Hasil Pencarian  ::  Simpan CSV :: Kembali

"[Kondisi chaotic merupakan kondisi dimana sistem selalu berkembang. Prediksi dari sistem yang memiliki kondisi chaotic sangat penting untuk menentukan keputusan yang akan diambil. Dalam skripsi ini dibahas mengenai prediksi dari Lorenz’s Chaotic System, dimana prediksi yang dilakukan menggunakan jaringan saraf tiruan Radial Basis Function Extreme Learning Machine. Jaringan saraf tiruan dipilih karena kemampuannya untuk dapat beradaptasi dengan sistem sehingga diharapkan dapat melakukan prediksi dengan baik. Hasil penelitian ini menunjukkan bahwa jaringan saraf tiruan Radial Basis Function Extreme Learning Machine dapat melakukan prediksi dengan baik yaitu dengan waktu pembelajaran yang sangat cepat dan tingkat akurasi yang tinggi., Chaotic condition is a condition where the system is always evolving. Prediction of the system that has chaotic condition is very important for determining the decisions to be taken. In this thesis discussed about the prediction of Lorenz's Chaotic System, where the predictions are made using Radial Basis Function Extreme Learning Machine neural network. Artificial neural network is chosen for its ability to be able to adapt to a system that is expected to do well prediction. The results of this study indicate that the Radial Basis Function Extreme Learning Machine neural network can perform good prediction with very fast learning time and high accuracy.]"

"Jaringan Saraf Tiruan adalah salah satu metode baru yang dikembangkan untuk pemecahan berbagai masalah kompleks yang tidak dapat diselesaikan secara analitik. Salah satu pengembangannya adalah metode jaringan saraf pembelajaran Radial Basis Function, dengan metode inisialisasi bobot Nguyen-Widrow dan Orthogonal Least Square (OLS). Akurasi dan kecepatan pembelajaran yang dimiliki oleh Radial Basis Function (RBF) sangat menarik untuk diaplikasikan pada sistem kendali. Pemodelan Forward dan Invers sistem dilakukan dengan metode RBF dengan mengambil data sistem SISO Pressure Process Rig. Setelah dilakukan pemodelan, jaringan saraf tiruan akan diuji dengan Direct Inverse Test. Hasil identifikasi sistem dan identifikasi invers pada sistem Pressure Process Rig memiliki hasil yang baik. Begitu pula saat diuji coba dengan Direct Inverse Test, sistem kendali mempunyai performa cukup baik, namun tidak menutup kemungkinan adanya skema model lain yang dapat digunakan dalam pemodelan sistem.

---

Artificial Neural Network is a newer field of study that could solve any complex problem that could not be done by analytical solution. Radial Basis Function (RBF) is one of the newer method of Artificial Neural Network with two distinct weight initialization method ; Nguyen-Widrow and Orthogonal Least Square (OLS) methods. RBF?s high recognition rate and very fast learning speed are interesting enough to be used in control system. RBF is used in forward and inverse identification in modelling Pressure Process Rig system. Direct Inverse Test is also done in order to make sure Radial Basis Function perform well in identifying a particular system. Radial Basis Function had a great perfomance in both forward and inverse system identification and also in Direct Inverse Test, but it is possible to have another learning scheme in system modelling."

"Penaksiran distribusi tail dari distribusi severity loss merupakan hal yang sangat penting dalam menentukan price indication untuk high excess loss layer dalam reasuransi per-risk excess of loss. Salah satu metode yang dapat digunakan adalah extreme value theory (EVT) yang fokus pada nilai loss yang sangat besar. Metode ini memberikan dasar teoritis yang kuat dalam membangun model yang dapat mendeskripsikan kejadian ekstrem dengan baik. Model EVT yang akan digunakan adalah model Peak Over Threshold (POT) yang mengklasifikasikan suatu nilai pengamatan sebagai kejadian ekstrem apabila nilainya telah melewati ambang batas (threshold) yang ditetapkan. Model POT yang dibahas dalam tugas akhir ini akan diaplikasikan untuk menentukan distribusi tail dari distribusi severity loss untuk data klaim automobile bodily injury dan kemudian digunakan untuk menentukan price indication yang sesuai.

