Estimasi Parameter Model GSTAR-Filter Kalman Pada Tinggi Gelombang Air Laut

Anjarsari, Devia (2019) Estimasi Parameter Model GSTAR-Filter Kalman Pada Tinggi Gelombang Air Laut. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111540000036-UnderGraduate_Theses.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Dalam kehidupan sehari-hari, data yang sering ditemukan adalah data yang mempunyai keterkaitan antar waktu dan lokasi. Data seperti ini disebut data ruang waktu. Tinggi gelombang air laut merupakan salah satu jenis data spasial karena tidak hanya memiliki keterkaitan dengan kejadian pada waktu sebelumnya, tetapi juga mempunyai keterkaitan dengan lokasi lain. Pada penelitian ini dilakukan perbandingan hasil estimasi parameter pada model GSTAR-OLS dengan GSTAR-Filter Kalman untuk mendapatkan model peramalan dengan tingkat error yang kecil. Filter Kalman merupakan salah satu estimator yang melakukan estimasi terhadap perubahan state karena gangguan dari white noise. Hasil akhir menunjukkan bahwa Estimator OLS mempunyai hasil peramalan yang lebih mendekati data aktual dibandingkan dengan Filter Kalman. Berdasarkan trial and eror Filter Kalman mampu memperbaiki hasil model peramalan GSTAR pada satu variabel tertentu. Hal ini ditunjukkan melalui hasil simulasi berupa grafik dan diperjelas dengan nilai RMSE yang lebih kecil.
==============================================================================================================================
Up to now, The often found data is data that has correlation between time and location. This data also known as space time. The rate of height of sea waves is one type of spatial data because it is not only related to the events of the previous time, but also has relevance to the other location or elsewhere. In this research will be done comparison parameter in GSTAR-Kalman Filter model to get prediction which have small error rate. Kalman Filter is one estimator that estimates state changes due to noise from white noise. The final results show that the OLS Estimator has forecasting results that are closer to the actual data compared to the Kalman Filter. Based on trial and error The Kalman filter is able to improve the results of the GSTAR forecasting model on one particular variable. This is shown through simulation results in the form of graphs and clarified with smaller RMSE values.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	data ruang waktu, Gelombang air laut, GSTAR, Filter Kalman.
Subjects:	Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry)
Divisions:	Faculty of Mathematics, Computation, and Data Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Anjarsari Devia
Date Deposited:	06 Aug 2026 02:54
Last Modified:	06 Aug 2026 02:54
URI:	http://repository.its.ac.id/id/eprint/66191

Actions (login required)

View Item