Heri Kuswanto
Department of Statistics, Faculty of Mathematics and Natural Sciences, Institut Teknologi Sepuluh Nopember, Surabaya

Published : 18 Documents
Articles

Found 18 Documents
Search

Analisis Penyebaran Properti Reservoir pada Petrophysical Modeling di Lokasi ”X” Papua Barat dengan Metode Universal Kriging

Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Jurnal Sains dan Seni ITS

Show Abstract | Original Source | Check in Google Scholar

Abstract

Salah satu penelitian Upstream Technology Center (UTC) Direktorat hulu PT. Pertamina (Persero) adalah pada Lokasi "X" Papua Barat. Analisis Geologi pada penelitian di Lokasi "X" menerapkan metode Geostatistika pada petrophy-sical modelling. Penelitian ini mengaplikasikan metode Uni-versal Kriging pada Petrophysical Modelling. Metode ini dapat memberikan analisis yang baik secara geologi karena interpolasi properti reservoir primer dilakukan dengan memasukkan trend jenis batuan (facies) sebagai kontrol sehingga penyebaran yang dilakukan memiliki interpretasi yang kuat secara geologi. Pro-perti reservoir yang digunakan adalah porositas dan Net to Gross (NTG). Analisis semivariogram eksperimental dilakukan agar didapatkan semivariogram teoritis porositas dan NTG untuk masing-masing zona. Kesimpulan yang didapatkan adalah Zona 1A dan 1B merupakan target reservoir yang prospektif karena berdasarkan analisas statistika deskriptif dan univeral kriging didapatkan hasil penyebaran porositas dan NTG tertinggi daripada lokasi zona yang lainnya.

Analisis Penyebaran Properti Reservoir Pada Petrophysical Modelling Di Lokasi ”X” Papua Barat Dengan Metode Universal Kriging

Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Jurnal Sains dan Seni ITS

Show Abstract | Original Source | Check in Google Scholar

Abstract

Salah satu penelitian Upstream Technology Center (UTC) Direktorat hulu PT. Pertamina (Persero) adalah pada Lokasi ”X” Papua Barat. Analisis Geologi pada penelitian di Lokasi ”X” menerapkan metode Geostatistika pada petrophy-sical modelling. Penelitian ini mengaplikasikan metode Uni-versal Kriging pada Petrophysical Modelling. Metode ini dapat memberikan analisis yang baik secara geologi karena interpolasi properti reservoir primer dilakukan dengan memasukkan trend jenis batuan (facies) sebagai kontrol sehingga penyebaran yang dilakukan memiliki interpretasi yang kuat secara geologi. Pro-perti reservoir yang digunakan adalah porositas dan Net to Gross (NTG). Analisis semivariogram eksperimental dilakukan agar didapatkan semivariogram teoritis porositas dan NTG untuk masing-masing zona. Kesimpulan yang didapatkan adalah Zona 1A dan 1B merupakan target reservoir yang prospektif karena berdasarkan analisas statistika deskriptif dan univeral kriging didapatkan hasil penyebaran porositas dan NTG tertinggi daripada lokasi zona yang lainnya.

Penerapan Model Dsarfima Untuk Peramalan Beban Konsumsi Listrik Jangka Pendek Di Jawa Timur Dan Bali

Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Jurnal Sains dan Seni ITS

Show Abstract | Original Source | Check in Google Scholar

Abstract

PT. PLN sebagaipemasokutamatenagalistrikdituntutharusmenyediakanpasokanlistrik yang sesuaidengankebutuhanlistrikpadasuatuwilayah, sehinggatidakterjadikerugianbaikpadakonsumenmaupun PT. PLN sendiri.Penelitianiniakanmengkajimetode yang tepatuntukmeramalkankebutuhanbebankonsumsilistrikjangkapendek di wilayahJawaTimurdan Bali yang mengandungpolamusimanganda. Penelusuranlebihlanjutmenunjukkanbahwa data memilikisifatlong memory, yang berartibahwa data memilikiketergantunganjangkapanjang.Metode ARFIMA adalahmetode yang tepatuntukmemodelkan data yang bersifatlong memory.Padapenelitianinidilakukanperbandinganantara model DSARIMA ([15],1,[1,3,4,5]) (0,1,1)48 (0,1,1)336dan model DSARFIMA ([1,2,3,7,13,17],d,[1]) (0,1,1)48(0,1,1)336dengand=0,7347281 untukmeramalkanbebankonsumsilistrikpadaperiodesatuminggu, duaminggu, tigaminggu, danempatminggukedepan. Perhitungankriteriaout-sampleuntukkebaikan model menunjukkanbahwa model DSARFIMA dapatmenghasilkanramalan yang lebihakuratdaripada model DSARIMA.  

