Hasil Pencarian  ::  Simpan CSV :: Kembali

"Structural Equation Model (SEM) merupakan salah satu metode statistik yang digunakan untuk menganalisis hubungan simultan antar variabel laten. Selain digunakan untuk menganalisis hubungan simultan antar variabel pada data yang tidak berpasangan, ternyata SEM juga dapat digunakan untuk menganalisis hubungan simultan antar variabel pada data yang berpasangan, baik pasangan yang dapat dibedakan maupun pasangan yang tidak dapat dibedakan. Pada tugas akhir ini akan dibahas SEM untuk data berpasangan yang tidak dapat dibedakan. Ada 3 model pada SEM untuk data berpasangan yang tidak dapat dibedakan, yaitu model actor-partner, model mutual-influence dan model mixed. Pada penelitian ini akan digunakan model mixed yang merupakan penggabungan dari model actor-partner dan model mutual-influence. Tidak seperti pada metode SEM pada umumnya, SEM untuk data berpasangan yang tidak dapat dibedakan menggunakan 2 matriks input, yaitu matriks between-dyad dan matriks within-dyad. Selain itu digunakan pula variabel phantom yang selain berguna untuk merepresentasikan pengaruh pasangan, juga membantu proses estimasi parameter dalam model. "

"Konflik adalah hal yang biasa muncul dalam berelasi sosial dan penyelesaiannya bergantung pada kemampuan mengatasi konflik seseorang. Diduga tingkat kemampuan mengatasi konflik seseorang selain dipengaruhi oleh kestabilan emosi yang terdapat pada dirinya sendiri juga dipengaruhi oleh kestabilan emosi pada sahabatnya. Kebenaran dugaan tersebut akan diteliti dalam tulisan ini dengan menggunakan metode structural equation model (SEM) dengan variabel laten untuk data interchangeable dyads. Metode SEM dengan variabel laten untuk data interchangeable dyads mempunyai dua matriks input yaitu matriks between-dyad dan matriks within-dyad serta menggunakan variabel panthom dalam proses estimasi parameter. Dalam SEM dengan variabel laten untuk data interchangeable dyads terdapat tiga macam model yaitu model actor-partner, mutuall-influence, dan model mixed. Namun dalam tulisan ini hanyalah membahas model actor-partner. Pada model actor-partner variabel panthom juga berfungsi untuk merepresentasikan pengaruh kestabilan emosi seseorang terhadap tingkat kemampuan mengatasi konflik dari sahabatnya. Hasil penelitian menunjukkan bahwa tingkat kemampuan menyelesaikan konflik dari seseorang sangat dipengaruhi oleh kestabilan emosi dari orang tersebut namun tidak dipengaruhi oleh kestabilan emosi sahabatnya. Dari hasil tersebut dapat disarankan bahwa dalam memperbaiki tingkat kemampuan mengatasi konflik dari mahasiswa Universitas Indonesia jenjang strata 1 dan iv diploma 3 kampus Depok, seseorang atau peneliti harus melihat kestabilan emosi pada dari orang tersebut. "

"Dalam suatu penelitian sering kali dijumpai permasalahan dimana data yang diteliti merupakan data berpasangan atau data dyadic, baik data berpasangan yang dapat dibedakan maupun yang tidak dapat dibedakan. Pada data berpasangan, korelasi antara dua variabel harus dilihat dengan mempertimbangkan keterkaitan antar individu dalam setiap pasangan. Koefisien korelasi antara dua variabel pada data berpasangan dapat dilihat secara keseluruhan, tingkat pasangan, dan tingkat individu. Pada tulisan ini akan dibahas mengenai koefisien korelasi untuk data berpasangan yang dapat dibedakan dengan menggunakan metode structural equation model (SEM) dan metode pairwise. "

"This book introduces the fundamentals of the technology satisfaction model (TSM), supporting readers in applying the Rasch model and structural equation modeling (SEM) – a multivariate technique – to higher education (HE) research. User satisfaction is traditionally measured along a single dimension. However, the TSM includes digital technologies for teaching, learning and research across three dimensions: computer efficacy, perceived ease of use and perceived usefulness. Establishing relationships among these factors is a challenge. Although commonly used in psychology to trace relationships, Rasch and SEM approaches are rarely used in educational technology or library and information science. This book, therefore, shows that combining these two analytical tools offers researchers better options for measurement and generalisation in HE research. This title presents theoretical and methodological insights of use to researchers in HE."

"Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel yang diekspresikan dalam bentuk persamaan antara variabel dependen dengan variabel bebas. Dalam analisis regresi terdapat beberapa asumsi yang harus dipenuhi. Spasial dependen pada suatu kumpulan data sampel berarti observasi pada suatu lokasi berkorelasi dengan observasi pada lokasi lain. Sehingga asumsi error antar observasi yang saling bebas tidak terpenuhi. Oleh karena itu, dibutuhkan suatu model yang memperhitungkan adanya korelasi spasial yaitu model spasial dependen. Model spasial dependen terbagi dua yaitu spasial lag dan spasial error. Model spasial lag merupakan model regresi linier dimana pada variabel dependennya terdapat korelasi spasial sedangkan model spasial error merupakan model regresi linier dimana pada errornya terdapat korelasi spasial. Penaksiran parameter menggunakan metode maksimum likelihood. "

"Model regresi data panel spasial error dinamis adalah model regresi data panel yang melibatkan lag dari variabel dependen dan komponen dependensi spasial error. Karena terdapat korelasi antara lag dari variabel dependen dan komponen error, estimasi dengan Ordinary Least Squares menjadi bias dan tidak konsisten. Oleh karena itu, dibutuhkan metode lain untuk menaksir parameter dalam model. Metode yang dapat digunakan adalah perluasan metode Arellano dan Bond yang mencakup metode instrumental variabel menggunakan variabel instrumen yang disarankan oleh Mutl (2006) dan prinsip Generalized Method of Moments (GMM). Kemudian ditambah dengan metode pendekatan Kapoor, Kelejian, dan Prucha (KKP) sehingga dihasilkan taksiran yang konsisten.

---

The dynamic spatial error panel data regression model is panel data regression model which involves lag of the dependent variable and error spatial dependence. Because there is correlation between the lag of the dependent variable and error components, the ordinary least squares estimator becomes biased and inconsistent. Therefore, we need another method to estimate parameters in the model. The method which can be used is the extended method of Arellano and Bond covering instrumental variable method using instrument variables suggested by Mutl (2006) and the principle of the Generalized Method of Moments (GMM). Then the method is coupled with the method of Kapoor, Kelejian, and Prucha (KKP) approach so that it produces consistent estimators."

"Model regresi data panel balanced dinamis dengan fixed effect merupakan model regresi data panel yang melibatkan lag dari variabel respon sebagai variabel penjelas. Asumsi model regresi data panel dinamis yang dibahas adalah balanced panel, yaitu tiap individu diamati untuk panjang waktu yang sama. Dengan asumsi fixed effect, heterogenitas dapat terlihat pada intersep model. Metode penaksiran yang digunakan dikenal sebagai LSDV (least square dummy variable) namun taksiran yang dihasilkan bias. Taksiran ini juga tidak konsisten ketika periode waktu berhingga. Oleh karena itu, dibutuhkan metode lain untuk menaksir parameter dalam model. Metode yang dapat digunakan adalah metode bias terkoreksi. Estimasi bias terkoreksi diperoleh dari koreksi bias asimtotik taksiran LSDV dengan bias asimtotik didapat melalui bentuk ketidakkonsistenan penaksir. Secara intuitif, koreksi bias ini menghilangkan bentuk tidak konsistennya taksiran LSDV sehingga menjadi taksiran yang konsisten. Prosedur iteratif digunakan untuk mendapatkan taksiran bias terkoreksi. Teknik bias terkoreksi ini diaplikasikan dalam analisis empiris dari model dinamis tingkat pengangguran di negara bagian Amerika Serikat pada periode 1991-2000.

---

Regression model of balanced dynamic panel data with fixed effect is a regression model of panel data involving lag of response variable as explanatory variable. Assumption regression model of dynamic panel data discussed is balanced panel, that is each individual observed for the same length of time period. Assuming a fixed effect, heterogeneity can be seen on the intercept model. The assessment method used is known as LSDV (least square dummy variable) however the resulting estimates generated bias. These estimators will also inconsistent for finite number of time period. Therefore, other methods are needed to estimate parameters in model. A method that can be used is bias corrected method. Bias corrected estimation is derived from the asymptotic bias correction LSDV estimator which the asymptotic bias obtained through the form of inconsistent of estimator. Intuitively, this bias correction eliminates the form of inconsistent of LSDV estimator so as to be consistent. Iterative procedure are used to obtain this bias corrected estimator. The proposed technique is applied in an empirical analysis of unemployment rate model dynamics at the U.S. state level for the 1991-2000 period."

"Tesis ini berupaya membuat rancangan model TQM di perguruan tinggi Indonesia. Dimensi mutu yang menyusun fondasi TQM divalidasi dan dianalisis keterkaitan di dalamnya. Metode yang digunakan dalam penelitian adalah Structural Equation Modeling terhadap data yang diambil dari 251 mahasiswa tahun terakhir di FTUI.Hasil penelitian menunjukkan bahwa terdapat 6 dimensi mutu yang menyusun bangunan TQM di perguruan tinggi, yaitu dimensi Komitmen Pimpinan Dekanat, Komitmen Pimpinan Departemen, Kegiatan Perkuliahan, Fasilitas Kampus, Sikap Positif yang Diterima, dan Umpan Balik. Kemudian, model keterkaitan yang dirancangan dinyatakan valid untuk menunjukkan hubungan antar dimensi mutu dan hubungan antar dimensi mutu dengan kepuasan mahasiswa FTUI.

---

This thesis tried to design TQM model in Indonesian higher education. Quality dimensions that construct TQM foundation were validated and the relationships among quality dimensions were analyzed. Structural Equation Modeling was used to investigate the data obtained from 251 last year student in Engineering Faculty.

The results showed that there six quality dimensions that construct the TQM model, i.e. Commitment of Faculty Management, Commitment of Department Management, Course Delivery, Campus Facilities, Courtesy, and Customer Feedback&Improvement. The results also revealed that the relationship model was valid to explain the relationships among quality dimensions and between quality dimension and students' satisfaction."

"Kemajuan dan kesuksesan sebuah perusahaan secara tidak langsung dipengaruhi oleh kepuasan akan gaji yang dirasakan para pekerjanya. Penelitian ini bertujuan untuk melihat pengaruh variabel laten keselamatan kerja dan kenyamanan kerja yang memiliki indikator pembentuk bersama terhadap kepuasan akan gaji karyawan PT XYZ di Jakarta dengan menggunakan Structural Equation Model (SEM) untuk variabel laten dengan indikator bersama. Pengolahan data menggunakan perangkat lunak MINITAB untuk konversi data dan AMOS 5.0 untuk SEM. Hasil penelitian menunjukkan bahwa kenyamanan kerja secara langsung mempengaruhi kepuasan seseorang akan gaji yang diterimanya. Sedangkan, keselamatan kerja tidak secara langsung mempengaruhi kepuasan seseorang akan gaji yang diterimanya. "

"Perkembangan era globalisasi dapat menyebabkan terjadinya persaingan didalamnya yang akan mendorong beberapa individu atau kelompok untuk terlibat dalam tindak kejahatan dengan metode ilegal dalam upaya untuk mencapai keunggulan atau mengalahkan pesaing. Tidak dapat dipungkiri jika tindak kejahatan di Indonesia semakin marak diberitakan melalui media elektronik ataupun media lainnya. Peristiwa ini didukung dengan peningkatan jumlah tindak pidana di Indonesia dalam tiga tahun terakhir. Demi mengurangi dampak negatif persaingan yang dapat memicu tindak kejahatan dan mencapai tujuan ke-16 SDGs untuk menciptakan lingkungan yang lebih aman bagi masyarakat, khususnya di era globalisasi, maka penting untuk memahami faktor-faktor yang dapat menjelaskan tingkat kriminalitas. Tujuan dari penelitian ini adalah menganalisis faktor-faktor yang menjelaskan tingkat kriminalitas di Sumatera Utara menggunakan metode Geographically and Temporally Weighted Regression (GTWR) dengan fungsi pembobot adaptive kernel Bisquare. Metode GTWR merupakan pengembangan dari metode Geographically Weighted Regression (GWR) yang tidak hanya mempertimbangkan heterogenitas spasial, tetapi juga heterogenitas temporal. Penelitian ini menggunakan variabel penjelas Kepadatan Penduduk (KPn), Jumlah Penduduk Miskin (JPM), Garis Kemiskinan (GKm), Rata-rata Lama Sekolah (RLS), Tingkat Pengangguran Terbuka (TPT), dan Pengeluaran Perkapita Disesuaikan (PKD). Hasil dari penelitian ini diperoleh 10 kelompok area berdasarkan perbedaan signifikansi variabel penjelas setiap tahunnya. Terdiri dari 3 kelompok area pada tahun 2019, 4 kelompok area pada tahun 2020, dan 3 kelompok area pada tahun 2021.

---

The development of era of globalization can lead to competition that may drive individuals or groups to engage in criminal activities using illegal methods to achieve an advantage or surpass competitors. Crime in Indonesia is inevitably increasing, whether reported by electronic media or other media. This phenomenon has auxiliary data on the increasing number of criminal in Indonesia over the past three years. In order to mitigate the adverse effects of competition that may lead to criminal behavior and accomplish Goal 16 of the Sustainable Development Goals (SDGs), which aims to create a safer environment for society, especially in the era of globalization, it is necessary to understand the factors that can explain the crime rates. The objective of this study is to analyze the factors that explain the crime rates in North Sumatra using the Geographically and Temporally Weighted Regression (GTWR) method with weighting functions adaptive Bisquare kernel. The GTWR method is an extension of the Geographically Weighted Regression (GWR) method, which considers spatial and temporal heterogeneity. This study uses explanatory variables such as Population Density (KPn), Number of Poor People (JPM), Poverty Line (GKm), Average Length of Schooling (RLS), Open Unemployment Rate (TPT), and Adjusted Per Capita Expenditure (PKD). The results of this study obtained 10 areas groups based on the significance of different explanatory variables for each year consisting of 3 broad groups in 2019, 4 broad groups in 2020, and 3 broad groups in 2021."