DISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN
|
|
- Inge Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 DISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN Hanna Arini Parhusip 1 dan Ramos Somnya 2 Pusat Studi Simitro, Fakultas Teknologi Informasi Universitas Kristen Satya Wacana ABSTRAK. Prototype ini berupa software yang didisain sebagai kombinasi dari GIS (Geographical Information System) dan metode GSTAR (Generalized Space Time Autoregressive). GIS merupakan sistem untuk membaca peta secara otomatis yang ditentukan oleh karakteristik lokasi, dan didisain untuk memilih 3 lokasi berdekatan secara otomatis. Ketiga lokasi ini akan dilakukan GSTAR untuk mendapatkan hubungan produktivitas padi yang tergantung dari beberapa variabel prediktor yang diperhatikan. Selanjutnya, hasil fungsi linear yang dihasilkan digunakan sebagai fungsi tujuan untuk menentukan optimasi dari produktivitas suatu daerah terhadap komoditas pertanian khususnya padi dan padi. Informasi yang sudah ada belum memberikan kemampuan pengguna untuk dapat menganalisa data yang dipunyai untuk dapat menganalisa mandiri. Prototype ini ditujukan kepada dinas-dinas pemerintahan dapat melakukan analisa dengan data yang dimiliki dan dimampukan dalam melakukan perencanaan pembangunan dibidang pertanian. Adapun kasus yang dipelajari adalah data pertanian Boyolali yaitu produksi padi yang dianalisa dengan memperhatikan curah hujan dan luas panen pada tahun Prototype ini dapat menampilkan hasil analisa dengan Excel terkait dengan peta Boyolali tiap kecamatan. Kata Kunci: 3-6 GIS (Geographical Information System), GSTAR (Generalized Space Time Autoregressive), solver. 1. PENDAHULUAN Keberhasilan panen padi dipelajari dalam beberapa aspek khusunya karena pengaruh lingkungan tanah (misal : subur, kritis) dan karena pengaruh lingkungan luarnya (misal :curah hujan dan luas area sekitarnya), waktu tanam. Dengan memperhatikan waktu tanam, telah diketahui bahwa penelitian untuk mengetahui periode tanam yang optimal (maksimal) telah dilakukan untuk daerah Surakarta Dewi,dkk,2013(a)) bahwa periode tanam yang terbaik adalah September-Desember berdasarkan data BPS Surakarta Penelitian tersebut dilakuan dengan memperhatikan nilai fungsi tujuan yang dipilih yang berbentuk kuadratik yang parameter-parameternya ditentukan menggunakan Singular Value Decomposition (SVD) dan Ant Colony Optimization (ACO)(Dewi,dkk,2013(b)). Beberapa algoritma digunakan untuk Seminar Nasional Matematika, Sains dan Informatika
2 mendapatkan solusi optimal dijelaskan dengan lengkap dan beberapa program didalamnya dapat membantu untuk memahami hasil-hasil tersebut di atas secara detail (Parhusip,2014). Penelitian terdahulu membahas tentang data curah dan lahan kritis mempengaruhi produksi padi optimal di 3 Kecamatan(Ampel,Selo dan Cepogo) (Parhusip dan Edi, 2014). Dari hasil ditunjukkan bahwa pendekatan klasik GSTAR tidak tepat untuk data seperti curah hujan, lahan kritis, dan produksi panen padi. GSTAR termodifikasi diperkenalkan (padi yang dihasilkan pada lokasi Selo tergantung dari hasil pada dari kedua lokasi persekitarannya pada waktu yang sama, lahan kritisnya dari ketiga lokasi pada waktu yang sama, curah hujan pada lokasi ketiganya pada waktu sebelumnya dan pada waktu yang sama. Ternyata hasil tersebut lebih baik. Model yang digunakan telah lebih melibatkan aspek natural bahwa hasil panen tergantung pada karakteristik tanah (yaitu lahan kritis) dan banyaknya curah hujan (Parhusip dan Edi, 2015). Kita dapat menguji hasil parameter dengan program R. Hasil menunjukkan bahwa variabel padi dari kedua lokasi yang lain lebih kontribusi secara signifikan dengan toleransi 95% atau 0.05 p-value. Hasil model untuk produksi padi pada Selo ditunjukkan pada Gambar 1. Gambar 1. Model GSTAR (disimbolkan -o ) dan data (disimbolkan * ) untuk produksi panen padi sebagai fungsi lahan kritis dan curah hujan pada waktu yang sama (Parhusip dan Edi,2014). Untuk selanjutnya kita dapat melakukan optimasi untuk hasil panen padi untuk tiap Kecamatan di Boyolali. Artinya, bagaimana kita dapat membuat keputusan berapakah panen padi yang optimal untuk Selo,Ampel, Cepogo dan Kecamatan yang lain. Akan tetapi model optimasi belum diuji lebih lanjut pemerintah setempat belum menggunakan program /software yang sudah dibuat. Untuk itulah program akan didisain lebih mudah dijangkau oleh dinas setempat dalam melakukan pengolahan data yang berkaitan dengan kebijakan ekonomi pada bidang pertanian. Dari hasil desiminasi yang dilakukan, diperoleh kesulitan dalam menggunakan program yang telah dibuat oleh Pusat Penelitian Simitro karena program yang dibuat terlalu berat pada personal computer. Untuk itu perlu dilakukan perbaikan program dimana GSTAR dapat diakses Seminar Nasional Matematika, Sains dan Matematika
