Hasil Pencarian  ::  Simpan CSV :: Kembali

"Seperti halnya model Gravity maka model Intervening Opportunities merupakan model sintetis. Pendistribusian perjalanan dari asal perjalanan ke masing-masing tujuan perjalanan berdasarkan model Intervening Opportunities sangat ditentukan oleh parameter model yang disebut dengan parameter L. Parameter L merupakan parameter yang menyatakan bahwa probabilitas perjalanan yang keluar dari suatu lokasi asal perjalanan akan berhenti pada sembarang lokasi tujuan. Nilai parameter L ini sangat sensitif didalam model sehingga penentuan nilai sangat penting didalam analisis distribusi perjalanan dengan model Intervening Opportunities. Berdasarkan hal tersebut dilakukan analisis metode estimasi parameter (hipotesis pertama) dan analisis pola perjalanan yang sesuai model Intervening Opportunities (hipotesis kedua). Metode estimasi yang diuji adalah metode Regresi, Regresi dengan Optimasi, NLLS, VNLLS dan metode Maksimum Likelihood (ML). Untuk pengujian hipotesis pertama digunakan matrik asal tujuan buatan (artifisial) yang sembarang, sedangkan untuk pengujian hipotesis kedua digunakan matrik artifisial yang dipolakan. Pengujian hipotesis pertama dan kedua juga didukung oleh data matrik A -T kota Jakarta dan kota Balikpapan. Pengujian dan merupakan data matrik kecil. Sedangkan untuk pengujian data matrik besar diambil data matrik asal tujuan yang sesungguhnya yaitu data matrik asal tujuan kota Jakarta dan kota Balikpapan. Hasil analisis data artifisial dan data kota menunjukkan metode NLLS dan metode regresi (optimasi) yang diterapkan pada model Intervening Opportunities "Memaksa" merupakan metode estimasi yang cukup baik dilihat dari hasil uji statistik dan dari total probabilitas yang didapat."

"Model regresi ordinal dua level merupakan model yang digunakan untuk menganalisis data respon ordinal tercluster dan longitudinal. Dalam hal ini variabel respon ordinal yang diketahui, dibentuk dari suatu variabel laten kontinu yang tak diketahui nilainya. Nilai batas kategorik (threshold) pada variabel laten perlu diestimasi bersama-sama dengan koefisien regresi ordinal dua level. Untuk mengestimasi parameter-parameter dan threshold pada model regresi ordinal dua level, digunakan metode estimasi maximum marginal likelihood (MMLE) melalui pendekatan numerik dengan metode Fisher scoring. Pada setiap iterasi metode Fisher Scoring, digunakan Gauss-Hermite Quadrature untuk menghitung secara numerik persamaan marginal likelihood. Untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal tercluster, digunakan data TVSFP di mana siswa bersarang dalam kelas. Sedangkan untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal longitudinal, akan digunakan data psikiatrik di mana pasien diklasifikasikan pada beberapa tingkat keparahan penyakit terhadap beberapa titik waktu (time points). Struktur data dua level yang digunakan untuk data longitudinal adalah perulangan observasi bersarang dalam individu (pasien)."

"Pada skripsi ini dibahas model SIS dengan intervensi berupa pemberian obat dan penggunaan masker kesehatan pada individu terinfeksi. Model ini digunakan untuk menggambarkan perilaku dinamik dari data insiden lapangan pada penyakit SARS di Hong Kong. Pada model yang telah terbentuk dilakukan estimasi parameter beta secara periodik dan konstan yang bersamaan dengan estimasi parameter gamma_0 secara konstan agar sesuai dengan data insiden lapangan tersebut. Pendekatan yang digunakan dalam estimasi ini adalah teori kontrol optimum dengan metode langsung yang meminimumkan euclidian distance antara hasil simulasi I dan data I pada insiden lapangan dengan menentukan nilai parameter yang sesuai dengan model tersebut. Hasil simulasi menunjukkan bahwa nilai parameter beta periodik lebih baik daripada nilai parameter beta konstan dalam menghampiri data insiden lapangan tersebut. Selanjutnya nilai parameter beta dan gamma_0 terbaik yaitu nilai parameter yang membuat hasil simulasi mendekati data insiden lapangan, digunakan untuk mengestimasi nilai parameter u_1 dan u_2 yang paling optimum terkait dengan proporsi pemberian obat dan penggunaan masker yang meminimalkan jumlah individu yang terinfeksi dengan jumlah biaya minimal menggunakan pendekatan teori kontrol optimum dengan metode langsung. Selain teori kontrol optimum, beberapa hasil kajian analitik yang terkait dengan analisis model tersebut proses non minus;dimensional, penentuan titik keseimbangan, analisis kestabilan sistem, penentuan R_0, dan analisis bifurkasi sistem , serta simulasi numerik beserta interpretasi dibahas dalam skripsi ini.

---

In this thesis discussed SIS model with intervention is given medical treatment and the use of health masks on infected individuals. This model is used to describe the dynamic behavior from daily incident data of SARS disease in Hong Kong. On the model that has been formed carried out beta parameter estimation periodically and constantly which simultaneously with gamma 0 parameter estimation constantly to fit on the daily incident data. The approach used in this thesis is the optimal control theory with the direct method which minimizes the euclidian error between the simulation results and the daily incident data by determining the parameter values corresponding to the model.

