Abstrak. Kata kunci : Redaman hujan, GSTAR, VARIMA.
|
|
- Dewi Widya Susman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Pemodelan Multivariate untuk Curah Hujan dan Redaman Hujan di Surabaya Indra Subrata Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus ITS Sukolilo, Surabaya 60111, INDONESIA indros_tukulers@yahoo.co.id Abstrak Hujan merupakan sebuah fenomena alam yang tidak bisa dihindarkan dimana pada sistem komunikasi nirkabel khususnya pada penggunaan gelombang milimeter dengan frekuensi diatas 10 Ghz sangat rentan terhadap gangguan. Redaman hujan merupakan salah satu faktor penting yang dapat mempengaruhi gangguan sinyal tersebut dimana pada daerah tropis khususnya kota Surabaya memiliki tingkat curah hujan yang cukup tinggi. Untuk itu perlu adanya kalkulasi secara matematis untuk meminimalisir kerugian akibat munculnya redaman hujan. Pada penelitian ini akan memaparkan pemodelan multivariate dengan menggunakan model GSTAR. GSTAR adalah salah satu model space time dengan parameter tempatnya adalah penempatan alat ukur Raingauge di empat lokasi yang berbeda di ITS dan data hasil pengukuran sebagai variabel waktu. Dari model yang didapatkan akan dibangkitkan datanya dan dibandingkan dengan model VARIMA yang bertujuan untuk mendapatkan model yang terbaik untuk curah hujan dan redaman hujan di Surabaya. Kata kunci : Redaman hujan, GSTAR, VARIMA. I. PENDAHULUAN Perkembangan dan kemajuan teknologi khususnya di bidang telekomunikasi saat ini menuntut adanya suatu pelayanan dan penggunaan suatu aplikasi agar lebih mudah, cepat dan efisien sehingga dapat dinikmati oleh siapapun tanpa adanya batasan waktu dan tempat. Pada negara - negara yang berada pada daerah tropis diantaranya Indonesia khususnya kota Surabaya yang memiliki curah hujan yang sangat tinggi memberikan pengaruh yang luar biasa terhadap sistem komunikasi nirkabel atau wireless. Diantaranya pengaruh redaman hujan terhadap propagasi gelombang radio. Semakin tinggi frekuensi radio yang dipakai maka semakin besar pula redaman hujan yang dialami sehingga akan berdampak pada keandalan sistem komunikasi. Dampaknya akan menimbulkan gejala fading yaitu proses pelemahan sinyal yang diterima oleh antena penerima. Peristiwa ini sangat berpengaruh pada proses penyampaian informasi yang menggunakan gelombang elektromagnetik. Untuk itu diperlukan adanya suatu pencatatan dan pengukuran curah hujan dimana data yang didapat akan dipakai untuk kaklulasi peredaman sinyal yang diakibatkan oleh hujan. Pada Tugas Akhir ini dilakukan penelitian mengenai pemodelan multivariate khususnya penggunaan model Generalized Space-Time Autoregressive ( GSTAR ) dan membandingkan hasilnya dengan model Vector Autoregressive Integrated Moving Average ( VARIMA ). Dalam hal ini sensor hujan akan ditempatkan di 4 lokasi sebagai variabel space dan parameter curah hujan sebagai variabel time. Sehingga dengan adanya model yang lebih mendekati sebenarnya, maka dapat dilakukan teknik mitigasi terhadap fading redaman hujan (FMT). II. METODOLOGI Metodologi ini akan menjelaskan langkahlangkah secara keseluruhan dalam memodelkan data dengan diagram di bawah ini. Gambar 1. Diagram Alir GSTAR Redaman hujan yang digunakan adalah hasil dari metode SST (synthetic storm technique) dimana kemudian dilakukan proses pemodelan dengan metode GSTAR dengan asumsi link berada pada arah barat timur dengan panjang link 1, 2 3 dan 4 km. Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI - ITS 1
2 A. Pengukuran Curah Hujan Pada proses pengukuran menggunakan empat buah raingauge yang diletakkan di empat lokasi yang berbeda di kawasan ITS diantaranya raingauge A berada di medical center ITS, raingauge B berada di teknik elektro, raingauge C berada di perpustakaan pusat ITS dan raingauge D berada di PENS ITS. Penempatan keempat raingauge di letakkan di tempat terbuka tanpa ada penghalang sehingga diharapkan memperoleh data yang lebih akurat. Dilakukan pada bulan Desember 2009 Maret 2010 dan sejumlah data lama. 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[1] : 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. Synthetic Storm Technique (SST) Ada beberapa faktor yang berpengaruh dalam metode synthetic storm (SST), diantaranya kecepatan angin, arah angin dan lintasan yang dilalui. Redaman hujan SST pada setiap link dapat dihitung menggunakan persamaan (2) [2] n 1 m j 0 A ar L (2) b m j j Utara 90- Link (Vr) Arah angin (kecepatan v) Timur Gambar 3. Arah kecepatan angin Mengacu pada link dengan orientasi arah Barat Timur, dilakukan perhitungan besarnya kecepatan angin resultan. Apabila arah angin diasumsikan seperti gambar 3, maka besarnya kecepatan angin yang dipengaruhi oleh arah angin yaitu kecepatan angin resultan dapat dihitung dengan rumus berikut[2] v v r (3) sin( ) D. Identifikasi Model Syarat utama yang harus dipenuhi dalam pemodelan data time series adalah stasioner. Ada dua hal yang harus stasioner, yakni stasioner dalam varians dan stasioner dalam mean. Stasioner dalam varians berarti nilai varians dalam setiap periode waktu adalah sama. Stasioner dalam mean berarti nilai mean dalam setiap periode waktu adalah sama. Jika asumsi kestasioneran ini tidak dapat dipenuhi maka model yang nantinya diperoleh akan menghasilkan kesimpulan yang salah. Setelah data stasioner, selanjutnya dilakukan identifikasi Model GSTAR, data stasioner yang telah didapat lalu di masukan kedalam program SAS melalui pendekatan statespace procedure, model GSTAR didapat dari bagian Information Criterion for Autoregressive Model yang dilihat dari lag terkecilnya. dengan a dan b adalah konstanta yang diperoleh dari ITU-R.P.838 recommendation untuk frekuensi 30 GHz dimana a = dan b = [3] dan panjang lintasan L v T r C. Link dengan Orentasi Arah Barat-Timur Orientasi arah barat timur dapat digambarkan seperti dibawah ini. Gambar 4. Information Criterion forautoregressive Gambar 2. Link dengan orientasi arah barat timur. Pada gambar 4. terlihat bahwa lag 1 merupakan lag yang terkecil dimana lag terkecil ini merupakan pembentukan Model GSTAR, sehingga dapat dipastikan bahwa event tersebut Model GSTAR 1 1. Model GSTAR merupakan suatu model yang lebih fleksibel sebagai generalisasi dari model STAR. Secara matematis, notasi dari model GSTAR(p 1 ) adalah sama dengan model STAR(p 1 ). Perbedaan utama dari model Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI - ITS 2
3 GSTAR(p 1 ) ini terletak pada nilai-nilai parameter pada spasial lag yang sama diperbolehkan berlainan. Dalam notasi matriks, model GSTAR(p 1 ) dapat ditulis sebagai berikut : p Z( t) k 1 W Z( t k) e( ) k0 k1 t (4) E. Validasi Data Hasil Pemodelan Setelah didapatkan model yang tepat kemudian data dibangkitkan dan divalidasi sesuai diagram seperti dibawah ini. Dimana N adalah jumlah data, dan dapat diperoleh dengan menggunakan persamaan sebagai berikut: N 1 1 (6) N1 N2 dimana : N1 adalah panjang sampel dari data empiris I N2 adalah panjang