3 PEWILAYAHAN CURAH HUJAN
|
|
- Deddy Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 bulanannya selama satu tahun dan ditentukan menurut hasil penelitian pemetaan tipe hujan di Indonesia (Suciantini 2004). DPM yang dimiliki oleh BMG saat ini berjumlah 101 DPM dengan 63 DPM berada di Jawa dan di luar Jawa. Istilah DPM ini sekarang lebih dikenal dengan istilah ZOM (zona musim). Daerah prakiraan musim BMG tidak mencakup seluruh wilayah di Indonesia, karena sulitnya penentuan permulaan musim sehingga terjadi kerancuan informasi setiap penerbitan prakiraan musim. Berdasarkan data tahun , DPM untuk Indramayu sebelum tahun 2002 dibagi dalam dua DPM yakni DPM 6 (Indramayu bagian utara) dan DPM 7 (Indramayu bagian selatan) (Haryoko 2004). DPM 6 meliputi wilayah bagian utara Indramayu, dengan luas area sekitar ha dan wilayah bagian selatan Indramayu dengan luas area sekitar ha tergabung dalam DPM7. Keragaman curah hujan pada kedua DPM cukup tinggi, sehingga prakiraan yang dikeluarkan oleh BMG untuk kedua DPM tersebut seringkali tidak mewakili kondisi pada luasan yang lebih kecil yakni wilayah kecamatan. Beberapa penelitian tentang pewilayahan di Indramayu telah dilakukan, di antaranya Haryoko (2004) melakukan pewilayahan sebanyak 6 DPM. Setiap DPM diwakili oleh suatu pola yang mewakili wilayah tertentu. Pewilayahan tersebut dianggap masih mempunyai keragaman yang cukup tinggi, oleh karena itu, Suciantini (2004) melakukan pewilayahan curah hujan dengan 8 DPM. Sementara itu, Wigena (2006) mendapatkan 5 DPM dan Sutikno (2008) 7 DPM (ZOM). Analisis gerombol sering digunakan untuk mengelompokkan lokasi curah hujan. Dalam penelitian ini dilakukan pewilayahan curah hujan dengan analisis komponen utama (AKU) dan analisis gerombol dengan mempertimbangkan arah angin untuk melakukan deliniasi pada wilayah yang terbentuk.
2 32 Analisis Gerombol Analisis gerombol merupakan suatu teknik yang mengelompokkan objek-objek berdasarkan kemiripan karakteristik yang dimilikinya (Mattjik & Sumertajaya 2011). Algoritma gerombol harus dapat memaksimalkan perbedaan relatif gerombol terhadap variasi dalam gerombol. Dua metode paling umum dalam algoritma gerombol yakni metode hirarkhi dan metode nonhirarkhi. Dalam metode aglomerasi tiap observasi pada mulanya dianggap sebagai gerombol tersendiri sehingga terdapat gerombol sebanyak jumlah observasi. Kemudian dua gerombol yang terdekat kesamaannya digabung menjadi suatu gerombol baru, sehingga jumlah gerombol berkurang satu pada tiap tahap. Proses ini dilakukan hingga tiap observasi menjadi gerombol sendiri-sendiri. Metode aglomerasi dalam pembentukan gerombol ini, yakni pautan lengkap disebut juga pendekatan tetangga terjauh yang menghitung jarak maksimum. Beberapa metode penggabungan yang seringkali digunakan dalam pembentukan gerombol ini yakni complete linkage, average linkage, Wards (Bunkers et al. 1996); complete linkage (BMG 2003); Ward dan Centroid (Wigena 2006). Analisis profil Analisis profil merupakan suatu bagian dari pengujian hipotesis terhadap nilai tengah dari peubah ganda (multivariate) dengan menggunakan prinsip grafik (Morrison 1990). Dalam analisis profil yang diuji yakni kesejajaran profil, keberhimpitan dan kesejajaran dengan sumbu datar (kesamaan besaran). Jika sejajar, maka pengaruh antar wilayah yang terbentuk tersebut tidak ada. Jika berhimpit, maka nilai tengah wilayah pada setiap bulannya akan sama. Jika sejajar dengan sumbu datar, maka wilayah memiliki nilai tengah yang sama untuk setiap bulan. Model umum dalam analisis profil dinyatakan sebagai berikut. dengan X matriks rancangan berdimensi (N x t), B matriks parameter berdimensi (t x p), dan matriks galat berdimensi (N x 1). Sedangkan Y