The simulation results show that the periodic beta parameter value is better than the constant beta parameter value in approaching the daily incident data. Next, the best of beta and gamma 0 parameter value i.e. the parameter value that can make the simulation results fit with the daily incidence data be used to estimate the most optimal u 1 and u 2 parameter values related to proportion the user of medical treatment and medicinal masks intervention that minimizes the number of the infected human with minimal cost using the optimal control theory approach with the direct method. In addition to the above optimal control studies, some analytical result related to the model analysis non dimensionalization process, determination of equilibrium point, system stability analysis, determination of the basic reproduction number, and system bifurcation analysis , and numerical simulations with the interpretation of the result are discussed in this thesis."

"Dalam model panel data dinamis terdapat lag dari variabel dependen yang menyebabkan variabel eksplanatori berkorelasi dengan error. Lag dari variabel dependen tersebut dinamakan variabel endogen eksplanatori. Dengan adanya variabel endogen eksplanatori, estimasi secara OLS menjadi bias dan inkonsisten. Oleh karena itu sebelum menaksir parameter pada model panel data dinamis harus dilakukan first-difference untuk menghilangkan efek individu dan selanjutnya dilakukan instrumental variabel pada variabel endogen eksplanatori. Kemudian untuk mendapatkan taksiran yang unbiased, konsisten, dan efisien, model ini ditaksir dengan metode Arellano dan Bond yang menggunakan prinsip GMM optimal."

"Model Cox merupakan model yang sering digunakan untuk menganalisis time-tovent data, yaitu data yang pengamatannya bergantung pada waktu. Terkadang, Selain informasi tentang waktu, data time-to-event juga dilengkapi dengan informasi tambahan (variabel penjelas). Analisis data waktu ke acara seperti ini dengan menggunakan model Cox akan menghasilkan perkiraan bahaya. Model Cox memiliki dua komponen utama yaitu baseline hazard dan mengandung fungsi eksponensial koefisien regresi. Bahaya didefinisikan sebagai produk antara dua komponen ini. Untuk dapat memperoleh bahaya spesifik, bahaya baseline dan koefisien regresi di model Cox harus diperkirakan. Dalam tesis ini, asumsi konstanta akan didefinisikan sebagai bahaya dasar dari model Cox. Kemudian, konstanta dan koefisien regresi dimasukkan Model ini akan diestimasi dengan menggunakan metode Bayesian dimana sampel diambil Parameter distribusi posterior dilakukan dengan menggunakan metode Markov chain Monte Carlo dengan algoritma pengambilan sampel Gibbs. Untuk metode Bayesian, distribusi sebelumnya untuk Bahaya baseline diasumsikan mengikuti distribusi gamma dan untuk koefisien regresi diasumsikan mengikuti distribusi normal. Data EKG (echocardiogram) yang terdiri dari106 observasi dan enam variabel penjelas digunakan dalam analisis. Mendapatkan hasil bahwa estimasi parameter yang diperoleh konvergen.

---

The Cox model is a model that is often used to analyze time-to-event data, namely data whose observations are time dependent. Sometimes, in addition to information about time, time-to-event data is also supplemented with additional information (explanatory variables). Analysis of time-to-event data like this using the Cox model will yield hazard estimates. The Cox model has two main components, namely the baseline hazard and contains an exponential regression coefficient function. Hazard is defined as a product between these two components. In order to obtain a specific hazard, the baseline hazard and regression coefficient in the Cox model must be estimated. In this thesis, the constant assumption will be defined as the basic hazard of the Cox model. Then, the constants and regression coefficients are entered. This model will be estimated using the Bayesian method where the sample is taken. Posterior distribution parameters are carried out using the Markov chain Monte Carlo method with the Gibbs sampling algorithm. For the Bayesian method, the previous distribution for baseline hazard is assumed to follow the gamma distribution and for the regression coefficient it is assumed to follow a normal distribution. EKG (echocardiogram) data which consists of

106 observations and six explanatory variables were used in the analysis. Obtain the result that the parameter estimates obtained are convergent."