Estimasi Value at Risk pada Portofolio Nilai Tukar Mata Uang dengan Pendekatan Copula

Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Jurnal Sains dan Seni ITS

Show Abstract | Original Source | Check in Google Scholar

Abstract

Interaksi kurs, saham, dan suku bunga memiliki hu-bungan sangat besar dengan pasar uang. Resiko investasi tidak hanya pada portofolio saham saja, namun pada portofolio kurs. Stabilitas terhadap nilai tukar mata uang suatu negara merupakan hal yang penting dan berdampak pada tingkat perekonomian negara. Penelitian ini mengestimasi Value at Risk (VaR) portofolio kurs menggunakan Copula- Generalized Auto-regresive ConditionalHeteroskedaritic (GARCH) serta simulasi Monte Carlo, hal ini  bertujuan agar investasi yang dilakukan memberikan resiko yang minimal dan return yang didapatkan optimal. Sebagai studi kasus digunakan nilai tukar mata uang the euro (EURO), the United States dollar (USD), the pound sterling (GBP), dan the Malaysian ringgit(MYR). Apabila me-lakukan investasi dalam keempat mata uang secara merata maka akan didapatkan VaRatau kerugian maksimum sebesar 4,507% dengan tingkat kepercayaan 95% dan tingkat ke-percayaan 99%, kerugian maksimum yang ditanggung investor sebesar 6,501%.

Pengaruh Aggregasi Terhadap Parameter Long Memory Time Series (Studi Kasus : Data Saham LQ 45)

Jurnal Sains dan Seni ITS Vol 2, No 1 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar

Abstract

Proses identifikasi terhadap fenomena Long Memory tidaklah mudah. Berbagai alat identifikasi seperti plot ACF dan berbagai statistik uji lain masih sangat lemah. Beberapa penelitian mengungkapkan bahwa beberapa model nonlinear dapat dengan mudah teridentifikasi sebagai Long Memory yang sering dikenal sebagai Spurious Long Memory. Oleh karena itu, dalam tugas akhir ini akan disimulasikan pengaruh flow aggregation dan stock aggregation sebagai alternatif cara untuk mendeteksi Long Memory. Saham digunakan sebagai studi kasus karena proses pencatatannya sama dengan penerapan dari stock aggregation dan beberapa penelitian menyatakan bahwa harga mutlak dari return saham sering tertangkap sebagai fenomena Long Memory, namun tidak sedikit penelitian yang memodelkan return saham dengan model nonlinear, contohnya seperti ESTAR, sehingga simulasi dibangun dengan membangkitkan data Long Memory dan ESTAR sebagai Spurious Model dengan ukuran sampel 2000 dan 5000, lalu diaggregasi masing-masing dengan kedua jenis aggregasi hingga 10 level aggregasi. Hasil simulasi menunjukkan bahwa temporal aggregation terbukti dapat mendeteksi Long Memory dan membedakannya dengan ESTAR dari pola parameter integrasinya. Pada data ESTAR, kedua aggregasi menunjukkan bahwa nilai parameternya tidak berpola atau random seiring naiknya level aggregasi, sedangkan untuk Long Memory memiliki pola khusus untuk setiap jenis aggregasi. Tiga saham yang dijadikan studi kasus yaitu BMRI, BBNI, dan BBRI lebih baik dimodelkan dengan ARFIMA daripada ESTAR karena menghasilkan forecast yang akurasinya lebih baik.

Pengaruh Aggregasi terhadap Parameter Long Memory Time Series

Jurnal Sains dan Seni ITS Vol 2, No 1 (2013)
Publisher : Jurnal Sains dan Seni ITS

