Analisis Data Ekstrim Dependen (Non- Stationary) pada Kasus Curah Hujan Ekstrim di Jawa Timur dengan Pendekatan Peaks Over Threshold
|
|
|
- Dewi Atmadjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Analisis Data Ekstrim Dependen (Non- Stationary) pada Kasus Curah Hujan Ekstrim di Jawa Timur dengan Pendekatan Peaks Over Threshold Yuli Kurniawati ( ) Dosen Pembimbing : Dr. Sutikno, S.Si., M.Si. Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
2 1 AGENDA 1 Pendahuluan 2 Tinjauan Pusataka Metodologi Penelitian 3 4 Hasildan Pembahasan 5 Kesimpulan dan Saran
3 PENDAHULUAN LATAR BELAKANG INDONESIA Iklim Tropis PERUMUSAN MASALAH TUJUAN Dampak Iklim Ekstrim Gangguan cuaca dan Iklim Ekstrim MANFAAT BATASAN 1. Wabah penyakit 2. Gangguan Kesehatan 3. Masalah Sosial 4. Gagal Panen/Ketahanan Pangan Kajian Iklim Ekstrim 2
4 3 PENDAHULUAN LATAR BELAKANG PROPINSI JAWA TIMUR PERUMUSAN MASALAH TUJUAN MANFAAT Jawa Timur merupakan salah satu provinsi yang turut memberikan kontribusi besar terhadap produksi padi secara nasional yaitu mencapai 16,08 persen pada tahun BATASAN
5 4 PENDAHULUAN LATAR BELAKANG PERUMUSAN MASALAH TUJUAN MANFAAT BATASAN Lima daerah penghasil padi terbesar di Jawa Timur (BPS,2011) 1. Kabupaten Jember 2. Kabupaten Bojonegoro 3. Kabupaten Lamongan 4. Kabupaten Banyuwangi 5. Kabupaten Ngawi
6 PENDAHULUAN LATAR BELAKANG PERUMUSAN MASALAH CURAH HUJAN EKSTRIM Identifikasi Data Ekstrim TUJUAN Extreme Value Theory (EVT) MANFAAT Block Maxima (BM) Peaks Over Threshold (POT) BATASAN menentukkan return level (tingkat pengembalian) 5
7 6 PENDAHULUAN LATAR BELAKANG PENELITIAN DENGAN MENGGUNAKAN EVT PADA DATA DEPENDEN PERUMUSAN MASALAH TUJUAN MANFAAT BATASAN 1 2 Eastoe (2007) Menganalisa data ozon Jeon (2009) menganalisa data ekstrim dependen dengan studi kasus curah hujan per jam di Colorado pada tahun 1949 hingga tahun 1990
8 7 PENDAHULUAN LATAR BELAKANG PENELITIAN TENTANG PEMODELAN PARAMETER DISTRIBUSI EVT PERUMUSAN MASALAH TUJUAN MANFAAT BATASAN 1 2 Nortrop dan Jonathan (2010) menduga tinggi gelombang pada saat terjadi badai di Meksiko pada 72 titik pengamatan Fourgeres, A.L.,Nolan,J.P. and Rootzen,H. (2009) Melakukan penelitian untuk mendapatkan model parameter distribusi EVT pada data perekonomian
9 8 PENDAHULUAN LATAR BELAKANG PERUMUSAN MASALAH 1 Bagaimana karakteristik curah hujan ekstrim di Jawa Timur khususnya Kabupaten Banyuwangi, Bojonegoro, Jember, Ngawi, dan Lamongan dengan pendekatan Peaks Over Threshold? TUJUAN MANFAAT BATASAN 2 3 Bagaimana bentuk model parameter POT- GPD pada data ekstrim dependent curah hujan di lima kabupaten tersebut? Berapa nilai return level curah hujan ekstrim di lima kabupaten tersebut?
10 9 PENDAHULUAN LATAR BELAKANG PERUMUSAN MASALAH 1 Mengidentifikasi karakteristik curah hujan ekstrim di Jawa Timur khususnya Kabupaten Banyuwangi, Bojonegoro, Jember, Ngawi, dan Lamongan dengan pendekatan Peaks Over Threshold TUJUAN MANFAAT BATASAN 2 3 Mengetahui model parameter POT- GPD pada data curah hujan ekstrim di lima kabupaten tersebut Mengetahui nilai return level curah hujan esktrim di lima kabupaten
11 10 PENDAHULUAN LATAR BELAKANG PERUMUSAN MASALAH TUJUAN MANFAAT BATASAN Bagi Departemen Pertanian penelitian ini dapat dijadikan sebagai acuan prakiraan cuaca ekstrim, sehingga antisipasi kerugian akibat gagal panen dapat diminimalkandan dapat digunakan untuk merancang strategi inovasi teknologi dan varietas tanaman pangan baru yang lebih adaptif terhadap iklim ekstrim. Bagi BMKG, sebagai masukan metode alternatif untuk prakiraan iklim ekstrim Bagi Pengembangan keilmuan, dapat dijadikan pengetahuan dalam mengidentifikasi kejadian ekstrim terhadap cuaca dan iklim dan dapat dijadikan pustaka untuk penelitian berikutnya
12 11 PENDAHULUAN LATAR BELAKANG PERUMUSAN MASALAH TUJUAN Batasan Data yang digunakan berupa data curah hujan di Kabupaten Jember, Lamongan, Ngawi, Banyuwangi, dan Bojonegoro tahun 1981 sampai tahun MANFAAT BATASAN
13 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT RMSE CURAH HUJAN Extreme value theory merupakan suatu metode yang susah dipahami namun menarik yang diterapkan pada kejadian yang besar dalam peristiwa alam seperti curah hujan, banjir, badai, polusi udara dan korosi (Kotz & Nadarajah, 2000). 12
14 13 TINJAUAN PUSTAKA EXTREME VALUE THEORY METODE PEAKS OVER THRESHOLD PEAKS OVER THRESHOLD UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT PDF Generallized Pareto Distribution (GPD) RMSE CURAH HUJAN
15 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD METODE PEAKS OVER THRESHOLD CDF Generallized Pareto Distribution (GPD) UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT RMSE CURAH HUJAN Generalized pareto distribution juga dibedakan menjadi tiga tipe jika dilihat dari nilai parameter bentuk yaitu: 1. Tipe 1 berdistribusi Eksponensial 2. Tipe 2 berdistribusi Pareto 3. Tipe 3 berdistribusi Pareto tipe 2 /Beta 14
16 15 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT RMSE CURAH HUJAN Penentuan nilai threshold terdapat beberapacara diantaranya adalah 1. Mean Residual Life Plot (MRLP) 2. Metode persentase 3. Metode Sample Mean Excess Function (SMEF) Penentuan nilai threshold dengan menggunakan metode persentase didapatkan dengan cara sebagai berikut (Djanggola, 2010). 1. Mengurutkan data dari yang terbesar hingga yang terkecil. 2. Menghitung jumlah data ekstrim 3. Menentukan nilai threshold (u) yaitu
17 16 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT RMSE Uji Hipotesis H 0 : F n (x) = F 0 (x) (Data mengikuti distribusi teoritis F 0 (x)) H 1 : F n (x) F 0 (x) (Data tidak mengikuti distribusi teoritis F 0 (x)) Statistik Uji: D = Sup F ( x) F0 ( x) Daerah Kritis : tolak H 0 jika D > D α Uji Kolmogorov - Smirnov x n CURAH HUJAN
