Hasil Pencarian  ::  Simpan CSV :: Kembali

"Analisis survival merupakan analisis statistika yang digunakan untuk menyelidiki waktu tahan hidup suatu benda atau individu pada keadaan tertentu. Dalam melakukan analisis survival dibutuhkan data survival yang meliputi waktu survival dan status waktu survival dari objek yang diteliti. Data survival yang diperoleh dapat berupa data lengkap atau data tidak lengkap. Data tidak lengkap data tersensor dapat berupa data tersensor kanan, kiri, atau interval. Data tersensor kanan dapat berupa data tersensor kanan tipe I atau data tersensor kanan tipe II. Dalam penelitian ini akan digunakan data tersensor kanan tipe II. Fungsi survival yang akan digunakan adalah fungsi survival dari distribusi Lomax. Distribusi Lomax memiliki dua paremeter, yaitu parameter bentuk dan parameter skala. Dalam penelitian ini, parameter yang akan ditaksir adalah parameter bentuk dengan asumsi parameter skala telah diketahui. Metode yang digunakan dalam penelitian ini adalah metode Bayes. Penelitian ini akan menggunakan prior Gamma sebagai distribusi conjugate prior dan fungsi Loss yang akan digunakan dalam penelitian ini adalah balanced squared error loss function BSELF.

---

Survival analysis is a statistical analysis used to investigate the life time of an object or an individual in a special case. In survival analysis, survival data is needed which includes the survival time and status of the survival time of the object under study. The survival data obtained can be either complete data or incomplete data. Incomplete data censored data can be either right, left, or interval censored data. The right censored data can be either right censored data type I or type II.

In this study will be used the right censored data type II. The survival function to be used is the survival function of the Lomax distribution. The Lomax distribution has two parameters, that is the shape parameter and the scale parameter. In this study, the parameter will be estimate is the shape parameter with the assumption of scale parameters has been known. The method used in this study is Bayes method. This study will use prior Gamma as conjugate prior distribution and Loss function will be used in this study is balanced squared error loss function BSELF."

"Dalam Penelitian ini akan dicari taksiran mean stratum pada sampling acak stratifikasi. Pada sampling acak stratifikasi, seringkali hanya tersedia beberapa pengamatan pada masing-masing strata. Kecilnya ukuran sampel akan menyebabkan penaksir langsung dari mean stratum menjadi kurang tepat. Metode alternatif yang dapat digunakan untuk menaksir mean dari stratum adalah dengan menggunakan metode Empirical Bayes. Metode Empirical Bayes digunakan untuk mencari taksiran mean stratum pada sampling acak stratifikasi dengan cara menggabungkan informasi awal atau informasi yang telah tersedia sebelumnya tentang parameter yang akan ditaksir dengan informasi dari data sampel. Informasi awal disebut juga informasi prior. Penggabungan dari informasi prior dan informasi dari data akan menghasilkan informasi posterior. Dalam metode Empirical Bayes, informasi prior tidak tersedia sehingga informasi prior diestimasi dari data.

---

In this research will find the estimated stratum mean in stratified random sampling. In the stratified random sampling, often only available a few observations in each strata. The small sample size would cause a direct estimator of the mean stratum becomes less precise. Alternative methods that can be used to estimate the mean of the stratum is to use the Empirical Bayes method. Empirical Bayes methods used to find the estimated mean stratum in stratified random sampling by combining the initial information or information that has been available previously on the parameters to be estimated with information from the data sample. Preliminary information also known as prior information. The incorporation of prior information and information from the data will result in posterior information. In the Empirical Bayes method, prior information is not available so the information estimated from prior data."

