Prediksi Tinggi Gelombang Laut di Perairan Laut Sulawesi Utara dengan Menggunakan Model Vector Autoregressive (VAR)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Telah dilakukan penelitian tentang tinggi gelombang laut di perairan laut Sulawesi Utara yang bertujuan untuk menerapkan model Vector Autoregressive (VAR) dalam memprediksi tinggi gelombang laut di wilayah perairan Bitung, perairan Manado, dan perairan Tahuna. Model VAR merupakan salah satu model time series yang menghendaki pemodelan secara simultan dengan beberapa peubah. Data yang digunakan dalam penelitian ini adalah data rata-rata harian tinggi gelombang laut di wilayah perairan Bitung, wilayah perairan Manado, dan wilayah perairan Tahuna yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika Maritim Bitung pada periode Januari 2015 sampai Desember 2016. Hasil penelitian menunjukkan bahwa model yang sesuai untuk memprediksi tinggi gelombang laut yaitu model VAR(3) dimana model ini cukup baik untuk digunakan dalam memprediksi tinggi gelombang laut wilayah Bitung, Manado, dan Tahuna pada periode 5 hari yakni tanggal 01 Januari 2017 sampai 05 Januari 2017, wilayah Bitung memiliki rata-rata tinggi gelombang mencapai 1,6 - 1,7 Meter, untuk tinggi gelombang laut wilayah Manado mencapai 1,3 - 1,5 Meter, dan wilayah Tahuna mencapai tinggi gelombang sebesar 1,8 - 2,1 Meter.Kata Kunci : Model Vector Autoregressive (VAR), Tinggi Gelombang Laut, Sulawesi Utara
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle