Claim Missing Document
Check
Articles

Found 3 Documents
Search

Evaluasi Statistik Hasil Pengujian Resistance Model Kapal Purnamasari, Dian; -, Purhadi
Wave: Jurnal Ilmiah Teknologi Maritim Vol 5, No 2 (2011)
Publisher : Wave: Jurnal Ilmiah Teknologi Maritim

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (145.421 KB) | DOI: 10.29122/jurnalwave.v5i2.3525

Abstract

Analisa data eksperimen umumnya menggunakan statistik untuk mengukur perbedaan. Misalnya , untuk melihat apakah ada perbedaan sebelum perlakuan dan setelah perlakuan. Dari analisa ketidakpastianpada empat variable yang merupakan sumber kesalahan percobaan resistance model kapal LCT 1000 DWT dimana nilai ketidakpastian resistance menunjukkan nilai terbesar dibandingkan dengan variabel lain, evaluasi terhadap elemen bias yang mempengaruhi nilai ketidakpastian resistance , yaitu nilai bias yang terbesar adalah bias kalibrasi, Setelah mendapat nilai bias kalibrasi yang baru dilaksanakan yaitu 0,0121 serta perhitungan Mean/ rata-rata dan variansi untuk memastikan adanya perbedaan nilai kalibrasiresistance dynamometer terhadap hasil resistance , dari penurunan nilai bias kalibrasi tersebut mempengaruhi nilai ketidakpastian resistance yang cukup signifikan.Keywords : Uncertainty analysis, Bias calibration, Mean, Varian.
EVALUASI STATISTIK HASIL PENGUJIAN RESISTANCE MODEL KAPAL Purnamasari, Dian; -, Purhadi
Wave: Jurnal Ilmiah Teknologi Maritim Vol 5, No 2 (2011)
Publisher : Badan Pengkajian dan Penerapan Teknologi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (145.421 KB) | DOI: 10.29122/jurnalwave.v5i2.3525

Abstract

Analisa data eksperimen umumnya menggunakan statistik untuk mengukur perbedaan. Misalnya , untuk melihat apakah ada perbedaan sebelum perlakuan dan setelah perlakuan. Dari analisa ketidakpastianpada empat variable yang merupakan sumber kesalahan percobaan resistance model kapal LCT 1000 DWT dimana nilai ketidakpastian resistance menunjukkan nilai terbesar dibandingkan dengan variabel lain, evaluasi terhadap elemen bias yang mempengaruhi nilai ketidakpastian resistance , yaitu nilai bias yang terbesar adalah bias kalibrasi, Setelah mendapat nilai bias kalibrasi yang baru dilaksanakan yaitu 0,0121 serta perhitungan Mean/ rata-rata dan variansi untuk memastikan adanya perbedaan nilai kalibrasiresistance dynamometer terhadap hasil resistance , dari penurunan nilai bias kalibrasi tersebut mempengaruhi nilai ketidakpastian resistance yang cukup signifikan.Keywords : Uncertainty analysis, Bias calibration, Mean, Varian.
MIXED GEOGRAPHICALLY WEIGHTED MULTIVARIATE LINEAR MODEL Memi Nor Hayati; Purhadi -
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): 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 (154.517 KB) | DOI: 10.26714/jsunimus.2.2.2014.%p

Abstract

Model linier multivariat adalah model linier dengan variabel respon lebih dari satu. Geographically Weighted Multivariate Linier Model (GWMLM) merupakan pengembangan dari model linier multivariat, dimana variabel respon lebih dari dari satu dan informasi lokasi diketahui. Pada model linier multivariat hanya dihasilkan penaksir parameter yang berlaku secara global, sedangkan dalam GWMLM dihasilkan penaksir parameter model yang bersifat lokal untuk setiap titik pengamatan atau lokasi dimana data tersebut diperoleh. Akan tetapi, pada kenyataannya tidak semua variabel prediktor dalam GWMLM mempunyai pengaruh secara lokal. Beberapa variabel prediktor berpengaruh secara global, sedangkan yang lainnya dapat mempertahankan pengaruhnya secara lokal. Oleh karena itu dikembangkan suatu metode Mixed Geographically Weighted Multivariate Linier Model (MGWMLM) yang merupakan gabungan dari model linier multivariat dan GWMLM. Hasil penelitian menunjukkan bahwa penaksiran parameter MGWMLM dapat dilakukan dengan metode Weighted Least Square (WLS). Pemilihan bandwidth optimum digunakan metode Cross Validation (CV). Pengujian kesesuaian model regresi multivariat dan MGWMLM didekati dengan distribusi F begitu juga pada pengujian parameter MGWMLM secara serentak, sedangkan pengujian parameter MGWMLM secara parsial baik untuk parameter global dan parameter lokal menggunakan distribusi t.