sampel dari data empiris II III. Hasil Pengukuran dan Analisa Data Pada Tugas Akhir ini data yang digunakan adalah data lama sebagai perbandingan model dan data baru. Dari semuanya itu didapatkan total 34 model dari 25 event yang berbeda. Tabel 2.Probabilitas Kemunculan Model GSTAR Model Jumlah Persentase (%) GSTAR 1 1 I(1) 8 23,54 GSTAR 2 1 I(1) 1 2,94 GSTAR 3 1 I(1) 5 14,7 GSTAR 6 1 I(1) 5 14,7 GSTAR 7 1 I(1) 2 5,88 GSTAR 8 1 I(1) 2 5,88 GSTAR 9 1 I(1) 2 5,88 GSTAR 10 1 I(1) 9 26,48 Total Gambar 5. Diagram alir pembangkitan GSTAR Proses validasi data dilakukan dengan melakukan perbandingan hasil plot CCDF dari data curah dan redaman hujan model terhadap datacurah dan redaman hujan hasil pengukuran raingauge. F. Goodness Of Fit Test Kolmogorov- Smirnov 1 Sampel Goodness of Fit Test Kolmogorov-Smirnov 1 sampel dilakukan bertujuan untuk menguji apakah data hasil pemodelan memenuhi pola distribusi tertentu, dimana dalam penelitian ini dilakukan terhadap distribusi lognormal. Dimana sebagai nilai statistik memenuhi persamaan [4]: D max[ Fx ( x) F 0 ( x) ] (5) Dengan nilai Dtabel adalah dihitung berdasarkan nilai selang kepercayaan yang diberikan, yaitu sebagai berikut: Tabel 1. Nilai Dtabel Kolmogorov-Smirnov satu sampel[4] N (sampel) Dtabel (1-α) For Large 1,07 1,22 1,36 1,63 Value N N N N Dari tabel diatas dapat dilihat bahwa untuk data curah hujan dan redaman hujan dapat dikelompokkan menjadi 8 tipe model GSTAR dengan model GSTAR 10 1 I(1) yang mendominasi dengan 26,48%. Berikut ini kurva ccdf perbandingan model GSTAR dan VARIMA untuk curah hujan dan redaman hujan pada event tanggal 30 Januari (a) (b) Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI - ITS 3
4 (c) (d) Gambar 6. CCDF event 30 Januari 2009 curah hujan raingauge A,B,C dan D (a) (c) (b) (d) Gambar 7. CCDF event 23 Januari 2009 redaman hujan raingauge A,B,C dan D link 4 km IV. Uji Goodness-of-fit-test Kolmogorov- Smirnov Pengujian dilakukan pada data lama dan data baru dengan event curah hujan dan redaman hujan sebagai berikut: Data lama - 14 Desember Januari Januari Januari Januari 2009 Data baru - 14 Desember Desember Desember Januari Januari Januari Januari Januari Februari Februari Februari Februari Februari Februari Februari Februari Maret Maret Maret Maret Maret 2010 Pada event event diatas diuji dengan menggunakan selang kepercayaan akumulatif. Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI - ITS 4
5 Akumulatif disini yang dimaksud adalah event dinyatakan diterima lolos uji bila keempat raingauge dalam kondisi diterima uji dengan selang kepercayaan berapapun. Selang kepercayaan yang digunakan adalah sebesar 0.8, 0.9, 0.95 dan Sebagai perbandingan pada event diatas dihasilkan bahwa untuk curah hujan model GSTAR terdapat 25% yang diterima di semua selang kepercayaan, 50% yang diterima pada selang kepercayaan 0,9, 0,95, 0,99. 6,25% yang diterima pada selang kepercayaan 0,95, 0,99. 12,5% yang diterima pada selang kepercayaan 0,99 dan 6,25% ditolak untuk semua selang kepercayaan. Sedangkan untuk redaman hujan terdapat 31,25% yang diterima di semua selang kepercayaan. 6,25% yang diterima pada selang kepercayaan 0,9, 0,95, 0,99. 12,5% yang diterima pada selang kepercayaan 0,95, 0,99. 31,25% yang diterima pada selang kepercayaan 0,99 dan 18,75% ditolak untuk semua selang kepercayaan. Untuk curah hujan model VARIMA terdapat 31,25% yang diterima di semua selang kepercayaan. 12,5% yang diterima pada selang kepercayaan 0,9, 0,95, 0,99. 