PEMODELAN DAN SIMULASI TINGGI GENANGAN BANJIR DI KECAMATAN GUBENG KOTA SURABAYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS
|
|
- Siska Kurnia
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN DAN SIMULASI TINGGI GENANGAN BANJIR DI KECAMATAN GUBENG KOTA SURABAYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS Penyusun Tugas Akhir : Ratri Enggar Pawening/ Pembimbing I Dr. Ir. Joko Lianto Buliali, M. Sc Pembimbing II Ahmad Saikhu, S. Si, M.T
2 Pendahuluan Latar Belakang 1. Pesatnya perkembangan teknologi informasi memberikan kemudahan untuk melakukan penelitian terhadap kondisi alam, melakukan analisa, dan pengambilan keputusan. 2. Dengan menganalisis data-data faktor penyebab banjir, yaitu mencari korelasi antara ketinggian banjir dengan sejumlah tautan, kemudian mengintegrasikan ke dalam Sistem Informasi Geografis (SIG) maka dapat diprediksi tingginya genangan banjir di suatu daerah pada kondisi cuaca yang disimulasikan. Page 2
3 Pendahuluan Tujuan 1. Mencari model matematis untuk mengetahui tinggi genangan banjir yang diduga dipengaruhi oleh curah hujan, kelembaban, temperatur, dan pasang air laut. 2. Mengimplementasikan model dan mensimulasikannya menggunakan Sistem Informasi Geografis. Page 3
4 Pendahuluan Batasan Masalah 1. Penelitian dilakukan di Kecamatan Gubeng Kota Surabaya. 2. Variabel-variabel yang digunakan dalam proses pemodelan dan simulasi adalah tinggi genangan banjir, curah hujan, temperatur, kelembaban, pasang air laut. Faktor-faktor lain penyebab banjir tidak termasuk dalam pembahasan tugas akhir ini. 3. Data yang diambil hanya difokuskan pada musim hujan. 4. Proses pemodelan menggunakan metode principal component regression. Page 4
5 Dasar Teori Multikolinearitas Adanya hubungan linear yang sempurna atau pasti antara beberapa atau semua variabel prediktor dari model regresi ganda. Multikolinearitas terjadi apabila nilai R 2 dan nilai korelasi antar variabel prediktor tinggi, tetapi tidak satupun atau sedikit koefisien regresi parsial yang signifikan secara individu. Page 5
6 Dasar Teori Analisis Komponen Utama 1. Analisis komponen utama digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan. 2. Komponen utama dapat dibentuk berdasarkan matriks korelasi X, Z Z, yang sudah dibakukan (Σ) dan eigen value (λ i ) untuk matriks korelasi dengan persamaan. 3. Komponen utama ke-i didefinisikan (2.7) (2.8) Page 6
7 Dasar Teori Analisis Komponen Utama 4. Proporsi total varian yang dijelaskan oleh komponen utama didapatkan dari persamaan (2.9) 5. Pemilihan komponen utama dapat dihitung sampai sejumlah proporsi keragaman data tertentu (mungkin 75% atau lebih) dari varian yang dijelaskan [1]. Page 7
8 Dasar Teori Regresi Komponen Utama 1. Digunakan untuk meregresikan komponen utama yang terpilih, dimana (2.10) 2. Transformasi komponen utama adalah variabel W pada regresi komponen utama diubah menjadi variabel asal X. y i x 0 p j 1 j ij i (2.1) Page 8
9 Perancangan Rangkaian Sistem MULAI 1 Data Masukan Sistem Informasi Geografis Analisis Data Pembangkitan Bilangan Acak Analisis Solusi Banjir Solusi Pemodelan dan Simulasi SELESAI 1 Page 9
10 Perancangan Data dan Sumbernya No Nama Satuan Sumber 1 Tinggi genangan banjir cm PU Bina Marga 2 Curah hujan mm Dinas Pengairan 3 Kelembaban % BMG 4 Temperatur 0 C BMG 5 Pasang air laut cm BMG Jenis data : data rata-rata harian Lokasi : Kecamatan Gubeng Waktu penelitian : Desember 2008-Maret 2009 Page 10