18 17 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD UJI KESESUAIAN DISTRIBUSI Return level merupakan nilai maksimum yang diharapkan akan dilampaui satu kali dalam jangka waktu tertentu (Gilli dan Kellezi, 2003) GPD RETURN LEVEL EXTREME OF DEPENDENT RMSE CURAH HUJAN
19 18 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD Model untuk series trend mengikuti deret Fourier yang pertama, sehingga didapatkan model sebagai berikut UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT Model untukskalaparameter GPD adalah sebagai berikut : RMSE CURAH HUJAN
20 19 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD Root Mean Square Error (RMSE) dalam penilitian ini digunakan sebagai kriteria dalam pemilihan metode yang sesuai. RMSE berguna untuk mengetahui akar kesalahan rata-rata kuadrat setiap metode. UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT RMSE CURAH HUJAN
21 20 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT Definisi Jumlah air yang jatuh ke permukaan tanah datar selama periode tertentu. Satuan curah hujan menurut standar internasional adalah milimeter. Alat yang digunakan untuk mengukur jumlah air hujan terdapat dua jenis yaitu : 1. Tipe manual, yaitu ombrometer observatorium (OBS). Alat itu hanya mengukurcurah hujan harian yang diukur setiap jam waktu setempat 2. Tipe otomatis, alat ini dapat mengukur curah hujan harian, menentukan intensitas hujan, dan dapat menentukan waktu terjadi dan berakhirnya hujan RMSE CURAH HUJAN
22 21 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD UJI KESESUAIAN DISTRIBUSI RETURN LEVEL EXTREME OF DEPENDENT CURAH RMSE HUJAN PENELITIAN CURAH HUJAN TERDAHULU Tipe Hujan Dibagi menjadi 3 (tiga) tipe: Hujan sedang dimana jumlah curah hujan per harinya adalah mm per hari Hujan lebat terdapat mm per hari hujan sangat lebat yaitu jumlah air yang berada di atas 100 mm per hari Tiga Sifat Curah Hujan di atas normal (AN) apabila nilai perbandingannya lebih dari 115% normal (N) apabila nilai perbandingannya antara 85%-115% di bawah normal (BN) jika nilai perbandingannya kurang dari 85%
23 22 TINJAUAN PUSTAKA EXTREME VALUE THEORY PEAKS OVER THRESHOLD UJI KESESUAIAN DISTRIBUSI Pola Hujan Pola Hujan Monsun Pola Hujan Equitorial Pola Hujan Lokal RETURN LEVEL EXTREME OF DEPENDENT CURAH RMSE HUJAN PENELITIAN CURAH HUJAN TERDAHULU
24 23 METODOLOGI PENELITIAN SUMBER DATA VARIABEL PENELITIAN Data yang digunakan dalam penelitian ini adalah data sekunder, yang diperoleh dari Badan Meteorologi Klimatologi dan Geofisika (BMKG). METODE ANALISIS DATA 1. Kabupaten Ngawi (pos Mantingan) 2. Bojonegoro (pos Cawak) 3. Jember (pos Ajung) 4. Banyuwangi (pos Maelang) 5. Lamongan (pos Sukodadi)
25 24 METODOLOGI PENELITIAN SUMBER DATA VARIABEL PENELITIAN METODE ANALISIS DATA Variabel yang digunakan dalam penelitian ini adalah data curah hujan harian. Data dibagi menjadi dua periode yaitu periode pertama dari tahun 1981 hingga tahun 1990 dan periode kedua dari tahun 1991 hingga 2010.
26 METODOLOGI PENELITIAN SUMBER DATA VARIABEL PENELITIAN 1. Mengidentifikasi karakteristik curah hujan ekstrim di Jawa Timur khususnya Kabupaten Banyuwangi, Bojonegoro, Jember, Ngawi, dan Lamongan dengan pendekatan Peaks Over Threshold Mendeskripsikan data curah hujan dengan statistika deskriptif dan pola sebaran curah hujan mengikuti pola monsun atau tidak METODE ANALISIS DATA Mengidentifikasi distribusi data curah hujan di masing masing kabupaten untuk mengetahui adanya data berekor gemuk dan nilai ekstrim dengan histogram dan normality plot Mengidentifikasi data curah hujan stasioner atau tidak 25
27 METODOLOGI PENELITIAN 2. Mengetahui model parameter distribusi GPD pada data curah hujan ekstrim di lima kabupaten SUMBER DATA VARIABEL PENELITIAN METODE ANALISIS DATA a. Pengambilan sampel data ekstrim dengan metode POT b. Mengidentifikasi data curah hujan pada masing- masing kabupaten siklik, trend atau linear c. Melakukan transformasi data yang sesuai dengan data curah hujan. d. Mencari nilai estimasi parameter distribusi GPD e. Melakukan fitting distribusi untuk data ekstrim yang berada diatas nilai threshold f. Pemeriksaan kesesuaian distribusi menggunakan pengujian hipotesis dengan uji Kolmogorov-Smirnov g. Memodelkan parameter distribusi EVT yang sesuai 26
28 METODOLOGI PENELITIAN SUMBER DATA VARIABEL PENELITIAN METODE ANALISIS DATA 3. Mengetahui nilai return level curah hujan ekstrim di lima kabupaten a. Data curah hujan ekstrim pada masingmasing pos (semua Triwulan DJF,MAM, JJA, SON dijadikan satu) yang telah didapatkan nilai estimasi parameter disubstitusikan kedalam persamaan return level b. Menentukan periode ulangnya. Pada penelitian ini estimasi return level menggunakan periode ulang 1,2,dan 3 periode mendatang. c. Menentukan nilai return level (tingkat pengembalian) terjadinya curah hujan ekstrim pada periode waktu ulang tertentu dengan menggunakan confidence interval 90%. 27
29 METODOLOGI PENELITIAN Data Curah Hujan SUMBER DATA VARIABEL PENELITIAN METODE ANALISIS DATA Mendeskripsikan dan mengidentifikasi pola sebaran curah hujan Mengidentifikasi adanya heavy tail pada curah hujan ekstrem Mengidentifikasi kestasioneran data curah hujan Pengambilan sampel data ekstrim dengan menggunakan metode POT Tidak Fitting distribusi Pemeriksaan kesesuaian distribusi A Ya 28
