Hasil Pencarian  ::  Simpan CSV :: Kembali

"Globalisasi merupakan suatu hal yang tidak dapat dihindari oleh negara manapun. Salah satu dampak globalisasi adalah resesi perekonomian di suatu negara dapat mempengaruhi perekonomian negara lain. Indonesia, sebagai mitra dagang Amerika Serikat, tidak dapat menghindari dampak yang ditimbulkan oleh adanya resesi perekonomian di Amerika Serikat. Ekspor Indonesia akan menurun karena menurunnya daya beli di negara tujuan ekspor. Dampak selanjutnya adalah turunnya produk domestik bruto riil di Indonesia. Masalah makroekonomi seperti ini seharusnya dapat diprediksi sebelumnya. Sehingga Pemerintah Indonesia dapat mengambil kebijakan yang dapat meminimalisir dampak buruknya.Penelitian ini bertujuan untuk menginvestigasi pemodelan prediksi yang sebaiknya diimplementasikan dalam memprediksi makroekonomi. Pemodelan prediksi yang digunakan adalah Vector Auto Regression (VAR) dan General-to-Specific (GetS) Modelling. Pemodelan ini akan diterapkan pada Model Broda dengan empat variabel, yaitu: terms-of-trade, nilai tukar riil, indeks harga konsumen, dan produk domestik bruto riil. Berdasarkan periode yang diestimasi, prediksi akan dipecah menjadi ex post forecast dan ex ante forecast. Pemodelan terbaik ditentukan berdasarkan tiga kriteria, yaitu: nilai adjusted R2, nilai Akaike Information Criterion (AIC), dan nilai Schwarz Inforamtion Criterion (SIC).Penelitian ini menghasilkan tiga temuan utama. Pertama, GetS Modelling lebih baik daripada VAR untuk ex post forecast. Kedua, GetS Modelling juga lebih baik daripada VAR untuk ex ante forecast. Yang terakhir, penambahan periode estimasi dapat memperbaiki model prediksi pada GetS Modelling dan VAR.

---

Globalization is one thing cannot be avoided by any countries. One of its impact is economic recession in one country might impact other country. Indonesia, as a trade colleague of USA, cannot avoid from impact caused by economic recession in USA. Indonesia export will decrease since its destination countries have low purchasing power. It will result to decreasing in real gross domestic product of Indonesia. These macroeconomic problems should be predicted earlier. Thus, Indonesia Government can take any policies which can minimize its bad impact.This research investigate predictive modelling that should be implemented in macroeconomic forecasting. Predictive modelling used are Vector Auto Regression (VAR) and General-to-Specific (GetS) Modelling. These modelling will be implemented to Broda Model which consists of four variables, they are: terms-of-trade, real exchange rate, consumer price index, and real gross domestic product. Based on period to be estimated, prediction will be divided into ex post forecast and ex ante forecast. The best modelling will be decided based on three criteria, they are: adjusted R2 value, Akaike Information Criterion (AIC) value, and Schwarz Information Criterion (SIC) value.There are three main results from this research. First, GetS Modelling is better than VAR in ex post forecast. Secondly, GetS Modelling also better than VAR in ex ante forecast. Finally, additional period to be estimated will improve predictive model of VAR and GetS Modelling."

"Dalam permasalahan ekonomi sering ditemukan fenoma bahwa variabel-variabel ekonomi memiliki hubungan dua arah yang saling mempengaruhi dan dipengaruhi. Hubungan seperti ini disebut sebagai hubungan simultan. Namun, model simultan memiliki beberapa kendala dalam penentuan variabel endogen dan variabel eksogen. Vector Autoregression (VAR) merupakan metode yang dapat menjawab permasalahan pada model simultan karena seluruh variebel dianggap sebagai variabel endogen. Selain itu, VAR juga merupakan metode yang sangat berguna dalam memahami adanya interrelationship (hubungan timbal balik) antar variabel dalam analisis. Tugas akhir ini secara umum bertujuan untuk mengetahui apakah terdapat interrelationship (hubungan timbal balik) antara pertumbuhan PDB dengan pertumbuhan kesempatan kerja untuk periode 1977?2006. Hasil penelitian menunjukkan bahwa pertumbuhan kesempatan kerja mempengaruhi pertumbuhan PDB, sedangkan pertumbuhan PDB tidak mempengaruhi pertumbuhan kesempatan kerja. Maka disimpulkan bahwa tidak terdapat interrelationship antara pertumbuhan PDB dan pertumbuhan kesempatan kerja. "