3 33 merupakan matriks peubah tak bebas berdimensi (N x 1). Dengan = bulan, t = jumlah wilayah, = jumlah lokasi curah hujan (stasiun curah hujan) ke-i dan Berdasarkan model bentuk umum tersebut pengujian hipotesis dinyatakan seperti berikut. 1 Uji Kesejajaran Bentuk umum hipotesis untuk uji kesejajaran, dengan C merupakan matriks kontras. Misalkan rata-rata wilayah dengan dan dengan rata-rata curah hujan di wilayah 1, rata-rata curah hujan di wilayah 2. adalah matriks koragam gabungan. Hipotesis nol ditolak jika dengan. 2 Uji Keberhimpitan Bentuk hipotesis untuk dua populasi Pengujian hipotesis ini baru dapat dilakukan setelah uji pada kesejajaran dapat diterima. Misalkan rata-rata wilayah dengan dan rata-rata curah
4 34 hujan di wilayah 1, rata-rata curah hujan di wilayah 2. adalah matriks koragam gabungan. Hipotesis nol ditolak jika nilai dari statistik uji. 3 Uji Kesamaan Jika profil-profil berhimpit, maka seluruh observasi berasal dari populasi normal yang sama. Selanjutnya, dilakukan pengujian apakah curah hujan setiap bulan memiliki nilai rataan yang sama. Jika kesejajaran dan keberhimpitan dapat diterima, maka vektor rataan (dari dua populasi normal) dapat diduga dengan menggunakan observasi. Formulasinya dapat dinyatakan sebagai berikut. Jika profil itu sama, maka dan bentuk hipotesis nolnya dapat dinyatakan dengan, C merupakan matriks kontras yang sama seperti pada saat melakukan uji kesejajaran. Statistik uji untuk pengujian kesamaan dapat dinyatakan sebagai berikut. adalah matriks koragam. Hipotesis nol ditolak jika. Metode Data curah hujan yang dipergunakan dalam penelitian merupakan data lengkap dan merupakan data median bulanan dari masing-masing stasiun curah hujan. Data median dipergunakan karena persentase pencilan antara 0.88% sampai dengan 8.29%. Tahapan yang dilakukan dalam pewilayahan curah hujan ditunjukkan pada Gambar 17. Analisis komponen utama dilakukan terhadap 12 peubah curah hujan (untuk mereduksi dimensi agar tidak terjadi redundansi antar peubah), sebagai input matriksnya digunakan nilai korelasi sedangkan penentuan banyaknya komponen utama digunakan scree plot.
5 35 Selanjutnya, mengelompokkan lokasi-lokasi curah hujan dengan analisis gerombol hierarki yang dapat dinyatakan dalam bentuk dendogram. Pengujian dilakukan dengan multivariate analysis of varians (MANOVA) untuk menguji apakah terdapat perbedaan antar wilayah yang terbentuk. Langkah berikutnya, melakukan analisis profil. Gambar 17 Diagram alir proses pewilayahan Hasil dan Pembahasan Persentase keragaman dapat dijelaskan melalui lima komponen utama sebesar 84.99% dengan scree plot yang ditunjukkan pada Gambar 18. Gambar 18 Scree plot
6 36 Score lima komponen ini digunakan di dalam analisis gerombol dengan pautan lengkap. Berdasarkan analisis gerombol ini diperoleh pewilayahan curah hujan seperti ditunjukkan pada Tabel 7. Tabel 7 Pewilayahan curah hujan Wilayah Stasiun Curah Hujan 1 Anjatan, Bugel, Tulung Kacang, Karang Asem, Lawang semut, Wanguk, Gabus Wetan, Cikedung, Tugu, Sukadana, Bondan, Sumur Watu, Kroya 2 Salam Darma, Gantar 3 Jatibarang, Juntinyuat, Kedokan Bunder, Lohbener, Sudi Mampir, Krangkeng, SudiKampiran, Losarang, Cidempet, Bangkir, Indramayu Selanjutnya ketiga wilayah yang terbentuk diuji kesamaan rata-ratanya. Hasil uji ini menunjukkan bahwa rata-rata ketiga wilayah berbeda. Pola curah hujan dengan pewilayahan ini ditunjukkan seperti pada Gambar 19. (a) (b) (c) Gambar 19 Pola curah hujan (a) wilayah 1, (b) wilayah 2, (c) wilayah 3 Pola curah hujan bulanan untuk setiap wilayah ada pada Lampiran 2. Selanjutnya, dilakukan analisis profil untuk melihat kemiripan wilayah yang dibandingkan. Pengujian analisis profil dilakukan untuk menguji kesejajaran, keberhimpitan dan kesamaannya pada masing-masing kombinasi 2 wilayah wilayah yakni wilayah 1 dan 2, wilayah 1 dan 3 serta wilayah 2 dan 3 (Gambar 20).
7 37 Nilai Curah Hujan (mm) Wilayah 1 Wilayah Bulan Nilai Curah Hujan (mm) Wilayah 1 Wilayah Bulan (a) Nilai Curah Hujan (mm) Wilayah 2 Wilayah Bulan (c) Gambar 20 Pola curah hujan (a) wilayah 1 dan 2, (b) wilayah 1 dan 3, (c) wilayah 2 dan 3 (b) Berdasarkan pola pada Gambar 20 (a) (wilayah 1 dan 2), diuji kesejajaran wilayah 1 dan 2 dengan. Hasil menunjukkan bahwa wilayah 1 dan wilayah 2 tersebut sejajar. Karena sejajar, selanjutnya dilakukan uji untuk keberhimpitan, dan dengan yang sama diperoleh hasil bahwa dua pewilayahan tersebut berhimpit. Karena berhimpit, diuji pula untuk kesamaan besarannya. Berdasarkan uji kesamaan besaran kedua wilayah diperoleh bahwa vektor rataan kedua wilayah berbeda. Oleh karena itu, wilayah 1 dan 2 tidak memiliki profil yang sama. Hasil uji profil selengkapnya dapat dilihat pada Tabel 8. Tabel 8 Uji profil untuk wilayah 1 dan 2 Pengujian Wilks F Nilai-p Keterangan Lambda Kesejajaran Wilayah 1dan 2 sejajar Keberhimpitan Wilayah 1 dan 2 berhimpit Besaran yg sama * Wilayah 1 dan 2 tidak memiliki besaran yang sama *nyata
8 38 Seperti halnya di wilayah 1 dan 2, pada wilayah 1 dan 3 (plot ditunjukkan pada Gambar 20 (b)) dilakukan pengujian apakah wilayah 1 dan 3 sejajar. Dengan. Hasil menunjukkan bahwa pewilayahan 1 dan 3 tidak sejajar (Tabel 9), artinya terdapat interaksi antara curah hujan di wilayah 1 dan 3. Oleh karena itu, wilayah 1 dan 3 tidak memiliki profil yang sama. Tabel 9 Uji profil untuk wilayah 1 dan 3 Pengujian Wilks F Nilai p Keterangan Lambda Kesejajaran * Wilayah 1dan 3 tidak sejajar *nyata Seperti halnya pengujian di wilayah 1 dan 2 serta wilayah 1 dan 3, dilakukan pula pengujian untuk wilayah 2 dan 3. Pertama dilakukan pengujian apakah wilayah 2 dan 3 sejajar. Plot wilayah 2 dan 3 ditunjukkan pada Gambar 13 (c). Dengan. Hasil menunjukkan bahwa dua pewilayahan tersebut sejajar, artinya tidak terdapat interaksi antara curah hujan di wilayah 2 dan 3. Karena sejajar, selanjutnya dilakukan uji untuk keberhimpitan, dan dengan yang sama diperoleh hasil bahwa dua pewilayahan tersebut berhimpit. Karena berhimpit, diuji pula untuk kesamaan besarannya. Berdasarkan uji kesamaan besaran kedua wilayah diperoleh bahwa vektor rataan kedua wilayah berbeda. Oleh karena itu, wilayah 2 dan 3 tidak memiliki profil yang sama. Hasil uji profil selengkapnya dapat dilihat pada Tabel 10. Tabel 10 Uji profil untuk wilayah 2 dan 3 Pengujian Wilks F Nilai p Keterangan Lambda Kesejajaran Wilayah 2 dan 3 sejajar Keberhimpitan Wilayah 2 dan 3 berhimpit Besaran yg sama * Wilayah 2 dan 3 tidak memiliki besaran yang sama *nyata
9 39 Pewilayahan dan pola curah hujan untuk masing-masing wilayah 1, 2 dan 3 serta deliniasinya (dengan mempertimbangkan pengaruh angin) ditunjukkan pada Gambar 21. Gambar 21 Pewilayahan curah hujan, pola masing-masing wilayah dan Deliniasinya Simpulan Proses pewilayahan curah hujan diperoleh dengan lima AKU, total keragaman yang dapat dijelaskan melalui lima komponen utama tersebut sebesar 84.99% dan tiga wilayah curah hujan dengan metode complete linkage dan perhitungan jaraknya Euclidean. Adapun pewilayahan tersebut yakni wilayah 1 : Anjatan, Bugel, TL Kacang, KarangAsem, Lawang Semut, Wanguk, Gabus Wetan, Cikedung, Tugu, Sukadana, Bondan, Sumur Watu, Kroya, dan Tamiyang, wilayah 2: SL Darma dan Gantar serta wilayah 3 : Jatibarang, Juntinyuat, Kedokan Bunder, Lohbener, Sudi Mampir, Krangkeng, Sudi Kampiran, Losarang, Cidempet, Bangkir, dan Indramayu. Pewilayahan ini sesuai dengan arah angin yang terjadi pada musim hujan, bulan lembab dan musim kemarau.
