Jurusan Ilmu Komputasi, Fakultas Informatika Universitas Telkom, Bandung
|
|
- Indra Kusumo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PREDIKSI KANDUNGAN BATUBARA PADA DAERAH DISEKITAR TAMBANG BATUBARA MENGGUNAKAN METODE UNIVERSAL KRIGING Muhammad Gentur Witjaksono, Sri Suryani, Rian Febrian Umbara Jurusan Ilmu Komputasi, Fakultas Informatika Universitas Telkom, Bandung ABSTRAK Salah satu permasalahan dalam dunia pertambangan adalah pengestimasian kadar bahan tambang pada suatu daerah. Permasalahan tersebut berkaitan erat dengan metode yang digunakan dalam pengestimasian kadar bahan tambang agar mendapatkan hasil yang akurat. Salah satu metode yang digunakan untuk pengestimasian bahan tambang yaitu Kriging. Metode Kriging terdiri dari berbagai macam seperti Ordinary Kriging, Simple Kriging. Ordinary dan Simple Kriging hanya dapat digunakan pada jenis data yang stasioner. Namun untuk data yang non-stasioner atau mengandung trend / drift, penaksiran dilakukan menggunakan metode Universal Kriging. Pada penelitian kali ini digunakan metode Universal Kriging untuk menaksir kadar batu bara di Kabupaten Kutai Kartanegara. Tahap yang dilakukan adalah menghitung semivariogram eksperimental, semivariogram teoritis, validasi model dan estimasi menggunakan Universal Kriging. Model semivariogram teoritis terbaik yaitu model eksponensial dengan nilai parameter nugget effect : 0, sill : 3.6 dan range : 20. Estimasi dilakukan dengan membagi daerah menjadi kotak-kotak atau grid kemudian dicari titik center sebagai titik taksiran. Taksiran terbaik diperoleh dengan nilai grid : 0.77 yang menghasilkan variansi : dan nilai MAPE : %. Berdasarkan percobaan yang dilakukan diperoleh informasi bahwa semakin kecil ukuran grid, tingkat penyebaran semakin tinggi karena semakin rapat yang menyebabkan semakin banyak titik yang diestimasi. Kata Kunci : semivariogram, Universal Kriging, estimasi, grid. Pendahuluan indonesia memiliki kekayaan alam yang luar biasa dalam hal bahan-bahan tambang seperti emas, batubara, nikel gas bumi dan lain lain. Batubara merupakan salah satu bahan bakar fosil yang dapat terbakar, terbentuk dari endapan organik, utamanya adalah sisa-sisa tumbuhan dan terbentuk melalui proses pembatubaraan. Batubara merupakan batuan organik yang memiliki sifat-sifat fisika dan kimia yang kompleks terdiri dari unsur seperti karbon, hidrogen dan oksigen. Potensi sumberdaya batu bara di Indonesia sangat melimpah, seperti di Pulau Kalimantan dan Pulau Sumatera, sedangkan di daerah lainnya dapat dijumpai batubara walaupun dalam jumlah kecil dan belum dapat ditentukan keekonomisannya, seperti di Jawa Barat, Jawa Tengah, Papua, dan Sulawesi. Pertambangan merupakan rangkaian kegiatan dalam rangka upaya pencarian, penambangan (penggalian),pengolahan, pemanfaatan dan penjualan bahan galian (mineral, batubara, panas bumi, migas). Pada Penelitian ini, akan dibahas tentang estimasi kandungan batubara pada sekitar lokasi yang telah dilakukan penggalian bahan tambang. Untuk melakukan estimasi digunakan metode kriging.jenis-jenis metode kriging yaitu Simple Kriging, Ordinary Kriging dan Universal Kriging. Metode kriging bermanfaat untuk menaksir nilai di suatu lokasi, berupa titik atau blok berdasarkan informasi nilai-nilai dari lokasi lain di sekitar lokasi yang akan ditaksir. Untuk mengestimasi kandungan batu bara, data yang digunakan dapat berupa stasioner maupun nonstasioner. Dalam data stasioner dapat digunakan metode ordinary kriging dan simple kriging. Kemudian untuk data nonstasioner dapat digunakan metode Universal Kriging. Rumusan Masalah Permasalahan yang akan dijabarkan adalah : 1. Bagaimana mengestimasi kandungan batubara disekitar lokasi penggalian batubara menggunakan metode Universal Kriging? 284
2 2. Bagaimana menghasilkan titik-titik estimasi kandungan batubara melalui peta kontur? Tujuan Penelitian Penelitian ini ditulis dengan tujuan sebagai berikut : 1. Untuk mengestimasi kandungan batubara disekitar lokasi penggalian batubara. 2. Untuk menghasilkan titik-titik estimasi kandungan batubara melalui peta kontur. Batasan Masalah Batasan masalah yang akan dibahas adalah : 1. Data bahan tambang yang digunakan dalam pengerjaan penelitian ini adalah data batubara. 