11 Perancangan Pemodelan Data Model 1 Y = Tinggi genangan X1 = Curah hujan X2 = Kelembaban X3 = Temperatur X4 = pasang air laut Model 2 Y = Tinggi genangan X1 = Curah hujan X2 = Kelembaban X3 = Temperatur X4 = Pasang air laut X5 = Tinggi genangan hari sebelumnya Page 11
12 Perancangan Principal Component Regression Page 12
13 Perancangan Sistem Informasi Geografis Page 13
14 Uji Coba Sistem Lingkungan Uji Coba Hardware Processor Memory Intel Celeron M, 1,73 GHz 480 MB OS Windows XP Professional SP 2 Software Developer Mathlab ArcView GIS 3.3 Page 14
15 Uji Coba Sistem Model 1 Deskripsi Data (5.1) Matriks Korelasi Y X1 X2 X3 X4 Y X (5.2) X X X Page 15
16 Uji Coba Sistem Model 1 Eigen Value W1 W2 W3 W4 Eigen value Proportion Cumulative Eigen Vector Variabel W1 W2 W3 W4 Z Z Z Z Page 16
17 UjiCoba Sistem Model 1 Pemilihan Komponen Utama (5.2) Persamaan 1 Y = X X X X 4 Page 17
18 Uji Coba Sistem Model 2 Deskripsi Data (5.3) (5.8) Matriks Korelasi Y X1 X2 X3 X4 X5 Y X X X X X Page 18
19 Uji Coba Sistem Model 2 Eigen Value Eigen Vector W1 W2 W3 W4 W5 Eigen value Proportion Cumulative Variable W1 W2 W3 W4 W5 Z Z Z Z Page 19 Z
20 Uji Coba Sistem Model 2 (5.5) (5.4) Persamaan 2 Y = X X X X X 5 Page 20
21 Uji Coba Sistem Validasi Model NO Model RMSE RMSPE MAPE U R 2 1. Model % 2. Model % Page 21
22 Uji Coba Sistem Sistem Informasi Geografis Skenario 1 Pengguna melakukan input satu persatu untuk mengetahui tinggi genangan banjir di daerah Gubeng. (5.6) (5.7) Page 22
23 Uji Coba Sistem Sistem Informasi Geografis Skenario 2 Pengujian dilakukan untuk mendapatkan tinggi genangan yang dipengaruhi oleh curah hujan, kelembaban, temperatur, pasang air laut, dan tinggi genangan hari sebelumnya. Data input tersebut adalah data hasil pengamatan nyata. Page 23
24 Uji Coba Sistem Sistem Informasi Geografis Skenario 3 Pengujian dilakukan untuk mendapatkan tinggi genangan banjir yang dipengaruhi oleh curah hujan, kelembaban, temperatur, pasang air laut, dan tinggi genangan pada hari sebelumnya. Masing-masing variabel mempunyai 87 baris data uji hasil pembangkitan bilangan acak. Page 24
25 Uji Coba Sistem Sistem Informasi Geografis Skenario 4 Pengujian dilakukan untuk mendapatkan tinggi genangan banjir yang dipengaruhi oleh curah hujan, kelembaban, temperatur, pasang air laut, dan tinggi genangan pada hari sebelumnya. Masing-masing variabel mempunyai 87 baris data, dimana data input merupakan hasil pembangkitan bilangan acak dengan menaikkan standar deviasi pada variabel curah hujan sebesar 25%. Page 25
26 Uji Coba Sistem Sistem Informasi Geografis Skenario 5 Pengujian dilakukan untuk mendapatkan tinggi genangan banjir yang dipengaruhi oleh curah hujan, kelembaban, temperatur, asang air laut, dan tinggi genangan pada hari sebelumnya. Masing-masing variabel mempunyai 87 baris data, dimana data input merupakan hasil pembangkitan bilangan acak dengan menaikkan nilai rata-rata variabel curah hujan sebesar 25%. Page 26
