Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika)
Vol 2 (2020)

KOMPUTASI MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE – RADIAL BASIS FUNCTION NETWORK (GSTAR-RBFN)

Warsito, Budi (Unknown)
Yasin, Hasbi (Unknown)
Hakim, Arief Rachman (Unknown)



Article Info

Publish Date
04 Mar 2021

Abstract

Generalized Space Time Autoregressive (GSTAR), merupakan salah satu model yang digunakan untuk memodelkan data time series yang diamati pada beberapa lokasi. Radial Basis Function Neural Network (RBFN) adalah salah satu model jaringan syaraf tiruan yang dapat digunakan untuk pemodelan data time series. Pada penelitian ini akan dibangun sebuah model spatio temporal yang menggabungkan antara model GSTAR dengan model RBFN. Model GSTAR berperan dalam penentuan lag input pada model RBFN. Model ini dinamakan dengan GSTAR-RBFN. Untuk memudahkan proses pengolahan data telah disusun sebuah software statistik yang berbasis antarmuka berupa Graphical User Interface (GUI). Dalam penelitian ini, model GSTAR-RBFN diaplikasikan pada data tinggi gelombang laut di perairan Semarang. Hasil penelitian menunjukkan bahwa dengan menggunakan GUI GSTAR-RBFN, pengolahan data spasio temporal dapat dilakukan dengan sangat mudah.  Kata kunci:  GUI, GSTAR, RBFN, Tinggi Gelombang

Copyrights © 2020