BAB I PENDAHULUAN. Daerah daratan adalah daerah yang terletak di atas dan di bawah

dokumen-dokumen yang mirip
BAB I PENDAHULUAN. menentukan grafik analisis regresi dapat digunakan tiga pendekatan, yaitu regresi

PEMODELAN MEAN SEA LEVEL (MSL) DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK DERET FOURIER

PEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE. Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3.

BAB I PENDAHULUAN 1.1. Latar Belakang

REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.

BAB I PENDAHULUAN. Analisis regresi merupakan metode analisis data yang telah diterapkan

BAB I PENDAHULUAN. dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau

PENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1

BAB II LANDASAN TEORI

Analisis Regresi Spline Kuadratik

BAB I PENDAHULUAN. bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi.

BAB 2 LANDASAN TEORI

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN

REGRESI SPLINE SEBAGAI ALTERNATIF DALAM PEMODELAN KURS RUPIAH TERHADAP DOLAR AMERIKA SERIKAT SKRIPSI

PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.

BAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel

BAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah

BAB I PENDAHULUAN. 1.1 Latar Belakang

PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

PEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN

PREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL

PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE

BAB I. PENDAHULUAN. Kota Semarang berada pada koordinat LS s.d LS dan

ABSTRAK. Kata Kunci: regresi nonparametrik spline, knot, GCV, angka kematian bayi.

TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan

MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA

ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE

Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon

PENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK

BAB I PENDAHULUAN. ekonomi dan pembangunan yang pesat di Kota Surabaya menyebabkan perubahan

PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA

BAB I PENDAHULUAN 1.1.Latar Belakang

Oleh : Edwin Erifiandi (NRP ) Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MSi

PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip

BAB 1 PENDAHULUAN. variabel respon dengan variabel prediktor. Menurut Eubank (1988), f(x i ) merupakan

PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE

BAB I PENDAHULUAN. 1.1 Latar Belakang. Kawasan pesisir merupakan prioritas utama sebagai pusat pengembangan

PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE ABSTRACT

BAB IV PEMBAHASAN. 4.1 Deskripsi Data

PEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA. variabel prediktor terhadap variabel respons. Hubungan fungsional

BAB II STUDI PUSTAKA. 2.1 Tinjauan Umum

PEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan)

I. PENDAHULUAN. sektor perekonomian dan bisnis menjadi daya tarik masyarakat dari berbagai

BAB I PENDAHULUAN 1.1. Latar Belakang

PEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN REGRESI PENALIZED SPLINE BERBASIS RADIAL

KERANGKA RAPERMEN TENTANG TATA CARA PENGHITUNGAN BATAS SEMPADAN PANTAI

I. PENDAHULUAN. Banjir pasang (rob) merupakan peristiwa yang umumnya terjadi di

ESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE

ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA

ESTIMATOR SPLINE KUBIK

BAB I PENDAHULUAN. dengan yang lain, yaitu masing-masing wilayah masih dipengaruhi oleh aktivitas

REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS

BAB 1 PENDAHULUAN. hubungan antara variabel respon dengan satu atau beberapa variabel prediktor.

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR

I. PENDAHULUAN 1.1. Latar Belakang

5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS

PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE

ADLN Perpustakaan Universitas Airlangga

TINJAUAN PUSTAKA. Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang

BAB II TINJAUAN PUSTAKA

BAB I PENDAHULUAN. 1.1 Latar Belakang

STUDI PREFERENSI MIGRASI MASYARAKAT KOTA SEMARANG SEBAGAI AKIBAT PERUBAHAN IKLIM GLOBAL JANGKA MENENGAH TUGAS AKHIR

KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri

PERATURAN MENTERI PEKERJAAN UMUM Nomor 09/PRT/M/2010 Tentang PEDOMAN PENGAMANAN PANTAI MENTERI PEKERJAAN UMUM,

BAB I PENDAHULUAN 1.1. Latar Belakang

Seminar Tugas Akhir. Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 TINJAUAN UMUM

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan

PREDIKSI KURS RUPIAH TERHADAP EURO MENGGUNAKAN MODEL REGRESI SPLINE TERSEGMEN

PERATURAN MENTERI PEKERJAAN UMUM DAN PERUMAHAN RAKYAT REPUBLIK INDONESIA NOMOR 07/PRT/M/2015 TENTANG PENGAMANAN PANTAI

III. KERANGKA PEMIKIRAN. permukaan air laut (rob). Fenomena ini berdampak pada kehidupan masyarakat

GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE

BAB I PENDAHULUAN. 1.1 Latar Belakang

SEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M.

Kata Kunci : regresi semiparametrik, spline, knot, GCV

BAB II TINJAUAN PUSTAKA

BAB I PENDAHULUAN. 1.1 Latar Belakang. Indonesia sebagai negara kepulauan mempunyai lebih dari pulau dan

ESTIMASI KURVA REGRESI SEMIPARAMETRIK PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR POLINOMIAL LOKAL

PERAMALAN PASANG SURUT AIR LAUT DI PULAU JAWA MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)

PEMODELAN REGRESI SPLINE TRUNCATED UNTUK DATA LONGITUDINAL

PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

APLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)

Pemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya

Gambar 6. Peta Kecamatan di DAS Sunter.

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR

BAB I PENDAHULUAN 1.1. Latar Belakang

3.1 PERSIAPAN PENDAHULUAN

PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE

ABSTRAK. PDF created with pdffactory Pro trial version

BAB I PENDAHULUAN. Negara Republik Indonesia merupakan suatu negara kepulauan terbesar di

ADLN - PERPUSTAKAAN UNIVERSITAS ARILANGGA BAB I PENDAHULUAN. Timur Indonesia. Pada proyek Masterplan Percepatan dan Perluasan

Transkripsi:

BAB I PENDAHULUAN 1.1 Latar Belakang Daerah daratan adalah daerah yang terletak di atas dan di bawah permukaan daratan dimulai dari batas garis pasang tertinggi. Daerah lautan adalah daerah yang terletak di atas dan di bawah permukaan laut di mulai dari sisi laut pada garis surut terendah, termasuk dasar laut dan bagian bumi di bawahnya. Garis pantai adalah garis batas pertemuan antara daratan dan air laut, dimana posisinya tidak tetap dan dapat berpindah sesuai dengan pasang surut air laut dan erosi pantai yang terjadi. Sempadan pantai adalah kawasan tertentu sepanjang pantai yang mempunyai manfaat penting untuk mempertahankan kelestarian fungsi pantai. Kriteria sempadan pantai adalah daratan sepanjang tepian yang lebarnya sesuaidengan bentuk dan kondisi fisik pantai, minimal 100 m dari titik pasang tertinggi ke arah daratan. Pesisir adalah daerah darat di tepi laut yang masih mendapat pengaruh laut seperti pasang surut, angin laut, dan perembesan air laut. Sedang pantai adalah daerah di tepi perairan yang dipengaruhi oleh air pasang tertinggi dan air surut terendah. Wilayah pesisir sangat rentan terhadap tekanan baik yang berasal dari darat maupun dari laut.salah satu tekanan yang mengancam keberlangsungan wilayah pesisir adalah adanya kenaikan muka air laut.kontribusi relativ dari pemuaian suhu dan pencairan es terhadap kenaikan muka laut adalah tidak pasti dan perkiraan ini dapat bervariasi.kedua faktor 1

tersebut dapat meningkatkan volume air laut di bumi dan meningkatkan tinggi muka laut. Pasang surut adalah fluktuasi muka air laut sebagai fungsi waktu karena adanya gaya tarik benda-benda langit, terutama matahari dan bulan.meskipun massa bulan jauh lebih kecil dari massa matahari, tetapi karena jaraknya dari bumi jauh lebih dekat, maka pengaruh gaya tarik bulan terhadap bumi lebih besar daripada pengaruh gaya tarik matahari.kenaikan muka air laut yang terus bertambah dikhawatirkan akan mengancam daerah-daerah pesisir sehingga menimbulkan kerugian baik dalam finansial maupun ekonomi. Hal ini akan merugikan bagi masyarakat yang melakukan aktivitas perekonomian yang berada di wilayah pesisir. Sehingga dampak kenaikan muka air laut tidak menggenangi daerah-daerah yang lebih rendah dari muka laut yang mengalami pasang tertinggi. Semarang merupakan kota yang memiliki wilayah pesisir di bagian utara dengan garis pantai sepanjang kurang lebih 13 km. Hal ini pasti akan mengalami dampak dari kenaikan permukaan laut. Terjadinya penurunan muka tanah di Semarang juga akan memperburuk kenaikan muka air laut tersebut. Penurunan tanah tersebut terjadi akibat peristiwa konsolidasi (pemampatan) dan pengambilan air bawah tanah yang berlebihan (Sarbidi, 2002).Peristiwa tersebut mengakibatkan kawasan Semarang sering terjadi banjir saat air laut pasang. Banjir tersebut sering disebut banjir rob. Banjir tersebut menggenangi daerah-daerah yang permukaanya berada lebih rendah dari muka air laut saat pasang tertinggi. Kedalaman air akibat banjir rob bisa mencapai 20-60 cm dengan luas genangan diperkirakan mencapai 32,6 km 2 (Sarbidi, 2002). 2

Banjir rob yang terjadi di Semarang merupakan salah satu dampak dari kenaikan muka air laut. Permasalahan banjir rob di Semarang termasuk masalah yang hingga ini masih belum dipecahkan. Hal ini dikarenakan angka pasti kenaikan muka air laut di Semarang masih belum jelas. Menurut Tim Penelitian ITB (1990) dalam Abdurachim (2002) kenaikan muka air laut di Semarang mencapai 9,27 mm/tahun, menurut Manurung et al (2002) kenaikan muka laut di Semarang mencapai 6 mm/tahun, menurut Suripin (2002) dalam laporan penelitiannya menyatakan bahwa kenaikan muka laut di Semarang mencapai 5,01 cm/tahun. Sedangkan berdasarkan penelitian Adhitya (2003) dari mulai 1991 hingga tahun 1997 muka air laut rata-rata tahunan di Semarang mengalami kenaikan berkisar 1,5 6,7 cm. Akan tetapi pada tahun berikutnya sampai tahun 2000 permukaan laut justru mengalami penurunan sebesar 1,31 39,9 cm. Penelitian kerentanan wilayah pesisir sangat diperlukan dalam rangka mengurangi dampak serta kemungkinan-kemungkinan respon terkait terhadap perubahan fenomena yang berlangsung. Hal ini mengakibatkan perlu adanya prediksi untuk mengetahui seberapa tinggi muka air laut. Dari hasil prediksi tersebut diharapkan dapat membantu pihak-pihak yang berkepentingan langkah-langkah strategis yang perlu dilakukan agar tidak mengalami kerugian yang cukup besar. Metode statisika sangat berperan penting dalam memprediksi maupun menduga estimasi tinggi muka air laut.salah satu metode yang digunakan adalah dengan pendekatan regresi nonparametrik.pendekatan regresi nonparametrik merupakan metode pendugaan model yang dilakukan berdasarkan pendekatan yang tidak terikat asumsi bentuk kurva regresi tertentu dimana kurva regresi 3

hanya diasumsikan smooth, sehingga regresi nonparametrik memiliki fleksibilitas yang tinggi karena data diharapkan mencari sendiri bentuk estimasi kurva regresinya tanpa dipengaruhi oleh faktor subyektifitas peneliti (Eubank, 1988).Pendekatan nonparametriksangat cocok digunakan dalam kehidupan nyata yang tidak diketahui pola hubungannya secara jelas. Salah satu model regresi dengan pendekatan nonparametrik adalah Spline.Spline merupakan model regresi yang mempunyai interpretasi statistik visual sangat khusus dan sangat baik.disamping itu, kelebihan Spline adalah cenderung mencari sendiri estimasi data kemana pun data tersebut bergerak.spline dapat mengatasi pola data yang menunjukkan naik atau turun yang tajam dengan bantuan titik-titik knots, serta kurva yang dihasilkan relatif mulus. Titik knots merupakan perpaduan bersama yang menunjukkan pola perilaku fungsi Spline pada selang yang berbeda (Hardle, 1990). Model regresi Spline berdasarkan ordenya yaitu linier, kuadratik, kubik, dan polinom. Bentuk estimator Spline sangat dipengaruhi oleh nilai parameter penghalus λ. Bentuk estimator Spline juga dipengaruhi oleh lokasi dan banyak titik knots (Budiantara, 2005). Oleh karena itu, pemilihan λ optimal mutlak diperlukan untuk memperoleh estimator Spline yang sesuai dengan data.pemilihan λ optimal dalam regresi Spline pada hakekatnya merupakan pemilihan lokasi titik knots (Eubank, 1988). Untuk nilai λ yang sangat besar akan menghasilkan kurva regresi yang sangat halus. Sebaliknya untuk nilai λ yang kecil akan memberikan bentuk kurva regresi yang sangat kasar (Wahba, 1990; Eubank, 1988; Budiantara, 1988). Model Spline terbaik dapat dilihat dari beberapa kriteria tertentu yaitu mempunyai nilai 4

Means Squared Error (MSE) dan nilaigeneralized Cross Validation (GCV) yang minimum. Regresi Spline sangat sesuai untuk kasus kehidupan nyata karena sifatnya yang fleksibilitas (dalam Wahyu Wibowo,2013) Dikarenakan data tinggi gelombang pasang surutmengalami fluktuasi, maka regresi Spline sesuai untuk memodelkan data tinggi gelombang pasang surut di Semarang.Dari hasil analisa tersebut diharapkan dapat membantu masyarakat dan instansi yang terkait dalam menangani maupun dalam pengambilan kebijakan. 1.2 Perumusan Masalah Berdasarkan latar belakang yang telah diuraikan, maka permasalahan yang peneliti bahas dalam skripsi ini yaitu: 1. Bagaimana memodelkan tinggi gelombang pasang surut di Semarang menggunakan pendekatan regresi Spline. 2. Bagaimana nilai estimasi dari hasil permodelan regresi Spline pada data tinggi gelombang pasang surut di Semarang. 1.3 Tujuan Penelitian 1. Untuk mengetahui model tinggi gelombang pasang surut di Semarang menggunakan metode regresi Spline 2. Mengetahui estimasi model regresi Spline untuk data tinggi gelombang pasang surut di Semarang. 5

1.4 Manfaat Penelitian a. Bagi masyarakat Dapat membantu masyarakatmenambah pengetahuan dan sebagai referensi mengenai regresi Spline. Dari regresi Spline tersebut dapat mengetahui gambaran data tinggi gelombang pasang surut di Semarang. b. Bagi pemerintah Dapat membantu pemerintah Semarangdalam pengambilan kebijakan tentang tata letak kota sehingga dapat terhindar dari dampak tinggi gelombang pasang surut. 1.5 Batasan Masalah Masalah yang diangkat dalam skripsi ini terlalu luas jika diteliti secara menyeluruh. Masalah yang menjadi obyek penelitian adalah: 1. Data yang diambil adalah data sekunder dari Badan Meteorologi dan Geofisika Stasiun Geofisika Maritim Semarang yaitu data tinggi gelombang pasang surut di Semarang tahun 2011-2012. 2. Permodelan tinggi gelombang pasang surut di Semarang menggunakan regresi Spline. 6