BAB III DATA DAN METODOLOGI
|
|
- Hadian Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 17 BAB III DATA DAN METODOLOGI 3.1 Data Pada penelitian ini, ada dua jenis data yang akan digunakan. Jenis data pertama adalah data curah hujan bulanan dan yang kedua adalah data luaran GCM Data Luaran GCM (Peubah Penjelas) Data GCM yang digunakan dalam penelitian ini terdiri dari 6 luaran: Pacific_20c3m_cgcm3.1_t47 (t-47) Peubah luaran: presipitasi, subset: koordinat 25 titik bujur x 18 titik lintang, Pacific_20c3m_cgcm3.1_t63 (t-63) Peubah luaran presipitasi, subset: koordinat 33 titik bujur x 22 titik lintang, Pacific_20c3m_giss_model_er (giss-er) Peubah luaran presipitasi, subset: koordinat 18 titik bujur x 16 titik lintang, Pacific_20c3m_gissaom (giss-aom) Peubah luaran presipitasi, subset: koordinat 23 titik bujur x 20 titik lintang, Pacific_20c3m_miub_echo_g (miub-g) Peubah luaran presipitasi, subset: koordinat 25 titik bujur x 18 titik lintang, Pacific_20c3m_mri_cgcm2_3_2a(mri-32a) Peubah luaran presipitasi, subset: koordinat 33 titik bujur x 22 titik lintang, Data luaran GCM memiliki peubah luaran salah satu contohnya adalah presipitasi yang merupakan nilai-nilai hasil pengambaran matematis dari sejumlah besar interaksi fisika, kimia, dan dinamika atmosfer bumi. Nilai-nilai tersebut perlu dikalibrasi untuk menduga dan mengestimasi peubah-peubah iklim dan
2 18 cuaca seperti curah hujan, suhu, kelembapan, penutupan awan, radiasi, dan lainlain. Contoh dari luaran GCM dapat dilihat pada Gambar 9 Gambar 9 Contoh Data Luaran GCM Data Curah Hujan (Peubah Respon) Data Curah hujan yang digunakan untuk penelitian ini adalah dari data titik-titik observasi di kota Indramayu dari Januari 1979 sampai Desember 2000 Contoh data dapat dilihat pada Tabel 2. Tabel 2 Data Observasi curah hujan di Kota Indramayu NamaSta Cidempet Cikedung Indramayu Jatibarang Sudikampiran Kedokan bund Jan Feb Mar Apr May Jun Terdapat 13 titik observasi curah hujan yang diamati tersebar di Kabupaten Indramayu, dengan lokasinya sebagian berada dekat dengan garis pantai/ laut dan sebagian lagi jauh dari laut. Secara umum lokasi yang menjadi titik observasi curah hujan memiliki topografi berupa dataran atau daerah landai dengan kemiringan tanahnya rata-rata 0 2 %. Bila curah hujan cukup tinggi, maka di daerah-daerah tertentu yang tidak mempunyai drainase yang baik akan menyebabkan terjadinya genangan air.
3 Tahapan Penelitian 10. Tahapan penelitian ini terangkum secara lengkap pada gambar Gambar Gambar 10 Tahapan proses penelitian
4 20 Tahap awal yang dilakukan pada penelitian ini adalah dimulai dari pemahaman terhadap permasalahan yang akan diselesaikan. Mengacu pada tujuan, penelitian ini mencoba untuk mengembangkan model SVR yang dapat memprediksi curah hujan bulanan di wilayah Kabupaten Indramayu. Untuk mendapatkan gambaran menyeluruh tentang domain penelitian yang akan dilaksanakan, diperlukan studi literatur sehingga dapat mengukur dan melihat seberapa berbeda dan pentingnya penelitian yang akan dilakukan. Setelah memahami masalah, maka tahap yang dilakukan selanjutnya adalah pengumpulan data. Secara keseluruhan data observasi terdiri dari 22 periode (tahun ). Dengan demikian data GCM yang digunakan hanya dari tahun Berdasarkan titik observasi hujan dilihat koordinatnya, kemudian berdasarkan titik koordinat tersebut akan digunakan untuk menentukan grid dari data luaran GCM dengan luasan grid berupa matriks 5x5. Titik koordinat observasi berada ditengah-tengah luasan grid GCM yang akan diambil. Sebagai contoh, stasiun hujan memiliki titik koordinat 112 bujur timur dan 6 derajat lintang selatan. Luasan grid yang di-cropp pada gcm merupakan grid matriks 5x5 dengan pusatnya merupakan lokasi stasiun hujan. Ilustrasi proses pengambilan data GCM dengan grid 5x5 dapat dilihat pada Gambar 11. Gambar 11 Ilustrasi proses cropping luasan grid data GCM.