27 Uji Coba Sistem Sistem Informasi Geografis Skenario 6 Pada skenario 6 ini pengujian dilakukan untuk mendapatkan tinggi genangan banjir yang dipengaruhi oleh curah hujan, kelembaban, temperatur, pasang air laut, dan tinggi genangan pada hari sebelumnya. Masing-masing variabel mempunyai 87 baris data, dimana data input merupakan hasil pembangkitan bilangan acak dengan menaikkan nilai rata-rata dan standar deviasi variabel curah hujan sebesar masingmasing 25%. Page 27
28 Uji Coba Sistem Analisa hasil uji coba Untuk membandingkan hasil skenario 2 dengan skenario 3 dilakukan uji anova yang menggunakan uji statistik distribusi F. F tabel F hitung α 3,314 0,2799 0,05 skenario 2 = μ skenario Page 28
29 Uji Coba Sistem Analisa hasil uji coba Skenario Rata-rata tinggi genangan (cm) Kenaikan (cm) Skenario 4 4, ,28398 Skenario 5 4, ,6982 Skenario 6 5, ,6982 Rata-rata kenaikan = 0,62010 cm Page 29
30 Kesimpulan 1. Model yang dipilih adalah model yang mempunyai error paling kecil, dimana mempunyai 5 variabel prediktor curah hujan, kelembaban, temperatur, pasang air laut, dan ketinggian banjir pada hari sebelumnya. Hasil validasi mempunyai RMSE 1,6543, RMSPE 0,0973, MAPE 1,0433, dan U 0, Model regresi yang dihasilkan mempunyai nilai R 2 sebesar 88,99%. Hal ini berarti tinggi genangan banjir dapat diterangkan oleh variabel curah hujan, kelembaban, temperatur, pasang air laut, dan ketinggian banjir hari sebelumnya sebesar 88,99%. Page 30
31 Kesimpulan 3. Penggunaan Sistem Informasi Geografis mempermudah dalam memvisualisasikan hasil rata-rata perhitungan tinggi genangan. 4. Dengan mensimulasikan pola perubahan curah hujan yang tidak menentu, uji coba yang dilakukan adalah dengan meningkatkan nilai rata-rata variabel curah hujan dari data aslinya. Ketika nilai rata-rata curah hujan naik 20% pada standar deviasi yang sama maka diperoleh nilai rata-rata ketinggian banjir sebesar 4, Ketika standar deviasi curah hujan dinaikkan 25% pada rata-rata yang tetap maka didapatkan nilai rata-rata ketinggian banjir sebesar 4, Ketika rata-rata dan standar deviasi curah hujan dinaikkan 25% maka nilai rata-rata ketinggian banjir yang diperoleh sebesar 5, Page 31
32 Saran 1. Untuk itu pada penelitian lebih lanjut dapat menambahkan variabel lain yang mempunyai pengaruh kuat terhadap tinggi genangan banjir. 2. Untuk pengembangan lebih lanjut diharapkan dapat melakukan pemodelan dan simulasi untuk seluruh kecamatan di Surabaya. Page 32
33 Daftar Pustaka Anderson, Hair, Tatham, Black, Multivariate Data Analysis, Prentice- Hall International, Drapper, NR & Smith, H, Analisis Regresi Terapan, Edisi Kedua, PT Gramedia Pustaka Utama, Jakarta, Law, Averil M. and W. David Kelton, Simulation Modeling and Analysis Third Edition, McGraw-Hill, Natalia, Deasy Astrid, Penerapan Decissiekomendasi Solusi Penanggulangan Banjir, [Tugas Akhir], Institut Teknologi Sepuluh Nopember, Nugraha, Surya Agung Ika, Sistem Informasi Geografis Pendukung Penentuan Daerah Rawan Banjir Studi Kasus Kota Surabaya, [Tugas Akhir], Institut Teknologi Sepuluh Nopember, Puntodewo. A, S. Dewi, Tarigan. J, Sistem Informasi Geografis Untuk Pengelolaan Sumber Daya Alam, Center for International Forestry Research, Bogor Barat, Page 33 Sunday, January 17, 2010