3 dengan mudah yaitu menggunakan excel. Hal ini dilakukan dengan cara pembuatan software yang mudah digunakan secara mandiri dan disebut prototype G2A yang menjadi materi pokok pada makalah ini. 2. METODE PENELITIAN 2.1 Pemilihan variabel prediktor Pada penelitian terdahulu (Parhusip dan Edi, 2014(a)) curah hujan dan luas area lahan kritis sebagai variabel prediktor selain banyaknya padi pada waktu sebelumnya sebagai variabel autoregresi. Akan tetapi untuk mengetahui produksi padi pada tiap kecamatan, lahan kritis tidak dapat menjadi faktor dalam menentukan optimal produksi padi (sebagaimana pada awal penelitian) karena beberapa lokasi mempunyai luas lahan kritis 0. Sebenarnya tidak adanya lahan kritis pada lokasi tersebut menunjukkan bahwa lokasi tersebut cukup subur dibandingkan lokasi yang memiliki area kritis. Akan tetapi karena beberapa tidak mempunyai lahan kritis, kita tidak dapat membuat model dengan variabel prediktor yang sama. Oleh karena itu variabel prediktor yang dipilih adalah variabel prediktor natural yang memungkinkan pertumbuhan padi yaitu curah hujan dan luas lahan. Hasil optimal curah hujan dan luas lahan hanya akan menunjukkan kemampuan lokasi tersebut untuk produksi optimal pada berdasarkan data curah hujan dan luas lahan panen. 2.2 Model yang digunakan dalam Prototype G2A Prototype G2A adalah prototype yang dibuat menggunakan metode GIS (Geographical Information System) dan Model Generalized Space Time Auto Regressive (GSTAR) yang sudah dimodifikasi oleh Parhusip dan Edi (2014) dimana modifikasi ini berdasarkan regresi klasik, tidak hanya autoregresi. GSTAR Termodifikasi disusun berdasarkan regresi dari 3 lokasi yang dikerjakan secara simultan dimana model tersebut berbentuk : (Apriyanti, dkk, 2014), yaitu Z ( t 1) w Y ( t) w R ( t) e ( ) ; (1.a) Z1( t) t Z ( t 1) w Y ( t) w R ( t) e ( ); (1.b) Z2( t) t Z ( t 1) w Y ( t) w R ( t) e ( ). (1.c) Z3( t) t dengan Z i (t) = variabel data produksi padi pada waktu t di lokasi i, i = 1,2,3. Seminar Nasional Matematika, Sains dan Matematika
4 Y i (t) = variabel luas lahan panen pada waktu t di lokasi i, i = 1,2,3. R i (t) = variabel curah hujan padi pada waktu t di lokasi i, i = 1,2,3. 1 n 1 N k 0 = diag ( k0,..., k 0 ) dan k1 = diag ( k1,..., k 1 ) merupakan parameter model w = bobot (weigth) yang dipilih untuk memenuhi w 0 dan w 1 ii 1 j Uji signifikansi parameter individual (Uji t) digunakan untuk menguji tingkat signifikansi parameter dalam model (Nurhayati, 2013). Langkah-langkah pengujian parameter, yaitu H o : 0, k = 1,2,3 dan i = 0,1 ki H a : 0, k = 1,2,3 dan i = 0,1 ki Statistik uji : t hitung ki S ) ( ki, dimana ki adalah parameter dan S( ki ) adalah standar Perbedaan parameter. Kriteria pengujian dengan α = 5% adalah tolak H o jika t hitung > t tabel, artinya parameter signifikan. Hal ini dilakukan dengan software Data Analysis pada Excel. Lokasi tiap kecamatan didaftar dalam program GIS sehingga dapat ditunjukkan keterkaitan antar 3 lokasi terpilih dalam melakukan GSTAR Termodifikasi. Dengan menggunakan Google map, kita dapat mencatat semua kecamatan yang ditunjukkan pada Gambar 2. ij Gambar 2. Lokasi 19 kecamatan yang ditunjukkan dengan bullet Seminar Nasional Matematika, Sains dan Matematika
5 3. HASIL PENELITIAN DAN PEMBAHASAN 3.1 Hasil GSTAR Termodifikasi Hasil penelitian merupakan software yang dapat digunakan untuk melakukan analisa data tentang optimasi produksi padi pada suatu lokasi kecamatan yang dipengaruhi oleh curah hujan dan luas lahan dan produksi padi pada lokasi yang sama pada waktu sebelumnya mengikuti persamaan (1.a)-(1.c). Kemudian software G2A dilengkapi dengan modul agar dapat digunakan oleh dinas-dinas terkait. Jadi keluaran program merupakan estimasi parameter model GSTAR Termodifikasi dengan bobot lokasi seragam yang ditunjukkan pada Tabel 1. Dari Tabel 1, ada 2 t hitung yang tidak besar dari t tabel atau lebih kecil dari t tabel artinya parameter tidak signifikan dengan α = 0, Optimasi Fungsi Tujuan Fungsi tujuan (Z i ) pada penelitian ini disusun berdasarkan model GSTAR Termodifikasi yang telah diperoleh seperti pada Tabel 3. Sedangkan kendala yang berpengaruh adalah curah hujan dan luas lahan panen di masing-masing lokasi. Fungsi tujuan dan kendala dapat dituliskan pada Tabel 2. Untuk memperoleh hasil optimasi dari fungsi tujuan yang telah disusun digunakan Solver pada Ms.Excel Hasil optimasi untuk 3 kecamatan di Kabupaten Boyolali disajikan pada Tabel 3. Tabel 1. Estimasi parameter model GSTAR termodifikasi untuk data produksi padi di Sambi, Ngemplak, Nogosari Paramete r Hasil Estimasi t hitung t tabel p-value Kesimpulan (α = 0,05) x x x , Tidak Tidak 31 Seminar Nasional Matematika, Sains dan Matematika