Show Abstract | Original Source | Check in Google Scholar

Abstract

Proses identifikasi terhadap fenomena Long Memory tidaklah mudah. Berbagai alat identifikasi seperti plot ACF dan berbagai statistik uji lain masih sangat lemah. Beberapa penelitian mengungkapkan bahwa beberapa model nonlinear dapat dengan mudah teridentifikasi sebagai Long Memory yang sering dikenal sebagai Spurious Long Memory. Oleh karena itu, dalam tugas akhir ini akan disimulasikan pengaruh flow aggregation dan stock aggregation sebagai alternatif cara untuk mendeteksi Long Memory. Saham digunakan sebagai studi kasus karena proses pencatatannya sama dengan penerapan dari stock aggregation dan beberapa penelitian menyatakan bahwa harga mutlak dari return saham sering tertangkap sebagai fenomena Long Memory, namun tidak sedikit penelitian yang memodelkan return saham dengan model nonlinear, contohnya seperti ESTAR, sehingga simulasi dibangun dengan membangkitkan data Long Memory dan ESTAR sebagai Spurious Model dengan ukuran sampel 2000 dan 5000, lalu diaggregasi masing-masing dengan kedua jenis aggregasi hingga 10 level aggregasi. Hasil simulasi menunjukkan bahwa temporal aggregation terbukti dapat mendeteksi Long Memory dan membedakannya dengan ESTAR dari pola parameter integrasinya. Pada data ESTAR, kedua aggregasi menunjukkan bahwa nilai parameternya tidak berpola atau random seiring naiknya level aggregasi, sedangkan untuk Long Memory memiliki pola khusus untuk setiap jenis aggregasi. Tiga saham yang dijadikan studi kasus yaitu BMRI, BBNI, dan BBRI lebih baik dimodelkan dengan ARFIMA daripada ESTAR karena menghasilkan forecast yang akurasinya lebih baik

MODEL PEMBELAJARAN PERMAINAN LEMPAR TANGKAP BOLA TERHADAP HASIL PEMBELAJARAN TEKNIK DASAR PASSING ATAS BOLAVOLI

Jurnal Pendidikan dan Pembelajaran Vol 2, No 6 (2013): Juni 2013
Publisher : Jurnal Pendidikan dan Pembelajaran

Show Abstract | Original Source | Check in Google Scholar | Full PDF (287.668 KB)

Abstract

ABSTRACT: Models of learning the game throwing the ball catching effect on the basic techniques of passing on the learning volleyball?. The purpose of the study was to determine the effect of learning models catching the ball throwing game against the learning outcomes of the basic techniques of passing. The method used in this study is a quantitative method of data collection technique is to use test and measurement t test. The population in this study was the son. In this study using saturation sampling technique, as it took the entire population of the student son. The results showed pre-test X ̅1 = 19.192 > Post-test (X2) ̅ = 28.346. Key words: Model Learning, Games, Throw Catch.   ABSTRAK: Model pembelajaran permainan lempar tangkap bola berpengaruh terhadap teknik dasar passing atas dalam pembelajaran bolavoli?. Adapun tujuan penelitian adalah untuk mengetahui pengaruh model pembelajaran permainan lempar tangkap bola terhadap hasil pembelajaran teknik dasar passing atas. Metode yang di gunakan dalam penelitian ini adalah metode kuantitatif dengan teknik tes dan pengukuran. Analisis data dalam penelitian ini menggunakan uji t. Populasi dalam penelitian ini adalah siswa putra. Dalam penelitian ini menggunakan teknik sampling jenuh, karena mengambil seluruh populasi yaitu siswa putra. Hasil penelitian memperlihatkan Pre-test  = 19,192 > Post-test  = 28,346. Terdapat peningkatan pembelajaran lempar tangkap bola terhadap hasil pembelajaran teknik dasar passing atas 35,208%.   Kata-kata kunci: Model Pembelajaran, Permainan, Lempar Tangkap.

PERFORMANSI GPH TERKOREKSI TERHADAP SKIP SAMPLING PADA PROSES LONG MEMORY DAN SPURIOUS LONG MEMORY

Jurnal Statistika Vol 2, No 1 (2014): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar

Abstract

Proses long memory telah diamati dalam banyak hal, seperti hidrologi, telekomunikasi, ekonomi dan keuangan. Long Memory adalah salah satu fenomena dalam time series, dimana dependensi antara kejadian masih ada dan dapat diamati untuk waktu yang lama, yang dicirikan oleh nilai difference yang tidak bulat (fractional). Parameter differencing ini biasanya diestimasi menggunakan GPH estimator. Dengan estimator ini, seringkali menghasilkan kesimpulan yang spurious untuk model-model seperti Estar, Markov switching, STOP-BREAK dan level shift. Tesis ini akan melakukan simulasi model-model tersebut dan estimasi parameter GPH terkoreksi pada proses aggregasi. Selanjutnya dilakukan pemodelan menggunakan ARFIMA dan Markov Switching pada data stock price LQ45 . Pengidentifikasian sifat Long Memory dalam suatu series data dapat dilakukan dengan aggregasi baik flow aggregation maupun stock aggregation. Dimana pada kasus ini hanya menggunakan stock aggregation. Berdasarkan hasil simulasi, stok aggregasi ini menghasilkan perilaku yang sama dalam parameternya untuk Spurious Long Memory, yaitu random, tidak memiliki trend turun atau naik jika seriesnya diaggregasi. Pemodelan dari absolut return saham dari kedua series terpilih yaitu Indosat dan Telkom, didapatkan bahwa model Markov Switching lebih baik diban-dingkan  model ARFIMA. Hasil aplikasi saham menunjukkan nilai estimasi GPH untuk data teraggregasi memiliki pola yang random, dilihat dari nilai AIC terkecil berdasarkan kedua model, model ARFIMA memiliki nilai AIC terkecil, sehingga GPH standar tidak bisa digunakan untuk mendeteksi Sprurious Long Memory, dimana return saham dari kedua series adalah mengandung outlier.

STUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING

Jurnal Statistika Vol 2, No 2 (2014): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar

Abstract

Proses long memory telah diamati dalam banyak hal, seperti hidrologi, telekomunikasi, ekonomi dan keuangan. Long Memory adalah salah satu fenomena dalam time series, dimana dependensi antara kejadian masih ada dan dapat diamati untuk waktu yang lama, yang dicirikan oleh nilai difference yang tidak bulat (fractional). Parameter differencing ini biasanya diestimasi menggunakan GPH estimator. Dengan estimator ini, seringkali menghasilkan kesimpulan yang spurious untuk model-model nonlinier seperti Markov switching, STOP-BREAK, ESTAR, level shift dan lainnya. Dalam penelitian disimulasikan performansi dari GPH dan GPH terkoreksi pada proses long memory dan markov switching. Data yang diestimasi merupakan data skip sampling dari kedu aproses di atas. Hasil simulasi menujukkan bahwa GPH terkoreksi mampu mengurangi bias parameter long memory. Selain itu, diamati pula bahwa terdapat perbedaan yang signifikan pola yang dihasilkan oleh estimasi pada data long memory dan data yang mengikuti proses Markov switching. Fakta ini dapat digunakan untuk membedakan antara true dan spurious long memory.

Pemodelan Beban Sistem Listrik Jawa-Bali dengan Menggunakan Pendekatan Flexible Seasonality Forecasting

Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1, No 1 (2014): Prosiding Seminar Nasional Matematika 2014
Publisher : Prosiding Seminar Matematika dan Pendidikan Matematik

Show Abstract | Original Source | Check in Google Scholar

Abstract

Persentase penggunaan energi listrik di Indonesia mencapai 55% dari total kebutuhan energi final dengan kapasitas total pembangkit nasional tahun 2011 adalah sebesar 38,9GW, dimana sekitar 76% diantaranya berada di wilayah Jawa-Bali. Hal ini menunjukkan bahwa pembangkit listrik regional Jawa-Bali memerlukan perhatian khusus dalam perencanaan kebutuhan tenaga listrik untuk menghindari krisis listrik di Jawa -Bali di masa mendatang yang salah  satu  caranya  adalah  dengan  peramalan  atau  forecasting. Pada  data  konsumsi  listrik  itu  sendiri  terdapat kompleksitas pola musiman. Sehingga dalam penelitian ini digunakan metode flexible seasonality forecasting yaitu Box-Cox transform, ARMA errors, Trend, and Seasonal components (BATS).yang merupakan pengembangan dari model exponential smoothing. Model ini dapat mengakomodasi terjadinya pola musiman yang lebih kompleks, terjadinya trend, kasus-kasus non-linearitas, serta pemodelan error ARMA. Pada penelitian ini digunakan pula pola musiman harian dan mingguan serta penambahan hari raya idul fitri sebagai pola musiman tahunan pada data beban sistem listrik regional Jawa-Bali dengan menggunakan model BATS. Selanjutnya model ini dibandingkan dengan model Holt-Winter yang juga dapat digunakan dalam pemodelan data musiman. Hasil pemodelan menunjukkan model BATS lebih baik dalam memodelkan data musiman maupun dalam peramalan yang ditunjukkan dari nilai AIC dan RMSE yang lebih kecil.