30 29 METODOLOGI PENELITIAN A SUMBER DATA VARIABEL PENELITIAN METODE ANALISIS DATA Mengidentifikasi data curah hujan pada masingmasing kabupaten siklik, trend atau linear. Melakukan transformasi data yang sesuai dengan data curah hujan. Memodelkan parameter distribusi GPD pada data curah hujan ekstrim Menentukan Return level pada periode tertentu
31 30 HASIL DAN PEMBAHASAN Deskripsi Curah Hujan dan Pola Curah Hujan di Lima Pos Pengamatan Pos Rata-rata Min Max Std Dev Pengamatan (mm/hari) (mm/hari) (mm/hari) Ajung Cawak Sukodadi Maelang Mantingan Kabupaten Lamongan (Pos Sukodadi) memiliki nilai standar deviasi yang paling kecil yaitu sebesar hal tersebut menunjukkan bahwa keragaman curah hujan harian selama 30 tahun di Kabupaten Lamongan yang paling kecil. Pos Mantingan memiliki keragaman curah hujan yang terbesar,yaitu sebesar Nilai standar deviasi dari ke tiga pos lainnya yaitu Pos Ajung, Pos Cawak, dan Pos Maelang berturut-turut yaitu ; ; dan Kelima pos pengamatan memiliki nilai curah hujan minimum yang sama yaitu 0 mm/hari.
32 HASIL DAN PEMBAHASAN A j u n g C a w a k M a n t i n g a n M a e l a n g S u k o d a d i Memiliki satu puncak musim hujan 31
33 32 HASIL DAN PEMBAHASAN Mengindikasi kan adanya data berekor
34 HASIL DAN PEMBAHASAN Mengindikasikan adanya data ekstrim 33
35 34 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Ajung
36 35 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Ajung (Lanjutan)
37 36 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Cawak
38 37 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Cawak (Lanjutan)
39 38 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Sukodadi
40 39 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Sukodadi (Lanjutan)
41 40 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Maelang
42 41 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Maelang (Lanjutan)
43 42 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Mantingan
44 43 HASIL DAN PEMBAHASAN Pengambilan Sampel Ekstrim dengan POT di Pos Mantingan (Lanjutan)
45 44 HASIL DAN PEMBAHASAN Nilai Threshold di Lima Pos Pengamatan
46 HASIL DAN PEMBAHASAN Identifikasi Dependensi Data Curah Hujan Ekstrim di Pos Ajung jember Pola Siklik 20 0 Time Series Plot Data Ekstrim Jember Hari djf1 djf2 mam mam2 jja1 jja Pola Siklik son son
47 HASIL DAN PEMBAHASAN Identifikasi Dependensi Data Curah Hujan Ekstrim di Pos Cawak Time Series Plot Data Ekstrim Bojonegoro djf1 djf2 mam mam2 jja1 jja son son
48 HASIL DAN PEMBAHASAN Identifikasi Dependensi Data Curah Hujan Ekstrim di Pos Sukodadi Time Series Plot Data Ekstrim Lamongan djf1 djf2 mam mam2 jja1 jja son son
49 48 HASIL DAN PEMBAHASAN Identifikasi Dependensi Data Curah Hujan Ekstrim di Pos Maelang Time Series Plot Data Ekstrim Banyuwangi djf1 djf2 mam mam2 jja1 jja son son
50 49 HASIL DAN PEMBAHASAN Identifikasi Dependensi Data Curah Hujan Ekstrim di Pos Mantingan Time Series Plot Data Ekstrim Ngawi djf1 djf2 mam mam2 jja1 jja son son
51 50 HASIL DAN PEMBAHASAN Estimasi Parameter GPD Non Model
52 51 HASIL DAN PEMBAHASAN Estimasi Parameter GPD Non Model
53 52 HASIL DAN PEMBAHASAN Hasil Uji Kolmogorov-Smirnov Non Model
54 53 HASIL DAN PEMBAHASAN Hasil Uji Kolmogorov-Smirnov Non Model (Lanjutan)
55 54 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Ajung (Kabupaten Jember) Estimasi Parameter GPD
56 55 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Ajung (Kabupaten Jember) Uji Kolmogorov-Smirnov
57 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Ajung (Kabupaten Jember) Model Parameter GPD 1. Model parameter triwulan DJF Periode 1 Pos Ajung : log σσ (tt) = cccccc ssssss Model parameter triwulan DJF Periode 2 Pos Ajung : log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 1 Pos Ajung : log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 2 Pos Ajung : log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 1 Pos Ajung : log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 2 Pos Ajung : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 1 Pos Ajung : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 2 Pos Ajung : log σσ (tt) = cccccc ssssss
58 57 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Cawak (Kabupaten Bojonegoro) Estimasi Parameter GPD
59 58 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Cawak (Kabupaten Bojonegoro) Uji Kolmogorov-Smirnov
60 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Cawak (Kabupaten Bojonegoro) Model Parameter GPD 1. Model parameter triwulan DJF Periode 1 Pos Cawak : log σσ (tt) = cccccc ssssss Model parameter triwulan DJF Periode 2 Pos Cawak : log σσ (tt) = ccccss ssssss Model parameter triwulan MAM Periode 1 Pos Cawak : log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 2 Pos Cawak : log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 1 Pos Cawak : log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 2 Pos Cawak : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 1 Pos Cawak : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 2 Pos Cawak : log σσ (tt) = cccccc ssssss
61 60 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Sukodadi (Kabupaten Lamongan) Estimasi Parameter GPD
62 61 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Sukodadi (Kabupaten Lamongan) Uji Kolmogorov-Smirnov
63 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Sukodadi (Kabupaten Lamongan) Model Parameter GPD 1. Model parameter triwulan DJF Periode 1 Pos Sukodadi : log σσ (tt) = cccccc ssssss Model parameter triwulan DJF Periode 2 Pos Sukodadi : log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 1 Pos Sukodadi : log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 2 Pos Sukodadi : log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 1 Pos Sukodadi : log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 2 Pos Sukodadi : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 1 Pos Sukodadi : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 2 Pos Sukodadi : log σσ (tt) = cccccc ssssss