2. Data lokasi yang digunakan berupa data spasial yang terdiri dari koordinat x dan y. Landasan Teori Karakteristik Batubara Batu bara termasuk bahan bakar fosil yang termasuk dalam jenis sisa tumbuhan dari jaman prasejarah yang berubah bentuk yang awalnya berakumulasi di rawa dan lahan gambut. Batubara dapat terbakar, terbentuk dari endapan, batuan organik yang terutama terdiri dari karbon, hidrogen dan oksigen. Batu bara terbentuk dari tumbuhan yang telah terkonsolidasi antara strata batuan lainnya dan diubah oleh kombinasi pengaruh tekanan dan panas selama jutaan tahun sehingga membentuk lapisan batu bara. 2.2Produksi Batubara di Indonesia Potensi sumberdaya batu bara di Indonesia sangat melimpah, terutama di Pulau Kalimantan dan Pulau Sumatera, sedangkan di daerah lainnya dapat dijumpai batu bara walaupun dalam jumlah kecil dan belum dapat ditentukan keekonomisannya, seperti di Jawa Barat, Jawa Tengah, Papua, dan Sulawesi. Di Indonesia, batu bara merupakan bahan bakar utama selain solar (diesel fuel) yang telah umum digunakan pada banyak industri, dari segi ekonomis batu bara jauh lebih hemat dibandingkan solar. Dari segi kuantitas batu bara termasuk cadangan energi fosil terpenting bagi Indonesia. Jumlahnya sangat berlimpah, mencapai puluhan milyar ton. Data Spasial Data spasial adalah sebuah data yang berorientasi geografis dan memiliki sistem koordinat tertentu sebagai dasar referensinya. Data spasial mempunyai dua bagian penting yang membuatnya berbeda dari data lain, yaitu informasi lokasi (spasial) dan informasi deskriptif (attribute),yang dijelaskan berikut ini : 1. Informasi lokasi (spasial), berkaitan dengan suatu koordinat baik koordinat geografi (lintang dan bujur) dan koordinat XY, termasuk diantaranya informasi datum dan proyeksi. 2. Informasi deskriptif (atribut) atau informasi non spasial, suatu lokasi yang memiliki beberapa keterangan yang berkaitan dengannya, contohnya: jenis vegetasi, populasi, luasan, kode pos, dan sebagainya. Semivariogram Eksperimental Keterangan : 2 γ(h) : nilai variogram dengan jarak h γ(h) : nilai semivariogram dengan jarak h : nilai pengamatan di titik si : nilai pengamatan dititik : banyaknya pasangan titik yang 285
3 mempunyai jarak h Semivariogram Teoritis Semovarigram Teoritis digunakan untuk melakukan fitting dari hasil Semivarigram Eksperimental. Tujuannya yaitu mencocokan grafik / model yang sudah didapat dari data dengan model yang ada pada pada semivariogram teoritis Parameter pada semivariogram teoritis terdiri dari : 1. Range 2. Sill 3. Nugget effect Pada Semivarigram Eksperimental grafik yang didapat tidak beraturan untuk kemudian didekati grafik tersebut dengan menggunakan beberapa model pada Semovarigram Teoritis seperti : Model Spherical γ(h) ={ [( ) ( ) ] } Model Eksponensial [ ( *] Model Gaussian [ ] 286
4 Keterangan : γ(h) : nilai semivariogram dengan jarak h h : jarak lokasi antar sampel C : sill, yaitu nilai variogram untuk jarak pada saat besarnya konstan. Nilai ini sama dengan nilai variansi data Co : nugget, yaitu nilai di sekitar nol a : range, yaitu jarak pada saat nilai variogram mencapai sill Validasi Model Validasi model digunakan untuk menguji apakah model semivariogram sudah cocok atau tidak dengan data yang kita miliki. Dalam uji validasi, hal yang paling penting yaitu melakukan pengolahan terhadap nilai residual menjadi residual terbaku yaitu residual yang sudah distandarisasi. Nilai taksiran : ( ) Nilai residual : ; k = 3 n ; k = 3...n Menghitung rata rata keseluruhan residual terbaku : Statistik uji : Statistik uji digunakan untuk menentukan model semivariogram yang valid. menyatakan rata-rata dari residual terbaku : Statistik uji menyatakan kuadrat residual terbaku : Model Semivarigram valid apabila memenuhi syarat sebagai berikut : Nilai L dan U didapat dari table persentil. Mape (Mean Absolute Percentage Error) Mape adalah metode pengecekan error yang digunakan dalam melakukan penaksiran terhadap data yang sudah tersedia. Mape adalah rata-rata dari keseluruhan persentase kesalahan (selisih) antara data aktual dengan data hasil peramalan. Apabila nilai Mape mendekati 0%, maka model dapat dikatakan memiliki error yang kecil. Mape= Keterangan : At= nilai kadar data asli 287
5 Ft= nilai kadar taksiran n = jumlah data Kriging Metode kriging merupakan teknik regresi liner yang digunakan dalam melakukan estimasi dalam proses pencarian baha tambang. Metode tersebut banyak digunakan untuk melakukan penaksiran suatu kandungan hasil alam seperti emas, perak, minyak dan gas, serta hasil alam lain. Universal Kriging Universal Kriging adalah salah satu metode dari kriging untuk memprediksi atau mengestimasi kandungan mineral dalam pertambangan. Metode Universal Kriging ini diterapkan pada data yang mempunyai kecenderungan trend tertentu atau data yang non-stasioner. w ( ) r w ( ) r Keterangan : Y(s) : fungsi random stasioner orde 2 x,y : koordinat lokasi w : faktor berat untuk input titik i μ : lagrange multiplier, digunakan untuk meminimalkan kemungkinan kesalahan estimasi α :Koefisien lokal trend Interpolasi Kriging Untuk membuat peta kontur kita dapat menggunakan interpolasi kriging. Kelebihan dari teknik ini adalah penggunaan optimalisasi secara statistik dan juga penanganan error atau ketidakpastian kontur. Teknik ini menggunakan informasi yang diberikan semivariogram dalam menemukan nilai bobot yang optimal yang akan digunakan dalam melakukan penaksiran atau estimasi suatu nilai dari lokasi yang tidak diobservasi, 3. Analisis dan Perancangan Sistem 3.1 Deskripsi Sistem Dalam penelitian ini, digunakan Universal Kriging dalam melakukan prediksi kandungan batubara pada daerah disekitar penggalian tambang batubara. 3.2 Perancangan Sistem 288
6 Penjelasan flowchart : 1. Input Data User menginputkan data spasial dan parameter untuk semivariogram Outputfl : output dari nilai variogram Datafl : input data koordinat lokasi Tmax : batas variable terbesar yang digunakan dalam semivariogram eksperimental Tmin : batas variable terkecil yang digunakan dalam semivariogram eksperimental Icolx,Icoly : kolom untuk x dan y koordinat Nlag : jumlah lag atau jarak yang akan dihitung (sama untuk semua arah) Ndir : jumlah arah yang akan dihitung. Jumlah arah tersebut dihitung untuk semua variogram Nvarg : jumlah variogram yang akan dihitung Azimuth : nilai sudut yang akan dihitung pada semivariogram eksperimental Atol : nilai sudut toleransi dalam perhitungan semivariogram eksperimental Bandwith: maksimum jarak yang masih dapat diterima dalam arah tegak lurus terhadap vektor arah Xlag : jarak pemisah antara unit lag atau jarak Xltol : toleransi lag. Nilai ini merupakan setengah dari xlag atau dapat lebih kecil lagi tergantung pada. 2. Semivariogram Eksperimental Semivariogram dihitung dengan menggunakan vektor 4 arah yaitu : Utara-Selatan, Barat-Timur, Barat Daya-Timur Laut, Barat Laut-Tenggara. 3. Semovariogram teoritis User memilih model mana yang sesuai untuk semivariogram eksperimental. Melakukan uji validasi dan. 4. Perhitungan Universal Kriging Melakukan estimasi titik taksiran dengan menggunakan matriks pada universal kriging. 5. Interpolasi kriging Dengan interpolasi kriging, kita dapat membuat peta kontur hasil estimasi kandungan batu bara. 289
7 3.3 Perancangan Antarmuka dan Simulasi 4. Hasil dan Imlpementasi 4.1 Pengumpulan Data Koordinat X Koordinat Kadar (juta ton) Y
8 4.2 Analisis Sebaran Data Analisis Kadar Kestasioneran Data Kestasioneran terhadap data dapat dibuktikan dengan melakukan plot terhadap data. Plot dilakukan dengan menjadikan X sebagai koordinat dan Kadar sebagai ordinat atau Y sebagai koordinat dan Kadar sebagai ordinat. Selain plot kita juga dapat menggunakan spss untuk melihat kestasioneran data Series1 Linear (Series1) Plot Koordinat X terhadap Ordinat Kadar 291
9 Series1 Linear (Series1) Plot Koordinat Y terhadap Ordinat Kadar Pada plot koordinat X terhadap Ordinat kadar, data cenderung nonstasioner dilihat dengan trendline yang keatas. Selain menggunakan plot data dengan excel, dapat juga dilakukan plot grafik ACF dan PACF pada kadar menggunakan software spss Plot grafik ACF Plot grafik PACF Pada grafik ACF kadar, terdapat coefficient yang menyentuh lower confidence limit. Hal tersebut membuktikan bahwa data cenderung nonstasioner. Jadi dengan menggunakan plot excel dan spss dapat 292
10 disimpulkan bahwa data nonstasioner dan metode penaksiran yang digunakan yaitu metode Universal Kriging. 4.3 Perhitungan Semivariogram Eksperimental Semivariogram dihitung melalui 4 arah dari keempat arah tersebut yaitu arah 1, arah 2, arah 3 dan arah 4. Semivariogram eksperimental arah 1 ( ) No 1 9,1581 0, ,4020 3, ,8016 0, ,9610 1, ,2716 0, ,5050 5, ,0600 7, ,3598 1,1420 Semivariogram eksperimental arah 2 ( ) No 1 8,7298 3, ,8214 0, ,2595 1, ,8705 0, ,4451 0,0616 Semivariogram eksperimental arah 3 ( No 1 14,1757 1, ,5998 3, ,3354 7, ,3332 0, ,9209 1, ,0617 0, , ,8214 Semivariogram eksperimental arah 4 ( No 293
11 1 10,1243 0, ,4066 0, ,8682 3, ,8863 0, ,0823 1, ,4856 4,7435 Setelah menghitung semivariogram eksperimental dalam 4 arah lalu kita menghitung semivariogram rata-ratanya untuk digunakan pada semivariogram teoritis. No ,5899 0, ,0575 1, ,5662 3, ,2627 0, ,5360 3, ,7630 2, ,4300 0,6568 Ploting rata-rata semivariogram 4 arah : 4.4 Fitting Model Semivariogram Teoritis Dari nilai semivariogram eksperimental untuk keempat arah, akan dicari semivariogram teoritis yang mewakili keempat arah tersebut. Berikut percobaan yang dilakukan dalam fitting model semivariogram teoritis : 294
12 295
13 296
14 4.5 Uji Validasi Proses fitting model dilakukan untuk menguji apakah model semivariogram sudah cocok dengan data atau tidak. Proses fitting model untuk semivariogram eksperimental dengan kurva yang sesuai tidak selalu memberikan hasil estimasi yang baik. Hasil validasi terbaik yaitu dengan nilai parameter nugget effect : 0, sill : 3.6, range : Estimasi Kadar Menggunakan Metode Universal Kriging Dengan menggunakan model dan nilai-nilai parameter yang sudah dilakukan fitting model, maka langkah selanjutnya adalah melakukan estimasi menggunakan Universal Kriging pada titik-titik yang tidak terdapat pada sample. 297