6,25% yang diterima pada selang kepercayaan 0,95, 0,99. 6,25% yang diterima pada selang kepercayaan 0,99 dan 43,75% ditolak untuk semua selang kepercayaan. Sedangkan untuk redaman 100% ditolak untuk semua selang kepercayaan. [5] Cahyanu,D.H, Pemodelan curah dan redaman hujan dengan metode VARIMA di Surabaya, Tugas Akhir, ITS Surabaya, [6] Suhartono, R. dan M. Atok., Perbandingan Antara Model GSTAR dan VARIMA untuk peramalan data deret waktu dan lokasi, Jurusan Statistika, ITS, VII. PENULIS Indra Subrata, dilahirkan di Surabaya 31 Agustus Menyelesaikan pendidikan di SD Raden Patah Surabaya kemudian meneruskan pendidikan di SLTPN 26 Surabaya dan SMUN 11 Surabaya, selanjutnya pada tahun 2004 meneruskan pendidikan Diploma-III di politeknik Eleltro Industri Disnaker ITS, lulus pada tahun Diterima di Jurusan Teknik Elektro FTI- ITS pada bulan Januari 2008 melalui Program Lintas Jalur, mengambil Bidang Studi Telekomunikasi Multimedia. V. KESIMPULAN Dari hasil analisa dan pembahasan sebelumnya dapat disimpulkan bahwa data curah hujan dan redaman hujan adalah data yang belum stasioner, hal ini dapat dibuktikan pada pemodelan parametric multivariate time series diperlukan suatu proses untuk menstationerkan data yaitu proses differencing. Model VARIMA memiliki ketepatan hasil yang lebih baik daripada model GSTAR. Hal ini dapat dilihat dari kurva CCDF dimana terdapat hampir kemiripan kurva pada prosentase 1% dan 0,1%. Sedangkan untuk uji distribusi data, model GSTAR lebih baik dibandingkan dengan model VARIMA dikarenakan memiliki prosentase diterima pada selang kepercayaan 0,8 hingga 0,9 lebih banyak. Namun secara keseluruhan kedua buah model masih kurang cocok untuk memodelkan curah hujan dan redaman hujan karena masih terdapat penyimpangan nilai yang besar terutama pada prosentase 0,01%. VI. DAFTAR PUSTAKA [1] Wijayanti, A. Karakterisasi Variasi Spasial Curah Hujan dan Redaman Spesifik di Surabaya.Master s Thesis. ITS. Hal 38 [2] 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: [3] Rec ITU-R P , hal 5. [4] Ibid. hal 450,1957. Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI - ITS 5
6 Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI - ITS 6
PEMODELAN REDAMAN HUJAN MENGGUNAKAN STAR (SPACE-TIME AUTOREGRESSIVE) DI SURABAYA
PEMODELAN REDAMAN HUJAN MENGGUNAKAN STAR (SPACE-TIME AUTOREGRESSIVE) DI SURABAYA Abdu Rofi Darodjatul Walidaen, Gamantyo Hendrantoro, Achmad Mauludiyanto Institut Teknologi Sepuluh Nopember, Fakultas Teknologi
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
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciSKRIPSI JURUSAN STATISTIKA PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)
PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SKRIPSI Disusun Oleh : LINA IRAWATI NIM : 24010211140072 JURUSAN STATISTIKA FAKULTAS
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 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 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 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 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 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 terperinciBab 7. Penutup Kesimpulan
121 Bab 7. Penutup Disertasi ini termotivasi oleh keinginan untuk mengimplementasikan sistem komunikasi nirkabel pita lebar gelombang milimeter di daerah tropis, khususnya Surabaya, Indonesia. Sistem komunikasi