34 Daftar Pustaka Purbowati, Ajeng Mumpuni, Pemodelan Data Curah Hujan, Temperatur, Kelembaban Udara, serta Pasang Air Laut Harian Kota Surabaya, [Tugas Akhir], Institut Teknologi Sepuluh Nopember, Rencher, A.C, Multivariate Statistical Inference and Application, Wiley-Interscience Publication, Brigham, Rovicky, Prakiraan Hujan dan Peramalan Banjir, diakses pada 21 Desember Sembiring. K, Aplikasi Sistem Informasi Penanggulangan Bencana di Indonesia, Lomba Karya Tulis Mahasiswa, Sembiring, RK, Analisis Regresi, Edisi ke-2, Penerbit ITB, Page 34 Sunday, January 17, 2010
35 Daftar Pustaka Sridadi, Bambang, Pemodelan dan Simulasi Sistem Teori, Aplikasi dan Contoh Program dalam Bahasa C, Informatika, Sulaiman, Wahid, Analisis Regresi Menggunakan SPSS Contoh Kasus dan Pemecahannya, ANDI, Wiarini, Putu Pitri, Pembangkitan Bilangan Acak untuk Data Temperatur dan Kelembaban Kota Surabaya, [Tugas Akhir], Institut Teknologi Sepuluh Nopember, 2009 Page 35
36 Page 36 Terima Kasih
PEMODELAN 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 Ratri Enggar Pawening 1, Joko Lianto Buliali 2, Ahmad Saikhu 2 Mahasiswa Jurusan Teknik
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
25 BAB 3 METODOLOGI PENELITIAN 3.1. Analisis Permasalahan Pada regresi berganda terdapat beberapa masalah yang dapat terjadi sehingga dapat menyebabkan estimasi koefisien regresi menjadi tidak stabil.
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 terperinciPENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA
PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA Sri Siska Wirdaniyati 1), Edy Widodo ) 1) Mahasiswa Prodi
Lebih terperinciANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciUniversitas Negeri Malang
1 Penerapan Metode Regresi New Stepwise untuk Mengetahui Faktor- Faktor yang Mempengaruhi Kekuatan Metallic Box (Studi Kasus di PT. PINDAD (Persero) Turen) Universitas Negeri Malang E-mail: Nisahidayatul@gmail.com
Lebih terperinciJMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP
JMP : Volume 6 Nomor 1, Juni 014, hal. 45-5 REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP Saniyah dan Budi Pratikno Program Studi Matematika Fakultas Sains dan Teknik Universitas
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Metodologi Penelitian Metodologi yang dilakukan dalam penelitian ini adalah : Riset kepustakaan Kepustakaan dilakukan dengan cara mengumpulkan informasi-informasi yang berhubungan
Lebih terperinciPENDEKATAN 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
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 terperinciAnalisis Faktor Terhadap Resiko Kejadian Diare pada Anak Balita di Kota Ambon
Statistika, Vol. 15 No. 2, 59-64 November 2015 Analisis Faktor Terhadap Resiko Kejadian Diare pada Anak Balita di Kota Ambon Ferry Kondo Lembang 1, Yuanita Samangun 2 1,2Jurusan Matematika Fakultas MIPA
Lebih terperinciMODEL KEBUTUHAN PARKIR PADA PUSAT PERBELANJAAN DI KOTA MALANG: STUDI KASUS PLASA DIENG, PLASA GAJAHMADA, DAN MALANG PLASA
MODEL KEBUTUHAN PARKIR PADA PUSAT PERBELANJAAN DI KOTA MALANG: STUDI KASUS PLASA DIENG, PLASA GAJAHMADA, DAN MALANG PLASA Usnun Nasichah Kurniawati Mahasiswa Jurusan Teknik Sipil Fakultas Teknik Universitas
Lebih terperinciPERANCANGAN MODEL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK MEMPREDIKSI CUACA MARITIM
PERANCANGAN MODEL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK MEMPREDIKSI CUACA MARITIM Oleh : Ardian Candra Pratama 2406 100 021 Dosen Pembimbing : Ir. Syamsul Arifin, MT. Dr. Ir. Aulia Siti Aisyah, MT.