15 Estimasi dengan Grid 2x2 Estimasi dengan Grid 1x1 Estimasi dengan Grid 0.77x Kesimpulan Kesimpulan yang diperoleh dari hasil estimasi kandungan batu bara adalah sebagai berikut : 1. Model Semivariogram yang sesuai dan layak berdasarkan validasi silang yang digunakan untuk menentukan estimasi kandungan batubara di Kabupaten Kutai Kertanegara adalah model Eksponensial dengan range 20, sill 3.6 dan nugget effects Hasil pengujian error menggunakan MAPE (Mean Absolute Percentege Error) antara data asli dan data taksiran adalah %. Sedangkan secara teoritis, keakuratan sistem dilihat dari nilai variansi krigingnya yaitu dengan grid Pembentukan kontur hasil estimasi dilakukan dengan menggunakan grid 2x2, grid 1x1 dan grid 0.77x0.77 dapat disimpulkan bahwa semakin kecil grid yang digunakan dan semakin kecil variansi sehingga pola penyebaran yang didapatkan akan semakin jelas dan waktu eksekusi juga semakin lama. 298
16 Daftar Pustaka Daftar Pustaka [1] Adiwijaya, Aplikasi Matriks dan Ruang Vektor. Graha Ilmu, [2] Amstrong, Margaret. Basic Linier Geostatistic. Berlin: Springer-Verlag, 1998 [3] Cressie, N.A.C.. Fitting Variogram Models by Weighted Least Squares, Mathematical Geology. New York: John Wiley & Sons [4] Cressie, N.A.C.. Statistic for Spasial Data, Resived edition. New York: John Wiley & Sons [5] Deutsch, CV., Journel, A.G.. GSLIB Geostatistical Software Library and User Guide. New York: Oxford University Press, [6] Website : Diakses pada tanggal 16 April 2013 pukul [7] Website: Diakses pada tanggal 10 april 2013 pukul [8] Wackernagel, Hans. Multivariate Geostatistics, An Introduction with Applications. Berlin:Springer- Verlag [9] Website : Diakses pada tanggal 27 July 2014 pukul 17:58 [10] Burrough,P.A,Principles of Geographical Information System for Land Resources Assessment.New York:Oxford University Press.1986 [11] Oliver,M.A.Kriging:A Method of Interpolation for Geographical Information Systems. International Journal of Geographical Information Systems. [11] Data Batubara Pusat Sumber Daya Geologi, Diambil pada tanggal 5 februari 2014 pukul [12] Website : Metode%20universal.pdf, Diakses pada tanggal 12 Februari 2014 pukul
BAB 1 PENDAHULUAN 1.1 Latar Belakang
xiii BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia memiliki kekayaan alam yang luar biasa dalam hal bahan-bahan tambang seperti emas, batubara, nikel gas bumi dan lain lain. Batubara merupakan salah satu
Lebih terperinciGEOSTATISTIK MINERAL MATTER BATUBARA PADA TAMBANG AIR LAYA
GEOSTATISTIK MINERAL MATTER BATUBARA PADA TAMBANG AIR LAYA 1 Surya Amami P a, Masagus Ahmad Azizi b a Program Studi Pendidikan Matematika FKIP UNSWAGATI Jl. Perjuangan No 1 Cirebon, amamisurya@gmail.com
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 333-342 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY
Lebih terperinciPREDIKSI POLA PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE DI KABUPATEN SUKOHARJO MENGGUNAKAN METODE ORDINARY BLOCK KRIGING
PREDIKSI POLA PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE DI KABUPATEN SUKOHARJO MENGGUNAKAN METODE ORDINARY BLOCK KRIGING Ellisa Ratna Dewi 1, Sri Suryani P 2, Yuliant Sibaroni 3 1,2,3 Prodi Ilmu Komputasi
Lebih terperinciANALISIS DATA GEOSTATISTIK MENGGUNAKAN METODE ORDINARY KRIGING
ANALISIS DATA GEOSTATISTIK MENGGUNAKAN METODE ORDINARY KRIGING Oleh: Wira Puspita (1) Dewi Rachmatin (2) Maman Suherman (2) ABSTRAK Geostatistika merupakan suatu jembatan antara statistika dan Geographic
Lebih terperinciBAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk
BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi
Lebih terperinciPREDIKSI POLA PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE MENGGUNAKAN METODE ORDINARY BLOCK KRIGING
PREDIKSI POLA PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE MENGGUNAKAN METODE ORDINARY BLOCK KRIGING Ellisa Ratna Dewi¹, Sri Suryani ², Yuliant Sibaroni³ ¹Ilmu Komputasi,, Universitas Telkom Abstrak Sistem
Lebih terperinciKajian Pemilihan Model Semivariogram Terbaik Pada Data Spatial (Studi Kasus : Data Ketebalan Batubara Pada Lapangan Eksplorasi X)
Jurnal Gradien Vol 8 No Januari 0: 756-76 Kajian Pemilihan Semivariogram Terbaik Pada Data Spatial (Studi Kasus : Data Ketebalan Batubara Pada Lapangan Eksplorasi X) Fachri Faisal dan Jose Rizal Jurusan
Lebih terperinciBAB IV ANALISIS DATA. Data yang digunakan dalam tugas akhir ini adalah data eksplorasi
BAB IV ANALISIS DATA 4. DATA Data yang digunakan dalam tugas akhir ini adalah data eksplorasi kandungan cadangan bauksit di daerah penambangan bauksit di Mempawah pada blok AIII-h5 sebanyak 8 titik eksplorasi.