6 Tabel 2. Fungsi tujuan dan kendala program linier untuk 3 kecamatan di Kabupaten Boyolali. Kecamatan (k) 1 SAMBI 2 NGEMPLAK 3 NOGOSARI Program Linier Fungsi Tujuan Z 1 = X Y R X Kendala Y R Fungsi Tujuan Z 2 = X Y R X Kendala Y R Fungsi Tujuan Z 3 = X Y R X Kendala Y R Kendala non-negative : X, Y, R 0 ; dengan: X k Y k R k k k k k = Produksi padi di lokasi k dalam kurun waktu 5 tahun = Luas lahan di lokasi k dalam kurun waktu 6 tahun = Curah hujan di lokasi k dalam kurun waktu 6 tahun = 1 s/d 3 dimana 1 = Sambi, 2 = Ngemplak, 3 = Nogosari Tabel 3. Produksi padi optimal di Kecamatan Sambi, Ngemplak, dan Nogosari Lokasi Produksi Padi Optimal Tidak Berdimensi Berdimensi (ton) Data Produksi Padi Asli (ton) Min Max Perbedaan Data asli dan optimasi Sambi % Ngemplak % Nogosari % Tabel 3 menunjukkan besarnya produksi padi optimal dalam kurun waktu 6 tahun (2008 s/d 2013). Hasil penelitian yang berada pada interval data asli hanya produksi padi di Kecamatan Ngemplak, sedangkan pada kecamatan lain lebih besar dari maksimal data asli. Hasil secara keseluruhan menunjukkan bahwa produksi padi (hasil perhitungan) berbeda dengan maksimal data produksi padi pada data asli dengan perbedaan kurang dari 5%. Jadi sekalipun beberapa parameter tidak signifikan fungsi tujuan mempunyai perbedaan yang tidak terlalu besa dengan data yang ada. Oleh karena itu hasil optimasi dapat diterima. Perbedaan tersebut dibandingkan dengan data dapat dianggap sebagai kemungkinan untuk tiap kecamatan dimungkinkan dapat Seminar Nasional Matematika, Sains dan Matematika
7 meningkatkan produksinya. Sebagai aplikasi dari hasil penelitian ini, maka tiap kecamatan (Sambi, Ngemplak, dan Nogosari) disarankan dapat meningkatkan hasil panen hingga 100 ton per tahun. Hal ini diambil dengan mengambil kira-kira selisih data dan perkiraan dalam 6 tahun. Dengan menggunakan Prototype G2A maka hasil komputasi/optimasi dapat langsung ditunjukkan dengan peta pada lokasi terkait. Untuk ketiga lokasi yang dipelajari ditunjukkan pada Gambar 3. Modul yang dibuat telah diujicobakan ke desa Asinan Kabupaten Semarang pada 2 Maret 2015 dengan memberikan pelatihan excel terlebih dahulu. Foto kegiatan ditunjukkan pada Gambar 4-5. Mahasiswa juga memberikan pendampingan kepada tiap peserta agar mampu menggunakan program dengan mudah. Untuk selanjutnya perlu dilakukan kegiatan diseminasi penelitian ini pada dinas terkait di Boyolali atau pada wilayah yang lebih luas sehingga hasil komputasi dapat memberikan kontribusi pada pemerintah dalam melakukan perencanaan. Gambar 3. Hasil keluaran akhir prototype G2A Seminar Nasional Matematika, Sains dan Matematika
8 Gambar 4. Awal kegiatan dengan pelatihan dasar-dasar statistika Gambar 5. Mahasiswa mendampingi tiap peserta untuk dapat memahami materi yang diberikan 4. KESIMPULAN Makalah ini menjelaskan tentang pembuatan awal prototype G2A yaitu software dengan bantuan Excel dan Geographical Information System dimana pada Excel didisain untuk menganalisa data produksi pertanian khususnya padi di Boyolali pada tahun Pada Excel, digunakan model regresi GSTAR Termodifikasi yang menggunakan menu Regresi dan Solver pada Excel. Prototype G2A digunakan untuk menganalisa data produksi panen padi di Sambi, Ngemplak dan Nogosari sebagai contoh 3 kecamatan di Boyolali. Data yang digunakan adalah data produksi panen padi, luas lahan dan curah hujan. Komputasi menunjukkan perbedaan dengan data hanya sekitar maksimum 5% sekalipun ada 2 parameter regresi yang tidak signifikan. Perbedaan yang muncul dapat dianggap sebagai besarnya kemungkinan tiap Seminar Nasional Matematika, Sains dan Matematika
9 kecamatan dapat memproduksi secara optimal dimana dari komputasi ditunjukkan bahwa tiap kecamatan dapat meningkatkan produksinya sekitar 100 ton dalam setahun. Jika ada masa 3 kali panen dalam setahun, maka tiap panen dimungkinkan meningkatkan sekitar 30 ton. Hasil ini belum dikomunikasikan pada dinas terkait. Ucapan Terima Kasih Makalah ini merupakan hasil penelitian tahap 1, HIBAH UPT (Internal UKSW) SK No.31/Penel/Rek/5/1/2015. DAFTAR PUSTAKA Apriyanti, P.D, Parhusip, H.A, Linawati.(2014). Model GSTAR Termodifikasi untuk Produktivitas Jagung di Boyolali, prosiding Seminar Nasional UNNES,8 Nov 2014, ISBN ; hal ( : doi / ) Dewi, V.P, Parhusip,H,A, Linawati, L.(2013). Analisa Hasil Panen Padi menggunakan Pemodelan Kuadratik, prosiding Seminar Nasional Matematika VII UNNES, ISBN Dewi, V.P, Parhusip,H,A, Linawati, L.(2013). Optimasi Hasil Panen Padi menggunakan Singular Value Decomposition (SVD) dan Ant Colony Algorithm (ACO), prosiding Seminar Nasional Matematika UNS. Parhusip, H.A.(2014). Optimasi Taklinear, ISBN , Tisara Grafika Salatiga,221 hlm. Parhusip, H.A & Edi, W.M.(2014). Analisa Data Iklim Boyolali dengan Regresi Klasik dan Metode GSTAR, Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, ISBN , hal ,24 Mei 2014, Universitas PGRI Ronggolawe,Tuban. Parhusip,H.A, Edi, S.W.M., Prasetyo, S.Y.J.( 2014). Analisa Data Pemodelan Untuk Ilmu Sosial dan Sains, ISBN , Tisara Grafika Salatiga,398 hlm,25 cm. Parhusip, H.A & Edi, S.W.M, (2015). Optimal Production of Paddy Fields Using Modified GSTAR Models, International Journal of Agricultural Science and Technology (IJAST), Vol. 3, Issue 1, February ISSN(online) : ; ISSN print: doi: /ijast Seminar Nasional Matematika, Sains dan Matematika
ANALISA DATA PERTANIAN BOYOLALI DALAM BEBERAPA FAKTOR UNTUK OPTIMASI PRODUKTIVITAS PERTANIAN
ANALISA DATA PERTANIAN BOYOLALI DALAM BEBERAPA FAKTOR UNTUK OPTIMASI PRODUKTIVITAS PERTANIAN Hanna Arini Parhusip ),Suryasatriya Trihandaru ), Bambang Susanto ), Yohanes Hendro Agus 2), Sri Yuliyanto J.