Lebih terperinciMETODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1
Media Informatika Vol. 5 No. 1 (2006) METODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1 Ekabrata Yudhistyra Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda 96 Bandung
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 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN Bab ini akan membahas tentang pintu air Manggarai secara singkat, hasil analisa data, dan pembahasan hasil penelitian. 4.1 Pintu air Manggarai Secara operasional pintu air Manggarai
Lebih terperinciVI. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI USAHA PEMBESARAN LELE DUMBO DI CV JUMBO BINTANG LESTARI
VI. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI USAHA PEMBESARAN LELE DUMBO DI CV JUMBO BINTANG LESTARI 6.1. Analisis Fungsi Produksi Model fungsi produksi yang digunakan adalah fungsi Cobb Douglas. Faktor-faktor
Lebih terperinciPROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011
(DS.6) ANALISIS KURVA PERTUMBUHAN SEBAGAI ANALISIS SETELAH MANOVA UNTUK DATA LONGITUDINAL Enny Supartini Statistika F MIPA Universitas Padjadjaran Bandung e-mail : arthinii@yahoo.com Abstrak Eksperimen
Lebih terperinciTeknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil
Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil Ronny Susetyoko, Elly Purwantini Politeknik Elektronika Negeri Surabaya
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciTUGAS AKHIR. Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3
TUGAS AKHIR Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3 Oleh: Alin Fitriani 1306 100 066 Pembimbing: Dr.Ir. Setiawan, M.S NIP 198701 1 001 JURUSAN STATISTIKA
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciBAB 2 LANDASAN TEORI. digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama
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 terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 907-916 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI LINIER MULTIVARIAT DENGAN METODE PEMILIHAN
Lebih terperinciORTHOGONALISASI PEUBAH BEBAS YANG BERKORELASI DALAM SUATU MODEL REGRESI ABSTRACT
ORTHOGONALISASI PEUBAH BEBAS YANG BERKORELASI DALAM SUATU MODEL REGRESI Aidawayati Rangkuti ) Guru Besar tetap pada Fakultas MIPA Universitas Hasanuddin aidarangkuti05@yahoo.com ABSTRACT The research attempts
Lebih terperinciPERANCANGAN PERANGKAT LUNAK PREDIKTOR CUACA BERBASIS LOGIKA FUZZY
PERANCANGAN PERANGKAT LUNAK PREDIKTOR CUACA BERBASIS LOGIKA FUZZY Oleh Ilham Bangun Asmoro 2407 100 030 Dosen Pembimbing : Ir. Syamsul Arifin, MT Fitri Adi I., ST, MT Jurusan Teknik Fisika Fakultas Teknologi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling sering
Lebih terperinci1 Pendahuluan. 1.1 Latar Belakang Masalah
1 Pendahuluan 1.1 Latar Belakang Masalah Kebutuhan masyarakat akan perkiraan cuaca terutama curah hujan ini menjadi sangat penting untuk merencanakan segala aktifivitas mereka. Curah hujan juga memiliki
Lebih terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. maka di kembangkan kerangka pemikiran penelitian sebagai berikut: ketinggian
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran dan Hipotesis 3.1.1 Kerangka Pemikiran Berdasarkan kerangka teori yang telah dijelaskan pada gambaran umum objek, maka di kembangkan kerangka pemikiran
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi yang berarti peramalan, penaksiran, atau pendugaan pertama kali diperkenalkan pada tahun 1877 oleh Sir Francis Galton (1822-1911) sehubungan dengan penelitiannya
Lebih terperinciSISTEM INFORMASI GEOGRAFIS PENDUKUNG PENENTUAN DAERAH RAWAN BANJIR STUDI KASUS KOTA SURABAYA
ssn TUGAS AKHIR CI1599 SISTEM INFORMASI GEOGRAFIS PENDUKUNG PENENTUAN DAERAH RAWAN BANJIR STUDI KASUS KOTA SURABAYA SURYA AGUNG ADITYA IKA NUGRAHA NRP: 5107 100 518 Dosen Pembimbing I Dr. Ir. Joko Lianto
Lebih terperinciBAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.