"ABSTRAKKlasifikasi indirect material pada industri otomotif tempat penelitian inidilakukan belum dapat dilakukan dengan baik sehingga diharapkan denganmenggunakan metode multi-attribute ABC dan support vector machine performaklasifikasi indirect material dapat ditingkatkan. Multi-attribute ABC digunakanuntuk melakukan klasifikasi berdasarkan kriteria klasifikasi dengan bobot yangdihitung dengan analytic hierarchy process , dan support vector machinedigunakan untuk menemukan pola hubungan antara kriteria dengan hasilklasifikasi dan melakukan penilaian performa klasifikasi . Hasil akhir daripenelitian ini menunjukkan bahwa kriteria harga dan kritikalitas merupakankriteria paling berpengaruh terhadap hasil klasifikasi dan terjadi peningkatanperforma klasifikasi setelah memanfaatkan metode ini

---

ABSTRACTIndirect material classification on the automotive industry where the research wasdone is not being done properly so it is expected that by using multi-attributeABC and support vector machine the classification performance could beenhanced. Multi-attribute ABC is used to classify the item based on the criterionand weight that is calculated using analytic hierarchy process , and support vectormachine is used to find hidden pattern about the criterion and classification resultand assess classification performance. The end results of this research show thatprice and criticallity are the most influental criterion for the classification resultsand there is classification performance enhancement after using these methods."

"By developing a long-run macro structural model,the structural cointegrating vector autoregression (VAR),the optimality principle of monetary policy response in Indonesia is formulated...."

"Whether you are brand new to data mining or working on your tenth predictive analytics project, Commercial data mining will be there for you as an accessible reference outlining the entire process and related themes. In this book, you'll learn that your organization does not need a huge volume of data or a Fortune 500 budget to generate business using existing information assets. Expert author David Nettleton guides you through the process from beginning to end and covers everything from business objectives to data sources, and selection to analysis and predictive modeling.Commercial data mining includes case studies and practical examples from Nettleton's more than 20 years of commercial experience. Real-world cases covering customer loyalty, cross-selling, and audience prediction in industries including insurance, banking, and media illustrate the concepts and techniques explained throughout the book."

"Dalam sistem moneter yang berbasis syariah, target-target kebijakan moneter yang berhasil adalah yang dipusatkan ke arah tercapainya stabilisasi ekonomi yang dapat diukur dengan salah satu indikator berupa kestabilan pergerakan agregat moneter yang hanya berfungsi sebagai alat transaksi, dan juga dalam kegunannya sebagai instrumen kebijakan moneter. Hal tersebut hanya dapat tercapai melalui konsistensi dengan aturan yang berlaku dalam ajaran Islam Penelitian ini adalah sebuah percobaan untuk menganalisis, mengevaluasi dan juga membuktikan keabsahan dari keefektifan dan kestabilan instrumen-instrumen moneter syariah. Hasil penelitian dengan melihat velositas agregat moneter dan terutama metode pendekatan kointegrasi dan error-correction mechanism, menunjukkan bahwa Otoritas Moneter dalam hubungannya dengan kebijakan pengaturan tingkat harga besar-besaran moneter yang telah mengandung bunga. Pada sisi lain jangka panjang, permintaan agregat moneter bebas bunga akan relatif lebih stabil sehingga gangguan yang bersifat jangka pendek akan tereduksi untuk kembalo ke keseimbangan jangka panjangnya."