PEWILAYAHAN CURAH HUJAN DI KABUPATEN INDRAMAYU DENGAN METODE GEROMBOL (BERDASARKAN DATA MEDIAN TAHUN )
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PEWILAYAHAN CURAH HUJAN DI KABUPATEN INDRAMAYU DENGAN METODE GEROMBOL (BERDASARKAN
Lebih terperinci4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) Pendahuluan Beberapa penelitian curah hujan dengan satu lokasi curah hujan (tunggal) dengan model ARIMA telah dilakukan, di antaranya oleh Mauluddiyanto (2008)
Lebih terperinci7. EVALUASI ZONA PRAKIRAAN IKLIM (ZPI) BMG DENGAN PENDEKATAN ANALISIS KELOMPOK
7. EVALUASI ZONA PRAKIRAAN IKLIM (ZPI) BMG DENGAN PENDEKATAN ANALISIS KELOMPOK 7. Pendahuluan Banyak penelitian klimatologi yang bertujuan membuat kelompok stasiun/wilayah perkiraan iklim. Penggunaan data
Lebih terperinciPEWILAYAHAN HUJAN UNTUK MENENTUKAN POLA HUJAN (CONTOH KASUS KABUPATEN INDRAMAYU) URIP HARYOKO, MSi. BADAN METEOROLOGI DAN GEOFISIKA
PEWILAYAHAN HUJAN UNTUK MENENTUKAN POLA HUJAN (CONTOH KASUS KABUPATEN INDRAMAYU) URIP HARYOKO, MSi. BADAN METEOROLOGI DAN GEOFISIKA DAFTAR ISI 1 PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Tujuan... 2
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 terperinci2 DESKRIPSI DATA PENELITIAN
2 DESKRIPSI DATA PENELITIAN Deskripsi Umum Kabupaten Indramayu ada umumnya secara geologis, wilayah Jawa Barat bagian utara terdiri dari dataran aluvial (alluvial plain). Berdasarkan pada peta Physiographic
Lebih terperinciIV. PENETAPAN WILAYAH CAKUPAN INDEKS UNTUK PENERAPAN ASURANSI IKLIM
IV. PENETAPAN WILAYAH CAKUPAN INDEKS UNTUK PENERAPAN ASURANSI IKLIM 4.1. Pendahuluan Ketersediaan data curah hujan dalam jangka panjang secara runut waktu (time series) sangat diperlukan dalam analisis,
Lebih terperinciPEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten Indramayu)
Xplore, 2013, Vol. 1(1):e3(1-7) c 2013 Departemen Statistika FMIPA IPB PEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten
Lebih terperinciVIII. SIMPULAN, SARAN DAN REKOMENDASI Simpulan Berdasarkan hasil penelitian ini, dapat disimpulkan sebagai berikut :
VIII. SIMPULAN, SARAN DAN REKOMENDASI 8.1. Simpulan Berdasarkan hasil penelitian ini, dapat disimpulkan sebagai berikut : 1. Kejadian kekeringan di Kabupaten Indramayu merupakan penyebab utama (79.8%)
Lebih terperinciBAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Analisis statistik multivariat adalah metode statistik di mana masalah yang diteliti bersifat multidimensional dengan menggunakan tiga atau lebih variabel
Lebih terperinciGambar 9 Peta Penutupan Lahan
V. HASIL DAN PEMBAHASAN 5.1 Penutupan Lahan Penutupan lahan didapatkan dari interpretasi citra Landsat wilayah Kabupaten Indramayu tahun 2009. Citra Landsat yang digunakan adalah citra saat musim hujan
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 terperinciBAB III TINJAUAN WILAYAH PERENCANAAN
BAB III III.1 Gambaran Umum Kabupaten Indramayu III.1.1 Kondisi Geografis dan Topografi Kabupaten Indramayu berada di wilayah pesisir utara Pulau Jawa. Secara geografis Kabupaten Indramayu berada pada
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 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 terperinciDATA DAN METODE Sumber Data
14 DATA DAN METODE Sumber Data Data yang digunakan dalam penelitian ini adalah data hasil simulasi dan data dari paket Mclust ver 3.4.8. Data simulasi dibuat dalam dua jumlah amatan yaitu 50 dan 150. Tujuan
Lebih terperinciANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G14114 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada hubungan satu variabel atau dua variabel saja, akan tetapi cenderung melibatkan banyak variabel. Analisis
Lebih terperinciANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G4004 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPREDIKSI CURAH HUJAN EKSTRIM SECARA SPASIAL (Studi Kasus: Curah Hujan Bulanan di Kabupaten Indramayu) FITRI MUDIA SARI
PREDIKSI CURAH HUJAN EKSTRIM SECARA SPASIAL (Studi Kasus: Curah Hujan Bulanan di Kabupaten Indramayu) FITRI MUDIA SARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI TESIS
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 13 Peubah Ganda
STK511 Analisis Statistika Pertemuan 13 Peubah Ganda 13. Peubah Ganda: Pengantar Pengamatan Peubah Ganda Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja Kasus pengamatan peubah ganda
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 terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciΛ = DATA DAN METODE. Persamaan Indeks XB dinyatakan sebagai berikut. XB(c) = ( ) ( )
Indeks XB (Xie Beni) Penggerombolan Fuzzy C-means memerlukan indeks validitas untuk mengetahui banyak gerombol optimum yang terbentuk. Indeks validitas yang digunakan dalam penelitian ini adalah Indeks
Lebih terperinciDAFTAR ISI. ABSTRAK... i. KATA PENGANTAR... ii. UCAPAN TERIMA KASIH... iii. DAFTAR ISI... vi. DAFTAR TABEL... x. DAFTAR GAMBAR...