64 63 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Maelang (Kabupaten Banyuwangi) Estimasi Parameter GPD
65 64 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Maelang (Kabupaten Banyuwangi) Uji Kolmogorov-Smirnov
66 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Ajung (Kabupaten Jember) Model Parameter GPD 1. Model parameter triwulan DJF Periode 1 Pos Maelang : log σσ (tt) = cccccc ssssss Model parameter triwulan DJF Periode 2 Pos Maelang : log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 1 Pos Maelang : log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 2 Pos Maelang : log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 1 Pos Maelang : log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 2 Pos Maelang : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 1 Pos Maelang : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 2 Pos Maelang : log σσ (tt) = cccccc ssssss
67 66 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Maelang (Kabupaten Banyuwangi) Estimasi Parameter GPD
68 67 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Mantingan (Kabupaten Ngawi) Uji Kolmogorov-Smirnov
69 HASIL DAN PEMBAHASAN Model Parameter Distribusi GPD Curah Hujan Ekstrim di Pos Mantingan (Kabupaten Ngawi) Model Parameter GPD 1. Model parameter triwulan DJF Periode 1 Pos Mantingan log σσ (tt) = cccccc ssssss Model parameter triwulan DJF Periode 2 Pos Mantingan log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 1 Pos Mantingan log σσ (tt) = cccccc ssssss Model parameter triwulan MAM Periode 2 Pos Mantingan log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 1 Pos Mantingan log σσ (tt) = cccccc ssssss Model parameter triwulan JJA Periode 2 Pos Mantingan log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 1 Pos Mantingan : log σσ (tt) = cccccc ssssss Model parameter triwulan SON Periode 2 Pos Mantingan : log σσ (tt) = cccccc ssssss
70 69 HASIL DAN PEMBAHASAN Nilai Return Level Model (dalam mm) di Lima Pos Pengamatan
71 70 HASIL DAN PEMBAHASAN Nilai Return Level Model (dalam mm) di Lima Pos Pengamatan (Lanjutan)
72 71 HASIL DAN PEMBAHASAN Nilai RMSE Return Level Model Parameter POT dan Non Model
73 72 KESIMPULAN DAN SARAN KESIMPULAN 1. Identifikasi curah hujan ekstrim di lima pos pengamatan (Pos Ajung,Pos Cawak, Pos Sukodadi, Pos Maelang, dan Pos Mantingan) menunjukkan bahwa pola curah hujan di lima kabupaten membentuk pola monsun (berbentuk U) dengan satu puncak musim hujan. Lima pos pengamatan memiliki data yang berdistibusi tidak normal dan memiliki pola distribusi data berekor. Data curah hujan ekstrim di lima pos pengamatan tidak random (dependen) karena semua data mengikuti suatu pola tertentu dan tidak stationer.
74 KESIMPULAN DAN SARAN KESIMPULAN 2. Setiap triwulan memiliki nilai threshold masing-masing dari penentuan dengan metode presentase. Sehingga didapatkan data ekstrim yang jumlahnya berbeda-beda di tiap-tiap triwulan. Hasil uji Kolmogorov-Smirnov menunjukkan bahwa semua data di lima pos pengamatan pada semua triwulan baik pada periode 1 maupun periode 2 telah berdistribusi GPD, sehingga didapatkan model untuk masing-masing triwulan disetiap periode dari nilai estimasi parameter skala nya. Identifikasi perubahan iklim pada masing-masing pos dapat diketahui dari tipe distribusi pada masing-masing periode. Perubahan tipe distribusi terjadi pada triwulan MAM pada pos Ajung,triwulan SON pada pos Cawak, triwulan DJF dan SON pada pos Sukodadi, triwulan SON pada pos Maelang,dan triwulan DJF pada pos Mantingan. Semua pos mengalami perubahan iklim. 73
75 KESIMPULAN DAN SARAN KESIMPULAN 3. Hasil return level dengan menggunakan model parameter POT-GPD menghasilkan nilai RMSE yang lebih kecil bila dibandingkan dengan nilai RMSE dari return level non model. SARAN Penelitian selanjutnya perlu dilakukan uji dependensi data yang lebih dalam. Sebaiknya menggunakan variabel lain yang mempengaruhi curah hujan sehingga penentuan nilai return level bisa lebih akurat benar-benar mendekati nilai sesungguhnya. 74
76 DAFTAR PUSTAKA Badan Meteorologi Klimatologi dan Geofisika. (2010). Retrieved September 20, 2012, from / BMKG_Pusat / Klimatologi / Prakiraan _ Hujan _ Bulanan.bmkg Badan Pusat Statistik. (2011). Retrieved September 13, 2012, from Coles, S. (2001). An Introduction to Statistical Modelling of Extreme Values. London: Spinger-Verlag. Daniel, W. (1989). Statistika Nonparametrik Terapan. Jakarta: PT Gramedia. Deptan. (2012). Retrieved September 20, 2012, from Djanggola, A. (2010). Pengukuran Resiko Operasional pada Klaim Asuransi Kesehatan dengan Metode Extreme Value Theory (Studi Kasus pada PT.XYZ). Jakarta: Fakultas Ekonomi Program Sudi Magister Manajemen Universitas Indonesia. Eastoe, E. (2007). Statistical models for dependent and non-stationary extreme events. Fourgeres, A.,. (2009). Models for Dependent Extremes using Stable Mixtures. Gilleland, E. and Katz,R.W. (2006). Analyzing Seasonal to Interannual Extreme Weather and Climate Variability with the Extremes Toolkit (extremes). 18th Conference on Climate Variability and Change, 86th American Meteorological Society (AMS) Annual Meeting. Atlanta. Gilli,M., Kellezi,E. (2003). An Application of Extreme Value Theory for Measuring Risk. Elsevier Science.