5 21 Dikarenakan data observasi memiliki periode 22 tahun, maka proses cropping yang dilakukan mengikuti observasi sebanyak 12x22 tahun. Luasan grid yang diperoleh dari prosis cropping keseluruhan luaran GCM adalah sebanyak 264 dari bulan Januari 1979 sampai dengan Desember 2000, sehingga jumlah keseluruhan untuk data masukan menjadi 264 (22x12) data dengan atribut sebanyak 25 (5x5) buah. Kemudian diperoleh matriks baru berdasarkan titik observasi dan luasan grid GCM seperti yang diperlihatkan oleh Tabel 3, dengan nilai t adalah jumlah cropping luasan GCM dan nxn menunjukkan grids matriks. Tabel 3 Matriks data GCM mengikuti data observasi Stasiun Observasi Data GCM y x 1 x 2 x 3 x 4 x 5 x 6 x 7 x n n y x x x x x x x x y x x x x x x x x y x x x x x x x.. x Kemudian, untuk mengurangi masalah ukuran pada data luaran GCM yang berdimensi besar, maka dilakukan reduksi dimensi spasial dari matriks data GCM dengan menggunakan PCA. Ilustrasi pereduksian dimensi dari data matriks GCM terlihat pada Tabel 4. Tabel 4 PCA Matriks data GCM Stasiun Observasi PCA Data GCM y c 1 c 2 c 3 c 4 c m y c c c c c y c c c c c y c c x c c
6 22 Proses analisis komponen utama/pca adalah suatu analisis peubah ganda yang bertujuan untuk mereduksi dimensi data tanpa harus kehilangan informasi secara berarti. Pada penelitian ini proses reduksi dilakukan dengan mengambil lebih dari satu komponen utama (principal component), dengan keragaman 97%. Proses reduksi menghasilkan atribut kolom data matriks baru yang berasal dari komponen utama PCA sebesar m, dengan kearagaman/principle component score lebih besar dari 97%. Dapat dikatakan bahwa hasil reduksi dimensi menggunakan PCA menghasilkan variabel baru sebanyak m yang merepresentasikan informasi dengan tingkat kepercayaan sebesar 97% dari data matriks sebelumnya dengan atribut kolom berupa vektor berukuran nxn, dimana m jauh lebih kecil dari pada nxn (m<<nxn). Dalam penelitian ini pemodelan membagi bulan didasarkan pada musim, yaitu bulan pada musim hujan dengan rataan curah hujuan yang tinggi terjadi pada bulan Desember-Januari-Februari (DJF), bulan pada musim kemarau dengan rataan curah hujan yang sedikit terjadi pada bulan Juni-Juli-Agustus(JJA) dan bulan pada masa pancaroba yang merupakan peralihan musim hujan ke kemarau terjadi pada bulan Maret-April-Mei (MAM) serta peralihan musim kemarau ke musim hujan terjadi pada bulan September-Oktober-November(SON). Sehingga PCA data matriks GCM terbagi menjadi 4 bagian menjadi GCM-DJF, GCM- MAM, GCM-JJA, dan GCM-SON yang masing-masing berjumlah 66 baris. Langkah selanjutnya yaitu menyusun model SVR berdasarkan data GCM dan observasi. Pada model SVR, data GCM akan berperan sebagai masukan, dan data observasi berperan sebagai targetnya. Namun, sebelum dilakukan penyusunan model, terlebih dahulu harus dilakukan pembagian data menjadi data latih dan data uji menggunakan teknik k-fold cross validation. Berdasarkan teknik k-fold cross validation, seluruh data baik GCM maupun observasi dibagi menjadi k subset, yaitu S1, S2,, Sk. Pada penelitian ini ditentukan nilai k sebesar 5. Masing-masing subset memiliki ukuran yang sama. Pembagian data dilakukan secara acak dengan mempertahankan perbandingan jumlah baris data setiap kelas. Pada proses pertama S2,, S5 dijadikan data pelatihan dan S1 sebagai data uji, pada proses kedua S1,S3,, S5 sebagai data pelatihan dan S2 sebagai data uji, dan seterusnya sebanyak 5 kali pengulangan.
7 23 Setelah dilakukan pembagian data maka penyusunan model SVR dapat dilakukan. Ilustrasi arsitektur dari model SVR, diperlihatkan pada Gambar 12. Gambar 12 Struktur SVR. Pada tahap pelatihan data yang digunakan adalah data latih sebagai masukan untuk pelatihan menggunakan metode SVR dengan masing-masing fungsi kernel-nya adalah linear kernel, polynomial kernel, dan radial basis function (RBF) kernel menghasilkan keluaran berupa model SVR. Dari fungsi kernel yang digunakan, sebelumnya diharuskan untuk menentukan nilai parameter C untuk fungsi linear kernel, nilai parameter C, γ, r, dan d untuk fungsi polynomial kernel, dan parameter C dan γ untuk fungsi RBF kernel. Penentuan parameter fungsi kernel berpengaruh pada model SVR yang dihasilkan. Semakin optimal parameternya, maka semakin baik model yang dihasilkan. Dalam penelitian ini untuk mendapatkan parameter fungsi kernel yang optimum dilakukan dengan menggunakan metode grid search didapatkan model SVR dengan parameter yang optimal. Pada tahap pengujian, data uji digunakan sebagai masukan bagi model SVR untuk mendapatkan keluaran/ouput berupa nilai estimasi atau nilai prediksi. Proses pelatihan dan pengujian dilakukan untuk setiap data GCM (DJF, MAM,
8 24 JJA, SON) dan berlangsung selama 5-fold cross validation sehingga menghasilkan nilai estimasi untuk keseluruhan data dengan rentang tahun periode Selanjutnya dilakukan proses evaluasi dan divalidasi dengan cara membandingkan nilai estimasi yang diperoleh dengan nilai dari pengamatan sesungguhnya untuk menguji kehandalan model dalam melakukan pendugaan curah hujan bulanan di wilayah Kabupaten Indramayu. Tahap terakhir dari penelitian yaitu melakukan dokumentasi dan pelaporan akhir hasil evaluasi yang menandakan penelitian yang dilakukan telah selesai. 3.3 Lingkup Pengembangan Model Spesifikasi perangkat keras dan perangkat lunak komputer yang digunakan dalam penelitian ini sebagai berikut : Perangkat keras: processor Intel Core 2 duo 3.20 GHz, memori 2 GB, dan harddisk 250 GB. Perangkat lunak: Windows 7 Ultimate, Matlab 7.7.1, Visual Studio 2008, Notepad++, Microsoft Excel 2007, library svm (LIBSVM 3.0).