"ABSTRAKTugas akhir ini membahas mengenai metode Bayes dalam penaksiran parameter skala dari distribusi Nakagami menggunakan dua fungsi loss, yaitu Square Error Loss Function dan Precautionary Loss Function. Pada tugas akhir ini juga akan dicari Resiko Posterior dari masing-masing taksiran. Sebagai pembanding untuk taksiran dengan menggunakan metode Bayes, akan dicari juga taksiran parameter skala dari distribusi Nakagami menggunakan metode Maksimum Likelihood. Sebagai ilustrasi, akan dilakukan simulasi dengan data yang berdistribusi Nakagami ( ). Setelah taksiran telah didapatkan, akan dihitung Mean Square Error dari masing-masing taksiran. Hal tersebut dilakukan untuk mengetahui seberapa baik taksiran yang dihasilkan oleh metode Bayes.

---

ABSTRACT

This paper discusses about Bayesian Method in estimating the scale parameter of Nakagami Distribution using two loss function, that is Square Error Loss Function and Precautionary Loss Function. This paper will also find the posterior risk from each of the estimator. As the comparison of the Bayesian estimate, the estimator using Maximum Likelihood method will also be considered. For the illustration, simulation with Nakagami distributed data ( ) will be performed. Once the estimate have been obtained, Mean Square Error on each estimate will be calculated. This is done to measure the performance of the estimate produced by Bayesian method."

"This study aims to conduct risk assessment on information vulnerabilities, to get the level of information vulnerabilities, and to generate strategic recommendations to overcome information vulnerabilities in the X Library using OCTAVE Allegro as a method. The result showed that from 4 categories, information vulnerabilities at X Library is at category 3 or vulnerable enough with 22 areas of concern or equal to 42.31%. The risk assessment carried out in X Library turns the result that there are 10 assets information held by the Head of Central Library, Adminisration Services Unit, Cataloging and Classifying Unit, Circulation Services Unit, Reference Services Unit. The second result is contained threats to information assets by 52 areas of concern that conducted by internal X Library are 14 actors, by internal X are 13 actors, and by external are 2 actors. The third result is there are 62 consequences of 52 information assets with at the most consequences found in electronic document collections X-ana which from 6 areas of concern produce 10 consequences. The strategic recommendations to overcome the information vulnerabilities in X Library is adjusted according to the risk mitigation that carried out in each area of concern which is called the control or risk control. From the results of this risk assessment that can be done is to reduce or eliminate risk (mitigate) as many as 21 areas of concern, to transfer or mitigate risk as many as 16 areas of concern, to defer the risk a total of 12 areas of concern, and to receive risk (accept) or defer as much as 3 areas of concern."

"Traveling salesman problem (TSP) adalah permasalahan mencari rute perjalanan terpendek yang melalui sejumlah berhingga kota dengan syarat setiap kota hanya dikunjungi tepat satu kali dan perjalanan harus dimulai dan diakhiri pada kota yang sama. TSP dapat direpresentasikan dengan graf berbobot G = (V, E), dimana V adalah himpunan simpul yang menyatakan kota, E adalah himpunan busur yang menyatakan jalur penghubung antar kota, dan bobot tiap busur menyatakan jarak antar kota. TSP yang dibahas adalah TSP yang direpresentasikan dengan graf lengkap dan memenuhi ketaksamaan segitiga: untuk sembarang 2 simpul, bobot busur langsung lebih kecil dari total bobot melalui kota lain. Tiap busur pada graf TSP dapat diberikan nilai/label berupa bilangan bulat non negatif sedemikian sehingga untuk setiap simpul jumlah label busur-busur yang menempel pada simpul tersebut adalah sama, yaitu suatu konstanta k. Pemberian nilai seperti ini disebut sebagai pelabelan ajaib-k. Suatu graf berbobot dapat dilabel dengan banyak cara pelabelan ajaib-k. Skripsi ini membahas konstruksi batas bawah solusi optimal TSP yang memenuhi ketaksamaan segitiga menggunakan pelabelan ajaib. Pelabelan ajaib yang digunakan adalah pelabelan ajaib berkapasitas, yaitu kasus dimana diberikan batas atas label busur: r Î 6 - 2007)."