DAFTAR ISI Halaman LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iii DAFTAR ISI... vi DAFTAR TABEL... x DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv BAB I PENDAHULUAN...
Lebih terperinciANALISIS GEROMBOL CLUSTER ANALYSIS
ANALISIS GEROMBOL CLUSTER ANALYSIS Pendahuluan Tujuan dari analisis gerombol : Menggabungkan beberapa objek ke dalam kelompok-kelompok berdasarkan sifat kemiripan atau sifat ketidakmiripan antar objek
Lebih terperinciPEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten Indramayu)
PEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten Indramayu) FILDZAH HANUM SYAZWINA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciDATA DAN METODE. Data
DATA DAN METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder hasil percobaan padi varietas IR 64 yang dilaksanakan tahun 2002 pada dua musim (kemarau dan hujan). Lokasi penelitian
Lebih terperinciDepartemen Geofisika dan Metereologi FMIPA Institut Teknologi Bandung
Bionatura-Jurnal Ilmu-ilmu Hayati dan Fisik ISSN 1411-0903 Vol. 15, No. 2, Juli 2013: 71-78 MODEL Additive-Vector Autoregressive EXOGENOUS UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN INDRAMAYU Saputro, D.R.S
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
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 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 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 terperinciIV. GAMBARAN UMUM LOKASI PENELITIAN
IV. GAMBARAN UMUM LOKASI PENELITIAN 4.1. Kabupaten Indramayu Kabupaten Indramayu adalah salah satu Kabupaten di Provinsi Jawa Barat dengan Ibu kotanya Indramayu. Kabupaten Indramayu berada pada 6º15 sampai
Lebih terperinciIII. METODE PENELITIAN
34 III. METODE PENELITIAN Metoda penelitian ini meliputi unsur-unsur: (1) populasi, sampel, dan responden, (2) desain penelitian, (3) data dan instrumentasi, (4) pengumpulan data, dan (5) analisis data.
Lebih terperinciPENENTUAN PREDIKTOR PADA STATISTICAL. DECOMPOSITION (Studi Kasus di Stasiun Meteorologi Indramayu) IMAM SANJAYA
PENENTUAN PREDIKTOR PADA STATISTICAL DOWNSCA ALING DENGAN SINGULAR VALUE DECOMPOSITION (Studi Kasus di Stasiun Meteorologi Indramayu) IMAM SANJAYA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKAA DAN ILMU PENGETAHUAN
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 terperinciV. GAMBARAN UMUM WILAYAH PENELITIAN
55 V. GAMBARAN UMUM WILAYAH PENELITIAN 5.1. Keadaan Geografis dan Cuaca Kabupaten Indramayu sebuah kabupaten di Provinsi Jawa Barat, Indonesia.Ibukotanya adalah Indramayu, Indramayu sebagai pusat pemerintahan,
Lebih terperinciBAB III PEMBAHASAN. Analisis cluster merupakan analisis yang bertujuan untuk. mengelompokkan objek-objek pengamatan berdasarkan karakteristik yang
BAB III PEMBAHASAN Analisis cluster merupakan analisis yang bertujuan untuk mengelompokkan objek-objek pengamatan berdasarkan karakteristik yang dimiliki. Asumsi-asumsi dalam analisis cluster yaitu sampel
Lebih terperinciTINJAUAN PUSTAKA. bebas digunakan jarak euclidean - sedangkan bila terdapat. korelasi antar peubah digunakan jarak mahalanobis - -
3 TINJAUAN PUSTAKA Gambaran Umum Analisis Gerombol Analisis gerombol merupakan salah satu metode analisis peubah ganda yang bertujuan untuk mengelompokkan objek kedalam kelompok kelompok tertentu yang
Lebih terperinciPENGELOMPOKKAN KABUPATEN DI PROVINSI BALI BERDASARKAN PERKEMBANGAN FASILITAS PARIWISATA
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 53-58 ISSN: 2303-1751 PENGELOMPOKKAN KABUPATEN DI PROVINSI BALI BERDASARKAN PERKEMBANGAN FASILITAS PARIWISATA NOVA SARI BARUS 1, I PUTU EKA NILA KENCANA
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 terperinciPENDUGAAN CURAH HUJAN DENGAN BAYESIAN NETWORKS. Studi Kasus: Curah Hujan di Daerah Indramayu HERA FAIZAL RACHMAT
