Identifikasi Model Curah Hujan Dengan Struktur Model Linier Dan Estimasi Parameter Dengan Algorithma Quadrad Terkecil

Ade Elbani

Abstract


Abstract– Curah hujan dari waktu kewaktu tidak lagi menunjukkan suatu kejadian yang linier, yakn imemiliki periode yang sangat tidak menentu. Hal ini terjadi juga ada hubungan dengan kondisi alam yang menyebabkan perubahan ekosistem, sehingga mengakibatkan proses penguapan maupun kondensasi uap terganggu. Untuk melakukan perkiraan terhadap cuaca yang akan datang, maka terlebih dahulu dilakukan Pemodelan. Untuk pemodelan system dilakukan secara penurunan matematika kan sangat sulit, dan banyak elemen yang terabaikan, terutama elemen nonlinier, sehingga hasil dari model tersebut, masih kurang begitu efektif guna diterapkan langsung dilapangan. Selain metoda tersebut, ada metoda pemodelan lain,yaitu metoda identifikasi. Metoda ini akan memodelkan sistem secara keseluruhan, baik elemen linier maupun nonlinier yang kesemuaitu dianggap menjadi satu kesatuan sistem yang terpadu (black box). Metoda ini akan menggunakan pasangan data masukan dan keluaran system secaranyata. Pada pemodelan sistem ini akan menggunakan struktur model linier akan merepresentasi sistem secara linier. Akan diambil data sampel curah hujan selama sepuluh tahun terakhir dari Stasiun BMKG Rahadi Oesman Ketapang, sebagai referensi proses pemodelan, yaitu dengan pendekatan struktur model nonlinier,yaitu pendekatan model Hammerstein, serta parameter estimai dengan menggunakan algorithma kuadrat terkecil (least square). Dari model yang diperoleh, akan diperoleh model parameter serta struktur model yang optimal, sehingga diperoleh model system yang baik, selanjutnya bisa dipergunakan untuk keperluan lain, misalnya untuk memperkirakan curah hujan yang akan dating.

 

Keywords-   SistemIdentifikasi, black box, Model Linier, Algorithma least square

Full Text:

PDF

Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 Jurnal ELKHA

                                              Flag Counter

                                                            

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.