Lebih terperinciPROSIDING TPT XXV PERHAPI 2016 MASALAH PENCOCOKAN MODEL VARIOGRAM PADA PENAKSIRAN KADAR MEMAKAI METODE GEOSTATISTIKA
MASALAH PENCOCOKAN MODEL VARIOGRAM PADA PENAKSIRAN KADAR MEMAKAI METODE GEOSTATISTIKA Waterman Sulistyana Bargawa Magister Teknik Pertambangan UPN Veteran Yogyakarta Email: waterman.sulistyana@gmail.com
Lebih terperinciEstimasi Produksi Minyak dan Gas Bumi di Kalimantan Utara Menggunakan Metode Cokriging
D-426 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) Estimasi Produksi Minyak dan Gas Bumi di Kalimantan Utara Menggunakan Metode Cokriging Eka Oktaviana Romaji, I Nyoman Latra,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pemanfaatan hasil bahan galian hingga saat ini dalam penyediaan bahan baku pembangunan di berbagai bidang yang menyebabkan cadangan tambang semakin berkurang khususnya
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE. Oleh : DEWI SETYA KUSUMAWARDANI
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE Oleh : DEWI SETYA KUSUMAWARDANI 24010210120007 Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciBAB I PENDAHULUAN. memiliki sebuah hubungan, misalnya ilmu alam yang berkaitan erat dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia ilmu pengetahuan, antara satu ilmu dengan ilmu yang lainnya memiliki sebuah hubungan, misalnya ilmu alam yang berkaitan erat dengan matematika karena keduanya
Lebih terperinciMetode Ordinary Kriging Blok pada Penaksiran Ketebalan Cadangan Batubara (Studi Kasus : Data Ketebalan Batubara pada Lapangan Eksplorasi X)
Kumpulan Makalah Seminar Semirata 2013 Fakultas MIPA Universitas Lampung Metode Ordinary Kriging Blok pada Penaksiran Ketebalan Cadangan Batubara (Studi Kasus : Data Ketebalan Batubara pada Lapangan Eksplorasi
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Indonesia merupakan negara terluas didunia dengan total luas negara 5.193.250km 2 (mencakup daratan dan lautan). Hal ini menempatkan Indonesia sebagai negara terluas
Lebih terperinciPEMODELAN HARGA TANAH KOTA BATAM DENGAN MENGGUNAKAN METODE UNIVERSAL KRIGING
PEMODELAN HARGA TANAH KOTA BATAM DENGAN MENGGUNAKAN METODE UNIVERSAL KRIGING Hari Yudha Fanani 1, Sri Suryani 2, Yuliant Sibaroni 3 1,2,3 Prodi Ilmu Komputasi-Telkom University, Bandung 1 no.yudha@gmail.com,
Lebih terperinciORDINARY KRIGING DALAM ESTIMASI CURAH HUJAN DI KOTA SEMARANG
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 151-159 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ORDINARY KRIGING DALAM ESTIMASI CURAH HUJAN DI KOTA SEMARANG
Lebih terperinciPENGGUNAAN ALGORITMA BOOTSTRAP UNTUK PENENTU SELANG KADAR EMAS DAN PERAK PADA LOKASI PENGGALIAN DENGAN METODE SIMPLE KRIGING
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6862 PENGGUNAAN ALGORITMA BOOTSTRAP UNTUK PENENTU SELANG KADAR EMAS DAN PERAK PADA LOKASI PENGGALIAN DENGAN METODE SIMPLE KRIGING
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 terperinciPENGGUNAAN ALGORITMA BOOTSTRAP UNTUK PENENTU SELANG KADAR EMAS DAN PERAK PADA LOKASI PENGGALIAN DENGAN METODE SIMPLE KRIGING
PENGGUNAAN ALGORITMA BOOTSTRAP UNTUK PENENTU SELANG KADAR EMAS DAN PERAK PADA LOKASI PENGGALIAN DENGAN METODE SIMPLE KRIGING Siti Rahmah Madusari 1, Sri Suryani,S.Si.,M.Si. 2, Rian Febrian Umbara,S.Si.,M.Si.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia adalah salah satu negara yang memiliki sumber daya alam yang melimpah, khususnya bahan tambang seperti mineral. Salah satu mineral yang sering digunakan oleh
Lebih terperinciSeminar Hasil Tugas Akhir (Rabu, 16 Juli 2014)
Seminar Hasil Tugas Akhir (Rabu, 16 Juli 2014) Interpolasi Nilai Property Reservoir Di Lapangan Z Perairan Laut Jawa Dengan Metode Ordinary Kriging dan Cokriging Oleh : Nur Anisyah (1310100012) Pembimbing
Lebih terperinciPENERAPAN METODE ORDINARY KRIGING PADA PENDUGAAN KADAR NO 2 DI UDARA (Studi Kasus: Pencemaran Udara di Kota Semarang)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 113-121 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN METODE ORDINARY KRIGING PADA PENDUGAAN KADAR NO 2
Lebih terperinciBab III Studi Kasus III.1 Decline Rate
Bab III Studi Kasus III.1 Decline Rate Studi kasus akan difokuskan pada data penurunan laju produksi (decline rate) di 31 lokasi sumur reservoir panas bumi Kamojang, Garut. Persoalan mendasar dalam penilaian
Lebih terperinciE-Jurnal Matematika Vol. 4 (1), Januari 2015, pp ISSN:
INTERPOLASI SPASIAL DENGAN METODE ORDINARY KRIGING MENGGUNAKAN SEMIVARIOGRAM ISOTROPIK PADA DATA SPASIAL (Studi Kasus: Curah Hujan di Kabupaten Karangasem) Putu Mirah Purnama D 1, Komang Gde Sukarsa 2,
Lebih terperinciBab IV Analisis Statistik dan Distribusi Lubang Bor
Bab IV Analisis Statistik dan Distribusi Lubang Bor 4.1. Analisis Statistik Analisis statistik dan geostatistik dalam penelitian ini hanya dilakukan pada saprolit dan limonit dari profil nikel laterit.