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 terperinciAPLIKASI GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) PADA PEMODELAN VOLUME KENDARAAN MASUK TOL SEMARANG. Abstract
Aplikasi Generalized (Dian Anggraeni) APLIKASI GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) PADA PEMODELAN VOLUME KENDARAAN MASUK TOL SEMARANG Dian Anggraeni 1, Alan Prahutama 2, Shofi Andari 3 1 Staf
Lebih terperinciANALISIS DAN PERBANDINGAN HASIL PENGUKURAN PROPAGASI RADIO DVB-T DAN DVB-H DI WILAYAH JAKARTA PUSAT
AALISIS DA PERBADIGA HASIL PEGUKURA PROPAGASI RADIO DVB-T DA DVB-H DI WILAYAH JAKARTA PUSAT Ma rifatul Iman 227 646 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh opember
Lebih terperinciBAB III GENERALIZED SPACE TIME AUTOREGRESSIVE. Model GSTAR adalah salah satu model yang banyak digunakan untuk
BAB III GENERALIZED SPACE TIME AUTOREGRESSIVE 3.1 Indeks Gini Model GSTAR adalah salah satu model yang banyak digunakan untuk memodelkan dan meramalkan data deret waktu dan lokasi. Model ini merupakan
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 terperinciANALISA FADING PADA LINK KOMUNIKASI MICROWAVE POINT TO POINT UNTUK PERENCANAAN JARINGAN INFRASTUKTUR KOMUNIKASI NIRKABEL
Prosiding SNaPP2011 Sains, Teknologi, dan Kesehatan ISSN:2089-3582 ANALISA FADING PADA LINK KOMUNIKASI MICROWAVE POINT TO POINT UNTUK PERENCANAAN JARINGAN INFRASTUKTUR KOMUNIKASI NIRKABEL 1 Haniah Mahmudah,
Lebih terperinciANALISA FREKUENSI SCALING PADA REDAMAN HUJAN TERHADAP PROPAGASI GELOMBANG MILIMETER
ANALISA FREKUENSI SCALING PADA REDAMAN HUJAN TERHADAP PROPAGASI GELOMBANG MILIMETER Prima Agung Wardana, Ari. W 2, Hani ah M 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya (PENS) 2 Dosen Politeknik
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 I PENDAHULUAN. Data yang mempunyai keterkaitan dengan kejadian-kejadian sebelumnya
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data yang mempunyai keterkaitan dengan kejadian-kejadian sebelumnya seringkali dijumpai dalam kehidupan sehari-hari. Data semacam ini disebut data runtun waktu
Lebih terperinciOPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG
1/6 OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG Bayu Sampurna 2206 100 180 Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus
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 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 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 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 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 terperinciPemodelan Markov untuk kanal HF Availability pada Link Malang-Surabaya
Pemodelan Markov untuk kanal HF Availability pada Link Malang-Surabaya Arif Fathoni #1, Wismanu Susetyo #2, Gamantyo Hendrantoro #3 Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya Kampus
Lebih terperinciPEMODELAN VECTOR AR PADA DATA SPASIAL TRAFIK INTERNET DENGAN ANALISIS IMPULSE RESPONSE
PEMODELAN VECTOR AR PADA DATA SPASIAL TRAFIK INTERNET DENGAN ANALISIS IMPULSE RESPONSE Sis Soesetijo Jurusan Teknik Elektro Universitas Surabaya Jalan Raya Kalirungkut, Surabaya 60293 email: ssoesetijo@ubaya.ac.id
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 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 terperinciBAB II LANDASAN TEORI
perpustakaanunsacid digilibunsacid BAB II LANDASAN TEORI Pada bagian pertama bab kedua ini diberikan tinjuan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab
Lebih terperinciGenerated by Foxit PDF Creator Foxit Software For evaluation only.