PEMODELAN STATISTICAL DOWNSCALING DATA GCM MENGGUNAKAN SUPPORT VECTOR REGRESSION UNTUK MEMPREDIKSI CURAH HUJAN BULANAN INDRAMAYU
PEMODELAN STATISTICAL DOWNSCALING DATA GCM MENGGUNAKAN SUPPORT VECTOR REGRESSION UNTUK MEMPREDIKSI CURAH HUJAN BULANAN INDRAMAYU MUHAMMAD ASYHAR AGMALARO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinci3.1 Dataa. Data yang. dalam file. Indramayu. Kabupaten. coordinates E E E E E+34-1.
17 3 DATAA DAN METODOLOGI 3.1 Dataa Data yang digunakann pada penelitian ini adalah: 3.1.1 Dataa RegCM3 (Vektor X) Dataa RegCM3 yang digunakan dalam penelitian ini adalah data RegCM3 bulanan untuk Pulau
Lebih terperinciPEMODELAN DOWNSCALING LUARAN GCM DAN ANOMALI SST NINO 3.4 MENGGUNAKAN SUPORT VECTOR REGRESSION (Studi Kasus Curah Hujan Bulanan Indramayu)
1 PEMODELAN DOWNSCALING LUARAN GCM DAN ANOMALI SST NINO 3.4 MENGGUNAKAN SUPORT VECTOR REGRESSION (Studi Kasus Curah Hujan Bulanan Indramayu) The Modeling of Downscaling outside GCM and Anomali SST NINO
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pemodelan Downscaling Menggunakan Jaringan Saraf Tiruan (JST) Percobaan pada penelitian ini dilakukan dengan menggunakan metode pelatihan jaringan saraf tiruan (JST) backpropagation
Lebih terperinci5. HUBUNGAN ANTARA PEUBAH-PEUBAH PENJELAS GCM CSIRO Mk3 DAN CURAH HUJAN BULANAN
5. HUBUNGAN ANTARA PEUBAH-PEUBAH PENJELAS GCM CSIRO Mk3 DAN CURAH HUJAN BULANAN 5.1 Pendahuluan Dalam pemodelan statistical downscaling (SD), khususnya fungsi transfer diawali dengan mencari model hubungan
Lebih terperinci1. PENDAHULUAN. [8 Januari 2006] 1 ( )
1. PENDAHULUAN 1.1. Latar Belakang Informasi ramalan curah hujan sangat berguna bagi petani dalam mengantisipasi kemungkinan kejadian-kejadian ekstrim (kekeringan akibat El- Nino dan kebanjiran akibat
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciREGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING
REGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING Aji Hamim Wigena Departemen Statistika, FMIPA Institut Pertanian Bogor Jakarta, 23 Juni 2011 Pendahuluan GCM (General Circulation Model) model
Lebih terperinciPEMODELAN DOWNSCALING LUARAN GCM DAN ANOMALI SST NINO 3.4 MENGGUNAKAN SUPPORT VECTOR REGRESSION. (Studi Kasus Curah Hujan Bulanan Indramayu)
PEMODELAN DOWNSCALING LUARAN GCM DAN ANOMALI SST NINO 3.4 MENGGUNAKAN SUPPORT VECTOR REGRESSION (Studi Kasus Curah Hujan Bulanan Indramayu) ARIES MAESYA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinci4 Notepad dan Microsoft Excel sebagai editor data.
dengan menggunakan perangkat lunak ENVI disimpan dalam file.txt (Lampiran 1). File ini berisi informasi mengenai panjang gelombang dan nilai pantulan (reflectance) objek di permukaan bumi. Objek yang diperlukan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa
Lebih terperinciIV. 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
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.. Parameter Curah Hujan model REMO Data curah hujan dalam keluaran model REMO terdiri dari 2 jenis, yaitu curah hujan stratiform dengan kode C42 dan curah hujan konvektif dengan
Lebih terperinci7. PEMBAHASAN UMUM 7.1. Penentuan Domain
7. PEMBAHASAN UMUM Pembahasan ini merupakan rangkuman dari hasil bahasan dan kajian dalam Bab 2, 3, 4, 5, dan 6 sebelumnya. Secara umum pembahasan meliputi perkembangan metode-metode peramalan untuk SD
Lebih terperincidan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. akurasi =.