10 BAB II METODE ANALISIS DATA 2.1 Pengertian Regresi Berganda Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu memerlukan lebih dari satu variabel dalam membentuk suatu
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 IV PENGUMPULAN DATA
BAB IV PENGUMPULAN DATA Pengumpulan data yang dilakukan dibatasi hanya di dalam wilayah Jabodetabek. Data yang dikumpulkan terdiri atas data primer maupun data sekunder. Data primer meliputi kriteria drainase
Lebih terperinciKNM XVI 3-6 Juli 2012 UNPAD, Jatinangor
KNM VI - Juli 0 UNPAD, Jatinangor PERBANDINGAN REGRESI BERTATAR (STEPWISE REGRESSION) DAN REGRESI KOMPONEN UTAMA (RKU) DALAM MENGATASI MULTIKOLINIERITAS PADA MODEL REGRESI LINIER BERGANDA MADE SUSILAWATI,
Lebih terperinciBAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi
76 BAB IV PENUTUP A. Kesimpulan Model Seemingly Unrelated Regression (SUR) merupakan perluasan dari analisis regresi linear yang berupa sistem persamaan yang terdiri dari beberapa persamaam regresi yang
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 terperinciBAB IV IMPLEMENTASI DAN EVALUASI BAB IV EVALUASI DAN EVALUASI. menentukan lokasi budidaya burung walet yang baru dalam rangka
50 BAB IV IMPLEMENTASI DAN EVALUASI BAB IV EVALUASI DAN EVALUASI 4.1 Implementasi Implementasi perangkat lunak ini berupa aplikasi pemrograman yang menerapkan metode Fuzzy, dipadukan dengan Sistem Informasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. (TI-Math), serta Teknik Informatika dan Statistika (TI-Stat) dan pemilihan
BAB 3 METODOLOGI PENELITIAN 3.1 Pengumpulan Data Pada penelitian ini data dikumpulkan dari populasi mahasiswa BINUS University jurusan Teknik Informatika (TI), Teknik Informatika dan Matematika (TI-Math),
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciBAB III DATA DAN METODOLOGI
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. 3.1.1 Data
Lebih terperinciPenentuan Lokasi Rumah Pompa Kota Surabaya Menggunakan Metode Analytical Hierarchy Process(AHP)
Penentuan Lokasi Rumah Pompa Kota Surabaya Menggunakan Metode Analytical Hierarchy Process(AHP) Lutfiyah Rahmawati 1, Arna Fariza S.Kom M.Kom 2, Ira Prasetyaningrum S.Si, M.T 2 Mahasiswa Jurusan Teknik
Lebih terperinciPEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R
PEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R Margaretha Ohyver Mathematics & Statistics Department, School of Computer Science, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciPEMBAHASAN ... (3) RMSE =
7 kemampuan untuk mengikuti variasi hujan permukaan. Keterandalan model dapat dilihat dari beberapa parameter, antara lain : Koefisien korelasi Korelasi dinyatakan dengan suatu koefisien yang menunjukkan
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 terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciPeranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier
Prosiding Statistika ISSN: 2460-6456 Peranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier 1 Seny Mustikawati,
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan telah meningkatkan pengertian mengenai berbagai aspek lingkungan dan akibatnya banyak peristiwa yang dapat diramalkan. Peramalan
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 terperinciBAB 3 METODOLOGI. 3.1 Metodologi Penelitian Pengumpulan Bahan Penelitian. Dalam penelitian ini bahan atau materi dikumpulkan melalui :
BAB 3 METODOLOGI 3.1 Metodologi Penelitian 3.1.1 Pengumpulan Bahan Penelitian Dalam penelitian ini bahan atau materi dikumpulkan melalui : 1) Data primer, yaitu memperoleh sumber data penelitian langsung
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam suatu universitas, salah satu analisis yang dapat dilakukan untuk melihat perkembangan prestasi akademik seorang mahasiswa adalah dengan memantau nilai
Lebih terperinciBAB I PENDAHULUAN. Sebagaimana diketahui, Sistem Informasi Geografis merupakan Sistem. yang dapat menjelaskan situasi dan keadaan tempat tersebut.
