Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem sensor robot selalu didukung oleh sebuah sistem komputer yang dikenal sebagai 'visi komputer'. Konsep penting dalam visi komputer adalah klasifi kasi objek. Dalam kajian ini, dua buah algoritma untuk klasifi kasi objek akan dibandingkan. Pertama adalah metode sederhana yang tidak memerlukan komputasi komplek yang dianggap sebagai metode informal, disebut sebagai metode pohon keputusan biner. Metode ini bertumpu pada ciri deskriptor yang sederhana dari suatu objek seperti garis vertikal, garis horisontal atau elip. Sayangnya metode ini memiliki kelemahan dalam mengenali objek yang terkontaminasi oleh noise. Metode yang kedua adalah metode yang lebih formal dengan deskriptor yang bervariasi tinggi. Dalam konteks ini pendekatan statistik multivariat dengan metode yang disebut analisis diskriminan diajukan sebagai alternatif untuk klasifi kasi objek. Metode ini dijalankan dengan menghitung suatu fungsi yang disebut fungsi diskriminan Fisher yang dapat digunakan untuk memisahkan objek. Dari simulasi data dan analisis untuk klaifi kasi dua objek, yaitu skrup dan baut dan tiga objek ,yaitu huruf T,O dan S dapat ditunjukkan bahwa analisis diskriminan dapat mengklasifi kasi objek dengan lebih baik dari pada metode pohon keputusan biner. Kelebihan ditunjukkan terutama pada objek yang mengalami noise.

---

A robotic sensor system is always supported by a computer system called 'computer vision'. The important concept of computer vision is object classfiication. In this study two algorithms for object classification in this system will be compared. Firstly, A simple method that do not need complex computation and that considered as an informal method is called binary tree decision structure. This method is based on modest caracteristic decriptors of an object such as vertical line, horizontal line or ellipse line. Unfortunately this method has weakness in recognize an image that contaminated by a noise. Secondly, a more formal method with high variability descriptors. In this contect a multivariate statistical approach named discriminant analysis is proposed as an alternative for object classifi cation. This method is operated by computation of a function called Fisher discriminant function that can be used for separating an object. From the data simulation and analysis for calssifi cation of two object i.e. screw and bolt and three objects i.e. alphabet T,O and S it can be shown that discriminant analysis approach can classify an object better than binary decision algorithm. The superority of discriminant method is especially seen when this method is applied for classifi cation of a noisy image of object."

"Sistem sensor robot selalu didukung oleh sebuah sistem komputer yang dikenal sebagai 'visi komputer'. Konsep penting dlm visi komputer adalah klasifikasi objek. Dalam kajian ini dua buah algoritma untuk klasifikasi objek akan dibandingakan. Pertama adalah metode sederhana yang tidak memerlukan komputasi komplek yang dianggap sbg metode informal disebut sebagai metode pohon keputusan biner. Metode ini bertumpu pada ciri deskriptor yg sederhana dari suatu objek seperti garis vertikal, garis horisontal atau elip. Sayangnya metode ini memeiliki kelemahan dlm mengenali objek yg terkontaminasi oleh derau. Metode yg kedua adalah metode yg lebih formal dengan deskriptor yg bervariasi tinggi. Dlm konteks ini pnedekatan statistik multivariat dengan metode yg disebut analisis diskriminan diajukan sbg alternatif utk klasifikasi objek. Metode ini dijalankan dengan menghitung suatu fungsi yg disebut fungsi diskriminan fisher yang dapat digunakan untuk memishkan objek. Dari simulasi data dan analisis untuk klasifikasi dua objek yaitu skrup dan baut, dan klasifikasi tiga objek yaitu huruf T, O dan S dapat ditunjukkan bahwa analisis diskriminan dapat mengklasifikasi objek dengan lebih baik dari pada metode pohon keputusan biner. Kelebihan ditunjukkan terutama pada objek yang mengalami derau."

"Kebanyakan penelitian mengenai kriminalitas lebih difokuskan pada aspek sosiologi. Penelitian mengenai kenakalan remaja, kejahatan profesional, penyebab terjadi kejahatan dan berbagai aspek kriminalitas lainnya telah banyak dibuat. Namun penelitian mengenai kriminalitas dari aspek karakteristik wajah sang pelaku kejahatan itu sendiri sangatlah jarang dibuat. Penelitian yang dibuat ini bertujuan untuk melihat hubungan antara jenis kejahatan dengan karakteristik wajah pelaku kejahatan tersebut. Pengambilan data dilakukan dengan metode observasi langsung. Metode statistik yang digunakan untuk menganalisis data adalah analisis diskriminan dan classification tree. Dengan analisis diskriminan didapat fungsi diskriminan yang memisahkan tiap kelompok kejahatan berdasarkan karakteristik wajahnya, fungsi ini dapat digunakan untuk mengklasifikasikan observasi baru ke dalam salah satu kelompok kajahatan. Dengan classification tree didapat ciri wajah seorang narapidana dengan jenis kejahatan tertentu."