dan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. Gambar 5 Macam-macam bentuk partisi citra. Ekstraksi Fitur Pada tahap ini semua partisi dari citra dihitung
Lebih terperinciBAB 1 PENDAHULUAN. Prediksi curah hujan di Indonesia sangat berdampak pada kehidupan masyarakat
BAB 1 PENDAHULUAN 1.1. Latar Belakang Prediksi curah hujan di Indonesia sangat berdampak pada kehidupan masyarakat secara langsung maupun tidak langsung di berbagai bidang. Dampak langsung dari ketepatan
Lebih terperinci3 PEWILAYAHAN CURAH HUJAN
3 PEWILAYAHAN CURAH HUJAN Pendahuluan Daerah prakiraan musim (DPM) merupakan daerah dengan tipe hujan yang memiliki perbedaan yang jelas antara periode musim kemarau dan musim hujan berdasarkan pola hujan
Lebih terperinci3. METODOLOGI PENELITIAN
3. METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Lokasi penelitian berada di wilayah Kepulauan Weh Provinsi Nangroe Aceh Darussalam yang terletak pada koordinat 95 13' 02" BT - 95 22' 36" BT dan
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Ilustrasi pencarian titik pusat dan jari-jari pupil. Segmentasi
4 Perangkat keras berupa Notebook: Processor intel Core i3 2.2 GHz. RAM kapasitas 2. GB. Harddisk Kapasitas 5 GB. Monitor pada resolusi 1366 x 768 piksel. Merek Acer Aspire 475. Perangkat lunak berupa:
Lebih terperinciReduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama
Reduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama Ferry Kondo Lembang Jurusan Matematika FMIPA UNPATTI ferrykondolembang@yahoo.co.id Abstrak Reduksi dimensi adalah bagian
Lebih terperinciBulan Basah (BB) : Bulan dengan curah hujan lebih dari 100 mm (jumlah curah hujan bulanan melebihi angka evaporasi).
1. Klasifikasi Iklim MOHR (1933) Klasifikasi iklim di Indonesia yang didasrakan curah hujan agaknya di ajukan oleh Mohr pada tahun 1933. Klasifikasi iklim ini didasarkan oleh jumlah Bulan Kering (BK) dan
Lebih terperinci5. UJI KONSISTENSI MODEL STATISTICAL DOWNSCALING BERBASIS PROJECTION PURSUIT DALAM PREDIKSI CURAH HUJAN
5. UJI KONSISTENSI MODEL STATISTICAL DOWNSCALING BERBASIS PROJECTION PURSUIT DALAM PREDIKSI CURAH HUJAN 5.1. Pendahuluan Model SD dengan metode PPR memberikan hasil pendugaan yang lebih akurat atau perbedaan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masyarakat dunia saat ini sedang dihadapkan dengan kemajuan teknologi sebagai salah satu penunjang dalam era informasi. Informasi yang menjadi komoditas utama
Lebih terperinciHASIL DAN PEMBAHASAN. Setiap tahapan di dalam penelitian ini akan ditunjukkan di dalam Tabel 2.
6 tahap ini, pola yang telah ditemukan dipresentasikan ke pengguna dengan teknik visualisasi agar pengguna dapat memahaminya. Deskripsi aturan klasifikasi akan dipresentasikan dalam bentuk aturan logika
Lebih terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciEVALUASI MUSIM HUJAN 2007/2008 DAN PRAKIRAAN MUSIM KEMARAU 2008 PROVINSI BANTEN DAN DKI JAKARTA
BADAN METEOROLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG-TANGERANG Jln. Raya Kodam Bintaro No. 82 Jakarta Selatan ( 12070 ) Telp: (021) 7353018 / Fax: 7355262, Tromol Pos. 7019 / Jks KL, E-mail
Lebih terperinciAkurasi. Perangkat Lunak: Sistem operasi: Windows Vista Home Premium Aplikasi pemrograman: Matlab 7.0
Tabel 1 Dimensi citra di tiap level Level transformasi Dimensi citra 1 46 56 2 23 28 3 12 14 4 6 7 5 3 4 6 2 2 Pada Gambar 5 disajikan visualisasi transformasi wavelet hingga level 3. Deskripsi citra dekomposisi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian mengenai peningkatan kecepatan prediksi produksi susu sapi ini menggunakan metode eksperimen dengan metode sebagai berikut: a. Pengumpulan data
Lebih terperinci4 HASIL DAN PEMBAHASAN
27 4 HASIL DAN PEMBAHASAN 4. Rancangan Arsitektur Sistem Arsitektur sistem yang akan dikembangkan dari penelitian ini terdiri dari 2 Komponen, yaitu: Komponen pertama adalah Komponen web, yaitu bagian
Lebih terperinciHASIL DAN PEMBAHASAN. B fch a. d b
7 dengan nilai σ yang digunakan pada tahap pelatihan sebelumnya. Selanjutnya dilakukan perhitungan tingkat akurasi SVM terhadap citra yang telah diprediksi secara benar dan tidak benar oleh model klasifikasi.