20 TINJAUAN PUSTAKA Titik Panas Menurut Brown dan Davis (1973), kebakaran hutan adalah pembakaran yang tidak terkendali dan terjadi dengan tidak sengaja pada areal tertentu yang kemudian menyebar secara
Lebih terperinciBab I Pendahuluan 1 BAB I PENDAHULUAN
Bab I Pendahuluan 1 BAB I PENDAHULUAN 1.1 Latar Belakang Path loss propagasi suatu daerah sangat penting dalam membuat perencanaan suatu jaringan wireless, termasuk diantaranya adalah jaringan broadcasting.
Lebih terperinciPERAMALAN DEBIT AIR SUNGAI BRANTAS DENGAN MODEL GSTAR DAN ARIMA. Abstrak
PERAMALAN DEBIT AIR SUNGAI BRANTAS DENGAN MODEL GSTAR DAN ARIMA Oleh: Henny Dwi Khoirun Nisa 25 44 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENERAPAN OPTIMISASI MULTI-OBJECTIVE RADIO RESOURCE SCHEDULING PADA JARINGAN OFDM
PENERAPAN OPTIMISASI MULTI-OBJECTIVE RADIO RESOURCE SCHEDULING PADA JARINGAN OFDM M. Edwin Pradana 2206 100 133 Email: shi_sien@yahoo.com Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB II PEMODELAN PROPAGASI. Kondisi komunikasi seluler sulit diprediksi, karena bergerak dari satu sel
BAB II PEMODELAN PROPAGASI 2.1 Umum Kondisi komunikasi seluler sulit diprediksi, karena bergerak dari satu sel ke sel yang lain. Secara umum terdapat 3 komponen propagasi yang menggambarkan kondisi dari
Lebih terperinciKARAKTERISASI KANAL PROPAGASI VHF BERGERAK DI ATAS PERMUKAAN LAUT
KARAKTERISASI KANAL PROPAGASI VHF BERGERAK DI ATAS PERMUKAAN LAUT Putri Kusuma Ningtyas 2206100144 1) 1) Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-6011
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 terperinciKinerja Sistem Komunikasi FSO (Free Space Optics) Menggunakan Cell-site Diversity di Daerah Tropis
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-37 Kinerja Sistem Komunikasi FSO (Free Space Optics) Menggunakan Cell-site Diversity di Daerah Tropis Octiana Widyarena, Gamantyo Hendrantoro, dan
Lebih terperinciVALIDASI MODEL REDAMAN HUJAN PADA DAERAH TROPIS DENGAN EFEK MULTIPLE SCATTERING MENGGUNAKAN UKURAN TITIK HUJAN BERDISTRIBUSI EKSPONENSIAL DAN WEIBULL
VALIDASI MODEL REDAMAN HUJAN PADA DAERAH TROPIS DENGAN EFEK MULTIPLE SCATTERING MENGGUNAKAN UKURAN TITIK HUJAN BERDISTRIBUSI EKSPONENSIAL DAN WEIBULL Fikih Fiddin A 7 1 18 Jurusan Teknik Elektro, Fakultas
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 terperinciSistem Komunikasi Data Pada Pengukur Curah Hujan dan Kecepatan Angin Menggunakan Frekuensi Radio 2,4 GHz
Sistem Komunikasi Data Pada Pengukur Curah Hujan dan Kecepatan Angin Menggunakan Frekuensi Radio 2,4 GHz Hanif Alfian, Ari Wijayanti, Akwan Saleh, Haniah Mahmudah Politeknik Elektronika Negeri Surabaya
Lebih terperinciPEMODELAN STATISTIK PROPAGASI BERGERAK DI ATAS PERMUKAAN LAUT PADA KANAL HIGH FREQUENCY / VERY HIGH FREQUENCY. Lesti Setianingrum
PEMODELAN STATISTIK PROPAGASI BERGERAK DI ATAS PERMUKAAN LAUT PADA KANAL HIGH FREQUENCY / VERY HIGH FREQUENCY Lesti Setianingrum 06100119 Bidang studi Telekomunikasi Mutimedia Jurusan Teknik Elektro FTI,
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 terperinciKurniawati, Sri Sulistijowati Handajani, dan Purnami Widyaningsih Program Studi Matematika FMIPA UNS