Lebih terperinci*Corresponding Author :
Analisis Persebaran Lapisan Batubara Dengan Menggunakan Metode Ordinary Kriging Di Pit S11gn Pt. Kitadin Desa Embalut Kabupaten Kutai Kartanegara Kalimantan Timur E ed Tri Giandari Bhakti 1, Kadek Subagiada
Lebih terperinci(M.7) PEMETAAN ESTIMASI ANGKA PENGANGGURAN DENGAN COKRIGING (STUDI KASUS KOTA GORONTALO TAHUN 2011)
(M.7) PEMETAAN ESTIMASI ANGKA PENGANGGURAN DENGAN COKRIGING (STUDI KASUS KOTA GORONTALO TAHUN 2011) Basuki Rahmat 1, Sutawanir Darwis 2, Bertho Tantular 3 1. Mahasiswa Pascasarjana Program Studi Statistika
Lebih terperinciINTERPOLASI ORDINARY KRIGING DALAM ESTIMASI CURAH HUJAN DI KOTA SEMARANG
INTERPOLASI ORDINARY KRIGING DALAM ESTIMASI CURAH HUJAN DI KOTA SEMARANG SKRIPSI Disusun Oleh: Ahmat Dhani Riau Bahtiyar NIM. J2E 008 002 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
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 terperinciMETODE ROBUST KRIGING UNTUK MENGESTIMASI DATA SPASIAL BERPENCILAN
METODE ROBUST KRIGING UNTUK MENGESTIMASI DATA SPASIAL BERPENCILAN (Studi Kasus: Pencemaran Udara Gas NO 2 di Kota Semarang) SKRIPSI Disusun Oleh : ANJAN SETYO WAHYUDI 24010212130055 DEPARTEMEN STATISTIKA
Lebih terperinciPENERAPAN METODE ORDINARY KRIGING PADA PENDUGAAN KADAR NO 2 DI UDARA
PENERAPAN METODE ORDINARY KRIGING PADA PENDUGAAN KADAR NO 2 DI UDARA (Studi Kasus : Pencemaran Udara di Kota Semarang) SKRIPSI Disusun Oleh : GERA ROZALIA 24010211130050 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciBAB 4 ANALISIS DAN BAHASAN. Eksplorasi PGA adalah langkah pertama dalam menghitung kriging. PGA
BAB 4 ANALISIS DAN BAHASAN 4.1. Hasil Analisis Data dan Bahasan 4.1.1. Eksplorasi PGA Eksplorasi PGA adalah langkah pertama dalam menghitung kriging. PGA menunjukkan seberapa sering gempa terjadi disuatu
Lebih terperinciBAB I PENDAHULUAN. Gambar 1.1 Batu bara
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Sumber daya alam atau biasa disingkat SDA adalah sesuatu yang dapat dimanfaatkan untuk berbagai kepentingan dan kebutuhan hidup manusia agar hidup lebih sejahtera yang
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Statistika Spasial Kode/SKS: SS / (2/1/0) Dosen : Sutikno Semester : VII
RP-S1-SLK-01 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : CP 5.2 : Mampu menganalisis data di bidang Statistika Lingkungan dan Kesehatan, serta bidang lainnya
Lebih terperinciII TINJAUAN PUSTAKA. Geostatistik adalah metode statistik yang digunakan untuk melihat hubungan
4 II TINJAUAN PUSTAKA 2.1 Geostatistik Geostatistik adalah metode statistik yang digunakan untuk melihat hubungan antar variabel yang diukur pada titik tertentu dengan variabel yang sama diukur pada titik
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
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 terperinciJURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 1-10 Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 1-10 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ESTIMASI KANDUNGAN HASIL TAMBANG MENGGUNAKAN ORDINARY INDICATOR KRIGING Aldila
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
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 terperinciPERAMALAN BANYAKNYA PELANGGAN LISTRIK MENGGUNAKAN MODEL HARVEY
BIAStatistics (2016) Vol. 10, No. 1, hal. 38-51 PERAMALAN BANYAKNYA PELANGGAN LISTRIK MENGGUNAKAN MODEL HARVEY Ami Andriania 1, Gumgum Darmawan 2, Resa Septiani Pontoh 2 1 Mahasiswa Dept. Statistika, FMIPA,
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 terperinciAkurasi Konturing Trianggulasi Dan Kriging Pada Surfer Untuk Batubara