---

Estimating the tail of loss severity distribution is essential in determining price indication for high-excess loss layer in per-risk excess of loss reinsurance. One method that can be used is Extreme Value Theory (EVT) which focuses on huge loss values. This method provides a firm theoretical foundation on building statistical model describing extreme events. EVT model which will be used is Peak Over Threshold (POT) that classifies observations as extreme events if their value exceeds some predetermined threshold. POT model in this thesis will be used to determine the tail of loss severity distribution for automobile bodily injury data claim and then will be used to determine a suitable price indication."

"Dengan fungsinya sebagai lembaga intermediasi keuangan, kegiatan usaha Bank selalu dihadapkan pada risiko-risiko yang berkaitan erat. Perkembangan lingkungan eksternal dan internal perbankan di era globalisasi yang tumbuh dengan pesat, terutama dengan adanya perkernbangan teknologi yang luar biasa hebat, menjadi penyebab semakin banyaknya risiko yang harus dihadapi perbankan karena kegiatan operasional bank yang semakin kompleks, sejalan dengan beragamnya produk dan jasa yang ditawarkan perbankan. Salah satu risiko yang mengemuka saat ini adalah risiko operasional. Risiko operasional menjadi salah satu faktor risiko tambahan yang hares diukur dan diperhitungkan dalam nilai minimum kecukupan modal (Capital Adequacy Ratio), selain risiko kredit dan risiko pasar. Terdapat tiga pendekatan dalam menetapkan beban modal untuk risiko operasional yaitu Basic Indicator Approach, Standardised Approach dan Advanced Measurement Approach. Penggunaan Basic Indicator Approach yang merupakan model standar dalam mengukur risiko operasional dan cenderung menghasilkan perhitungan capital charge yang lebih besar dibandingkan dengan model internal. Pengukuran risiko operasional Bank AAA dengan menggunakan Basic Indicator Approach menghasilkan capital charge untuk risiko operasional pada akhir tahun 2005 sebesar Rp.3,637,600,000.-. Berkaitan dengan hal tersebut maka dalam karya akhir ini dilakukan pengukuran risiko operasional pada Bank AAA dengan menerapkan dan menguji layak atau tidaknya metode alternatif lainnya yaitu Metode Extreme Value Theory (EVT). Penelitan ini menggunakan data yang merupakan kerugian aktual (actual loss) bulanan berdasarkan hasil temuan Satuan Kerja Audit Intern dan kertas kerja laporan profil risiko dalam periode I Januari 2003 sampai dengan 31 Desember 2006. Dalam menerapkan Metode EVT untuk mengukur risiko operasional Bank AAA, metode identifikasi nilai ekstrem yang digunakan adalah Metode Peaks over Threshold (POT) dengan jumlah data yang tersedia adalah 254 titik. Dalam Metode Peaks over Threshold, penentuan threshold hares dilakukan terlebih dahulu untuk menjadi dasar penyaringan data ekstrem. Dalam penelitian ini dipilih Cara sederhana yang telah diuji oleh Chavez-Demoulin, yaitu penentuan threshold dengan Metode Persentase yang dilakukan sedemikian sehingga 10% dari data adalah nilai ekstrem. Kemudian dilakukan estimasi parameter dengan menggunakan Hill Estimation untuk mengestimasi parameter shape dan Metode Probability-Weighted Moments untuk parameter scale. Selanjutnya dilakukan perhitungan potensi kerugian maksimal operasional Bank AAA dengan pendekatan Operational Value at Risk (OpVaR) dengan beberapa tingkat keyakinan, yaitu 95%, 99% dan 99.9%. Total OpVaR merupakan estimasi potensi kerugian maksimal total yang dapat terjadi pada suatu waktu dengan tingkat kepercayaan tertentu, berdasarkan data historis risiko operasional yang pemah terjadi. Hasil perhitungan OpVaR dalam penelitian ini memberikan kesimpulan bahwa total nilai OpVaR Bank AAA dengan tingkat keyakinan 95% sebesar Rp.73,848,797.-. Hal ini menunjukkan bahwa dengan probabilitas 95%, maka kerugian risiko operasional maksimum yang dihadapi oleh Bank AAA selama satu tahun ke depan adalah sebesar Rp.73,848,797.-. Sedangkan OpVaR Bank AAA dengan tingkat keyakinan 99% sebesar Rp.163,383,930.-, dan dengan tingkat keyakinan 99.9% sebesar Rp.751,768,500.-. Hasil perhitungan OpVaR tersebut menunjukkan bahwa OpVaR akan meningkat sangat tinggi dengan kenaikan tingkat kepercayaan. Berdasarkan hasil penelitian tersebut menunjukkan bahwa pengukuran risiko operasional Bank AAA dengan menggunakan Metode EVT-POT menghasilkan beban modal yang lebih rendah dibandingkan dengan penggunaan Basic Indicator Approach. Dengan demikian, jika Bank AAA menerapkan metode pengukuran risiko operasional dengan Metode EVT-POT maka alokasi modal yang dibutuhkan untuk menutup risiko operasionalnya menjadi lebih rendah sehingga modal yang tersedia dapat dipergunakan untuk melakukan pemekaran aktivitas bank. Berdasarkan uji back testing yang telah dilakukan, maka atas hasil estimasi OpVaR adalah dapat diterima. Dapat disimpulkan dari penelitian ini bahwa Metode Extreme Value Theory dengan menggunakan Peaks Over Threshold dapat dijadikan metode alternatif untuk mengukur risiko operasional Bank AAA.

