Dwi Haryo Ismunarti
Departemen Oseanografi , Fakultas Perikanan Dan Ilmu Kelautan, Universitas Diponegoro

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Statistika Universitas Muhammadiyah Semarang

PEMODELAN ARIMA UNTUK PRAKIRAAN KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB TAHUN 2020 DI SEMARANG Dwi Haryo Ismunarti; Alfi Satriadi; Azis Rifai
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (949.733 KB) | DOI: 10.26714/jsunimus.2.2.2014.%p

Abstract

Muka air laut dalam istilah pasang surut disebut  mean sea level (MSL) yaitu rata-rata jumlah seluruh ketinggian pasang yang diamati.  Pemodelan untuk membuat prakiraan kenaikan muka air laut di Semarang telah banyak dilakukan dengan pendekatan yang hanya mempertimbangkan pola trend yaitu jika terjadi kenaikan secara sekuler dalam jangka panjang dari data. ARIMA (autoregressive/integrated/moving average) adalah metode peramalan meliputi dua hal yaitu analisis pola deret data dan seleksi model yang paling cocok dengan data. Terdapat 4 pola data deret berkala yaitu : pola horisontal bila data berfluktuasi disekitar rata-rata, pola musiman bila  deret data dipengaruhi faktor musiman, pola dari deret berkala akan diulang-ulang dalam selang waktu yang tetap,  pola siklis jika deret data dipengaruhi oleh fluktuasi jangka panjang dan pola trend jika terjadi kenaikan atau penurunan secara sekuler dalam jangka panjang. Model ARIMA diturunkan berdasarkan SML sementara harian. Data diperoleh dari BMKG Semarang. Hasil menunjukkan tipe pasang surut di perairan Semarang  diklasifikasikan ke dalam tipe pasang surut campuran condong ke harian ganda dengan nilai Formzahl 1,12.  Elevasi muka air laut rata – rata (MSL) 59,9261 cm, muka air tinggi tertinggi (HHWL) 117,38 cm dan muka air rendah terendah (LLWL) 24,71 cm. Model terbaik ARIMA (0,1,1) yaitu .  Hasil penghitungan deret waktu MSL sejati tahunan menunjukkan laju kenaikan MSL sejati tahunan di Kota Semarang sebesar 1,42 cm per tahun.
PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL Moh. Yamin Darsyah; Dwi Haryo Ismunarti
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 1 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (107.646 KB) | DOI: 10.26714/jsunimus.1.1.2013.%p

Abstract

Suatu percobaan dapat dikatakan menarik jika terlihat pada hasil percobaannya itu sendiri. Besaran – besaran yang menjadi perhatian dari hasil percobaan diperoleh berdasakan pengacakan data atau yang sering disebut peubah acak yang termasuk dalam sebaran peluang diskret. Nilai suatu peubah acak ditentukan oleh hasil percobaannya, sehingga dapat memberi peluang kepada berbagai kemungkinan nilai peubah acak. Salah satu contoh dari peubah acak adalah peubah acak binomial dan peubah acak uniform yang  merupakan sama – sama distribusi peluang diskret. Distribusi binomial merupakan pengembangan dari distribusi bernouli dimana dari suatu percobaan yang menghasilkan, sukses atau gagal, dengan peluang kejadian suksesnya pada setiap kejadian adalah konstant. Distribusi uniform yaitu peubah acaknya memperoleh semua nilainya dengan peluang yang sama, biasanya distribusi ini bergantung pada parameter k. Percobaan pada penelitian ini digunakan software minitab yang ada di Laboratorium Statistika untuk mendapatkan variabel acak binomial dan uniform. Tujuan yang akan dicapai dalam percobaan ini adalah untuk mengetahui perbandingan  kurva hasil bangkitan data dan untuk mengetahui perbandingan nilai parameter hasil bangkitan data. Kata Kunci : Peubah Acak, Distribusi Diskret, Distribusi Binomial, Distribusi Uniform.
PRAKIRAAN SIFAT HUJAN MENGGUNAKAN METODE POHON KLASIFIKASI Dwi Haryo Ismunarti
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 1 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (100.069 KB) | DOI: 10.26714/jsunimus.1.1.2013.%p

Abstract

Metode pohon klasifikasi digunakan untuk menduga nilai variabel respon berjenis kategorik, sedangkan variabel bebasnya dapat berjenis kategorik, kontinu atau keduanya. Pohon dibentuk menggunakan algoritma pemilahan secara rekursif terhadap himpunan data pengamatan dan himpunan bagiannya. Pohon klasifikasi untuk prakiraan sifat hujan bulanan menghasilkan Pohon klasifikasi optimum dengan 22 buah simpul terminal dengan nilai harapan tingkat kesalahan pengklasifikasian sebesar 0,33. Variabel Kelembaman nisbi pada jam 13.00 merupakan variabel yang paling berpengaruh. Metode pohon klasifikasi memberikan ketepatan 80% untuk prakiraan sifat hujan.   Kata kunci : pohon klasifikasi. variabel kategorik.