77 DAFTAR PUSTAKA Fourgeres, A.L.,Nolan,J.P. and Rootzen,H. (2009). Models for Dependent Extremes using Stable Mixtures. Irawan, J. (2011). Analisis Extreme Value untuk Identifikasi Perubahan Iklim di Jakarta. Surabaya: Statistika, Institut Teknologi Sepuluh Nopember. Irfan, M.,Santoso,A., and Fatulloh. (2011). Sebaran Pareto Terampat sebagai Metode Alternatif untuk Meramalkan Curah Hujan Ekstrim (Studi Kasus : Provinsi DKI Jakarta). Bogor: Departemen Statistika Institut Pertanian Bogor. Jeon, S. (2009). Data Analysis in Extreme Value Theory : Non Stationary Case. Katz, R. (1999). Extreme Value Theory for Precipitation Sensitivity Analysis for Climate Change. Advances in Water Resources, Kharin, V. V., & Zwiers, F. W. (2004). Estimating Extremes in Transcient Climate Change Simulations. Journal of Climate. Kotz, S., & Nadarajah, S. (2000). Extreme Value Distributions Theory and Applications. Imperial College Press. Li, Y.,Cai,W., and Campbell,E.P. (2005). Statistical Modelling of Extreme Rainfall in Southwest Australia. J.Climate, Northrop, P. and Jonathan,P. (2010). Modelling spattialy-dependent non-stationary extremes with application to hurricane-induced wave heights.
78 Analisis Data Ekstrim Dependen (Non- Stationary) pada Kasus Curah Hujan Ekstrim di Jawa Timur dengan Pendekatan Peaks Over Threshold Yuli Kurniawati ( ) Dosen Pembimbing : Dr. Sutikno, S.Si., M.Si. Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
SKRIPSI. Disusun Oleh : TYAS ESTININGRUM
APLIKASI METODE PUNCAK AMBANG BATAS MENGGUNAKAN PENDEKATAN DISTRIBUSI PARETO TERAMPAT DAN ESTIMASI PARAMETER MOMEN-L PADA DATA CURAH HUJAN (Studi Kasus : Data Curah Hujan Kota Semarang Tahun 2004-2013)
SKRIPSI. Oleh: ANNISA RAHMAWATI
IDENTIFIKASI CURAH HUJAN EKSTREM DI KOTA SEMARANG MENGGUNAKAN ESTIMASI PARAMETER MOMEN PROBABILITAS TERBOBOTI PADA NILAI EKSTREM TERAMPAT (Studi Kasus Data Curah Hujan Dasarian Kota Semarang Tahun 1990-2013)
SKRIPSI. Oleh: RENGGANIS PURWAKINANTI
APLIKASI METODE MOMEN MOMEN PROBABILITAS TERBOBOTI UNTUK ESTIMASI PARAMETER DISTRIBUSI PARETO TERAMPAT PADA DATA CURAH HUJAN (Studi Kasus Data Curah Hujan Kota Semarang Tahun 2004-2013) SKRIPSI Oleh: RENGGANIS
Analisis Fenomena Tekanan Udara Permukaan di Indonesia Sebelum Kejadian Hujan Ekstrem di Kabupaten Indramayu dengan Pendekatan Bootstrap
1 Analisis Fenomena Tekanan Udara Permukaan di Indonesia Sebelum Kejadian Hujan Ekstrem di Kabupaten Indramayu dengan Pendekatan Bootstrap Sri Hidayati dan Heri Kuswanto Jurusan Statistika, FMIPA, Institut
PENENTUAN VALUE AT RISK
PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT (Studi Kasus : Harga Penutupan Saham Harian Kimia Farma Pusat Periode Oktober 2009 September 2014) SKRIPSI
PADA PORTOFOLIO SAHAM
PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM SKRIPSI Disusun oleh: AYU AMBARSARI 24010212140079 DEPARTEMEN
ANALISIS FENOMENA TEKANAN UDARA PERMUKAAN INDONESIA SEBELUM KEJADIAN HUJAN EKSTREM DI KABUPATEN INDRAMAYU DENGAN PENDEKATAN BOOTSTRAP
ANALISIS FENOMENA TEKANAN UDARA PERMUKAAN INDONESIA SEBELUM KEJADIAN HUJAN EKSTREM DI KABUPATEN INDRAMAYU DENGAN PENDEKATAN BOOTSTRAP Sri Hidayati 1312105023 Dosen Pembimbing: Heri Kuswanto, Dr. rer.pol
ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 141-150 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian APLIKASI METODE PUNCAK AMBANG BATAS MENGGUNAKAN PENDEKATAN DISTRIBUSI
IDENTIFIKASI CURAH HUJAN EKSTREM DI KABUPATEN NGAWI MENGGUNAKAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION. Wahyudi 1 dan Sutikno 2
IDENTIFIKASI CURAH HUJAN EKSTREM DI KABUPATEN NGAWI MENGGUNAKAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION Wahyudi dan Sutikno 2 Mahasiswa Jurusan Statistika, ITS, Surabaya 2 Dosen Pembimbing,
ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 23392541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 214, Halaman 821 83 Online di: http://ejournals1.undip.ac.id/index.php/gaussian APLIKASI METODE MOMEN PROBABILITAS TERBOBOTI UNTUK ESTIMASI PARAMETER
MODEL CURAH HUJAN EKSTREM DI KOTA SEMARANG MENGGUNAKAN ESTIMASI MOMENT PROBABILITAS TERBOBOTI. Abstract
Model Curah Hujan (Agus R) MODEL CURAH HUJAN EKSTREM DI KOTA SEMARANG MENGGUNAKAN ESTIMASI MOMENT PROBABILITAS TERBOBOTI Agus Rusgiyono 1, Triastuti Wuryandari 2, Annisa Rahmawati 3 1,2 Staf Pengajar Jurusan
SEBARAN GENERALIZED EXTREME VALUE (GEV) DAN GENERALIZED PARETO (GP) UNTUK PENDUGAAN CURAH HUJAN EKSTRIM DI WILAYAH DKI JAKARTA
SEBARAN GENERALIZED EXTREME VALUE (GEV) DAN GENERALIZED PARETO (GP) UNTUK PENDUGAAN CURAH HUJAN EKSTRIM DI WILAYAH DKI JAKARTA Achi Rinaldi Pendidikan Matematika, IAIN Raden Intan achi_rinaldi@yahoo.co.uk
dari tahun pada stasiun pengamat yang berada di daerah Darmaga, Bogor.