---

With its function as an intermediation financial institution, business activities of a bank are always facing tightly interconnected risks. The external and internal environmental banking growth in the globalization era which grows rapidly, especially with the existence of an extremely remarkable technology growth, becomes the cause of even more risks it has to face, due to more complex bank operational activities according to various products and services offered.

One of the risks emerging at this moment is the risk of operation. The risk of operation becomes one of the additional risks that should be measured and calculated in the minimum value of capital adequacy ratio, not to mention credit risk and market risk. There are three approaches to ascertain the capital burden for operational risk, i.e. the Basic Indicator Approach, the Standardized Approach and the Advanced Measurement Approach.

The usage of the Basic Indicator Approach, which represents the standard model to measure the operational risk and tends to give bigger capital charge calculation compared to the internal model. The operational risk measurement of Bank AAA by using the Basic Indicator Approach gives a capital charge for the operational risk at the end of year 2005 as much as Rp3,657,600,000.-. In connection with the above-mentioned case, in this final thesis the measurement of the operational risk at Bank AAA is carried out by applying and testing whether it is proper or not to use another alternative method, i.e. the Extreme Value Theory Method (EVT).

This research uses data, which forms the monthly actual loss based on the finding results of the Internal Audit Work Unit and working paper reports of the risk profile during the period of January I, 2003 up to December 31, 2006. In applying the EVT Method to measure the operational risk of Bank AAA, the extreme value identification method used is the Peaks Over Threshold Method (POT) with the available data amount of 254 points.

In the POT Method, the determination of threshold should be done beforehand to become the basic extreme data filtering. This research has chosen a simple method, which has already been examined by Chavez-Demoulin, i.e. the determination of threshold by the Method of Percentage, carried out in such a way so that 10% of the data becomes the extreme value. Then, the parameter estimation is carried out by using the Hill Estimation to estimate the parameter shape and the Probability Weighted Moments Method for parameter scale. Furthermore, a calculation of the maximum operational loss of Bank AAA is carried out by approaching the Operational Value at Risk (OpVaR). With several level of confidence, i.e. 95%, 99% and 99.9%.

The total value of OpVaR constitutes the estimation of the total maximum potential loss which can happen at one time with a certain degree of trust, based on the historical datas of operational risks that ever happened before. The result of the OpVaR calculation in this research gives the conclusion that the total value of OpVaR of Bank AAA with a 95% level of confidence as much as Rp73,848,797.-. This matter indicates that with a 95% probability, the maximum operational loss risk faced by Bank AAA during the year ahead will be as much as Rp73,848,797.-, while the OpVaR of Bank AAA with a 99% level of confidence as much as Rp751,768,500.-. The result of the OpVaR calculation indicates that the OpVaR will increase very high with the increase of the level of confidence.

The Result of this research indicates that the measurement of the operational risk of Bank AAA using the EVT-POT Method yields a lower capital charge compared to use the Basic Indicator Approach. Therefore, if Bank AAA applies an operational risk measurement method with the EVT-POT Method, then the allocation of capital, which is required to cover its operational risk becomes lower, so that the available capital can be used to carry out the development of its bank activities.

Based on the test of back testing, which has been performed, the OpVaR estimation test can be accepted. It can be concluded from this research that the application of Extreme Value Theory using the Peaks Over Threshold Method can be utilized as an alternative method to measure the operational risk of Bank AAA."