BAB I PENDAHULUAN I.1. Latar Belakang Sebagaimana diketahui, Sistem Informasi Geografis merupakan Sistem Informasi yang menunjukkan letak atau pemetaan pada suatu tempat. Dimana yang dapat menjelaskan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Rumusan Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Trimuda Lestari merupakan Perusahaan yang bergerak dibidang garment, yaitu menjual dan memproduksi t-shirt. Trimuda Lestari mulai beroperasi pada tahun 2005 hingga
Lebih terperinciBAB I PENDAHULUAN. Lembaga Ilmu Pengetahuan Indonesia (LIPI) merupakan Lembaga
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Lembaga Ilmu Pengetahuan Indonesia (LIPI) merupakan Lembaga Pemerintah Non Kementerian Republik Indonesia yang dikoordinasikan oleh Kementerian Negara Riset
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Hasil Pengujian Asumsi Klasik Pengujian hipotesis pada penelitian ini diguakan model regresi linear berganda. Sebelum model regresi linear berganda ini di gunakan sebagai
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN)
Saintia Matematika Vol. 1, No. 6 (2013), pp. 507 516. PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN) Juliarti Hardika,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciBAB 2 LANDASAN TEORI. bebas X yang dihubungkan dengan satu peubah tak bebas Y.
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan
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 terperinciAplikasi Analisa Multivariate dan Analisa Regresi Linier Berganda pada Proses Pengolahan Air Minum
J. Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 2, Nov. 2004, 41 48 Aplikasi Analisa Multivariate dan Analisa Regresi Linier Berganda pada Proses Pengolahan Air Minum Soehardjoepri Jurusan Matematika
Lebih terperinciPENGARUH JURUSAN DAN NILAI SEKOLAH MENENGAH TERHADAP PRESTASI BELAJAR MAHASISWA STIKOM SURABAYA
PENGARUH JURUSAN DAN NILAI SEKOLAH MENENGAH TERHADAP PRESTASI BELAJAR MAHASISWA Sulistiowati 1) 1) Program Studi/Jurusan Sistem Informasi, STIKOM Surabaya, email: sulist@stikom.edu Abstrak : Penelitian
Lebih terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciANALISIS DATA UNIVARIATE DAN MULTIVARIATE
ANALISIS DATA UNIVARIATE DAN MULTIVARIATE Febti Eka Pratiwi (383) cation_forever@yahoo.com Ria Dhea Layla NK (38363) d.d_bgt@hellokitty.co.id Abstrak Peningkatan produksi padi guna penyediaan beras sebagai
Lebih terperinciMENGATASI MULTIKOLINEARITAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA)
MENGATASI MULTIKOLINEARITAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) Laporan Praktikum ke-2 Disusun untuk Memenuhi Laporan Praktikum Analisis Regresi Lanjutan Oleh Nama : Faisyal Nim : 125090507111001
Lebih terperinciFakultas Ilmu dan Teknologi Kebumian
Fakultas Ilmu dan Teknologi Kebumian Program Studi Meteorologi PENERBITAN ONLINE AWAL Paper ini adalah PDF yang diserahkan oleh penulis kepada Program Studi Meteologi sebagai salah satu syarat kelulusan
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 terperinciLEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK ( ) = ( + ) Kata kunci: regresi linear ganda, multikolinearitas, regresi gulud.