Jika plot peluang dan plot kuantil-kuantil membentuk garis lurus atau linier maka dapat disimpulkan bahwa model telah memenuhi asumsi (Mallor et al. 2009). Tingkat Pengembalian Dalam praktik, besaran atau
ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 214, Halaman 565-574 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI CURAH HUJAN EKSTREM DI KOTA SEMARANG MENGGUNAKAN
Sebaran Generalized Extreme Value (GEV) dan Generalized Pareto (GP) untuk Pendugaan Curah Hujan Ekstrim di Wilayah DKI Jakarta
Sebaran Generalized Extreme Value (GEV) dan Generalized Pareto (GP) untuk Pendugaan Curah Hujan Ekstrim di Wilayah DKI Jakarta Achi Rinaldi IAIN Raden Intan Lampung; achi_rinaldi@yahoo.co.uk Abstract Extreme
Aplikasi Pemodelan Klaim Asuransi dengan Pendekatan Mixture Exponential Untuk Mencari Value-at-Risk Sebagai Threshold Dalam Menentukan Nilai Ekstrim
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1325 Aplikasi Pemodelan Klaim Asuransi dengan Pendekatan Mixture Exponential Untuk Mencari Value-at-Risk Sebagai Threshold Dalam
MODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO
MODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO oleh INDIAWATI AYIK IMAYA M0111045 SKRIPSI ditulis dan diajukan untuk memenuhi
PENENTUAN AMBANG BATAS CURAH HUJAN EKSTRIM DENGAN MEAN RESIDUAL LIFE
PENENTUAN AMBANG BATAS CURAH HUJAN EKSTRIM DENGAN MEAN RESIDUAL LIFE DAN THRESHOLD CHOICE (Studi Kasus : Curah Hujan Periode 1977 2010 di Stasiun Pondok Betung) IMAM WIDYANTO DEPARTEMEN STATISTIKA FAKULTAS
SEBARAN PARETO TERAMPAT UNTUK MENENTUKAN CURAH HUJAN EKSTRIM (Studi Kasus: Curah Hujan Periode pada Stasiun Darmaga) MUHAMMAD IRFAN
SEBARAN PARETO TERAMPAT UNTUK MENENTUKAN CURAH HUJAN EKSTRIM (Studi Kasus: Curah Hujan Periode 2001-2010 pada Stasiun Darmaga) MUHAMMAD IRFAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ANALISA VARIABILITAS CURAH HUJAN DI PALU BERDASARKAN DATA PENGAMATAN TAHUN
ANALISA VARIABILITAS CURAH HUJAN DI PALU BERDASARKAN DATA PENGAMATAN TAHUN 1981-2010 Wenas Ganda Kurnia Stasiun Pemantan Atmosfer Global Lore Lindu Bariri Palu Email: wenasbmkg@gmail.com ABSTRAK Curah
BAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab ini akan dianalisis dan dibahas tentang pengukuran risiko operasional klaim asuransi kesehatan pada PT. XYZ menggunakan metode EVT. Pengukuran risiko operasional
PENDUGAAN NILAI EKSTRIM MENGGUNAKAN SEBARAN CHAMPERNOWNE TERMODIFIKASI, SEBARAN PARETO TERAMPAT, DAN NILAI GABUNGAN
PENDUGAAN NILAI EKSTRIM MENGGUNAKAN SEBARAN CHAMPERNOWNE TERMODIFIKASI, SEBARAN PARETO TERAMPAT, DAN NILAI GABUNGAN (Studi Kasus Curah Hujan Harian Darmaga Bogor) MUHAMMAD HAFID DEPARTEMEN STATISTIKA FAKULTAS
Jurusan 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
Pemodelan Bayesian Hirarki Data Curah Hujan Ekstrem di Jakarta
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (26) 2337-352 (23-928X Print) D-51 Pemodelan Bayesian Hirarki Data Curah Hujan Ekstrem di Jakarta Jupita Sari Ika Hanugraheni dan Nur Iriawan Jurusan Statistika,
Pemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Perbandingan Uji Homogenitas Runtun Data Curah Hujan Sebagai Pra-Pemrosesan Kajian Perubahan Iklim
LAILI ZAIDIYAH NIHAYATIN 9 6 Perbandingan Uji Homogenitas Runtun Curah Hujan Sebagai Pra-Pemrosesan Kajian Perubahan Iklim Laili Zaidiyah Nihayatin dan Sutikno Jurusan Statistika, Fakultas Matematika dan
HASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 361-371 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED
BAB 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
IV. HASIL DAN PEMBAHASAN
8 eigenvalue masing-masing mode terhadap nilai total eigenvalue (dalam persen). PC 1 biasanya menjelaskan 60% dari keragaman data, dan semakin menurun untuk PC selanjutnya (Johnson 2002, Wilks 2006, Dool
PERAMALAN 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
Perbaikan 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
Bab II LANDASAN TEORI
Bab II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Pengukuran Risiko pada Klaim Asuransi X dengan Menggunakan Metode Generalized Extreme Value dan Generalized Pareto Distribution
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 212) ISSN: 231-928X D-7 Pengukuran Risiko pada Klaim Asuransi X dengan Menggunakan Metode Generalized Extreme Value dan Generalized Pareto Distribution Jaffarus
BAB 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
5/3/2012. Objective. Objective STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI
Week 11 & 12 HYDROLOGIC STATISTICS (and Frequency Analysis) Introduction Frequency and Probability Function Statistical Parameters Fitting a Probability Distribution Probability Distributions for Hydrologic
BAB III METODOLOGI. 3.1 Lokasi Penelitian
BAB III METODOLOGI 3.1 Lokasi Penelitian Lokasi penelitian adalah Propinsi Jawa Barat. Propinsi ini merupakan salah satu pusat produksi pertanian penting dan merupakan propinsi penghasil padi utama di
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pada era sekarang ini, bahaya, kerusakan dan kerugian adalah kenyataan yang harus dihadapi manusia di dunia, termasuk di Indonesia. Ini menyebabkan kemungkinan terjadi
PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 453-462 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN
ANALISIS HUJAN BULAN MEI 2011 DAN PRAKIRAAN HUJAN BULAN JULI, AGUSTUS DAN SEPTEMBER 2011 PROVINSI DKI JAKARTA
ANALISIS HUJAN BULAN MEI 2011 DAN PRAKIRAAN HUJAN BULAN JULI, AGUSTUS DAN SEPTEMBER 2011 PROVINSI DKI JAKARTA Sumber : BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG
Perbandingan Uji Homogenitas Runtun Data Curah Hujan Sebagai Pra-Pemrosesan Kajian Perubahan Iklim
JURNAL SAINS DAN SENI POMITS Vol., No., () 7-5 (-98X Print) D55 Perbandingan Homogenitas Runtun Curah Hujan Sebagai Pra-Pemrosesan Kajian Perubahan Iklim Laili Zaidiyah Nihayatin, Sutikno Jurusan Statistika,
UNIVERSITAS INDONESIA PENGUKURAN RISIKO OPERASIONAL PADA KLAIM ASURANSI KESEHATAN DENGAN METODE EXTREME VALUE THEORY (STUDI KASUS PADA PT.
