Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu dari berbagai masalah yang ada pada pengendali berbasis logika fuzzy adalah penentuan faktor skala yang harus dilakukan saat hendak menerapkan sistem kendali pada proses yang akan dikendalikan. Berbagai teknik yang digunakan untuk mengatasi kelemahan ini telah dilakukan. Permasalahan penentuan faktor skala hingga sekarang masih merupakan problem terbuka {1}. Dengan menggunakan logika fuzzy dapat dilakukan penalaan faktor skala dengan memakai aturan-aturan fuzzy, sistem inferensi logika fuzzy dan defuzifikasi. Penurunan aturan-aturan berdasarkan konvergensi analisa trayektori."

"Tujuan dari penelitian ini adalah mencari metode optimasi portofolio terdiversifikasi yang memiliki kinerja paling unggul pada uji out-of-sample. Metode pembentukan dan optimasi portofolio terdiversifikasi menggunakan 3 metode, yaitu: Minimum-Variance, Inverse-Variance, dan Hierarchical Risk Parity. Kinerja portofolio akan dilihat dari tingkat pengembalian yang dihasilkan, sum of squared errors antara return yang aktual dengan yang diharapkan, dan sharpe ratio yang dihasilkan portofolio pada uji out-of-sample. Portofolio yang terdiversifikasi akan dibentuk dengan menggunakan 18 saham yang telah melewati proses seleksi saham dengan pendekatan Single Index Model dengan Cut-off Rate, dimana ke-18 saham tersebut memiliki excess return over beta lebih besar dari cut-off rate yang berasal dari 71 saham yang terdaftar di Bursa Efek Indonesia. Uji out-of-sample akan dibagi atas 3 skenario dengan holding period 4 minggu, 12 minggu, dan 16 minggu dengan melakukan rebalancing di setiap akhir holding period. Hasil uji out-of-sample membuktikan bahwa metode Hierarchical Risk Parity mampu mengungguli 2 metode optimasi portofolio lainnya dengan tingkat pengembalian yang dihasilkan paling besar, SSE yang paling rendah, dan shape ratio paling besar diantara ketiga metode yang ada. Penelitian ini menyimpulkan perlunya menggunakan pendekatan yang lebih kompleks dalam membangun portofolio di Bursa Efek Indonesia untuk menghasilkan portofolio dengan kinerja yang lebih baik.

---

This research aims to find a portfolio optimization method that has superior performance in out-of-sample simulation in the Indonesia equity market. The portfolio will be optimized utilizing 3 methods: Inverse-Variance, Minimum-Variance, and Hierarchical Risk Parity. Portfolio performance will be measured based on the actual return generated by portfolio, Sharpe ratio, and the accuracy with the sum of squared errors and T-test between actual return and expected return of the portfolio in out-of-sample simulations. The out-of-sample simulation will be done in 3 scenarios of holding period and rebalancing at the end of the holding period. The simulation results suggest that the Hierarchical Risk Parity method outperformed 2 other portfolio optimization methods having the highest actual return, Sharpe ratio, and accuracy in predicting returns. This research concludes that a more sophisticated approach is required to build an equity portfolio that has better performance in Indonesia."

"ABSTRAKSekarang ini kemacetan lalu-lintas merupakan salah satu masalah utama dalam kehidupan masyarakat perkotaan, khususnya Jakarta. Padamya lalu-lintas menimbulkan kecelakaan di jalan raya yang tidak hanya menyebabkan kerugian material, tetapi juga jumlah korban kecelakaan lalu-lintas yang semakin tinggi. Kebanyakan kecelakaan terjadi akibat kurang disiplinnya pengemudi dalam berkendaraan. Oleh karena itu, untuk meningkatkan keamanan demi mengurangi kecelakaan di jalan raya dan memperbaiki kondisi berkendaraan diciptakanlah Sistem Jalan Raya Otomatis (S.TRO). Sistem ini menggabungkan komunikasi, kontrol kendaraan bermotor dan teknik manajemen lalu-lintas untuk memberikan keamanan, kecepatan dan efisiensi dalam berkendaraan.Dalam skripsi ini diperkenalkan suatu teknik kecerdasan buatan yang dinamakan learning automata digunakan untuk mengendalikan jalur kendaraan secara cerdas. Dengan menggunakan informasi yang diperoleh dari sensor dan modul komunikasi lokal, dua automata (lateral dan longitudinal) mempelajari kemungkinan tindakan yang tepat untuk menghindari tabrakan. Simulasi bersama antara lateral dan longitudinal pengendali kendaraan otomatis menggunakan program Matiab 5.3 yang subrutinnya diperoleh dari Internet [Shift 97]. Meskipun pendekatan belajar yang digunakan mampu memberikan keputusan yang aman, optimisasi anus lalu-lintas juga diperlukan dengan mempelajari interaksi antar kendaraan.Perancangan rencana jalur kendaraan yang adaptif berdasarkan informasi lokal diperluas dengan penambahan struktur keputusan. Struktur keputusan ini diperoleh dengan menganalisa situasi yang terdiri dari konflik keinginan jalur kendaraan. Analisa situasi dan perancangan struktur ini dibuat berdasarkan interaksi mekanisme reward-penalty pada individu kendaraan.

---

"