1 LEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK Metode kuadrat terkecil atau Ordinary Least Square (OLS) merupakan suatu metode penaksiran koefisien regresi yang paling sederhana. Jika diantara
Lebih terperinciTEKNIK PRODUKSI DAN MATERIAL KELAUTAN PROGRAM PASCA SARJANA TEKNOLOGI KELAUTAN INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Makalah: ANALISIS ERGONOMI DENGAN TIME MOTION STUDY TERHADAP PERBAIKAN METODE KERJA PADA PEKERJAAN LAS DI GALANGAN KAPAL OLEH: RINA HARYANI NRP. 4107203703 TEKNIK PRODUKSI DAN MATERIAL KELAUTAN PROGRAM
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciBAB 2 LANDASAN TEORI. pertama digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih variabel adalah analisa regresi linier. Regresi
Lebih terperinciBAB 4 IMPLEMENTASI HASIL PENELITIAN
45 BAB 4 IMPLEMENTASI HASIL PENELITIAN 4.1 Spesifikasi Hardware dan Software Rancangan ini dibuat dan dites pada konfigurasi hardware sebagai berikut: Processor : Intel Pentium 4 CPU 1500 MHz. Memory :
Lebih terperinciMODEL PRAKIRAAN CURAH HUJAN BULANAN MENGGUNAKAN METODE REGRESI KOMPONEN UTAMA DENGAN PREDIKTOR SUHU MUKA LAUT DI MALUKU
MODEL PRAKIRAAN CURAH HUJAN BULANAN MENGGUNAKAN METODE REGRESI KOMPONEN UTAMA DENGAN PREDIKTOR SUHU MUKA LAUT DI MALUKU Nastiti Andini 1, Urip Haryoko 2 1 Taruna Sekolah Tinggi Meteorologi Klimatologi
Lebih terperinciIMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG
IMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG Wardatuz Zakiyah, Hendro Permadi, dan Swasono Rahardjo Universitas Negeri Malang E-mail : zakiyah_musta
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 terperinciPERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI
ISSN 1858-4667 JURNAL LINK Vol 16/No. 1/Februari 212 PERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI Ronny Susetyoko 1, Elly Purwantini 2 1,2 Departemen Teknik Elektro,
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2 Analisis Korelasi Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui deraat hubungan linear antara satu variabel dengan variabel lain (Algifari, 997)
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 terperinciPENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciPENERAPAN ANALISIS KONJOIN PADA PREFERENSI MAHASISWA TERHADAP PEKERJAAN
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 189 200. PENERAPAN ANALISIS KONJOIN PADA PREFERENSI MAHASISWA TERHADAP PEKERJAAN Wiwit Widyawati Rachmad Sitepu, Normalina Napitupulu Abstrak.
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 terperinciBAB I PENDAHULUAN. Pada saat ini semakin berkembangnya ilmu pengetahuan dan teknologi
BAB I PENDAHULUAN 1.1.Latar Belakang Pada saat ini semakin berkembangnya ilmu pengetahuan dan teknologi sangat berpengaruh pada masyarakat Indonesia, terutama pada Sistem Informasi Geografis (SIG) yang
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
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 terperinciBAB II KAJIAN TEORI. Sebuah Matriks adalah susunan segi empat siku-siku dari bilangan-bilangan.
BAB II KAJIAN TEORI A. Matriks 1. Definisi Matriks Sebuah Matriks adalah susunan segi empat siku-siku dari bilangan-bilangan. Bilangan-bilangan dalam susunan tersebut dinamakan entri dalam matriks (Howard
Lebih terperinciD R. BAMBANG L ELONO, ST.MT
PERANCANGAN PREDIKTOR CUACA MARITIM DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK MENINGKATKAN JANGKAUAN RAMALAN, STUDI KASUS : PELAYARAN SURABAYA-BANJARMASIN RIKY JAYA SAMPURNA I R.
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1 Gambaran Umum Lokasi Penelitian Jumlah responden yang diambil sebagai sampel penelitian adalah sebanyak 98 responden. Penelitian dilakukan pada pelanggan PT. Optima
Lebih terperinciProgram Studi Teknik Mesin S1
SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE / SKS : IT042238 / 2 SKS Program Studi Teknik Mesin S1 Pokok Bahasan Pertemuan dan TIU 1 Pendahuluan memahami tentang konsep statistik
Lebih terperinciBAB 2 LANDASAN TEORI. berkenaan dengan studi ketergantungan dari suatu varibel yaitu variabel tak bebas (dependent
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel yaitu
Lebih terperinci