UNIVERSITAS INDONESIA PENGUKURAN RISIKO OPERASIONAL PADA KLAIM ASURANSI KESEHATAN DENGAN METODE EXTREME VALUE THEORY (STUDI KASUS PADA PT.XYZ) TESIS ACHMAD MUTTAQIN DJANGGOLA 0806432032 FAKULTAS EKONOMI
IV. 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
PREDIKSI CURAH HUJAN EKSTRIM SECARA SPASIAL (Studi Kasus: Curah Hujan Bulanan di Kabupaten Indramayu) FITRI MUDIA SARI
PREDIKSI CURAH HUJAN EKSTRIM SECARA SPASIAL (Studi Kasus: Curah Hujan Bulanan di Kabupaten Indramayu) FITRI MUDIA SARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI TESIS
BAB 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
PROGRAM KREATIVITAS MAHASISWA TEKNIK BARU STATISTIKA DALAM PERAMALAN CURAH HUJAN EKSTRIM UNTUK PENENTUAN MUSIM TANAM PRODUK PRODUK PERTANIAN
PROGRAM KREATIVITAS MAHASISWA TEKNIK BARU STATISTIKA DALAM PERAMALAN CURAH HUJAN EKSTRIM UNTUK PENENTUAN MUSIM TANAM PRODUK PRODUK PERTANIAN BIDANG KEGIATAN: PKM-GT Diusulkan oleh: Fatulloh G14080077 2008
BAB IV PEMBAHASAN. Objek penelitian dalam penelitian ini adalah 15 (lima belas) Wajib
BAB IV PEMBAHASAN A. Gambaran Umum Objek Penelitian Objek penelitian dalam penelitian ini adalah 15 (lima belas) Wajib Pajak Badan UMKM yang memiliki peredaran bruto (omzet) di bawah Rp. 4,8 Milyar dalam
PERAMALAN 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
ANALISIS HUJAN BULAN JANUARI 2011 DAN PRAKIRAAN HUJAN BULAN MARET, APRIL, DAN MEI 2011 PROVINSI DKI JAKARTA
ANALISIS HUJAN BULAN JANUARI 2011 DAN PRAKIRAAN HUJAN BULAN MARET, APRIL, DAN MEI 2011 PROVINSI DKI JAKARTA Sumber : BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT. 1. Pendahuluan
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT Dennis Frisca Ayudya, Dewi Retno Sari Saputro, Santoso Budi Wiyono Program Studi Matematika FMIPA UNS Abstrak. Indeks harga
BAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Aktuaria adalah suatu disiplin ilmu yang menerapkan metode-metode statistika maupun matematika dalam menentukan price dan resiko pada industri asuransi dan keuangan.
homogen jika titik-titik tersebar secara merata atau seimbang baik di atas maupun dibawah garis, dengan maksimum ragam yang kecil.
8 koefisien regresi berganda dari variabel tak bebas Y terhadap variabel bebas Xi. Pada kasus ini, persamaan mengandung arti sebagai berikut, seperti yang telah dimodelkan Merdun (23) di Sungai Saluda,
MEMUTUSKAN : Menetapkan :
-2-2. Undang Undang Republik Indonesia Nomor 4 Tahun 2011 tentang Informasi Geospasial (Lembaran Negara Republik Indonesia Tahun 2011 Nomor 44, tambahan Lembaran Negara Republik Indonesia Nomor 5214);
Analisa Frekuensi dan Probabilitas Curah Hujan
Analisa Frekuensi dan Probabilitas Curah Hujan Rekayasa Hidrologi Universitas Indo Global Mandiri Norma Puspita, ST.MT Sistem hidrologi terkadang dipengaruhi oleh peristiwa-peristiwa yang luar biasa, seperti
PRISMA 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 *),
PENERAPAN 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,
Peramalan 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.
KOREKSI DATA HUJAN DASARIAN TRMM DI STASIUN KLIMATOLOGI KAIRATU MENGGUNAKAN REGRESI LINEAR SEDERHANA
KOREKSI DATA HUJAN DASARIAN DI STASIUN KLIMATOLOGI KAIRATU MENGGUNAKAN REGRESI LINEAR SEDERHANA Steven Cahya Andika Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG), Tangerang Selatan Email
ANALISIS HUJAN BULAN PEBRUARI 2011 DAN PRAKIRAAN HUJAN BULAN APRIL, MEI DAN JUNI 2011 PROVINSI DKI JAKARTA
ANALISIS HUJAN BULAN PEBRUARI 2011 DAN PRAKIRAAN HUJAN BULAN APRIL, MEI DAN JUNI 2011 PROVINSI DKI JAKARTA Sumber : BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE
VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI
METODOLOGI PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
25 III. METODOLOGI 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
ANALISIS HUJAN BULAN OKTOBER 2011 DAN PRAKIRAAN HUJAN BULAN DESEMBER 2011, JANUARI DAN FEBRUARI 2012 PROVINSI DKI JAKARTA 1.
