan demikian untuk data redaman hujan tidak dapat dimodelkan dengan menggunakan metode STAR.. Dan kemungkinan juga dalam perhitungan Synthetic Storm Technique yang tidak dependen antara satu rainguage dengan rainguage yang lainnya, menyebabkan ketidakakuratan antara data pembangkitan dengan data perhitungannya. 5. DAFTAR PUSTAKA [1]. Indrabayu, Evolution of Macro-Diversity and Adaptive Modulation in Wireless Communication at Millimeter Wave Band in Rainy Condition Master s Thesis, ITS, 2005.Hal 1 [2] Cahyanu,D.H, Pemodelan curah dan redaman hujan dengan metode VARIMA di Surabaya, Tugas Akhir, ITS Surabaya, [3] S.A.Kanellopoulos, J. D. Kanellopoulos and P. Kafetzis, Comparison of the Synthetic Storm Technique with a Conventional Rain Attenuation Prediction Model, IEEE transactions on Antennas and Propagation, May 1986, hal: [4] Rec ITU-R P , hal 5. [5] Wei, William W. S., Time Series Analyis The Advance Book Programe, Addisonwesley Publishing Company, USA, Hal 396. [6] Mahmudah,H., Prediksi Redaman Hujan Menggunakan Synthetic Storm Technique (SST),Master s Thesis, ITS, [7] Suhartono. (2005). Evaluasi pembentukan model VARIMA dan STAR untuk peramalan data deret waktu dan lokasi. Jurusan Statistika, ITS, RIWAYAT PENULIS Abdu Rofi Darodjatul Walidaen, dilahirkan pada 25 Mei 1984 dari Pasangan Sukriman dan Euis Hindarsyah sebagai anak kedua. Menyelesaikan Program Studi Diploma-3 di Diploma Teknik Elektro Universitas Gadjah Mada Yogyakarta pada tahun 2006.Dan pada tahun 2007 melanjutkan studi di ITS Surabaya melalui program Lintas Jalur dan mendalami ilmu Telekomunikasi Multimedia- Teknik Elektro. Makalah Seminar Tugas Akhir Teknik Elektro FTI - ITS 6
Abstrak. Kata kunci : Redaman hujan, GSTAR, VARIMA.
Pemodelan Multivariate untuk Curah Hujan dan Redaman Hujan di Surabaya Indra Subrata 2207 100 628 Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus ITS Sukolilo,
Lebih terperinciPEMODELAN ARIMA REDAMAN HUJAN DENGAN EFEK DETECTION OUTLIER DAN AKAIKE INFORMATION TEST
PEMODELAN ARIMA REDAMAN HUJAN DENGAN EFEK DETECTION OUTLIER DAN AKAIKE INFORMATION TEST Afif Arumahendra 2206 100 041 Email : mahe_354@yahoo.com Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciPEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER
1 PEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER Muhammad Zainuddin Fanani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciPEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim
TE 091399 TUGAS AKHIR- 4 SKS PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA Oleh Nur Hukim Dosen Pembimbing Prof. Ir. Gamantyo Hendrantoro, M.Eng. Ph.D Ir. Achmad
Lebih terperinciANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA
ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinciPEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA
PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA Nur Hukim 2207100566 Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus
Lebih terperinciKinerja Sistem Komunikasi Satelit Ka-Band Menggunakan Site Diversity di Daerah Tropis
Kinerja Sistem Komunikasi Satelit Ka-Band Menggunakan Site Diversity di Daerah Tropis A-84 Krisnatianto Tanjung, Gamantyo Hendrantoro, dan Achmad Mauludiyanto Jurusan Teknik Elektro, Fakultas Teknologi
Lebih terperinciPEMODELAN REDAMAN HUJAN BERBASIS ARIMA PADA LINTASAN RADIO 28 GHz UTARA-SELATAN
PEMODELAN REDAMAN HUJAN BERBASIS ARIMA PADA LINTASAN RADIO 28 GHz UTARA-SELATAN Valian Yoga Pudya Ardhana, Achmad Mauludiyanto Jurusan Teknik Elektro, Fakultas Teknik Industri, ITS-Surabaya Sukolilo, Surabaya
Lebih terperinciPEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG MILIMETER
Mauludiyanto, Pemodelan ARIMA dan Deteksi Outlier Data Curah Hujan Sebagai Evaluasi Sistem Radio Gelombang Milimeter PEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG
Lebih terperinciPEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG MILIMETER
Mauludiyanto, Pemodelan ARIMA dan Deteksi Outlier Data Curah Hujan Sebagai Evaluasi Sistem Radio Gelombang Milimeter PEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG
Lebih terperinciMODEL STATISTIK FADING KARENA HUJAN DI SURABAYA
MODEL STATISTIK FADING KARENA HUJAN DI SURABAYA Febrin Aulia, Porman Hutajulu, Gamantyo Hendrantoro, Achmad Mauludiyanto Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik
Lebih terperinciANALISIS POLA HUBUNGAN REDAMAN HUJAN RADIO 28 GHz DENGAN CURAH HUJAN PARSIVEL DISDROMETER SEBAGAI DATA PEMODELAN ARIMA
ANALISIS POLA HUBUNGAN REDAMAN HUJAN RADIO 28 GHz DENGAN CURAH HUJAN PARSIVEL DISDROMETER SEBAGAI DATA PEMODELAN ARIMA Ridho Ariawan 226 1 37 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciKINERJA ADAPTIVE CODED MODULATION PADA SISTEM OFDM MENGGUNAKAN HYBRID SELECTION/EQUAL GAIN COMBINING DIVERSITY DI BAWAH PENGARUH REDAMAN HUJAN TROPIS
TUGAS AKHIR - RE 1599 KINERJA ADAPTIVE CODED MODULATION PADA SISTEM OFDM MENGGUNAKAN HYBRID SELECTION/EQUAL GAIN COMBINING DIVERSITY DI BAWAH PENGARUH REDAMAN HUJAN TROPIS Achmad Charis Fahrudin NRP 2204
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 terperinciPERHITUNGAN REDAMAN HUJAN PADA KANAL GELOMBANG MILIMETER UNTUK DAERAH MEDAN
PERHITUNGAN REDAMAN HUJAN PADA KANAL GELOMBANG MILIMETER UNTUK DAERAH MEDAN Candra V. Tambunan (1), Naemah Mubarakah (2) Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciBab VII K e s i m p u l a n 7.1. Ringkasan Motivasi dan Permasalahan
Bab VII K e s i m p u l a n 7.1. Ringkasan Motivasi dan Permasalahan Disertasi ini termotivasi oleh keinginan mengimplementasikan sistem komunikasi nirkabel gelombang millimeter di daerah tropis seperti
Lebih terperinciBAB I PENDAHULUAN. broadband seperti high speed internet, digital video, audio broadcasting dan
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan teknologi komunikasi saat ini mengalami perkembangan yang sangat pesat di berbagai belahan dunia. Perkembangan teknologi layanan broadband seperti high speed
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
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 I PENDAHULUAN. Dalam kehidupan sehari-hari, seringkali dijumpai data dari suatu kejadian
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, seringkali dijumpai data dari suatu kejadian yang mempunyai keterkaitan dengan kejadian pada waktu-waktu sebelumnya. Data semacam
Lebih terperinciAnalisa Fade Redaman Hujan Pada Propagasi Gelombang Milimeter
1 Analisa Fade Redaman Hujan Pada Propagasi Gelombang Milimeter Muhammad Birbik 1, Hani ah Mahmudah 2, Ari Wijayanti 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciKESESUAIAN METODE FUZZY AUTO-REGRESSIVE UNTUK MODEL CURAH HUJAN DI INDONESIA
ISSN: 693-693 35 KESESUAIAN METODE FUZZY AUTO-REGRESSIVE UNTUK MODEL CURAH HUJAN DI INDONESIA Muhammad Rusdi Politeknik Negeri Medan Jln. Almamater No. Kampus USU Medan, Telp. 826399 E-mail : m_rusdi24@yahoo.com;
Lebih terperinciPemodelan Vector AR Dengan Uji Kausalitas Terhadap Data Spasial Curah Hujan di Surabaya
Pemodelan Vector AR Dengan Uji Kausalitas Terhadap Data Spasial Curah Hujan di Surabaya Sis Soesetijo, Achmad Mauludiyanto, Gamantyo Hendrantoro Laboratorium Antena dan Propagasi Teknik Elektro Kampus
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciJurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya *
PERAMALAN DATA CURAH HUJAN DENGAN SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) DENGAN DETEKSI OUTLIER SEBAGAI UPAYA OPTIMALISASI PRODUKSI PERTANIAN DI KABUPATEN MOJOKERTO Ary Miftakhul Huda
Lebih terperinciHANIAH MAHMUDAH DAN ARI WIJAYANTI 98
HANIAH MAHMUDAH DAN ARI WIJAYANTI 98 Estimasi Redaman Hujan untuk Aplikasi Teknik Diversity pada Gelombang Millimeter untuk Implementasi Wireless Broadband Haniah Mahmudah dan Ari Wijayanti Abstrak Peningkatan
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 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 terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciAnalisa Kointegrasi dan Kausalitas Pada Data Spasial Curah Hujan di Surabaya
Analisa Kointegrasi dan Kausalitas Pada Data Spasial Curah Hujan di Surabaya Sis Soesetijo 1, Achmad Mauludiyanto 2, Gamantyo Hendrantoro 2 1 Teknik Elektro Universitas Surabaya ssoesetijo@ubaya.ac.id