"Krisis ekonomi dan moneter yang melanda Indonesia sejak medio 1997 telah merontokkan sejumlah perusahaan di Indonesia, endemi kebangkrutan ini telah memberikan kerugian yang besar bagi para stakeholders perusahaan-perusahaan tersebut, mulai dari pemegang saham yang rugi karena nilai saham perusahaannya jatuh bebas, kreditur yang tidak dapat menagih piutangnya, sampai pegawai yang terpaksa di PHK-kan.Kebangkrutan massal tersebut menyadarkan masyarakat tentang pentingnya prediksi keadaan perusahaan di masa yang akan datang. Karena prediksi ini dilakukan oleh masyarakat umum maka data yang dipergunakan dalam prediksi tersebut haruslah data yang mudah diperoleh, seperti laporan keuangan yang dipublikasikan setiap tahunnya.Sebenarnya telah ada beberapa pemndelan prediksi kebangkrutan perusahaan yang umum dipakai, namun model-model tersebut dibuat berdasarkan data-data di negara lain dan pada tahun yang berbeda, sehingga sedikit banyak kurang sesuai dengan keadaan di Indonesia.Penelitian untuk memodelkan prediksi kebangkrutan ini dibatasi pada perusahaan-perusahaan dalam industri barang konsumsi, namun tidak tertutup kemungkinan dipergunakan pada industri lainnya. Sampel yang dipakai adalah dari 40 pemsahaan dalam kurun waktu 1999 sampai 2004, dan menggunakan 22 rasio-rasio keuangan sebagai indikator atas keadaan likuiditas, efisiensi, leverage, dan profitabilitas perusahaan.Penelitan ini menggunakan data tahun 2000 sebagai tahun dasar dan menghasilkan model:Z = 0.948X, +0.697X5 -1.195X5 +1.319X15 +4.599X17 dimana:Xa total liability/ total shareholder's equityX5 : long term liability/ long term liability + total shareholder's equityX6 : total liability/ total assetX15 net sales/ working capitalX17 net income/net salesModel diskriminan ini menunjukkan akurasi yang cukup balk jika diuji menggunakan sampel data tahun 2000 sampai 2004, dengan akurasi rata-ratanya berturut-turut adalah 100.00%, 97.44%, 97.44%, 97.37%, dan 91.89%.Penelitian ini menyimpulkan bahwa persamaan dengan data tahun 2000 sebagai tahun dasar merupakan prediksi kebangkrutan yang cukup akurat untuk perssaaan dalam industri barang konsumsi di Indonesia dengan menggunakan data tahun 1999-2004.

---

Economic and monetary crises which came to Indonesia since mid 1997 have pulled several companies into bankruptcy. This bankruptcy endemic forced those companies' stakeholder to suffer a major loss, shareholders who suffer loss because their stock prices are free-falling, creditors who can't redeem their debt, and last but not least, employees who loss their job because their companies are bankrupt.

This massive bankruptcy endemic notices people about the importance of company future predictions. Since everybody should be able to do this prediction, therefore every data which required doing the prediction should be easily found, for example, financial report published on the internet.

There are some company bankruptcy models commonly used, but those models are built based on data from different countries and in different year. Therefore those models might not be suitable for Indonesia.

This research to model bankruptcy prediction is limited to companies under consumer goods industry, nonetheless it can be built using data from other industries. Samples to be used are from 40 companies from 1999 to 2004, also there are 22 financial ratios as indicator for liquidity, efficiency, leverage, and company profitability.

This research uses data from financial year 2000 as base year, and the research results:

Z = 0.948X4 +0.697X5 -1.195X5 +1.319X15 + 0.599X17 where:

X4 : total liability/ total shareholder's equity

X5 : long term liability/ long term liability + total shareholder's equity

A 6 : total liability) total asset

X15 : net sales/ working capital

X17 : net income/ net sales

This discriminate model shows a high accuracy when tested using data from year 2000 to 2004, with average accuracy consecutively, 100.00%, 97.44%, 97.44%, 97.37% and 91.89%.