"Dalam beberapa tahun ini, telah banyak penelitian yang berhubungan dengan pengenalan pola dilakukan untuk mengindentifikasi berbagai macam bentuk pola. Tesis ini membahas pengembangan jaringan saraf tiruan fungsi basis radial fuzzy. Dalam penelitian ini dilakukan dua percobaan, yaitu jaringan saraf fungsi basis radial fuzzy menggunakan SOM dan jaringan saraf fungsi basis radial fuzzy tanpa SOM.Hasil yang dicapai dari recognition rate menunjukkan jaringan saraf fungsi basis radial fuzzy menggunakan SOM memberikan performa yang baik. Jaringan saraf ini diharapkan dapat dikembangkan oleh peneliti-peneliti yang lain untuk kemajuan keilmuan dalam segala bidang.

---

In recent years, has been much research related to pattern recognition performed to identify various forms of patterns. This thesis discusses the development of artificial neural networks fuzzy radial basis functions. In this study conducted two experiments, namely radial basis function neural network fuzzy neural network using the SOM and fuzzy radial basis function without SOM.The result of recognition rate shows the radial basis function neural networks using a fuzzy SOM gives a good performance. Neural network is expected to be developed by other researchers for the advancement of knowledge in all fields."

"

Demam Berdarah Dengue (DBD) adalah salah satu masalah kesehatan masyarakat yang utama di Indonesia. Jumlah kasus DBD semakin bertambah seiring dengan laju pertumbuhan mobilitas dan populasi manusia. Radial basis function neural network (RBFNN) pada tugas akhir ini diimplementasikan untuk prediksi jumlah insiden mingguan DBD di DKI Jakarta. RBFNN adalah salah satu feed forward neural neworks yang hanya memiliki satu lapisan tersembunyi. Lapisan tersembunyi pada RBFNN dikonstruksi oleh sebuah fungsi aktivasi. K-means clustering digunakan untuk menunjang peforma dari RBFNN, yaitu untuk menentukan pusat dan lebar dari fungsi aktivasi yang digunakan. Performa dari RBFNN dilihat dari RMSE yang dihasilkan pada data training dan data testing. Dari implementasi yang dilakukan, dapat diperoleh bahwa pemilihan struktur atau model RBFNN sangat berpengaruh terhadap hasil prediksi yang diperoleh. Pada tugas akhir ini, RBFNN mampu memprediksi insiden mingguan DBD di DKI Jakarta dengan cukup baik tetapi RBFNN belum dapat menjakau data yang melonjak tinggi pada data testing.

---

Dengue Hemorrhagic Fever (DHF) is one of the main public health problems in Indonesia. The number of DHF cases and the spread of this disease is increasing along with mobility and population density. Radial basis function neural network (RBFNN) in this final project is implemented to predict the number of weekly DHF incidents in DKI Jakarta. RBFNN in this final project was implemented to predict the number of weekly DHF incidents in DKI Jakarta. RBFNN is a feed forward neural network model that has a single hidden layer. The hidden layer of RBFNN is constructed by an activation function. K-means clustering algorithm is used to improve the performance of RBFNN to determine the center and width of the activation function. The performance of RBFNN can be seen from the RMSE generated in the training data and testing data. From the implementation, it can be obtained that the choice of RBFNN structure or model is very influential on the predicted results obtained. In this final project, RBFNN is able to predict the weekly incidence of DHF in DKI Jakarta quite well but RBFNN has not been able to predict well the data that soared in the testing data.

"

"Pada masa sekarang ini, teknologi semakin berkembang dan terus berkembang dengan cepat. Terutama kebutuhan adanya teknologi automasi yang memerlukan pengembangan lebih dalam lagi sehingga dapat menghasilkan teknologi cerdas yang dapat merespon tanggapan dengan cepat. Penelitian ini melakukan percobaan penerapan jaringan saraf tiruan radial basis function menggunakan metode backward dan metode Orthogonal Least Square (OLS). Berdasarkan hasil percobaan dapat dilihat bahwa penerapan jaringan saraf tiruan radial basis function metode OLS memiliki proses pelatihan yang lebih cepat dibandingkan penerapan jaringan saraf tiruan radial basis function metode backward. Selain itu, tingkat keakuratan yang dimiliki jaringan saraf tiruan radial basis function metode OLS juga tinggi.