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA. Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Juli 2011
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim 22090502 Pembimbing D. I. Achmad Mauludiyanto, MT Fakultas Teknologi Industi Institut Teknologi Sepuluh Nopembe Juli 20
Lebih terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciANALISA INTERFERENSI CO-CHANNEL PADA SISTEM KOMUNIKASI LMDS
ANALISA INTERFERENSI CO-CHANNEL PADA SISTEM KOMUNIKASI LMDS Sevy Nur Fauziah, Haniah Mahmudah, Ari Wijayanti Jurusan Teknik Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh
Lebih terperinciPENGGUNAAN ADAPTIVE CODED MODULATION DAN SELECTION COMBINING UNTUK MITIGASI PENGARUH REDAMAN HUJAN DAN INTERFERENSI PADA SISTEM LMDS
PENGGUNAAN ADAPTIVE CODED MODULATION DAN SELECTION COMBINING UNTUK MITIGASI PENGARUH REDAMAN HUJAN DAN INTERFERENSI PADA SISTEM LMDS OLEH: Shinta Romadhona 2208203201 PEMBIMBING: Prof.DR.Ir.Gamantyo Hendrantoro,
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciPEMODELAN NEURO-ARIMA UNTUK CURAH HUJAN DI KOTA SURABAYA
PEMODELAN NEURO-ARIMA UNTUK CURAH HUJAN DI KOTA SURABAYA Oleh: Wiwinta Sutrisno 22 08 203 009 Pembimbing: Prof. Dr. Ir. Gamantyo Hendrantoro, M.Eng Hal 1 dari 28 Latar Belakang Curah Hujan sangat berpengaruh
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
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 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 terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
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 terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciBAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.
BAB III METODE PENELITIAN 3.1 Jenis / Pendekatan Penelitian Penelitian dan ilmu pengetahuan mempunyai kaitan yang erat keduanya merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran. Penelitian
Lebih terperinciPrediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPenerapan Vector AR Dengan Uji Granger Causality Untuk Pemodelan Deret Ruang Waktu Curah Hujan di Surabaya
Penerapan Vector AR Dengan Uji Granger Causality Untuk Pemodelan Deret Ruang Waktu Curah Hujan di Surabaya Tesis Sis Soesetijo 2208203004 Pembimbing: Prof. Ir. Gamantyo Hendrantoro, M.Eng, Ph.D Latar Belakang
Lebih terperinciPREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32
PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 Nanang WIdodo Penelid Staslun Pengamat Dlrgantara Watukosek, LAPAN ABSTRACT The time series of the monthly number
Lebih terperinciOPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)
OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) Ni Putu Deviyanti 1, Ni Ketut Tari Tastrawati 2, I Wayan Sumarjaya 3 1 Jurusan
Lebih terperinciAnalisis Komputasi Penyerapan Gelombang Elektromagnetik Oleh Titik Hujan Dengan Menggunakan Methods Of Moment
Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS 1 Analisis Komputasi Penyerapan Gelombang Elektromagnetik Oleh Titik Hujan Dengan Menggunakan Methods Of Moment Dika Oktavian P, Eko Setijadi,
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciBAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial
BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi
Lebih terperinciIII. METODE PENELITIAN
15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya
Lebih terperinciSKRIPSI. Disusun oleh: Firda Megawati
PERAMALAN TINGGI GELOMBANG BERDASARKAN KECEPATAN ANGIN DI PERAIRAN PESISIR SEMARANG MENGGUNAKAN MODEL FUNGSI TRANSFER (Studi Kasus Bulan Januari 2014 sampai dengan Desember 2014) SKRIPSI Disusun oleh:
Lebih terperinciCetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura
Hak cipta dilindungi Undang-Undang Cetakan I, Agustus Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: ---- Deskripsi halaman sampul : Gambar yang ada pada cover
Lebih terperinciPemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
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 terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciPrediksi Curah Hujan dengan Model Deret Waktu dan Prakiraan Krigging pada 12 Stasiun di Bogor Periode Januari Desember 2014.
