Pemanfaatan Metode Kalman Filter Diskrit untuk Menduga Suhu Udara

Authors

  • Billy Arifa Tengger Universitas Nahdlatul Ulama Purwokerto
  • Ropiudin Ropiudin Universitas Jenderal Soedirman

DOI:

https://doi.org/10.21580/square.2019.1.2.4202

Abstract

Suhu adalah variabel fisik yang perlu diketahui secara tepat untuk penggunaan tertentu. Suhu adalah derajat panas dan dingin suatu benda. Derajat panas dan dingin ini dipengaruhi oleh enthalpi (energi) yang dimilki suatu zat. Pendugaan suhu udara dapat memberikan manfaat untuk aktivitas pada beberapa bidang, seperti: pertanian, peternakan, perikanan, kesehatan, dan kegiatan-kegiatan lainnya. Metode Kalman Filter Diskrit merupakan salah satu metode matematika yang dapat digunakan untuk menduga data di masa yang akan datang. Kalman Filter Diskrit memiliki keunggulan mampu menduga suatu kondisi berdasarkan data terbatas. Data pengukuran terbaru menjadi suatu bagian terpenting dalam algoritma Kalman Filter, karena data tersebut akan mengkoreksi data hasil pendugaan, sehingga hasil pendugaan selalu mendekati kondisi sesungguhnya. Berdasarkan hasil kajian yang telah dilakukan menggunakan metode Kalman Filter Diskrit untuk menduga suhu udara diperoleh ketepatan pendugaan nilai suhu udara di atas 95%. Pedugaan dilakukan secara harian dan bulanan. Dengan demikian Kalman Filter Diskrit mampu dan handal untuk pendugaan suhu udara secara harian, bulanan, bahkan tahunan.

Downloads

Download data is not yet available.

Author Biography

Billy Arifa Tengger, Universitas Nahdlatul Ulama Purwokerto

Nama : Billy Arifa Tengger, S.Si., M.Sc.

Afiliasi : Universitas Nahdlatul Ulama Purwokerto

Bidang Ilmu : Matematika

Spesifikasi Penelitian : Matematika Terapan

References

Anonim. (2019). Kondisi Cuaca Banyumas. https://www.accuweather.com/id/id/banyumas/202874/weather-forecast/202874. Diakses pada 9 Agustus 2019.

Artanto, N., & Agoestanto, A. (2015). Perbandingan Peramalan Curah Hujan Dengan Metode Bayesian Model Averaging dan Kalman Filter. UNNES Journal of Mathematics, 4(1), 75 – 84

Bishop, G., & Welch, G. (2006). An Introduction to the Kalman Filter. Proc. Siggraph Course. 8, 1 – 16.

Firmansyah, V. (2018). Aplikasi Kalman Filter pada Pembacaan Sensor Suhu untuk Pemantauan Kondisi Ruangan Laboratorium. Jurnal Materian dan Energi Indonesia, 8(1), 1 – 7

Harvey, A. C. (2003). Forecasting Structural Time Series Models and The Kalman Filter. Cambridge University Press. Cambridge

Haykin, S. (2001). Kalman Filtering and Neural Networks. John Wiley & Sons, Inc. New York.

Jesiani, E.M., Apriansyah & Adriat, R. (2019). Model Pendugaan Evaporasi dari Suhu Udara dan Kelembaban Udara Menggunakan Metode Regresi Linier Berganda di Kota Pontianak. Jurnal : Prisma Fisika, 7(1), 46-50.

Kalman, R.E., (1960). A New Approach to Linear Filtering and Prediction Problem. Transactions of the ASME-Journal of Basic Engineering. 82(1), 34 – 45.

Downloads

Published

2019-12-31

Issue

Vol. 1 No. 2 (2019)

Section

Articles

License

The Authors submitting a manuscript do so on the understanding that if accepted for publication, copyright of the article shall be assigned to Square: Journal of Mathematics and Mathematics Education as the publisher of the journal. The copyright form should be signed originally and send to the Editorial Office in the form of original mail, scanned document to [email protected] 

Square : Journal of Mathematics and Mathematics Education by Mathematics Department UIN Walisongo Semarang is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.