Lebih terperinciANALISA DATA IKLIM BOYOLALI DENGAN REGRESI KLASIK DAN METODE GSTAR
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika Tuban, 4 Mei 14 ANALISA DATA IKLIM BOYOLALI DENGAN REGRESI KLASIK DAN METODE GSTAR H.A Parhusip 1) dan Winarso, M.E ) Pusat Penelitian SIMITRO
Lebih terperinciProsiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika PENCARIAN PROPORSI PENAMBAHAN BEKATUL PADA MO- CORIN YANG BAIK DIKONSUMSI OLEH PENDERITA KOLES- TEROL DENGAN MENGGUNAKAN ALGORITMA GENETIK
Lebih terperinciOPTIMASI HASIL PANEN PADI MENGGUNAKAN SINGULAR VALUE DECOMPOSITION (SVD) DAN ANT COLONY OPTIMIZATION (ACO) Abstrak
OPTIMASI HASIL PANEN PADI MENGGUNAKAN SINGULAR VALUE DECOMPOSITION (SVD) DAN ANT COLONY OPTIMIZATION (ACO) Vina Puspita Dewi 1), Hanna Arini Parhusip 2), Lilik Linawati 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciBAB II MAKALAH Makalah 1 :
BAB II MAKALAH Makalah 1 : Analisis penilaian kinerja karyawan menggunakan Fuzzy Linear Programming (FLP). Dipresentasikan dalam Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA 2013 yang diselenggarakan
Lebih terperinciFUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN
FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN Astuti Irma Suryani ), Lilik Linawati 2) dan Hanna A. Parhusip 2) ) Mahasiswa Program Studi Matematika FSM UKSW
Lebih terperinciPenerapan Pemrograman Kuadratik Metode Wolfe untuk Optimasi Rata-Rata Produksi Padi dan Ketela Pohon di Kota Magelang
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 T - 13 Penerapan Pemrograman Kuadratik Metode Wolfe untuk Optimasi Rata-Rata Produksi Padi dan Ketela Pohon di Kota Magelang Sativa Nurin
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
Salatiga, 5 Juni 23, Vol 4, No., ISSN:287 922 ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip 2), dan Bambang Susanto 3) ) Mahasiswa Program Studi
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip ), dan Bambang Susanto 3) ) Mahasiswa Program Studi Matematika ) 3) Dosen Program Studi Matematika
Lebih terperinciPOPULERISASI MATEMATIKA
DISAIN ODEMA (Ornament Decorative Mathematics) UNTUK POPULERISASI MATEMATIKA Hanna Arini Parhusip Prodi Matematika,Fakultas Sains dan Matematika, Universitas Kristen Satya Wacana ABSTRAK. ODEMA (Ornament
Lebih terperinciBab 1. Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Padi merupakan salah satu tanaman budidaya terpenting, karena padi merupakan sumber karbohidrat utama bagi mayoritas penduduk dunia. Produksi padi di dunia menempati
Lebih terperinciBERITA RESMI STATISTIK BPS KABUPATEN BOYOLALI
BERITA RESMI STATISTIK BPS KABUPATEN BOYOLALI No. 1/08/3309/Th.I, 11 Agustus 2016 PRODUKSI PADI DAN PALAWIJA KAB. BOYOLALI (ANGKA TETAP TAHUN 2015) Angka Tetap (ATAP) produksi padi Kabupaten Boyolali Tahun
Lebih terperinciModel Space Time Autoregressive (STAR) Orde 1 Dan Penerapannya Pada Prediksi Harga Beras Di Kota Manado, Tomohon Dan Kabupaten Minahasa Utara
Model Space Time Autoregressive (STAR) Orde 1 Dan Penerapannya Pada Prediksi Harga Beras Di Kota Manado, Tomohon Dan Kabupaten Minahasa Utara 1 Rahmadania Paita, 2 Nelson Nainggolan, 3 Yohanes A.R. Langi
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 terperinciBAB I PENDAHULUAN 1.1 Latar belakang Masalah Annisa Nurul Aini, 2013
BAB I PENDAHULUAN 1.1 Latar belakang Masalah Statistika merupakan salah satu cabang ilmu matematik yang mempelajari bagaimana merencanakan, mengumpulkan, mempresentasikan, menganalisis, dan menginterpretasi
Lebih terperinciModel Prediksi Produksi Panen Komoditas Padi Menggunakan Metode Regresi Linier Berganda (Studi Kasus Kabupaten Sukoharjo) LAPORAN PENELITIAN
Model Prediksi Produksi Panen Komoditas Padi Menggunakan Metode Regresi Linier Berganda (Studi Kasus Kabupaten Sukoharjo) LAPORAN PENELITIAN Diajukan kepada Fakultas Teknologi Informasi Untuk Memperoleh
Lebih terperinciProsiding Seminar Nasional Hasil-Hasil PPM IPB 2016 Hal : 1 7 ISBN :
Hal : 1 7 ISBN : 978-62-8853-29-3 MODEL LINIER BERDASARKAN SEBARAN GAMMA DENGAN REGULARISASI PERSENTIL L1 DAN L2 UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (Linear Model based on Gamma Distribution with Percentile
Lebih terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga Kabupaten Bogor, Propinsi Jawa Barat. Pemilihan lokasi dilakukan secara sengaja dengan
Lebih terperinciANALISA DATA PERTANIAN BOYOLALI DALAM BEBERAPA FAKTOR UNTUK OPTIMASI PRODUKTIVITAS PERTANIAN
Telah diresentasikan ada Konser Karya Ilmiah Fakultas Pertanian dan Bisnis UKSW, ada 4 Agustus 206 Artikel KKIN 206 ANALISA DATA PERTANIAN BOYOLALI DALAM BEBERAPA FAKTOR UNTUK OPTIMASI PRODUKTIVITAS PERTANIAN
Lebih terperinciOleh, FIKA WIDYA PRATAMA NIM : TUGAS AKHIR