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada
BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction
Lebih terperinci1 PENDAHULUAN. Latar Belakang
1 PENDAHULUAN Latar Belakang Pada saat ini pengguna informasi cuaca jangka pendek menuntut untuk memperoleh informasi cuaca secara cepat dan tepat. Badan Meteorologi, Klimatologi dan Geofisika (BKMG) telah
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi
BAB I PENDAHULUAN Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi penulisan tesis, rumusan masalah, tujuan dan manfaatnya, tinjauan-tinjauan pustaka dari hasil penelitian terkait serta
Lebih terperinciBAB 4 IMPLEMENTASI DAN PENGUJIAN
BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Tahap implementasi merupakan tahap pengimplementasian metode kedalam perangkat lunak simulasi, tahap lanjut dari tahap perancangan simulasi di bab sebelumnya.
Lebih terperinciPemodelan Jaringan Syaraf Tiruan Untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan Laut
Tersedia secara online di: http://journal.ipb.ac.id/index.php/jika Volume 1 Nomor 2 Halaman 52-61 ISSN: 2089-6026 Pemodelan Jaringan Syaraf Tiruan Untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1. Analisis pengaruh ENSO dan IOD terhadap curah hujan Pola hujan di Jawa Barat adalah Monsunal dimana memiliki perbedaan yang jelas antara periode musim hujan dan periode musim
Lebih terperinciMusim Hujan. Musim Kemarau
mm IV. HASIL DAN PEMBAHASAN. Analisis Data Curah hujan Data curah hujan yang digunakan pada penelitian ini adalah wilayah Lampung, Pontianak, Banjarbaru dan Indramayu. Selanjutnya pada masing-masing wilayah
Lebih terperinciSTASIUN METEOROLOGI KLAS III NABIRE
STASIUN METEOROLOGI KLAS III NABIRE KARAKTERISTIK RATA-RATA SUHU MAKSIMUM DAN SUHU MINIMUM STASIUN METEOROLOGI NABIRE TAHUN 2006 2015 OLEH : 1. EUSEBIO ANDRONIKOS SAMPE, S.Tr 2. RIFKI ADIGUNA SUTOWO, S.Tr
Lebih terperinciTabel 2 Jumlah data prosedur uji. Crop Variable. Jumlah data LAI 104 SPAD 105 yield 64 LAI 104 SPAD 105 yield 64 LAI 62 SPAD 63 yield 34.
2. Cross validation 5 fold dengan pemisahan data Indramayu dan, menggunakan data berikut: 3. Supplied test set : training:, testing: Hymap training:, testing: Hymap 4. Percentage split dengan data training
Lebih terperinciGambar 8. Pola Hubungan Curah Hujan Rata-rata Harian RegCM3(Sebelum dan Sesudah Koreksi) dengan Observasi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Koreksi Bias Data Curah Hujan dan Suhu Luaran Model RegCM3 Data luaran RegCM3 merupakan hasil simulasi kondisi iklim yang memiliki resolusi spasial yang
Lebih terperinciBAB I PENDAHULUAN. dibidang penjualan alat elektronik seperti Computer, Notebook, Tablet, Camera, Projector, Printer dan Accesories Computer.
1 BAB I PENDAHULUAN 1.1 Latar Belakang Istana Disc Computer merupakan perusahaan yang bergerak dibidang penjualan alat elektronik seperti Computer, Notebook, Tablet, Camera, Projector, Printer dan Accesories
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciUpdate BoM/POAMA NCEP/NOAA. Jamstec J ul (Prediksi BMKG (Indonesia. La Nina. moderate.
Update 060910 BoM/POAMA La Nina moderate (-1.7) La Nina Kuat (-2.1) La Nina moderate (-1.4) La Nina moderate (-1. 1) NCEP/NOAA Jamstec 2.5 2 1.5 (Prediksi BMKG (Indonesia 1 0.5 La Nina moderate (-1.65)
Lebih terperinciPasang Surut Surabaya Selama Terjadi El-Nino
Pasang Surut Surabaya Selama Terjadi El-Nino G181 Iva Ayu Rinjani dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Sepuluh Nopember (ITS) Jl.