---

In recent years, technology get better and better. The need of automatic technology that need to be developed more serious so it can result smart technology that can response the stimulation quickly. This research do experimentation on radial basis function neural network using backward methode and Orthogonal Least Square (OLS) methode and then compared with backpropagation neural network.

Based on result of experimentation we can conclude that radial basis function neural network using Orthogonal Least Square (OLS) method has training processing time faster than radial basis function neural network using backward method. Beside of that, radial basis function neural network using Orthogonal Least Square (OLS) method has high accuracy too."

"ABSTRAKMasalah utama dari jaringan Automated Teller Machine (ATM) adalah ia hanya memiliki satu koneksi Wide Area Network (WAN). Sebagian besar ATM menggunakan akses Very Small Aperture Terminal (VSAT) pada koneksi WAN mereka untuk dapat terhubung ke jaringan melalui satelit. Memiliki hanya satu akses pada sebagian besar jaringan ATM akan menjadi masalah besar ketika satelit yang digunakan ATM tersebut mengalami masalah. Seiring dengan perkembangan teknologi, Software-Defined WAN (SD-WAN) dapat memanfaatkan 4G/LTE dengan layanan internet broadband sebagai salah satu koneksi WAN yang dapat digunakan. Dengan menggunakan SD-WAN dengan 4G/LTE, ATM akan memiliki setidaknya dua koneksi WAN ke jaringannya, sehingga lalu lintas akan dipindahkan secara otomatis jika salah satu koneksi mati atau mengalami penurunan performa. Oleh karena itu, pada penelitian ini akan dianalisis kelayakan dari implementasi SD-WAN dengan 4G/LTE untuk memberikan koneksi alternatif / cadangan untuk jaringan ATM dengan menggunakan metode tekno ekonomi. Ada dua tujuan utama dalam menggunakan metode ini. Pertama, hal ini bertujuan untuk merancang arsitektur jaringan yang dapat memecahkan masalah saat ini pada jaringan ATM dengan memanfaatkan SD-WAN. Kedua, analisis kelayakan investasi dari arsitektur jaringan yang diusulkan. Hasilnya menunjukkan bahwa secara teknis SD-WAN dengan 4G/LTE dapat digunakan sebagai koneksi cadangan. Arsitektur yang diusulkan adalah VSAT akandigunakan sebagai koneksi utama untuk meneruskan lalu lintas data dan 4G/LTE sebagai cadangan dalam keadaan siaga (tidak meneruskan lalu lintas data). 4G/LTE akan digunakan jika koneksi VSAT sedang mati atau mengalami penurunan performa. Dari pandangan ekonomi, implementasi SD-WAN dengan 4G/LTE adalah layak dan menguntungkan. Net Present Value (NPV) yang didapatkan sebesar 226,51 miliar rupiah. Internal Rate of Return (IRR) yang didapatkan sebesar 48%. Payback Period (PBP) yang diperoleh adalah 3,3 tahun.

---

ABSTRACTThe main problem of the Automated Teller Machine (ATM) network is that it has only one Wide Area Network (WAN) connection. Most ATMs use the Very Small Aperture Terminal (VSAT) access on their WAN connections to be able to connect to their networks via satellite. Having only VSAT access on most ATMs will be a big problem when the satellite is having the problem. Along with technological developments,Software-Defined WAN (SD-WAN) technology can utilize 4G/LTE with broadband Internet service as a WAN connection. By using SD-WAN with 4G/LTE, an ATM will have at least two WAN connections to its network, so traffic will be moved automatically if one of the connections is down. Therefore, this paper will analyze the implementation of SD-WAN using 4G /LTE to provide a redundant / backup connection for the ATM network using the techno-economic method. There are two main objectives in using this method. First, it aims to design the network architecture that can solve the current problem in the ATM network by utilizing SD-WAN. Second, it analyzes the investment feasibility from the proposed network architecture. The results show that technically SD-WAN with 4G/LTE can be used as a redundant connection. The proposed architecture is VSAT will be used as the primary link to forward traffic and 4G/LTE as a backup in the standby state (not forwarding traffic). 4G/LTE will be used if the VSAT connection is down or underperforming. From the economic view, the implementation of SD-WAN with 4G/LTE is feasible and profitable. The Net Present Value (NPV) obtained is 226.51 billion rupiahs. The Internal Rate of Return (IRR) obtained 48%. The Payback Period (PBP) obtained is 3.3 years."