Jur. Ris. & Apl. Mat. Vol. 1 (2017), no. 1, 1-52 Jurnal Riset dan Aplikasi Matematika e-issn: 2581-0154 URL: journal.unesa.ac.id/index.php/jram Prediksi Curah Hujan dengan Model Deret Waktu dan Prakiraan
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 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 terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciPERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)
M-11 2) PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Naili Farkhatul Jannah 1), Muhammad Bahtiar Isna Fuady 2), Sefri
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
Lebih terperinciPEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH
JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam statistika dan pemrosesan sinyal, runtun waktu (time series) adalah rangkaian data berupa pengamatan yang diukur selama kurun waktu tertentu. Analisis
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciBab 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Sebelumnya Penelitian yang pernah dilakukan sebelumnya peramalan produksi dan konsumsi ubi jalar nasional dalam rangka rencana program diversifikasi pangan pokok.
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 terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
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 terperinciHALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...
HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...
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 terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA
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 terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
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 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 terperinciAnalisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode
Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode ARIMA Box Jenkins Oleh : Winda Eka Febriana 1307 030 002 Pembimbing : Dra. Wiwiek Setya Winahju, MS Latar Belakang PMI Merupakan
Lebih terperinciPERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK
PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut
Lebih terperinciPeningkatan Kinerja Sistem LMDS Menggunakan M-QAM Adaptif Dan Maximal Ratio Combining (MRC) Di Bawah Pengaruh Interferensi Dan Redaman Hujan
Peningkatan Kinerja Sistem LMDS Menggunakan M-QAM Adaptif Dan Maximal Ratio Combining (MRC) Di Bawah Pengaruh Interferensi Dan Redaman Hujan Dadan Hermansyah 2206 100 027 Jurusan Teknik Elektro, Fakultas
Lebih terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
Lebih terperinciPeramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series
Peramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series Silvia Roshita Dewi, Agus Suharsono, dan Suhartono Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciBAB I PENDAHULUAN. berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Time Series atau runtun waktu adalah serangkaian data pengamatan yang berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara berurutan
Lebih terperinciPeramalan Permintaan Paving Blok dengan Metode ARIMA
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Permintaan Paving Blok dengan Metode ARIMA Adin Nofiyanto 1,Radityo Adi Nugroho 2, Dwi Kartini 3 1,2,3 Program
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Lebih terperinciPemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR
JURNAL SAINS DAN SENI POMITS Vol., No., (0) 7-0 (0-X Prin D-7 Pemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR Laily Awliatul Faizah dan Setiawan Jurusan Statistika,
Lebih terperinciSeasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.
Definisi Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman. Musiman berarti kecenderungan mengulangi pola tingkah gerak dalam periode musim, biasanya satu tahun untuk data bulanan. Karena
Lebih terperinciAnalisa Sistem DVB-T2 di Lingkungan Hujan Tropis
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-5 1 Analisa Sistem DVB-T2 di Lingkungan Hujan Tropis Nezya Nabillah Permata dan Endroyono Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi
Lebih terperinci