Akurasi Konturing Trianggulasi Dan Pada Surfer Untuk Batubara Agung Dwi Sutrisno 1, Ag. Isjudarto 2 Jurusan Teknik Pertambangan STTNAS Yogyakarta 1,2 agung_ds@yahoo.com, is_darto@yahoo.com Abstrak Salah
Lebih terperinciGEOSTATISTIKA. Peranan Geostatistik dalam Kegiatan Eksplorasi Sumber Daya Alam
GEOSTATISTIKA Peranan Geostatistik dalam Kegiatan Eksplorasi Sumber Daya Alam Oleh : Ristio Efendi 270110120047 Geologi E FAKULTAS TEKNIK GEOLOGI UNIVERSITAS PADJADJARAN Peranan Geostatistik dalam Kegiatan
Lebih terperinciMetode Point Kriging Untuk Estimasi Sumberdaya Bijih Besi (Fe) Menggunakan Data Assay (3D) Pada Daerah Tanjung Buli Kabupaten Halmahera Timur
Promine Journal, December 2016, Vol. 4 (2), page 13-20 Metode Point Kriging Untuk Estimasi Sumberdaya Bijih Besi (Fe) Menggunakan Data Assay (3D) Pada Daerah Tanjung Buli Kabupaten Halmahera Timur (Point
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciBAB I PENDAHULUAN. Hal 1
BAB I PENDAHULUAN I.1 Latar Belakang Batubara adalah batuan sedimen yang dapat terbakar, berasal dari tumbuhtumbuhan (komposisi utamanya karbon, hidrogen, dan oksigen), berwarna coklat sampai hitam, sejak
Lebih terperinciMETODE ORDINARY KRIGING PADA GEOSTATISTIKA
METODE ORDINARY KRIGING PADA GEOSTATISTIKA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian persyaratan guna memperoleh gelar
Lebih terperinciBAB IV ANALISIS KORELASI INFORMASI GEOLOGI DENGAN VARIOGRAM
BAB IV ANALISIS KORELASI INFORMASI GEOLOGI DENGAN VARIOGRAM Tujuan utama analisis variogram yang merupakan salah satu metode geostatistik dalam penentuan hubungan spasial terutama pada pemodelan karakterisasi
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciPEMODELAN KUALITAS AIR DI KAWASAN PEGUNUNGAN KENDENG DENGAN PENDEKATAN ORDINARY KRIGING DAN GEOGRAPHIC INFORMATION SYSTEM (GIS)
PEMODELAN KUALITAS AIR DI KAWASAN PEGUNUNGAN KENDENG DENGAN PENDEKATAN ORDINARY KRIGING DAN GEOGRAPHIC INFORMATION SYSTEM (GIS) Juwita Rahayu, 2 Tiani Wahyu Utami, 3 Rochdi Wasono,2,3 Program Studi Statistika
Lebih terperinciMETODE ROBUST KRIGING UNTUK MENGESTIMASI DATA SPASIAL BERPENCILAN (Studi Kasus: Pencemaran Udara Gas NO 2 di Kota Semarang)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 321-330 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE ROBUST KRIGING UNTUK MENGESTIMASI DATA SPASIAL BERPENCILAN
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 terperinciPERBANDINGAN METODE INVERSE DISTANCE WEIGHTED (IDW) DENGAN METODE ORDINARY KRIGING UNTUK ESTIMASI SEBARAN POLUSI UDARA DI BANDUNG
PERBANDINGAN METODE INVERSE DISTANCE WEIGHTED (IDW) DENGAN METODE ORDINARY KRIGING UNTUK ESTIMASI SEBARAN POLUSI UDARA DI BANDUNG Aditya Faudzan 1, Sri Suryani 2, Tuti Budiawati 3 12 Prodi Ilmu Komputasi
Lebih terperinciPERBANDINGAN METODE INVERSE DISTANCE WEIGHTED (IDW) DENGAN METODE ORDINARY KRIGING UNTUK ESTIMASI SEBARAN POLUSI UDARA DI BANDUNG
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6726 PERBANDINGAN METODE INVERSE DISTANCE WEIGHTED (IDW) DENGAN METODE ORDINARY KRIGING UNTUK ESTIMASI SEBARAN POLUSI UDARA
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan
Lebih terperinciBAB I PENDAHULUAN I.1 LATAR BELAKANG PENELITIAN
BAB I PENDAHULUAN I.1 LATAR BELAKANG PENELITIAN Kiprah dan perjalanan PT. Chevron Pacific Indonesia yang telah cukup lama ini secara perlahan diikuti oleh penurunan produksi minyak dan semakin kecilnya
Lebih terperinciPeramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins
Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Ari Pani Desvina 1, Melina Anggriani 2,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.