PERBANDINGAN PENERAPAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE DENGAN PEMBOBOT INVERS JARAK DAN NORMALISASI KORELASI SILANG PADA LAJU INFLASI DI KOTA SURAKARTA, YOGYAKARTA, DAN SURABAYA Kurniawati,
Lebih terperinciModel Generalized Space Time Autoregressive (GSTAR) dengan Analisis Data Menggunakan Software R
Model Generalized Space Time Autoregressive (GSTAR) dengan Analisis Data Menggunakan Software R Yulianti Talungke 1, Nelson Nainggolan 2, Djoni Hatidja 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado,
Lebih terperinciUJI ASUMSI KLASIK (Uji Normalitas)
UJI ASUMSI KLASIK (Uji Normalitas) UJI ASUMSI KLASIK Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah
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 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 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 terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciPEMODELAN INFLASI DI KOTA SEMARANG, YOGYAKARTA, DAN SURAKARTA DENGAN PENDEKATAN GSTAR. Oleh : Laily Awliatul Faizah ( )
Seminar Hasil Tugas Akhir PEMODELAN INFLASI DI KOTA SEMARANG, YOGYAKARTA, DAN SURAKARTA DENGAN PENDEKATAN GSTAR Oleh : Laily Awliatul Faizah (357) Dosen Pembimbing : Dr. Ir. Setiawan, MS. Jurusan Statistika
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciPRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :
PRISMA FISIKA, Vol. III, No. (05), Hal. 79-86 ISSN : 7-80 Pemodelan Kebutuhan Daya Listrik Di Pt. PLN (Persero) Area Pontianak dengan Menggunakan Metode Gauss-Newton Mei Sari Soleha ), Joko Sampurno *),
Lebih terperinciPE I GKATA KI ERJA SISTEM LMDS ME GGU AKA M-QAM ADAPTIF DA SELECTIO COMBI I G DI BAWAH PE GARUH I TERFERE SI DA REDAMA HUJA
PE I GKATA KI ERJA SISTEM LMDS ME GGU AKA M-QAM ADAPTIF DA SELECTIO COMBI I G DI BAWAH PE GARUH I TERFERE SI DA REDAMA HUJA Yuni Faisyah 2207 100 659 Jurusan Teknik Elektro, Fakultas Teknologi Industri,
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 terperinciPresented by: Sri Sulistijowati Desy Lusiyanti Hot Bonar
Presented by: Sri Sulistijowati Desy Lusiyanti Hot Bonar PENDAHULUAN Data deret waktu adalah proses stokastik Proses Stokastik adalah barisan variabel yaitu rangkaian data yang acak yang diberi urutan
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 terperinciPERAMALAN CUACA KOTA SURABAYA TAHUN 2011 MENGUNAKAN METODE MOVING AVERAGE DAN KLASIFIKASI NAIVE BAYES
PERAMALAN CUACA KOTA SURABAYA TAHUN 2011 MENGUNAKAN METODE MOVING AVERAGE DAN KLASIFIKASI NAIVE BAYES Mohammad Aminudin Jurusan Teknik Informatika, Entin Martiana K. Politeknik Elektronika Negeri Surabaya
Lebih terperinciKeywords: Vector AR, Granger Causality, Rain Cell, Rain Gauge, Site Diversity
PEMODELAN DERET WAKTU MULTIVARIATE CURAH HUJAN DI INDONESIA MENGGUNAKAN VECTOR-AR DENGAN UJI KAUSALITAS UNTUK APLIKASI KOMUNIKASI RADIO GELOMBANG MILIMETER Sis Soesetijo Jurusan Teknik Elektro Universitas
Lebih terperinciModel Vector Autoregressive-Generalized Space Time Autoregressive
Model Vector Autoregressive-Generalized Space Time Autoregressive Hilma Mutiara Winata 1), Entit Puspita 2), Fitriani Agustina 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI *Surel: hilmamutiarawinata@gmail.com
Lebih terperinciKinerja Sistem Komunikasi Nirkabel Pita Lebar Gelombang Milimeter Menggunakan Adaptive Coded Modulation dibawah Pengaruh Hujan di Indonesia
