PEMODELAN MATEMATIKA Kudang B. Seminar.

Slides:



Advertisements
Presentasi serupa
Deret Taylor.
Advertisements

Model Logistik untuk Data Ordinal (Ordinal Regression)
Regresi linier sederhana
Regresi linier sederhana
KONSEP DAN PEMODELAN ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE)
Regresi linier sederhana
Validitas & Reliabilitas
(Guru Besar pada Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor) Lektor pada Fakultas Ekonomi Universitas Jambi © Bambang Juanda & Junaidi: Ekonometrika.
FACILITY DESIGN NURUL UMMI, ST MT.
Bina Nusantara Model Simulasi Peretemuan 23 (Off Clas) Mata kuliah: K0194-Pemodelan Matematika Terapan Tahun: 2008.
Dibuat oleh : Yessica ( ). Notes Output Created 23-MAY :54:51 Comments Input Active Dataset DataSet0 Filter Weight Split File N of Rows.
PERAMALAN Memprediksi peristiwa masa depan
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Forecasting.
METODE FORECASTING.
Pendugaan Parameter Proporsi dan Varians (Ragam) Pertemuan 14 Matakuliah: L0104 / Statistika Psikologi Tahun : 2008.
UKURAN PENYEBARAN DATA
1 Pertemuan 10 Fungsi Kepekatan Khusus Matakuliah: I0134 – Metode Statistika Tahun: 2007.
Pertemuan 03 Ukuran Penyimpangan (Variasi)
PENDUGAAN PARAMETER Pertemuan 7
PERAMALAN (FORECASTING)
ANALISIS EKSPLORASI DATA
1 Pertemuan 1-2 Analisis Deret Waktu Matakuliah: I0224/Analisis Deret Waktu Tahun: 2007 Versi: revisi.
1 Pertemuan 25 Matakuliah: I0044 / Analisis Eksplorasi Data Tahun: 2007 Versi: V1 / R1 Analisis Regresi Ganda (I) : Pendugaan Model Regresi.
Dr. Nur Aini Masruroh Deterministic mathematical modeling.
Simple Regression ©. Null Hypothesis The analysis of business and economic processes makes extensive use of relationships between variables.
MULTIPLE REGRESSION ANALYSIS THE THREE VARIABLE MODEL: NOTATION AND ASSUMPTION 08/06/2015Ika Barokah S.
DERET BERKALA (TIME SERIES) (1)
2-Pembelajaran Statistik 25 Agustus 2015 Data pelatihan dan pengujian Bias dan variansi Error rate & confidence interval Regresi Linear Praktikum: Data.
Smoothing. Basic Smoothing Models Moving average, weighted moving average, exponential smoothing Single and Double Smoothing First order exponential smoothing.
METODE PENGHALUSAN EKSPONENSIAL
PERENCANAAN PERMINTAAN DALAM Supply Chain
(Guru Besar pada Fakultas Ekonomi dan Manajemen
Thermodinamika FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA
Memahami Terminology Instrumentasi pada pengolahan migas
Statistik TP A Pengujian Hipotesis Satu Populasi (Mean dan Proporsi)
By : ARDIANSYAH FAUZI ( )
METODE-METODE PERAMALAN BISNIS
PERAMALAN Oleh: Sri Hermawati.
Mata kuliah : A Statistik Ekonomi
MOVING AVERAGES.
Magister Management Program UNIVERSITAS KOMPUTER INDONESIA
Peramalan “Penghalusan Eksponensial”
Pengujian Hipotesis (I) Pertemuan 11
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Regresi.
Program Studi Statistika, semester Ganjil 2012/2013
METODA PERAMALAN KUANTITATIF
Peramalan Data Time Series
PROBLEM (pengukuran atribut psikologis).
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika, semester Ganjil 2012/2013
Ekonomi Manajerial dalam Perekonomian Global
DISTRIBUSI PROBABILITA
Exponential Smoothing
Pendugaan Parameter (II) Pertemuan 10
PERTEMUAN KE-14 STATISTIK DESKRIPTIF
ANALISA REGRESI LINEAR DAN BERGANDA
REGRESI DAN KORELASI What are regression & correlation analysis?
Pertemuan Kesembilan Analisa Data
Pertemuan Kesepuluh Data Analysis
DERET BERKALA (TIME SERIES) (1)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
Master data Management
Ukuran Ketepatan Peramalan Data Time Series
Uji Korelasi dan Regresi
Pertemuan 21 dan 22 Analisis Regresi dan Korelasi Sederhana
Ukuran Akurasi Model Deret Waktu Manajemen Informasi Kesehatan
Peramalan (forecasting) Perancangan Sistem Produksi Widjajani Risris Nurjaman.
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
Transcript presentasi:

PEMODELAN MATEMATIKA Kudang B. Seminar

KARAKTERISTIK BUAH JERUK KEPROK GARUT MELALUI PEMODELAN RANGKAIAN LISTRIK YANG DIDASARKAN PADA SIFAT RESISTIF DAN KAPASITIFNYA (J. Juansah, W. Budiastra, K. Dahlan, K.B. Seminar 2013)

Diagram alir prinsip karakteristik pemodelan spektroskopi impedansi (Macdonald 1987)

Analisis Model Rangkaian Listrik

Penurunan Rumus Dari Model

Pengukuran parameter impedansinya pada bagian-bagian buah INTERPRETASI: Hal itu juga menjadi pertimbangan bahwa biji dominan resistif, sementara kulit, SACS, dan buah utuh memiliki komponen kapasitif

Perbandingan Kesesuaian Model-Model Yang Telah Dikembangkan

Coefficient of Determination The coefficient of determination, denoted R2 and pronounced R squared, indicates how well data points fit a line or curve.

Pengukuran Akurasi Model The mean absolute percentage error (MAPE), also known as mean absolute percentage deviation (MAPD), is a measure of accuracy of a method for constructing fitted time series values in statistics, specifically in trend estimation. It usually expresses accuracy as a percentage, and is defined by the formula: At :The actual value Ft :The forecast value The root-mean-square deviation (RMSD) or root-mean-square error (RMSE) is a frequently used measure of the differences between values predicted by a model or an estimator and the values actually observed. The RMSD serves to aggregate the magnitudes of the errors in predictions for various times into a single measure of predictive power. RMSD is a good measure of accuracy, but only to compare forecasting errors of different models for a particular variable and not between variables, as it is scale-dependent. : predicted values for times t : regression dependent variable

Koefisen deterministik (a), MAPE (b), dan RMSE (c) pada hasil simulasi untuk model baru pada beberapa tingkat keasaman (pH). Nilai parameter impedansi (Z/m), reaktansi (X/m), dan resistansi (R/m) dalam orde

Hubungan antara Resistensi dan Tingkat Keasaman Jeruk Keprok INTERPRETASI: Makin tinggi tingkat keasaman makin rendah nilai resistensinya.

Hubungan antara Resistensi dan Tingkat Kekerasan Jeruk Keprok INTERPRETASI: Makin tinggi tingkat kekerasan makin tinggi nilai resistensinya.

Hubungan antara Kapasitansi dan Tingkat Keasaman Jeruk Keprok INTERPRETASI: Makin tinggi tingkat keasaman makin tinggi nilai kapasitansinya.

Hubungan antara Kapasitansi dan Tingkat Keasaman Jeruk Keprok INTERPRETASI: Makin tinggi tingkat kekerasan makin rendah nilai kapasitansinya.

Nilai Komponen Internal Berdasarkan Hasil Komputasi Model Yang Dikembangkan

Kesimpulan Pengamatan Interpretasi sifat listrik memberi peluang dan kesempatan untuk meninjau perilaku kematangan Jeruk Keprok Garut. Tak satu pun dari model listrik mampu memprediksi semua perubahan perilaku secara sempurna. Model yang dikembangkan Juansah et al memiliki kinerja akurasi yang lebih baik dibandingkan model Hayden dan Zhang Pembentukan model listrik telah membantu pemahaman kita tentang karakteristik buah Jeruk Keprok Garut. Perubahan kekerasan dan keasaman dalam buah-buahan diikuti dengan perubahan kapasitansi membran dan resistansi komponen jaringan penyusun buah. Perubahan resistansi jaringan dan kapasitansi membran menunjukkan adanya perubahan mobilitas ion dalam sel dan perubahan fisiologis buah selama pematangan.