Lebih terperinciPENGENDALIAN OPTIMAL PADA SISTEM STEAM DRUM BOILER MENGGUNAKAN METODE LINEAR QUADRATIC REGULATOR (LQR) Oleh : Ika Evi Anggraeni
PENGENDALIAN OPTIMAL PADA SISTEM STEAM DRUM BOILER MENGGUNAKAN METODE LINEAR QUADRATIC REGULATOR (LQR) Oleh : Ika Evi Anggraeni 206 00 03 Dosen Pembimbing : Dr. Erna Apriliani, M.Si Hendra Cordova, ST,
Lebih terperinciBAB II METODOLOGI. Tabel 1 Data hasil IHMB di PT. Inhutani I UMH Labanan. Jumlah plot Plot model Plot validasi
BAB II METODOLOGI 2.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan September 2011 sampai dengan Januari 2012 di Laboratorium Fisik Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciBab I Pendahuluan BAB I PENDAHULUAN
BAB I PENDAHULUAN I.1. Latar Belakang Batubara merupakan salah satu sumber energi alternative disamping minyak dan gas bumi. Dipilihnya batubara sebagai sumber energi karena batubara relatif lebih murah
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 IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciBab I Pendahuluan I.1 Latar Belakang Masalah
I.1 Latar Belakang Masalah Pendidikan merupakan salah satu sektor penting dalam pembangunan di setiap negara. Menurut Undang-Undang No. 20 Tahun 2004 pendidikan merupakan usaha sadar dan terencana untuk
Lebih terperinciBAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)
BAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) 3.1 Data Spasial Data spasial memuat informasi tentang atribut dan informasi lokasi. Sedangkan data bukan spasial (aspatial data) hanya memuat informasi
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciMODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia
MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA Adi Nugroho 1, Bistok Hasiholan Simanjuntak 2 1 Staf pengajar di Fakultas Teknologi Informasi
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 IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Berdasarkan bobot yang digunakan, hasil kontur yang dihasilkan akan berbeda untuk masing-masing metode interpolasi. Bentuk konturnya ditampilkan pada Gambar 6 sampai
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
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 II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
BAB II KAJIAN PUSTAKA 2.1 Konsep Dasar Runtun Waktu Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat berupa
Lebih terperinciMETODE ORDINARY KRIGING DENGAN SEMIVARIOGRAM LINIER PADA DUA LOKASI TERSAMPEL (Studi Kasus: Prediksi Data Inflasi Pada Lokasi Tak Tersampel)
METODE ORDINARY KRIGING DENGAN SEMIVARIOGRAM LINIER PADA DUA LOKASI TERSAMPEL (Studi Kasus: Prediksi Data Inflasi Pada Lokasi Tak Tersampel) Deltha Airuzsh Lubis 1, Shailla Rustiana 1, I Gede Nyoman Mindra
Lebih terperinciImplementasi Spasial Kriging Dengan Faktor Dependency Seasonal Time Series Aniq A Rohmawati
OPEN ACCESS ISSN 246-956 socj.telkomuniversity.ac.id/indojc Implementasi Spasial Kriging Dengan Faktor Dependency Seasonal Time Series Aniq A Rohmawati # Program Studi Ilmu Komputasi, Telkom University
Lebih terperinciPERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH
PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH, Universitas Negeri Malang E-mail: die_gazeboy24@yahoo.com Abstrak: Penelitian ini bertujuan untuk mengetahui model
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
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 terperinciANALISIS SPASIAL DATA TAHANAN KONUS MENGGUNAKAN METODE ORDINARY KRIGING (OK)
Jurnal Fropil Vol 4 Nomor 1 Jan-Juni 016 ANALISIS SPASIAL DATA TAHANAN KONUS MENGGUNAKAN METODE ORDINARY KRIGING (OK) Ririn Amelia Email: rynamelia.babel@yahoo.com Jurusan Teknik Sipil Fakultas Teknik
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi
BAB I PENDAHULUAN Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi penulisan tesis, rumusan masalah, tujuan dan manfaatnya, tinjauan-tinjauan pustaka dari hasil penelitian terkait serta
Lebih terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
Lebih terperinciI. PENDAHULUAN 1.1 Latar Belakang
I. PENDAHULUAN 1.1 Latar Belakang Kemampuan hutan dan ekosistem didalamnya sebagai penyimpan karbon dalam bentuk biomassa di atas tanah dan di bawah tanah mempunyai peranan penting untuk menjaga keseimbangan
Lebih terperinciIII. METODE PENELITIAN. series dan (2) cross section. Data time series yang digunakan adalah data tahunan
29 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa data panel, yaitu data yang terdiri dari dua bagian : (1)
Lebih terperinciBAB 1 PENDAHULUAN. berusaha mendapatkan pemenuhan kebutuhan primer maupun sekundernya. Sumber
BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia merupakan makhluk sosial yang memiliki kebutuhan yang tak terbatas dengan ketersediaan kebutuhan yang terbatas. Manusia sebagai konsumen selalu berusaha mendapatkan
Lebih terperinciBAB I PENDAHULUAN. Kegiatan pertambangan merupakan suatu aktifitas untuk mengambil
BAB I PENDAHULUAN 1.1. Latar Belakang Kegiatan pertambangan merupakan suatu aktifitas untuk mengambil bahan galian berharga dari lapisan bumi. Perkembangan dan peningkatan teknologi cukup besar, baik dalam
Lebih terperinciAlgoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Algoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator S-20 Yuliana 1, Dewi Retno Sari
Lebih terperinciBAB IV ANALISIS HASIL PENGOLAHAN DATA
BAB IV ANALISIS HASIL PENGOLAHAN DATA 4.1 Pola Dasar Permintaan Dari hasil pengumpulan data aktual yang telah dilakukan mengenai pertumbuhan jumlah kartu kredit BCA yang dimiliki oleh cardholder BCA Cabang
Lebih terperinciBAB II TINJAUAN PUSTAKA
digilib.uns.ac.id BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Executive Information System (EIS) Executive Information System (EIS) adalah sebuah sistem penunjang keputusan yang dibangun secara khusus
Lebih terperinciBAB I PENDAHULUAN. Energi Nasional (KEN) melalui PP No.5 Tahun 2006 yang memiliki tujuan utama
BAB I PENDAHULUAN I.1. Latar Belakang Indonesia merupakan Negara dengan sumberdaya batubara yang melimpah. Di sisi lain tingginya harga bahan bakar minyak menuntut adanya pengalihan ke energi lain termasuk
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinci