Peramalan Tinggi Gelcmbang Laut Dengan Metode Vector Autoregressive-Radial Basis Function Network (VAR-RBFN) (Studi Kasus: Data Tinggi Gelombang Wilayah Semarang, Pekalongan dan Rembang Periode Januari 2016-Juni 20f 9)

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

Peramalan Tinggi Gelcmbang Laut Dengan Metode Vector Autoregressive-Radial Basis Function Network (VAR-RBFN) (Studi Kasus: Data Tinggi Gelombang Wilayah Semarang, Pekalongan dan Rembang Periode Januari 2016-Juni 20f 9)

Andreas Pedo Baluk - Nama Orang;

ABSTRAK

Salah satu sektor maritim yang penting adalah transportasi laut yang berupa pelayaran. Masyarakat dalam melaksanakan kegiatan pelayaran memerlukan informasi cuaca harian seperti tinggi gelombang yang terjadi di tengah laut melalui laporan yang dikeluarkan Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Dalam hal ini adalah tinggi gelombang laut untuk wilayah Pekalongan, Rembang dan Semarang. Memodelkan ketiga variabel yang saling berhubungan dapat digunakan pendekatan Vector Autoregressive (VAR). Namun terdapat pola nonlinier sehingga digunakan pemodelan Radial Basis Function Network (RBFN). Berdasarkan hasil analisis, diperoleh nilai MSE training untuk variabel Pekalongan sebesar 0,04, variabel Rembang sebesar 0,06 ,variabel Semarang sebesar 0,0399 dan MSE testing untuk variabel Pekalongan sebesar 2,315, Rembang sebesar 1,0053 ,variabel Semarang 0,0334. Sedangkan untuk R Square diperoleh untuk variabel Pekalongan sebesar 0,7601, variabel Rembang sebesar 0,8309 dan variabel Semarang sebesar 0,7978

Kata Kunci : Tinggi Gelombang Laut, VAR, VAR-RBFN, Peramalan

ABSTRACT

One important maritime sector is sea transportation which is shipping. Communities in carrying out shipping activities ask for daily information such as high waves that occur in the middle of the sea through a report issued by the Meteorology, Climatology and Geophysics Agency (BMKG). In this case the waves are high for the Pekalongan, Rembang and Semarang regions. Modeling interrelated variables can be used Vector Autoregressive (VAR). However, there is a nonlinear pattern so that the Radial Basis Function Network (RBFN) modeling is used. Based on the results of the analysis, obtained the value of MSE training for the Pekalongan variable by 0.04, the Rembang variable by 0.06, the Semarang variable by 0.0399 and the MSE testing for the Pekalongan variable by 2.315, the Rembang by 1.0053, the Semarang variable by 0.0334. Whereas the R Square was obtained for the Pekalongan variable by 0.7601, the Rembang variable by 0.8309 and the Semarang variable by 0.7978

Keywords : Sea Wave Height, VAR, VAR-RBFN, Forecasting

Ketersediaan

791E20III 791 E 20iii Perpustakaan FSM Undip (Referensi) Tersedia

Informasi Detail

Judul Seri: STATISTIKA
No. Panggil: 791 E 20iii
Penerbit: : ., 2020
Deskripsi Fisik: -
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: NONE
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: -
Info Detail Spesifik: -
Pernyataan Tanggungjawab: Andreas Pedo Baluk

Peramalan Tinggi Gelcmbang Laut Dengan Metode Vector Autoregressive-Radial Basis Function Network (VAR-RBFN) (Studi Kasus: Data Tinggi Gelombang Wilayah Semarang, Pekalongan dan Rembang Periode Januari 2016-Juni 20f 9)

Ketersediaan

Informasi Detail

Versi lain/terkait

Lampiran Berkas

Komentar