IDENTIFIKASI SAHAM PERUSAHAAN PENGHITUNG INDEKS LQ45 BERDASARKAN KOEFISIEN REGRESI LINIER BERGANDA YANG SIGNIFIKAN BESERTA PERINGKATNYA MENGGUNAKAN P/E RASIO Oleh, FIKA WIDYA PRATAMA NIM : 662008006 TUGAS
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract
Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa
Lebih terperinciPENGOPTIMALAN KADAR PROKSIMAT PADA MOCORIN DENGAN MENGGUNAKAN ALGORITMA GENETIK (AG)
PENGOPTIMALAN KADAR PROKSIMAT PADA MOCORIN DENGAN MENGGUNAKAN ALGORITMA GENETIK (AG) Oleh, RUTH KRISTIANINGSIH NIM : 662010008 TUGAS AKHIR Diajukan kepada Program Studi Matematika, Fakultas Sains dan Matematika
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN 1.1 Deskripsi Variabel Penelitian Statistika deskriptif bertujuan untuk mendeskripsikan atau menggambarkan objek penelitian yang diambil dari sampel atau populasi sehingga
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan yang cepat dalam teknologi pengumpulan dan penyimpanan data telah memudahkan organisasi untuk mengumpulkan sejumlah data berukuran besar sehingga
Lebih terperinciPROGRAM LINEAR MULTI-OBJECTIVE DENGAN FIXED-WEIGHT METHOD
PROGRAM LINEAR MULTI-OBJECTIVE DENGAN FIXED-WEIGHT METHOD 1 Fhani Mulyani Zenis, 2 M. Yusuf Fajar, Drs.,M.Si., 3 Dr.Yani Ramdani, Dra.,M.Pd. 1 Jurusan Matematika, Universitas Islam Bandung, Jl. Tamansari
Lebih terperinciPERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE KOYCK DAN ALMON
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 91-97 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE
Lebih terperinciPemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR
JURNAL SAINS DAN SENI POMITS Vol., No., (0) 7-0 (0-X Prin D-7 Pemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR Laily Awliatul Faizah dan Setiawan Jurusan Statistika,
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW ANALISA SAHA ENGGUNAKAN RANSFORASI FOURIER SOKASIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip ), dan Bambang Susanto 3) ) ahasiswa Program
Lebih terperinciSISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
SISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) 1 Pradityo Utomo dan 2 Setiyo Daru Cahyono 42 1 Program Studi Magister Ilmu Komputer, Universitas
Lebih terperinciS - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP
S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP Janse Oktaviana Fallo 1, Adi Setiawan 2, Bambang Susanto 3 1,2,3 Program Studi Matematika
Lebih terperinciPEMODELAN SEASONAL GENERALIZED SPACE TIME AUTOREGRESSIVE
PEMODELAN SEASONAL GENERALIZED SPACE TIME AUTOREGRESSIVE (SGSTAR) (Studi Kasus: Produksi Padi di Kabupaten Demak, Kabupaten Boyolali, dan Kabupaten Grobogan) SKRIPSI DisusunOleh: AISHA SHALIHA MANSOER
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Kelapa sawit (Elaeis Guineensis) merupakan salah satu komoditas ekspor perkebunan terbesar di Indonesia. Indonesia mempunyai struktur tanah serta curah hujan yang
Lebih terperinciPENDAHULUAN A. Latar Belakang
digilib.uns.ac.id 1 I. PENDAHULUAN A. Latar Belakang Pangan merupakan segala sesuatu yang berasal dari sumber hayati dan air, baik yang diolah maupun tidak diolah, yang diperuntukkan sebagai makanan dan
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Metode Dasar Penelitian Metode dasar penelitian yang digunakan ialah metode penelitian eksplanatoris. Penelitian eksplanatoris merupakan penelitian yang bersifat noneksploratif,
Lebih terperinciCARA CARA PENULISAN ILMIAH YANG MEMUAT EKSPRESI MATEMATIKA
CARA CARA PENULISAN ILMIAH YANG MEMUAT EKSPRESI MATEMATIKA Oleh : H.A. Parhusip Matematika-Fakultas Sains dan Matematika Universitas Kristen Satya Wacana www.uksw.edu Abstrak Pada makalah ini ditunjukkan
Lebih terperinciOleh, ASTUTI IRMA SURYANI NIM : TUGAS AKHIR
ANALISIS PENILAIAN KINERJA KARYAWAN MENGGUNAKAN FUZZY LINEAR PROGRAMMING (FLP) Studi Kasus: Data Penilaian Kinerja Karyawan Non Akademik Oleh Biro HRD Univeristas Kristen Satya Wacana Salatiga Oleh, ASTUTI
Lebih terperinciPRODUKTIVITAS DAN KONTRIBUSI TENAGA KERJA SEKTOR PERTANIAN KABUPATEN BOYOLALI
PRODUKTIVITAS DAN KONTRIBUSI TENAGA KERJA SEKTOR PERTANIAN KABUPATEN BOYOLALI Yetti Anita Sari Fakultas Geografi UGM; Yogyakarta E-mail: yettianitasari@gmail.com ABSTRAK Sektor pertanian merupakan salah
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciPengembangan Algoritma Mow dan Generalisasi Bahasa Automata untuk Proses Pembuatan Minuman Serta Pengembalian Uang pada Desain Mesin Kopi Otomatis
Pengembangan Algoritma Mow dan Generalisasi Bahasa Automata untuk Proses Pembuatan Minuman Serta Pengembalian Uang pada Desain Mesin Kopi Otomatis 1 Wamiliana, 2 Ossy Dwi Endah W dan 3 Marisa Ayu Rahmadhani
Lebih terperinciV. PEMODELAN SISTEM. Pengguna. Sistem Manajemen Dialog. Sistem Pengolahan Pusat. Gambar 7. Konfigurasi Program Aplikasi SCHATZIE 1.