This research concludes that model with year 2000 as base year is an accurate bankruptcy prediction for companies in consumer goods industry in Indonesia using data from year 1999-2004."

"ABSTRAKEra Kesejagatan (globalisasi) diwarnai oleh pergerakan arus uang (flow of fund) dan arus modal (flow of capital) melintasi batas negara menuju kepada negara yang iklim investasinya menjanjikan penghasilan (expected rate of return) yang paling tinggi dengan tingkat resiko yang relatif sama atau lebih kecil. Salah satu instrumen investasi yang akan diburu oleh investor adalah portofolio investasi melalui pasar modal (capital market). Peluang internasionalisasi keuangan tersebut, berusaha ditangkap oleh semua negara didunia dengan terus berusaha memperbaiki iklim investasi yang antara lain dengan pemberlakuan kebijakan-kebijakan yang tepat.Kondisi ini juga diantisipasi oleh pemerintah Indonesia dengan mengeluarkan berbagai kebijaksanaan, yang antara lain mengizinkan investor asing memiliki maksimum 49 % dari saham yang beredar. Kebijakan ini diberlakukan karena sumber-sumber di dalam negeri tidak cukup memenuhi kebutuhan dana pembangunan yang besar.Implikasi peran serta investor asing menjadi menarik untuk disimak, seperti jenis industri yang diminatinya maupun kriteria pemilihan saham berdasarkan karakteristik keuangan perusahaan emiten, yang berdampak pada sekelompok saham diminati sedang kelompok lain diabaikan investor asing.Dalam kaitannya dengan jenis industri, hasil penelitian memperlihatkan kelompok industri infrastruktur, utilitas dan transportasi menjadi industri paling diminati oleh investor asing, dibuktikan dengan tingginya rata-rata prosentase kepemilikan saham oleh investor asing.Mengenai karakteristik keuangan yang menjadi perhatian investor asing, dilakukan analisa diskriminan atas 30 ratio keuangan dalam 3 tahun pengamatan pada 30 perusahaan yang dijadikan sampel, dengan batasan kepemilikan asing 15 % atau kurang masuk kelompok saham diabaikan dan 40 % atau lebih masuk kelompok saham diminati oleh investor asing.Hasil penganalisaan diskriminan menunjukan bahwa tingkat profitabilitas perusahaan, merupakan diskriminator paling baik yang dapat membedakan antara saham diminati dan diabaikan. Disimpulkan bahwa tingkat profitabilitas perusahaan ternyata menjadi pokok perhatian investor asing dalam membeli sahain di Bursa Efek Jakarta, meskipun hasil analisa regresi memperlihatkan kernungkinan adanya faktor lain yang mempunyai pengaruh terhadap minat investor asing pada saham-saham di Bursa Efek Jakarta."

"Kebutuhan perumahan masyarakat merupakan sesuatu yang akan mengalami perubahan sesuai dengan perkembangan ekonomi (lama bekerja, perkembangan kedudukan jabatan, peningkatan pendidikan dan lain-lain) serta perkembangan kehidupan sosial (berkaitan dengan siklus hidup, pola pikir). Perencanaan program penyediaan perumahan perlu mengakomodir kondisi tersebut. Tujuan dari penyusunan tulisan ini dalam rangka mengenal atau mengetahui karakteristik MBR untuk beberapa alternatif status tinggal suatu keluarga dalam suatu rumah, sesuai dengan perkembangan sosial dan ekonominya, dengan mengambil studi kasus di Kota Daerah Istimewa Yogyakarta, dan metode analisis yang digunakan adalah analisis diskriminan. Metode multystage sampling (sampling bertahap) digunakan untuk pengambilan sampel dalam penelitian ini, mengambil resiko kesalahan kurang dari 1%, ditentukan jumlah sampel sebesar 600 kepala keluarga dari 131.092 Kepala Keluarga (KK) di Kota Daerah Istimewa Yogyakarta. Metode analisis deskriptif dan analisis diskriminan. Persamaan fungsi diskriminan yang dibentuk dengan klasifikasi status tinggal tiga (3) klaster sangat memperbaiki (lebih layak) persamaan fungsi diskriminan lima (5) klaster memperlihatkan adanya kenaikan cukup signifikan untuk ketepatan penaksiran pengelompokkan objek ke dalam klaster status tinggal: 1) Kenaikan sebesar 35,5% untuk status tinggal dengan orang tua; 2) Kenaikan sebesar 24,4 % untuk status tinggal sewa/kontrak; 3) Kenaikan sebesar 29 % untuk status tinggal milik."