Lebih terperinciBAB II LANDASAN TEORITIS
BAB I PENDAHULUAN Pengaruh pemanasan global yang sering didengungkan tidak dapat dihindari dari wilayah Kalimantan Selatan khususnya daerah Banjarbaru. Sebagai stasiun klimatologi maka kegiatan observasi
Lebih terperinciBab III. Metode dan Perancangan Sistem
Bab III Metode dan Perancangan Sistem 3.1 Metode Penelitian Tahapan penelitian dibagi mejadi menjadi 7 langkah, yaitu 1. Mengorganisasi pengujian 2. Mengembangkan rencana pengujian 3. Verifikasi pengujian
Lebih terperinciKATA PENGANTAR PANGKALPINANG, APRIL 2016 KEPALA STASIUN METEOROLOGI KLAS I PANGKALPINANG MOHAMMAD NURHUDA, S.T. NIP
Buletin Prakiraan Musim Kemarau 2016 i KATA PENGANTAR Penyajian prakiraan musim kemarau 2016 di Provinsi Kepulauan Bangka Belitung diterbitkan untuk memberikan informasi kepada masyarakat disamping publikasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
16 5.1 Hasil 5.1.1 Pola curah hujan di Riau BAB V HASIL DAN PEMBAHASAN Data curah hujan bulanan dari tahun 2000 sampai dengan 2009 menunjukkan bahwa curah hujan di Riau menunjukkan pola yang sama dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB I PENDAHULUAN. Dinas Pendidikan Kebudayaan Pemuda dan Olahraga Provinsi Gorontalo
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi sangat dibutuhkan untuk mempermudah pekerjaan individu, kelompok maupun instansi dalam menyelesaikan masalah. Begitu juga pada Kantor Dinas Pendidikan
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperincii. Perangkat Keras Prosesor Intel Pentium(R) Dual-Core CPU 2.20 GHz
Data yang pada awalnya berupa chanel stereo diubah ke dalam chanel mono. Kemudian data tersebut disimpan dengan file berekstensi WAV. Praproses Pada tahap ini dilakukan ekstraksi ciri menggunakan metode
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tabel 4.1 Kebutuhan Perangkat Keras. Perangkat Keras Spesifikasi Processor Intel Core i3. Sistem Operasi Windows 7
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuhan Sistem Sebelum melakukan penelitian dibutuhkan perangkat lunak yang dapat menunjang penelitian. Perangkat keras dan lunak yang digunakan dapat dilihat pada Tabel
Lebih terperinciIV. HASIL DAN PEMBAHASAN
./ 3.3.2 Penentuan nilai gradien T BB Gradien T BB adalah perbedaan antara nilai T BB suatu jam tertentu dengan nilai
Lebih terperinciBab II. Tinjauan Pustaka
Bab II Tinjauan Pustaka 2.1 Penelitian Terdahulu Principal Component Analysis (PCA) merupakan metode dalam statistika yang digunakan untuk mereduksi dimensi input dengan kehilangan informasi yang minimum,
Lebih terperinciBab III METODOLOGI PENELITIAN. Pada penelitian ini menggunakan ala penelitian berupa perangkat keras
Bab III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian Pada penelitian ini menggunakan ala penelitian berupa perangkat keras dan perangkat lunak, yaitu: a. Perangkat keras 1. Processor Intel Core
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. perangkat keras dan perangkat lunak yang digunakan untuk pemakaian aplikasi yang
57 BAB 4 IMPLEMENTASI DAN EVALUASI Dalam bab ini, selain menjelaskan mengenai kebutuhan minimum untuk perangkat keras dan perangkat lunak yang digunakan untuk pemakaian aplikasi yang dihasilkan, juga akan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
52 BAB V HASIL DAN PEMBAHASAN 5.1 Karakteristik Data Land Surface Temperature (LST) MODIS pada Wilayah Penelitian 5.1.1 Gambaran Umum Data Land Surface Temperature (LST) MODIS LST MODIS merupakan suatu
Lebih terperinci1. PENDAHULUAN 1.1 Latar belakang
1. PENDAHULUAN 1.1 Latar belakang Sampai saat ini, GCM (general circulation models) diakui banyak pihak sebagai alat penting dalam upaya memahami sistem iklim. GCM dipandang sebagai metode yang paling
Lebih terperinciAnalisis Spasial Pengaruh Dinamika Suhu Muka Laut Terhadap Distribusi Curah Hujan di Sulawesi Utara
JURNAL MIPA UNSRAT ONLINE 3 (1) 25-29 dapat diakses melalui http://ejournal.unsrat.ac.id/index.php/jmuo Analisis Spasial Pengaruh Dinamika Suhu Muka Laut Terhadap Distribusi Curah Hujan di Sulawesi Utara
Lebih terperinciPREDIKSI LA NINA OLEH 3 INSTITUSI INTERNASIONAL DAN BMKG (UPDATE 03 JANUARI 2011)
PREDIKSI LA NINA OLEH 3 INSTITUSI INTERNASIONAL DAN BMKG (UPDATE 03 JANUARI 2011) NCEP/NOAA BoM/POAMA (-1.9) (-2.15) (-1.95) moderate (-1.5) (-1.2) Kondisi normal (-0.25) Jamstec 2.5 2 1.5 BMKG 1 0.5 (-2.15)
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciPRESS RELEASE PERKEMBANGAN MUSIM KEMARAU 2011
BMKG KEPALA BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA Dr. Sri Woro B. Harijono PRESS RELEASE PERKEMBANGAN MUSIM KEMARAU 2011 Kemayoran Jakarta, 27 Mei 2011 BMKG 2 BMKG 3 TIGA (3) FAKTOR PENGENDALI CURAH
Lebih terperinciPrakiraan Musim Kemarau 2018 Zona Musim di NTT KATA PENGANTAR
KATA PENGANTAR Badan Meteorologi Klimatologi dan Geofisika (BMKG) setiap tahun menerbitkan dua jenis prakiraan musim yaitu Prakiraan Musim Kemarau diterbitkan setiap bulan Maret dan Prakiraan Musim Hujan
Lebih terperinciUpdate BoM/POAMA NCEP/NOAA. Jamstec J ul (Prediksi BMKG (Indonesia. La Nina. La Nina.