V. PEMODELAN SISTEM 5.1. KONFIGURASI SISTEM Model perencanaan bahan baku industri teh di PTPN VIII Kebun Cianten dirancang dan dibuat dalam satu paket komputer sistem manajemen yang diberi nama SCHATZIE
Lebih terperinciANALISA DATA PEMODELAN UNTUK ILMU SOSIAL & SAINS
Dr. Hanna Arini Parhusip, lahir di kota Salatiga, 27 Februari 1968. Sarjana bidang Matematika diperoleh pada tahun 1992 dari UGM, S2 bidang Matematika Industri diperoleh tahun 1997 dari Univ. Kaiserslautern
Lebih terperinciSISTEM PREDIKSI HARGA CENGKEH DI JAWA BARAT MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE
SISTEM PREDIKSI HARGA CENGKEH DI JAWA BARAT MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE Hari Fajri Setiawan 1), Gunawan Abdillah 2), Agus Komarudin 3) Program Studi Informatika, Fakultas Matematika
Lebih terperinciPENERAPAN METODE POHON KEPUTUSAN DENGAN ALGORITME ITERATIVE DYCHOTOMISER 3 (ID3) PADA DATA PRODUKSI JAGUNG DI PULAU JAWA
PENERAPAN METODE POHON KEPUTUSAN DENGAN ALGORITME ITERATIVE DYCHOTOMISER 3 (ID3) PADA DATA PRODUKSI JAGUNG DI PULAU JAWA Yasinta Agustyani, Yuliana Susanti, dan Vika Yugi Program Studi Matematika Fakultas
Lebih terperinciGELOMBANG BUNYI FREKUENSI HZ UNTUK MENINGKATKAN PRODUKTIVITAS SAWI BAKSO (Brassica rapa var. parachinensis L.)
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 18 Mei 2013 GELOMBANG BUNYI FREKUENSI 6000-9600 HZ UNTUK MENINGKATKAN PRODUKTIVITAS SAWI
Lebih terperinciKurniawati, Sri Sulistijowati Handajani, dan Purnami Widyaningsih Program Studi Matematika FMIPA UNS
PERBANDINGAN PENERAPAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE DENGAN PEMBOBOT INVERS JARAK DAN NORMALISASI KORELASI SILANG PADA LAJU INFLASI DI KOTA SURAKARTA, YOGYAKARTA, DAN SURABAYA Kurniawati,
Lebih terperinciStudi Optimasi Distribusi Pemanfaatan Air di Daerah Irigasi Pakis Menggunakan Program Linier
Studi Optimasi Distribusi Pemanfaatan Air di Daerah Irigasi Pakis Menggunakan Program Linier Rizq Fajrianto¹, Widandi Soetopo², Lily Montarcih² ¹Mahasiswa Program Sarjana Teknik Jurusan Pengairan Universitas
Lebih terperinciBAB III METODE PENELITIAN
21 BAB III METODE PENELITIAN 3.1 Desain Penelitian Pada bab ini akan dipaparkan skema umum penelitian yang dilakukan untuk mempermudah dalam melakukan penelitian. Dalam penelitian ini terdapat dua tahapan
Lebih terperinciSISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
SISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Pradityo Utomo 1) dan Setiyo Daru Cahyono 2) 1) Program Studi Magister Ilmu Komputer, Universitas
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciPENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF. Adi Setiawan
PENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl Diponegoro 5-6 Salatiga
Lebih terperinciANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE
ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE SKRIPSI Oleh : ALVITA RACHMA DEVI 24010210120017 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Variabel Pada penelitian yang penulis lakukan untuk menganalisis pengaruh yang terjadi antara luas lahan, pupuk, dan curah hujan terhadap hasil produktifitas padi sawah
Lebih terperinciPRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :
PRISMA FISIKA, Vol. III, No. (05), Hal. 79-86 ISSN : 7-80 Pemodelan Kebutuhan Daya Listrik Di Pt. PLN (Persero) Area Pontianak dengan Menggunakan Metode Gauss-Newton Mei Sari Soleha ), Joko Sampurno *),
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Kesimpulan yang diperoleh berdasarkan analisis dan pembahasan pada bab sebelumnya adalah sebagai berikut. 1. Bobot lokasi yang digunakan dalam membentuk model
Lebih terperinciPenerapan Algoritme C4.5 Pada Klasifikasi Produksi Ubi Jalar di Pulau Jawa
Penerapan Algoritme C4.5 Pada Klasifikasi Produksi Ubi Jalar di Pulau Jawa Seno Setiyawan 1, Yuliana Susanti 2,Tri Atmojo Kusmayadi 3 1,3 Program Studi Matematika FMIPA, Universitas Sebelas Maret 2 Program
Lebih terperinciPenerapan Pemrograman Dinamis dalam Perencanaan Produksi
Penerapan Pemrograman Dinamis dalam Perencanaan Produksi Yugowati Praharsi Abstrak Pemrograman dinamis merupakan salah satu alat bantu untuk mengambil keputusan yang tidak mempunyai formulasi baku untuk
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENDUGAAN PARAMETER REGRESI LOGISTIK BINER DENGAN SPREADSHEET SOLVER (ADD-IN MICROSOFT EXCEL)
PENDUGAAN PARAMETER REGRESI LOGISTIK BINER Shaifudin Zuhdi, Dewi Retno Sari Saputro Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret ABSTRAK. Model regresi logistik
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciPENGOPTIMALAN PERSEDIAAN DENGAN METODE SIMPLEKS PADA PT. XYZ