Kinerja Sistem Komunikasi Nirkabel Pita Lebar Gelombang Milimeter Menggunakan Adaptive Coded Modulation dibawah Pengaruh Hujan di Indonesia Suwadi 1), 2) Gamantyo Hendrantoro dan 3) Syahfrizal Tachfulloh
Lebih terperinciSistem Antar Muka Pada Pengukur Curah Hujan dan Kecepatan Angin Menggunakan Frekuensi Radio 2,4 GHz
Sistem Antar Muka Pada Pengukur Curah Hujan dan Kecepatan Angin Menggunakan Frekuensi Radio 2,4 GHz Hanif Alfian, Ari Wijayanti, Akwan Saleh, Haniah Mahmudah Politeknik Elektronika Negeri Surabaya Institut
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 593-602 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN SEASONAL GENERALIZED SPACE TIME AUTOREGRESSIVE (SGSTAR)
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 terperinciKomputasi Penghamburan dan Penyerapan Gelombang EM Oleh Titik Hujan Dalam Bentuk Realistik (Prolate Spheroid)
Komputasi Penghamburan dan Penyerapan Gelombang EM Oleh Titik Hujan Dalam Bentuk Realistik (Prolate Spheroid) Alladina Hapsery 2208100173 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI,
Lebih terperinciTugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan
Tugas Akhir Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA Oleh : C. Ade Kurniawan 1304100022 Latar Belakang Ketidakpastian dalam aliran hulu supply
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciPERAMALAN OUTFLOW UANG KARTAL DI BANK INDONESIA WILAYAH JAWA TENGAH DENGAN METODE GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)
PERAMALAN OUTFLOW UANG KARTAL DI BANK INDONESIA WILAYAH JAWA TENGAH DENGAN METODE GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SKRIPSI Disusun Oleh : AUKHAL MAULA FINA NIM. 24010212120014 DEPARTEMEN STATISTIKA
Lebih terperinciTUGAS AKHIR - ST 1325
TUGAS AKHIR - ST 1325 PERBANDINGAN BACKPROPAGATION NEURAL NETWORK DAN VECTOR AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (VARIMA) UNTUK MERAMALKAN PENJUALAN OBAT DI APOTIK RUMAH SAKIT X PUTRI SUSANTI NRP
Lebih terperinciPembangkitan Curah Hujan dengan model MA (Moving Average) dari Hasil Pengukuran di Surabaya
Pembangkitan Curah Hujan dengan model MA (Moving Average) dari Hasil Pengukuran di Surabaya Made Sutha Yadnya 1 Kadek Reni Astuti 1, Gamantyo Hendrantoro Universitas Mataram, Nusa Tenggara Barat Institut
Lebih terperinciPEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON
PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON (MODELS OF ARIMA TO PREDICT RISING SEA AND ITS IMPACT FOR THE WIDESPREAD DISTRIBUTION OF ROB
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 terperinciPERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK
PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA Gumgum Darmawan 1), Suhartono 2) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD 2) Staf Pengajar
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 terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciMetode Penyimpanan Data Secara Kolaboratif Dalam Jaringan Sensor
Metode Penyimpanan Data Secara Kolaboratif Dalam Jaringan Sensor M. Mufid Mas Udi 2205100010 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciPENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI
TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,
Lebih terperinci