Update 200910 BoM/POAMA NCEP/NOAA La Nina moderate (-1.8) La Nina Kuat (-2.25) La Nina moderate (-1.7) La Nina moderate (-1. 4) Jamstec 2.5 2 1.5 (Prediksi BMKG (Indonesia La Nina Moderate (-1.85) La Nina
Lebih terperinciPEMODELAN DAN SIMULASI TINGGI GENANGAN BANJIR DI KECAMATAN GUBENG KOTA SURABAYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS
PEMODELAN DAN SIMULASI TINGGI GENANGAN BANJIR DI KECAMATAN GUBENG KOTA SURABAYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS Penyusun Tugas Akhir : Ratri Enggar Pawening/5107100613 Pembimbing I Dr. Ir. Joko
Lebih terperinciBAHAN DAN METODE. Gambar 1 Peta Lokasi Penelitian
III. BAHAN DAN METODE 3.1 Waktu dan Lokasi Penelitian Lokasi yang dipilih untuk penelitian ini adalah Kabupaten Indramayu, Jawa Barat (Gambar 1). Penelitian dimulai dari bulan Juli 2010 sampai Januari
Lebih terperinciHASIL 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
Lebih terperinciBAB I PENDAHULUAN. Dalam sebuah organisasi atau badan usaha,sistem informasi. merupakan hal yang sangat penting untuk dapat mewujudkan
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam sebuah organisasi atau badan usaha,sistem informasi merupakan hal yang sangat penting untuk dapat mewujudkan peningkatan serta perkembangan organisasi. Sama halnya
Lebih terperinciVERIFIKASI MODEL ATMOSFER WILAYAH TERBATAS DALAM SIMULASI CURAH HUJAN
Prosiding Seminar Nasional Penelitian, Pendidikan, dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 VERIFIKASI MODEL ATMOSFER WILAYAH TERBATAS DALAM SIMULASI CURAH HUJAN Didi
Lebih terperinciMETODE PENELITIAN. Gambar 2 Metodologi penelitian.
4 penelitian i, kata diasosiasikan dengan anotasi citra (kata) dan dokumen diasosiasikan dengan citra. Matriks kata-citra tersebut didekomposisi meadi : A USV T dengan A adalah matriks kata-citra, matriks
Lebih terperinci2. PEMODELAN STATISTICAL DOWNSCALING
2. PEMODELAN STATISTICAL DOWNSCALING 2.1 Model Sirkulasi Umum (General Circulation Models:GCM) GCM merupakan penggambaran matematis dari sejumlah besar interaksi fisika, kimia, dan dinamika atmosfer bumi.
Lebih terperinciKLASIFIKASI PELANGGAN DENGAN ALGORITME POHON KEPUTUSAN DAN PELUANG PELANGGAN YANG MERESPONS PENAWARAN DENGAN REGRESI LOGISTIK
KLASIFIKASI PELANGGAN DENGAN ALGORITME POHON KEPUTUSAN DAN PELUANG PELANGGAN YANG MERESPONS PENAWARAN DENGAN REGRESI LOGISTIK YUANDRI TRISAPUTRA & OKTARINA SAFAR NIDA (SIAP 16) Pendahuluan Latar Belakang
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Penelitian 3.1.1 Metode Pengumpulan Data Proses pengumpulan data pada penelitian ini dilakukan dengan cara berikut ini, yaitu : 1. Observasi Observasi dilakukan dengan
Lebih terperinci3. PEMANFAATAN INFORMASI IKLIM UNTUK PENYUSUNAN MODEL PRODUKSI PERTANIAN
3. PEMANFAATAN INFORMASI IKLIM UNTUK PENYUSUNAN MODEL PRODUKSI PERTANIAN 15 Berbagai model ramalan produksi tanaman pangan (khususnya padi) telah dikembangkan di Indonesia. Model-model tersebut secara
Lebih terperinciCH BULANAN. Gambar 3. Curah hujan bulanan selama percobaan lapang
BAB IV HASIL DAN PEMBAHASAN 4.1. Keadaan Agroklimat Wilayah Penelitian Dari hasil analisis tanah yang dilakukan pada awal penelitian menunjukan bahwa tanah pada lokasi penelitian kekurangan unsur hara
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Provinsi Sumatera Utara adalah salah satu provinsi yang berada di Pulau Sumatera dengan posisi 1-4 Lintang Utara dan 98-100 Bujur Timur. Letak geografis Sumatera Utara
Lebih terperinciBAB 1 PENDAHULUAN. aspek kehidupan dari bangsa ini akan selalu dipengaruhi oleh keadaan hujan ataupun
BAB 1 PENDAHULUAN 1.1. Latar Belakang Indonesia adalah negara daerah tropis yang diapit antara samuera Hindia dan samudera Pasifik juga antara benua Asia dan benua Austarlia, memiliki dua musim dalam setahun,
Lebih terperinciIII. DATA DAN METODE 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 2.11 Kapasitas Lapang dan Titik Layu Permanen
7 radiasi surya, suhu udara, kecepatan angin, dan kelembaban udara dalam penentuan evapotranspirasi. Sedangkan faktor tanah yang mempengaruhi seperti tekstur, kedalaman tanah, dan topografi. Kebutuhan
Lebih terperinciBAB 2 PENGENALAN IRIS, PENENTUAN LOKASI IRIS, DAN PEMBUATAN VEKTOR MASUKAN
BAB 2 PENGENALAN IRIS, PENENTUAN LOKASI IRIS, DAN PEMBUATAN VEKTOR MASUKAN Pengenalan suatu objek tentu saja tidak bisa dilakukan tanpa persiapan sama sekali. Ada beberapa proses yang perlu dilakukan sebelum