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 105 113. PENGOPTIMALAN PERSEDIAAN DENGAN METODE SIMPLEKS PADA PT. XYZ Christian Hermawan, Iryanto, Rosman Siregar Abstrak. Penerapan model pemrograman
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
38 BAB V HASIL DAN PEMBAHASAN 5.1 Hasil 5.1.1 Curah hujan Grafik curah hujan selama pengamatan (2 Desember 2010-31 Januari 2011) disajikan dalam Gambar 10. Gambar 10 Curah hujan selama pengamatan. Berdasarkan
Lebih terperinciSISTEM INFORMASI GEOGRAFIS PERTANIAN PADI DI KABUPATEN BANTUL, D.I. YOGYAKARTA
SISTEM INFORMASI GEOGRAFIS PERTANIAN PADI DI KABUPATEN BANTUL, D.I. YOGYAKARTA Agus Rudiyanto 1 1 Alumni Jurusan Teknik Informatika Univ. Islam Indonesia, Yogyakarta Email: a_rudiyanto@yahoo.com (korespondensi)
Lebih terperinciPerancangan Kalender Tanam Berdasarkan Data Klimatologi Menggunakan Metode Forecasting Holt-Winters (Studi Kasus : Boyolali) Artikel Ilmiah
Perancangan Kalender Tanam Berdasarkan Data Klimatologi Menggunakan Metode Forecasting Holt-Winters (Studi Kasus : Boyolali) Artikel Ilmiah Peneliti : Gabriel Alvin Pryanto (672006257) Kristoko Dwi Hartomo,
Lebih terperinciSufa atin Program Studi Teknik Informatika Universitas Komputer Indonesia
Sufa atin Program Studi Teknik Informatika Universitas Komputer Indonesia 1 1. Membahas teknik-teknik riset operasi yang digunakan sebagai dasar pengambilan keputusan 2. Konsep dasar ilmu matematika (himpunan,
Lebih terperinciPENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA
PENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA Khanty Intan Lestari 1, Tine Soemartini 2, Resa Septiani Pontoh 3. Mahasiswa Program Studi Statistika Universitas
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciBAB 4 ANALISIS DAN BAHASAN. Pada bab ini, akan disajikan penjelasan mengenai analisis data dan
BAB 4 ANALISIS DAN BAHASAN Pada bab ini, akan disajikan penjelasan mengenai analisis data dan pembahasan. Sub bab akan menjelaskan tentang bagaimana cara mengolah data dan akan dilanjutkan dengan interpretasi
Lebih terperinciANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG. Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan
Saintia Matematika Vol. 2, No. 1 (2014), pp. 71 83. ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan Abstrak. Penyediaan
Lebih terperinciPROYEKSI PERMINTAAN KEDELAI DI KOTA SURAKARTA
PROYEKSI PERMINTAAN KEDELAI DI KOTA SURAKARTA Tria Rosana Dewi dan Irma Wardani Staf Pengajar Fakultas Pertanian, Universitas Islam Batik Surakarta Email : triardewi@yahoo.co.id ABSTRAK Penelitian ini
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 593-602 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN SEASONAL GENERALIZED SPACE TIME AUTOREGRESSIVE (SGSTAR)
Lebih terperinciFUNGSI GRIEWANK DAN PENENTUAN NILAI OPTIMUMNYA MENGGUNAKAN ALGORITMA STROBERI. Tri Nadiani Solihah
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 FUNGSI GRIEWANK DAN PENENTUAN NILAI OPTIMUMNYA MENGGUNAKAN ALGORITMA STROBERI Tri Nadiani Solihah trinadianisolihah@gmail.com
Lebih terperinciPENDAHULUAN A. LATAR BELAKANG MASALAH
PENDAHULUAN A. LATAR BELAKANG MASALAH Dalam pelaksanaan pembelajaran selalu ditemui evaluasi-evaluasi untuk menguji tingkat pemahaman terhadap suatu bahan yang dipelajari. Evaluasi-evaluasi ini tidak boleh
Lebih terperinciOPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR
40 Jurnal Matematika Vol 6 No 2 Tahun 2017 OPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR OPTIMIZATION OF FOOD CROPS IN MAGELANG WITH QUADRATIC
Lebih terperincioleh DIAN BELLY YANI M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PEMODELAN BANYAKNYA KUNJUNGAN WISATAWAN PADA EMPAT LOKASI WISATA DKI JAKARTA DENGAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE SEEMINGLY UNRELATED REGRESSION (GSTAR-SUR) oleh DIAN BELLY YANI M0111020
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciOPERATION RESEARCH-1
OPERATION RESEARCH-1 Prof.Dr.H.M.Yani Syafei,MT MATERI PERKULIAHAN 1.Pemrograman Linier (Linear Programming) Formulasi Model Penyelesaian dengan Metode Grafis Penyelesaian dengan Algoritma Simplex Penyelesaian
Lebih terperinciIDENTIFIKASI KAWASAN RAWAN KONVERSI PADA LAHAN SAWAH DI KECAMATAN 2 X 11 ENAM LINGKUNG KABUPATEN PADANG PARIAMAN BERBASIS GIS
IDENTIFIKASI KAWASAN RAWAN KONVERSI PADA LAHAN SAWAH DI KECAMATAN 2 X 11 ENAM LINGKUNG KABUPATEN PADANG PARIAMAN BERBASIS GIS (GEOGRAPHIC INFORMATION SYSTEM) Fakultas Teknologi Pertanian, Kampus Limau
Lebih terperinciSKRIPSI JURUSAN STATISTIKA PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)
PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SKRIPSI Disusun Oleh : LINA IRAWATI NIM : 24010211140072 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciRESAMPLING BERDASARKAN ESTIMASI DENSITAS KERNEL BIVARIAT
RESAMPLING BERDASARKAN ESTIMASI DENSITAS KERNEL BIVARIAT Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-60 Salatiga 50711 e-mail
Lebih terperinciOPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS
OPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS Yisti Vita Via Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi semakin pesat, banyak orang. mulai mencari berbagai produk yang dapat memudahkan
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi semakin pesat, banyak orang mulai mencari berbagai produk yang dapat memudahkan pekerjaan mereka. Tuntutan pekerjaan berbanding terbalik dengan
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciPENERAPAN MODEL LINEAR GOAL PROGRAMMING UNTUK OPTIMASI PERENCANAAN PRODUKSI
PENERAPAN MODEL LINEAR GOAL PROGRAMMING UNTUK OPTIMASI PERENCANAAN PRODUKSI Natalia Esther Dwi Astuti 1), Lilik Linawati 2), Tundjung Mahatma 2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Deskripsi Data
BAB IV PEMBAHASAN Pada bab ini diberikan deskripsi data, diagram pencar data, titik knot optimal, model regresi nonparametrik spline, pengujian parameter, dan pengujian sisaan. Selanjutnya regresi nonparametrik
Lebih terperinciPERBANDINGAN REGRESI ROBUST DENGAN OLS PADA PRODUKSI UBI JALAR PROVINSI JAWA TENGAH TAHUN 2015
PERBANDINGAN REGRESI ROBUST DENGAN PADA PRODUKSI UBI JALAR PROVINSI JAWA TENGAH TAHUN 2015 Endah Suryaningsih Utami 1), Abdul Karim 2) 1 Program Studi Strata Statistika,, Universitas Muhammadiyah Semarang
Lebih terperinciPREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE
PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE Annita Nur Kusumastuti, Sri Sulistijowati Handajani, dan Respatiwulan Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi identik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Motor DC (Direct Current) Brushless atau disebut dengan Motor BLDC (Brushless Direct Current Motor) sangat banyak digunakan dalam berbagai macam aplikasi industri saat
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENGELOMPOKAN PERSENTASE PENDUDUK BERUMUR 15 TAHUN KE ATAS MENURUT KABUPATEN/KOTA DAN PENDIDIKAN TERTINGGI
Lebih terperinciBAB II LANDASAN TEORI
perpustakaanunsacid digilibunsacid BAB II LANDASAN TEORI Pada bagian pertama bab kedua ini diberikan tinjuan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab
Lebih terperinciSTUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT
STUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT Studi Kasus: Beberapa Kurs Mata Uang Asing Terhadap Rupiah Rangga
Lebih terperinciBADAN PUSAT STATISTIK PROVINSI ACEH
BADAN PUSAT STATISTIK PROVINSI ACEH No. 046/11/12/Th.VI. 01 November 2012 PRODUKSI PADI DAN PALAWIJA PROVINSI ACEH (ANGKA RAMALAN II TAHUN 2012) Sampai dengan Subrorund II (Januari-Agustus) tahun 2012,
Lebih terperinciKATA PENGANTAR. Demikian Buku KEADAAN TANAMAN PANGAN JAWA TENGAH kami susun dan semoga dapat digunakan sebagaimana mestinya.
KATA PENGANTAR Sektor pertanian merupakan sektor yang vital dalam perekonomian Jawa Tengah. Sebagian masyarakat Jawa Tengah memiliki mata pencaharian di bidang pertanian. Peningkatan kualitas dan kuantitas
Lebih terperinciBab 1 Pendahuluan 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Di Indonesia, padi adalah komoditas strategis yang mempengaruhi berbagai aspek kehidupan, baik sosial, ekonomi, budaya maupun politik. Hingga saat ini padi atau beras
Lebih terperinciBab 1 Pendahuluan 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Permalan mempunyai peranan penting dalam pengambilan keputusan, untuk perlunya dilakukan tindakan atau tidak, karena peramalan adalah prakiraan atau memprediksi peristiwa
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Teori himpunan fuzzy banyak diterapkan dalam berbagai disiplin ilmu seperti teori kontrol dan manajemen sains, pemodelan matematika dan berbagai aplikasi dalam bidang
Lebih terperincif. Luas lahan panen padi (X 5 ) merupakan seluruh areal produktif atau panen tanaman padi di Indonesia dinyatakan dalam satuan ribu Ha.
BAB IV METODOLOGI PENELITIAN 4.1. Sumber Data Penelitian Jenis data yang digunakan dalam penelitian ini adalah data sekunder tahun 1980-2013 yang dikumpulkan dari berbagai sumber yaitu Badan Pusat Statistik
Lebih terperinciLEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA
LEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA 1,2,3 Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara e-mail: edgar.audela.bb@students.usu.ac.id,
Lebih terperinci