"ABSTRACTMusik memiliki pengaruh yang besar dalam kehidupan manusia. Berbagai macam bunyi dapat memunculkan emosi tertentu dalam pendengarnya. Music Emotion Recognition MER adalah sebuah bidang yang bertujuan untuk mendeteksi emosi dalam sebuah karya musik. Proses untuk pendeteksian ini dilakukan menggunakan sistem-sistem terotomasi yang berkaitan dengan machine learning. MER sudah terbukti dalam menggolongkan berbagai jenis lagu kedalam kategori emosi tertentu dan juga dalam mendeteksi emosi yang terdapat dalam sebuah karya musik menggunakan berbagai macam algoritma machine learning. Pada penelitian ini, dilakukan analisis terhadap hubungan melodi dalam pendeteksian emosi dalam musik dengan mengamati nilai rata-rata not MIDI yang terdapat dalam sebuah lagu dan mengkomputasikan tingkat ketepatan yang dihasilkan dalam memprediksi tingkat emosi dalam karya musik tersebut menggunakan algoritma Support Vector Regression SVR . Sistem MER yang digunakan dalam penelitian ini adalah sistem dimensional yang memiliki nilai arousal dan valence. Hasil dari penelitian adalah bahwa terdapat hubungan antara melodi dengan emosi yang terdapat dalam sebuah lagu, yang dapat dilihat dari selisih data prediksi dan data referensi arousal dan valence. Nilai rata-rata dari selisih pengujian arousal adalah 0.00273 dan standar deviasinya adalah 1.15528, sementara itu nilai rata-rata dari selisih pengujian valence adalah -0.08 dan standar deviasi 0.96.

---

ABSTRACTMusic has a big influence in human life. A variation of sounds can evoke a certain emotion in the listener. Music Emotion Recognition MER is a field that is geared towards the detection of emotions in music. The process to for emotion detection is by using automated systems which are related with machine learning. MER has been proven capable to categorize various sorts of music by their emotional characteristics and also detecting emotion that is in a certain musical piece using various kinds of machine learning algorithms. In this study, we conduct an analysis towards a relation between the melody of a music piece by examining the average MIDI note value in a song and compute the accuracy rate in predicting the emotion contained in a song using the Support Vector Regression SVR algorithm. The result of this study is that there is a connection between the melody and the emotion that is contained in a song, which can be seen by the difference in the predicition value and the reference value in the arousal dan valence tests. The average of the difference in the arousal test is 0.00273 and the standard deviation is 1.15528, while the average of the difference in the arousal test is 0.08 and the standard deviation is 0.96. "

"E-commerce dan big data merupakan bukti dari kemajuan teknologi yang sangat pesat. Big data berperan cukup penting dalam perusahaan e-commerce untuk menangani perkembangan semua data, mengolah setiap data tersebut dan menjadi competitive advantage bagi perusahaan. Perusahaan XYZ.com mengalami kesulitan dalam menganalisis stok dan tren dari produk yang dijual. Jika hal ini tidak ditanggulangi, maka perusahaan XYZ.com akan kehilangan opportunity gain. Untuk menentukan tren dan stok produk secara cepat dengan akurat, dibutuhkan big data predictive analysis. Penelitian ini mengolah data transaksi menjadi data yang dapat dianalisis untuk menentukan tren dan prediksi tren produk berdasarkan kategorinya dengan menggunakan big data predictive analysis. Hasil dari penelitian ini akan memberikan informasi kepada pihak manajemen kategori apa yang berpotensi menjadi tren dan jumlah minimal stok yang harus disediakan dari kategori produk tersebut.

---

E commerce and big data are evidence of rapid technological advances. Big data plays an important role in e commerce companies to handle and analyze all data changes, and become a competitive advantage for the company. XYZ.com experience a difficulty in analyzing stocks and commerce product trend. If this issue not addressed, XYZ.com company will lose an opportunity gain. To determine trends and stock accurately, XYZ.com can use big data predictive analysis. This study processes transaction data into data that can be analyzed to determine trends and predictions of product trends based on its categories using big data predictive analysis. The results of this study give massive informations to management about what categories will potential become trends and minimum stock required to be provided."

"Whether you are brand new to data mining or working on your tenth predictive analytics project, Commercial Data Mining will be there for you as an accessible reference outlining the entire process and related themes. In this book, you'll learn that your organization does not need a huge volume of data or a Fortune 500 budget to generate business using existing information assets. Expert author David Nettleton guides you through the process from beginning to end and covers everything from business objectives to data sources, and selection to analysis and predictive modeling."