PENDUGAAN CURAH HUJAN DENGAN BAYESIAN NETWORKS Studi Kasus: Curah Hujan di Daerah Indramayu HERA FAIZAL RACHMAT SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 28 PERNYATAAN MENGENAI TESIS DAN SUMBER
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 terperinci4.3. Variabel dan Definisi Operasional Variabel
BAB IV METODOLOGI PENELITIAN 4.1. Populasi dan Sampel Penelitian Populasi pada penelitian ini yaitu keseluruhan data tahun 2010 sampai 2014 kabupaten/kota yang berada di Provinsi Nusa Tenggara Timur yang
Lebih terperinciMODEL VEKTOR AUTOREGRESSIVE UNTUK PERAMALAN CURAH HUJAN DI INDRAMAYU (Vector Autoregressive Model for Forecast Rainfall In Indramayu )
, Oktober 2011 p: 7-11 Vol 16 No 2 ISSN : 0853-8115 MODEL VEKTOR AUTOREGRESSIVE UNTUK PERAMALAN CURAH HUJAN DI INDRAMAYU (Vector Autoregressive Model for Forecast Rainfall In Indramayu ) Dewi Retno Sari
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis),
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa konsep yang menjadi dasar dalam penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis), metode penggerombolan hirarki
Lebih terperinciAnalisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur
Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan
Lebih terperinciPENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU
PENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU Ari Shobri B 1), Septiadi Padmadisastra 2), Sri Winarni 3) 1) Mahasiswa
Lebih terperinciPENGGUNAAN METODE FUZZY SIMILARITY DALAM PENENTUAN CAKUPAN WILAYAH INDEKS CURAH HUJAN
PENGGUNAAN METODE FUZZY SIMILARITY DALAM PENENTUAN CAKUPAN WILAYAH INDEKS CURAH HUJAN USING FUZZY SIMILARITY METHOD FOR DETERMINING COVERAGE RAINFALL INDEX AREAS 1 2 3 1 Woro Estiningtyas, Agus Buono,
Lebih terperinciBAB II KAJIAN TEORI. linier, varian dan simpangan baku, standarisasi data, koefisien korelasi, matriks
BAB II KAJIAN TEORI Pada bab II akan dibahas tentang materi-materi dasar yang digunakan untuk mendukung pembahasan pada bab selanjutnya, yaitu matriks, kombinasi linier, varian dan simpangan baku, standarisasi
Lebih terperinciCluster Analysis. Hery Tri Sutanto. Jurusan Matematika MIPA UNESA. Abstrak
S-17 Cluster Analysis Hery Tri Sutanto Jurusan Matematika MIPA UNESA Abstrak Dalam analisis cluster mempelajari hubungan interdependensi antara seluruh set variabel perlu diteliti. Tujuan utama analisis
Lebih terperinciBAB I PENDAHULUAN. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada hubungan satu variabel atau dua variabel saja, akan tetapi cenderung melibatkan banyak variabel. Analisis
Lebih terperinciI. ANALISIS CURAH DAN SIFAT HUJAN BULAN SEPTEMBER 2013
I. ANALISIS CURAH DAN SIFAT HUJAN BULAN SEPTEMBER 2013 A. Analisis Curah Hujan Bulan September 2013 Berdasarkan data hujan bulan September 2013 yang diterima dari beberapa pos hujan maka curah hujan bulan
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 terperinciSTATISTICAL DOWNSCALING SUHU MUKA LAUT GLOBAL UNTUK PREDIKSI TOTAL HUJAN BULANAN MENGGUNAKAN TEKNIK PLS
STATISTICAL DOWNSCALING SUHU MUKA LAUT GLOBAL UNTUK PREDIKSI TOTAL HUJAN BULANAN MENGGUNAKAN TEKNIK PLS 1 2 Yunus S. Swarinoto, Aji Hamim Wigena 1 Pusat Meteorologi Publik BMKG, Jl. Angkasa 1 No.2, Kemayoran,
Lebih terperinciPemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi
Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi Oleh : Teguh Purianto (0 09 06) Dosen Pembimbing : Wibawati, S.Si., M.Si. ABSTRAK Anak
Lebih terperinci4 KEADAAN UMUM DAERAH PENELITIAN
29 4 KEADAAN UMUM DAERAH PENELITIAN 4.1 Keadaan Geografis, Topografi, dan Iklim Secara geografis wilayah Kabupaten Indramayu terletak pada koordinat 107 52-108 36 bujur timur dan 6 15-6 40 lintang selatan.
Lebih terperinciBAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang
BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear
Lebih terperinciPENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN INDIKATOR DALAM PEMERATAAN PENDIDIKAN MENGGUNAKAN METODE MINIMAX LINKAGE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 05, No. 02 (2016), hal 253-260 PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN INDIKATOR DALAM PEMERATAAN PENDIDIKAN MENGGUNAKAN
Lebih terperinciPENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN
E-Jurnal Matematika Vol. (), Mei, pp. - ISSN: - PENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN Ni Wayan Aris Aprilia A.P, I Gusti Ayu Made Srinadi, Kartika Sari Jurusan Matematika,
Lebih terperinciPENDEKATAN ANALISIS FUZZY CLUSTERING PADA PENGELOMPOKKAN STASIUN POS HUJAN UNTUK MEMBUAT ZONA PRAKIRAAN IKLIM (ZPI)
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 PENDEKATAN ANALISIS FUZZY CLUSTERING PADA PENGELOMPOKKAN STASIUN POS HUJAN UNTUK MEMBUAT ZONA PRAKIRAAN IKLIM (ZPI) Azwar
Lebih terperinciBAB II TINJAUAN PUSTAKA. digunakan untuk menganalisis data dengan lebih dari satu peubah bebas
BAB II TINJAUAN PUSTAKA 2.1. Analisis Peubah Ganda Analisis peubah ganda merupakan salah satu jenis analisis statistika yang digunakan untuk menganalisis data dengan lebih dari satu peubah bebas (independen
Lebih terperinciPENENTUAN JUMLAH CLUSTER OPTIMAL PADA MEDIAN LINKAGE DENGAN INDEKS VALIDITAS SILHOUETTE
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 97 102. PENENTUAN JUMLAH CLUSTER OPTIMAL PADA MEDIAN LINKAGE DENGAN INDEKS VALIDITAS SILHOUETTE Nicolaus, Evy Sulistianingsih,
Lebih terperinciMinggu II STATISTIKA MULTIVARIATE TERAPAN
Minggu II STATISTIKA MULTIVARIATE TERAPAN (PENDAHULUAN) Herni U Universitas Gadjah Mada Outline 1 Analisis Statistika Multivariat 2 Contoh Kasus Multivariat 3 Organisasi Data Outline 1 Analisis Statistika
Lebih terperinciKAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST
LAPORAN PENELITIAN BIDANG ILMU KELOMPOK TINGKAT LANJUT KAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST Oleh: Drs. Timbul Pardede, M.Si Drs. Budi Prasetyo, M.Si FAKULTAS
Lebih terperinciBAB I PENDAHULUAN. Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika yang mengamati dua atau lebih variabel random yang berhubungan, sebagai suatu kesatuan
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 terperinciHASIL DAN PEMBAHASAN. Gambar 1 Perolehan suara PN, PA, dan PC menurut nasional pada pemilu 2004 dan 2009
11 HASIL DAN PEMBAHASAN Deskripsi data Berdasarkan bagian Latar Belakang di atas, pengelompokan parpol menurut asas dapat dikelompokan kedalam tiga kelompok parpol. Ketiga kelompok parpol tersebut adalah
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Deskripsi Data Data yang digunakan dalam penelitian ini bersumber dari data Potensi Desa (PODES) 2006, pengambilan datanya dilakukan tahun 2005. Data PODES berisi data tentang keterangan
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciAnalisis Peubah Ganda
Analisis Peubah Ganda Analisis Komponen Utama Dr. Ir. I Made Sumertajaya, M.Si Pengamatan Peubah Ganda - memerlukan sumberdaya lebih, dalam analisis - informasi tumpang tindih pada beberapa peubah Apa
Lebih terperinciPENGARUH KELEMBABAN DAN SERI TANAH TERHADAP MUTU DAN PRODUKSI TANAMAN TEMBAKAU TEMANGGUNG DENGAN METODE MANOVA
Co. Pembimbing Dr. Ir. Djumali, MP Seminar Hasil Tugas Akhir PENGARUH KELEMBABAN DAN SERI TANAH TERHADAP MUTU DAN PRODUKSI TANAMAN TEMBAKAU TEMANGGUNG DENGAN METODE MANOVA Oleh: Miftalia Al Riza (1308
Lebih terperinciIII. ANALISIS DAN DELINEASI WILAYAH ENDEMIK KEKERINGAN UNTUK PENGELOLAAN RISIKO IKLIM
III. ANALISIS DAN DELINEASI WILAYAH ENDEMIK KEKERINGAN UNTUK PENGELOLAAN RISIKO IKLIM 3.1. Pendahuluan Salah satu indikator terjadinya perubahan iklim adalah semakin meningkatnya kejadian iklim ekstrim
Lebih terperincialjabar geo g metr me i
Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik tanaman padi yang akan dikaji dalam penelitian ini meliputi komponen hasil (jumlah malai per m 2, persen gabah isi, dan produktivitas) dan serapan hara (serapan total
Lebih terperinciPENDUGAAN DATA TIDAK LENGKAP CURAH HUJAN DI KABUPATEN INDRAMAYU DENGAN KRIGING & RATA-RATA BERGERAK (MOVING AVERAGE)
PENDUGAAN DATA TIDAK LENGKAP CURAH HUJAN DI KABUPATEN INDRAMAYU DENGAN KRIGING & RATA-RATA BERGERAK (MOVING AVERAGE) (BERDASARKAN DATA TAHUN 1980 2000) Dewi Retno Sari Saputro 1, Ahmad Ansori Mattjik 2,
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS IV.1 Uji Sensitifitas Model Uji sensitifitas dilakukan dengan menggunakan 3 parameter masukan, yaitu angin (wind), kekasaran dasar laut (bottom roughness), serta langkah waktu
Lebih terperinciIV HASIL DAN PEMBAHASAN
6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.
Lebih terperinciAPLIKASI METODE SUPPORT VECTOR MACHINE PADA PENGELOMPOKAN ZONA MUSIM BERDASARKAN CURAH HUJAN (STUDI KASUS KABUPATEN NGAWI)
SEMINAR HASIL TUGAS AKHIR 18 Januari 2011 APLIKASI METODE SUPPORT VECTOR MACHINE PADA PENGELOMPOKAN ZONA MUSIM BERDASARKAN CURAH HUJAN (STUDI KASUS KABUPATEN NGAWI) Dipresentasikan oleh : Elly Nur Shobihah
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 terperinciBAB III PEMBAHASAN. survei yang dilakukan BPS pada 31 Oktober Langkah selanjutnya yang
BAB III PEMBAHASAN Data yang digunakan dalam skripsi ini merupakan data sekunder yang diperoleh dari buku saku Ikhtisar Data Pendidikan Tahun 2016/2017. Data tersebut dapat dilihat pada Lampiran 1. Data
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas mengenai landasan-landasan teori yang mendukung penelitian ini, yaitu analisis kelompok, metode pengelompokan hierarki (single linkage dan complete linkage),
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 terperinciBAB III K-MEDIANS CLUSTERING
BAB III 3.1 ANALISIS KLASTER Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Metode interdependensi berfungsi untuk memberikan makna terhadap seperangkat
Lebih terperinciPROSIDING ISSN: M-22 ANALISIS PERUBAHAN KELOMPOK BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT TAHUN DI PROVINSI JAWA TENGAH
M-22 ANALISIS PERUBAHAN KELOMPOK BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT TAHUN 2010-2015 DI PROVINSI JAWA TENGAH Rukini Badan Pusat Statistik Kabupaten Grobogan email:rukini@bps.go.id Abstrak Pembangunan
Lebih terperinci6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM
6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM 6.1 Pendahuluan Model regresi SD dinyatakan y = f(x) ε dimana y adalah peubah respon (curah hujan observasi, beresolusi
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian. Metode Pengumpulan Data
METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Kabupaten Solok Provinsi Sumatera Barat. Penelitian dilaksanakan selama 4 bulan dimulai dari bulan Juni hingga September 2011.
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 terperinciAnomali Iklim: Faktor Penyebab, Karakteristik, dan Antisipasinya
Anomali Iklim: Faktor Penyebab, Karakteristik, dan Antisipasinya Gatot Irianto 1 dan Suciantini 2 Ringkasan Secara harafiah, anomali iklim adalah pergeseran musim dari rata-rata normalnya. Empat faktor
Lebih terperinciInfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 3, No.2, September 2014
APLIKASI METODE-METODE AGGLOMERATIVE DALAM ANALISIS KLASTER PADA DATA TINGKAT POLUSI UDARA Oleh: Dewi Rachmatin Jurusan Pendidikan Matematika, UniversitasPendidikan Indonesia dewirachmatin@upi.edu ABSTRAK
Lebih terperinciPERBANDINGAN PENGGEROMBOLAN K-MEANS DAN K-MEDOID PADA DATA YANG MENGANDUNG PENCILAN YANNE FLOWRENSIA
PERBANDINGAN PENGGEROMBOLAN K-MEANS DAN K-MEDOID PADA DATA YANG MENGANDUNG PENCILAN YANNE FLOWRENSIA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 010
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis cluster
Lebih terperinciBAB IV. HASIL DAN PEMBAHASAN
7 BAB IV. HASIL DAN PEMBAHASAN 4.1. Kondisi Geografis Kabupaten Karawang Wilayah Kabupaten Karawang secara geografis terletak antara 107 02-107 40 BT dan 5 56-6 34 LS, termasuk daerah yang relatif rendah
Lebih terperinciKATA PENGANTAR. Kami ucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang telah membantu penerbitan publikasi prakiraan musim hujan ini.
KATA PENGANTAR Penyajian Prakiraan Musim Hujan 2016/2017 di Provinsi Sumatera Selatan ditujukan untuk memberi informasi kepada masyarakat, disamping publikasi buletin agrometeorologi, analisis dan prakiraan
Lebih terperinciANALISIS RAGAM PEUBAH GANDA (MANOVA)
ANALISIS RAGAM PEUBAH GANDA (MANOVA) ANOVA VS MANOVA Analisis Ragam Satu Peubah (Anova) Analisis Ragam Peubah Ganda (Manova) Pengaruh perlakuan terhadap respon tunggal Pengaruh Perlakuan terhadap multi
Lebih terperinciHASIL DAN PEMBAHASAN Pendugaan Pengeluaran Per Kapita
HASIL DAN PEMBAHASAN Pendugaan Pengeluaran Per Kapita Kabupaten Jember terdiri dari 247 desa/kelurahan. 14.17% dari jumlah tersebut atau 35 desa/kelurahan terpilih sebagai contoh dalam susenas 2008, dengan
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 terperinci