ANALISIS HUJAN BULAN OKTOBER 2011 DAN PRAKIRAAN HUJAN BULAN DESEMBER 2011, JANUARI DAN FEBRUARI 2012 PROVINSI DKI JAKARTA 1. TINJAUAN UMUM 1.1. Curah Hujan Curah hujan merupakan ketinggian air hujan yang
PREDIKSI CURAH HUJAN DI KOTA SEMARANG DENGAN METODE KALMAN FILTER
PREDIKSI CURAH HUJAN DI KOTA SEMARANG DENGAN METODE KALMAN FILTER Tika Dhiyani Mirawati 1, Hasbi Yasin 2, Agus Rusgiyono 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff Pengajar Jurusan Statistika
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
BAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab sebelumnya telah dijelaskan mengenai populasi dan proses pengumpulan data untuk kepentingan analisis data penelitian. Penelitian dilakukan dengan cara pengumpulan
BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG
BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan ( 12070 ) Telp. (021) 7353018, Fax: (021) 7355262 E-mail: staklim.pondok.betung@gmail.com,
Peranan Curah Hujan dan Aliran Dasar Terhadap Kejadian Banjir Jakarta
Peranan Curah Hujan dan Aliran Dasar Terhadap Kejadian Banjir Jakarta Sharah Puji 1, Atika Lubis 2 dan Edi Riawan 3. 1 Mahasiswa Meteorologi 211, 2 Pembimbing 1 Dosen Meteorologi, 3 Pembimbing 2 Dosen
Bab 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
BAB 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
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
BAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Data 1. Keadaan Wilayah Provinsi Jawa Timur merupakan salah satu provinsi yang berada di Pulau Jawa dan merupakan provinsi paling timur di Pulau Jawa. Letaknya pada
Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
VARIABILITAS SPATIO-TEMPORAL CURAH HUJAN EKSTRIM DI KABUPATEN MALANG
VARIABILITAS SPATIO-TEMPORAL CURAH HUJAN EKSTRIM DI KABUPATEN MALANG AMRAN 1, NUR IRIAWAN 2, SUBIONO 3, IRHAMAH 2 1 Program Pasca Sarjana, Jurusan Statistika, ITS, email : amranihsani@gmail.com 2 Jurusan
Estimasi Parameter Copula Dan Aplikasinya Pada Klimatologi
Estimasi Parameter Copula Dan Aplikasinya Pada Klimatologi Irwan Syahrir (309 20 00) Dosen Pembimbing: Dr. Ismaini Zaini, M.Si Dr.rer.pol. Heri Kuswanto, M.Si . PENDAHULUAN Latar belakang Analisis Statistik
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
KATA PENGANTAR TANGERANG SELATAN, MARET 2016 KEPALA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG. Ir. BUDI ROESPANDI NIP
PROPINSI BANTEN DAN DKI JAKARTA KATA PENGANTAR Puji syukur kehadirat Tuhan YME atas berkat dan rahmat Nya kami dapat menyusun laporan dan laporan Prakiraan Musim Kemarau 2016 di wilayah Propinsi Banten
BAB IV ANALISIS DAN PEMBAHASAN
50 BAB IV ANALISIS DAN PEMBAHASAN A. Analisis Deskriptif Analisis Deskriptif bertujuan untuk memberikan penjelasan mengenai variabel bebas, dan variabel terikat selama periode penelitian. Variabelvariabel
Penggunaan Metode VaR (Value at Risk) dalam Analisis Risiko Investasi Saham dengan Pendekatan Generalized Pareto Distribution (GPD)
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 212) ISSN: 231-928X D-56 Penggunaan Metode VaR (Value at Risk) dalam Analisis Risiko Investasi Saham dengan Pendekatan Generalized Pareto Distribution (GPD)
KAJIAN 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
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Aktuaria adalah salah satu disiplin ilmu yang merupakan terapan dari metode matematika maupun statistika, diantaranya dalam menentukan harga premi dan
METODE 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
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dunia perbankan sebagai institusi yang memiliki izin untuk melakukan banyak aktivitas seperti menghimpun dana secara langsung dari masyarakat dalam bentuk simpanan (giro,
ANALISIS MUSIM KEMARAU 2011 DAN PRAKIRAAN MUSIM HUJAN 2011/2012 PROVINSI DKI JAKARTA
ANALISIS MUSIM KEMARAU 2011 DAN PRAKIRAAN MUSIM HUJAN 2011/2012 PROVINSI DKI JAKARTA Sumber : BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG 1. TINJAUAN UMUM 1.1.
PEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten Indramayu)
Xplore, 2013, Vol. 1(1):e3(1-7) c 2013 Departemen Statistika FMIPA IPB PEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten
2015, No menetapkan jaringan informasi geospasial di lingkungan Badan Meteorologi, Klimatologi, dan Geofisika dengan Peraturan Kepala Badan; Me
BERITA NEGARA REPUBLIK INDONESIA No.1433, 2015 BMKG. Jaringan Informasi. Pencabutan. PERATURAN KEPALA BADAN METEOROLOGI, KLIMATOLOGI, DAN GEOFISIKA NOMOR 20 TAHUN 2015 TENTANG JARINGAN INFORMASI GEOSPASIAL
ANALISIS HUJAN BULAN JUNI 2011 DAN PRAKIRAAN HUJAN BULAN AGUSTUS, SEPTEMBER DAN OKTOBER 2011 PROVINSI DKI JAKARTA
ANALISIS HUJAN BULAN JUNI 2011 DAN PRAKIRAAN HUJAN BULAN AGUSTUS, SEPTEMBER DAN OKTOBER 2011 PROVINSI DKI JAKARTA 1. TINJAUAN UMUM 1.1. Curah Hujan Curah hujan merupakan ketinggian air hujan yang jatuh
BAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN Pada bagian pendahuluan ini diuraikan beberapa hal seperti: latar belakang, perumusan masalah, tujuan penelitian, dan keaslian penelitian yang akan membedakan dengan hasil penelitian
Peramalan 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
BAB 1 PENDAHULUAN. pengamatan parameter-parameter cuaca secara realtime maupun dengan alat-alat
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mengetahui keadaan cuaca saat ini dapat dilakukan dengan melakukan pengamatan parameter-parameter cuaca secara realtime maupun dengan alat-alat penginderaan
BAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Data Hasil Penelitian Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Berikut hasil
PERUBAHAN KLIMATOLOGIS CURAH HUJAN DI YOGJAKARTA, SEMARANG, SURABAYA, PROBOLINGGO DAN MALANG
Prosiding Seminar Nasional Penelitian, Penerapan dan Pendidikan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 29 PERUBAHAN KLIMATOLOGIS CURAH HUJAN DI YOGJAKARTA, SEMARANG, SURABAYA, PROBOLINGGO
Optimasi Preventive Maintenance pada Mesin Tuber. JurusanStatistika ITS
Optimasi Preventive Maintenance pada Mesin Tuber dan Bottomer dengan Metode Analisis Reliabilitas di PT Industri Kemasan Semen Gresik Oleh : Dosen Pembimbing : Drs. Haryono, MSIE Satria Hikmawan M.H (1309100070)
Propinsi Banten dan DKI Jakarta
BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan (12070) Telp. (021) 7353018 / Fax: 7355262 E-mail: staklim.pondok.betung@gmail.com,
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
BAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi
BAB 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
KATA PENGANTAR. Segala kritik dan saran sangat kami harapkan guna peningkatan kualitas publikasi ini. Semoga bermanfaat.
KATA PENGANTAR Laporan rutin kali ini berisi informasi analisa hujan yang terjadi pada bulan Mei 2011 di wilayah Banten dan DKI Jakarta. Serta informasi prakiraan hujan untuk bulan Juli, Agustus, dan September