Lebih terperinciMETODE PENELITIAN HASIL DAN PEMBAHASAN
5. Oleh karena itu untuk meningkatkan akurasinya, proses learning harus dihentikan lebih awal atau melakukan pemotongan tree secara umum. Untuk itu diberikan 2 (dua) buah threshold yang harus dipenuhi
Lebih terperinciVARIASI SPASIAL DAN TEMPORAL HUJAN KONVEKTIF DI PULAU JAWA BERDASARKAN CITRA SATELIT GMS-6 (MTSAT-1R) YETTI KUSUMAYANTI
VARIASI SPASIAL DAN TEMPORAL HUJAN KONVEKTIF DI PULAU JAWA BERDASARKAN CITRA SATELIT GMS-6 (MTSAT-1R) YETTI KUSUMAYANTI DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciHASIL DAN PEMBAHASAN
10 HASIL DAN PEMBAHASAN Pengumpulan Dokumen Tahapan awal yang dilakukan dalam penelitian adalah mengolah dokumen XML yang akan menjadi korpus. Terdapat 21578 dokumen berita yang terdiri atas 135 topik.
Lebih terperinciBab 3 Metode Perancangan Model
23 Bab 3 Metode Perancangan Model 1.1 Metode Penelitian Tahapan penelitian ini dibagi menjadi 5 langkah, yaitu : 1. Rumusan masalah 2. Pengumpulan data 3. Input data dan analisis data 4. Perhitungan dan
Lebih terperinciBuletin Analisis Hujan dan Indeks Kekeringan Bulan Desember 2012 dan Prakiraan Hujan Bulan Februari, Maret dan April 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Desember 2012 serta Prakiraan Hujan Bulan Februari, Maret dan April 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1. Latar Belakang Wilayah Indonesia umumnya dikelilingi oleh lautan yang berada antara samudera Hindia dan Samudera Pasifik. Samudera ini menjadi sumber kelembaban utama uap air
Lebih terperinciBAB 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
Lebih terperinciBAB I PENDAHULUAN. I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Wilayah pesisir merupakan wilayah yang sangat dinamis dan mempunyai karakteristik yang beragam pada setiap wilayah di kabupaten/kota. Wilayah pesisir itu sendiri merupakan
Lebih terperinciBuletin Analisis Hujan Bulan Februari 2013 dan Prakiraan Hujan Bulan April, Mei dan Juni 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Februari 2013 serta Prakiraan Hujan Bulan April, Mei dan Juni 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan di
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR)
PEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR) 1 Meika Anitawati, 2 Sutikno 1 Mahasiswa Jurusan Statistika FMIPA-ITS
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Dalam melakukan penelitian, dibutuhkan desain penelitian agar penelitian yang dilakukan dapat berjalan dengan baik. Berikut ini merupakan desain penelitian
Lebih terperinciBuletin Analisis Hujan dan Indeks Kekeringan Bulan Juli 2012 dan Prakiraan Hujan Bulan September, Oktober dan November 2012 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Juli 2012 serta Prakiraan Hujan Bulan September, Oktober dan November 2012 disusun berdasarkan hasil pengamatan dari 60 stasiun dan pos hujan di wilayah
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pesatnya perkembangan teknologi informasi saat ini memungkinkan sebuah komputer untuk dapat dimanfaatkan dalam membuat serta memanipulasi konten visual secara
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Analisis Permasalahan Pada saat ini, para pialang saham di Bursa Efek Indonesia dihadapkan pada suatu problem untuk mengetahui faktor-faktor apakah yang berpengaruh pada
Lebih terperinciPENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR
PENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR Angga Lisdiyanto (1), Lukman Zaman P.C.S.W (2) Teknik Informatika, Universitas Islam Lamongan (1) Teknik Informatika, Sekolah
Lebih terperinciPERUBAHAN KLIMATOLOGIS CURAH HU]AN DI DAERAH ACEH DAN SOLOK
PERUBAHAN KLIMATOLOGIS CURAH HU]AN DI DAERAH ACEH DAN SOLOK Junlartl Visa PenelW Pusat Pwnanfeatan Sains Atmosfer dan IkHm, LAPAN ABSTRACT The analysis of rainfall climatologic change of Aceh and Solok
Lebih terperinciMinimum Variance Unbiased Estimator (MVUE) K-Fold Cross Validation
6 Individu kemudian diseleksi dengan metode Roulette Wheel, dengan peluang suatu individu untuk terpilih dinyatakan dengan persamaan sebagai berikut: 4. Pindah silang (cross-over) Metode pindah silang
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian merupakan tahapan yang dibutuhkan penulis untuk memberikan gambaran serta kemudahan agar penelitian dilakukan dapat berjalan dengan
Lebih terperinci