"ABSTRAKWaktu merupakan konsep abstrak yang tidak bisa dilihat secara kasat mata sehinggamanusia menggunakan analogi dari konsep lain yang lebih konkrit dalam menjelaskankonsep waktu. Analogi tersebut tercermin dalam bentuk metafora yang digunakandalam berbahasa. Hasil-hasil penelitian memperlihatkan bahwa metafora waktu bisaberbeda antar budaya. Dalam konteks budaya Barat yang menggunakan bahasa Inggris,terdapat dua metafora yang menggambarkan pergerakan waktu dari sudut pandang egoreference,yakni ego-moving dan time-moving (Lakoff & Johnson, 1980). Di Indonesia,penelitian tentang waktu masih terbatas. Hasil-hasil penelitian lintas budaya terkaitwaktu menunjukkan adanya sikap maupun penalaran temporal yang berbeda antaraorang Indonesia dengan orang dari budaya lain (Boroditsky, Ham, & Ramscar, 2002;Levine & Norenzayan, 1999). Didasari oleh hasil-hasil penelitian tersebut danpandangan Linguistic Relativity Hypothesis dari Benjamin L. Whorf (1956), penelitiberargumen bahwa metafora pergerakan waktu yang dimiliki dalam konteks budayaIndonesia berbeda dengan yang terkandung dalam bahasa Inggris. Tiga studi padadisertasi ini mencoba melihat secara lebih detil tentang metafora waktu yang terkandungdalam budaya Indonesia serta pengaruh metafora pergerakan waktu terhadap ketepatanseseorang mengestimasi durasi waktu. Penelitian eksploratif pada Studi 1 (N=50 orang)memperlihatkan bahwa metafora waktu dalam budaya Indonesia dianalogikan dalamkonteks spasial, memiliki ciri fisik, dan pergerakan. Namun, metafora pergerakan waktuyang diperoleh belum mengkonfirmasi metafora pergerakan waktu dari sudut pandangdiri (ego-reference point). Penelitian eksperimental pada Studi 2a (N= 139 orang), Studi2b (N= 64 orang) dan Studi 3 (N=123 orang) menunjukkan bahwa metafora pergerakanwaktu dalam konteks budaya Indonesia lebih cenderung pada metafora time-movingdibanding ego-moving. Lebih lanjut, hasil Studi 3 memperlihatkan bahwa primingmenggunakan metafora pergerakan waktu (ego-moving vs. time-moving) tidakberpengaruh terhadap estimasi durasi waktu, namun durasi tugas (pendek vs. panjang)berpengaruh terhadap estimasi. Tiga studi yang dilakukan pada disertasi inimenggunakan mahasiswa sebagai partisipan penelitian. Hasil penelitian inimenunjukkan bahwa: (1) metafora waktu dalam konteks budaya Indonesia berbedadengan bahasa Inggris; (2) metafora pergerakan waktu dalam bahasa Indonesia lebihmencerminkan time-moving daripada ego-moving; dan (3) akurasi estimasi durasi waktulebih dipengaruhi oleh durasi tugas dibanding metafora pergerakan waktu. Implikasipenelitian selanjutnya didiskusikan pada disertasi ini.

---

ABSTARCTA concrete object, as an analogy or a metaphor, is often used to explain an abstractconcept, such as time. People can use a metaphor in their language to better explaintime movements. Previous research on time metaphor suggested that culture mayinfluence how people perceived time movements. From the ego-reference point of view,two metaphors, namely ego-moving and time-moving, are often used to describe timemovements in English in Western culture (Lakoff & Johnson, 1980). On the other hand,cross-cultural studies on time metaphor based on Linguistic Relativity Hypothesistheory showed that Indonesian had different time attitudes and temporal reasoning thanother cultures (Boroditsky, Ham, & Ramscar, 2002; Levine & Norenzayan, 1999;Whorf, 1956). Research on time metaphors in Bahasa Indonesia is still lacking.Therefore, this dissertation aimed to investigate if Indonesian have a differentperception of time movements than Western culture. Three studies on time metaphorswere conducted to look in a more detailed the effect of time movement metaphors onthe accuracy of time duration estimation. Participants of these studies were universitystudents. An explorative study from Study 1 (N= 50 participants) showed that timemetaphors in Indonesian culture were analogically described in spatial contexts,physical characteristics, and movement. However, in terms of time movement, Study 1did not confirm the type of metaphors that reflects ego-reference point. Usingexperimental studies in Study 2a (N= 139 participants), Study 2b (N= 64 participants)and Study 3 (N=123 participants) found that time movement metaphor in the context ofIndonesian culture was more likely to be a time-moving than an ego-moving metaphor.Furthermore, the results in Study 3 showed that priming using ego-moving vs. timemovingmetaphor did not affect the estimated time duration, but task duration (short vs.long) affected the estimation. The results of these studies indicate that: (1) timemetaphors in the context of Indonesian culture were different from English; (2) timemovement metaphors in Indonesian reflected more time-moving than ego-movingmetaphor; and (3) the accuracy of the estimated time duration was more influenced bythe length of the task than the time movement metaphor. The implications of thesestudies were further discussed."

"ABSTRAKPenggunaan pemakaian pompa sentrifugal sangat luas, untuk penunjang proses industri, irigasi maupun untuk kebutuhan rumah tangga dan lain-lain.Guna mengantisipasi perkembangan dan permintaan konsumen yang akhir-akhir ini meningkat, maka industri manufaktur perlu dengan teliti menghitung waktu operasi proses pabrikasi, supaya tepat menghitung biaya produksinya. Dengan demikian pompa yang dihasilkan mempunyai daya saing di pasar.Penelitian ini membahas estimasi waktu, untuk mendapatkan target waktu operasi elemen-elemen utama pompa sentrifugal, melalui regresi linier dari metoda kuadrat larked, kemudian dipakai sebagal dasar untuk menghitung perkiraan biaya (cost estimation) dari biaya produksi (manufacturing cost).Berdasarkan hasil waktu dari Model, maka didapatkan hasil yang mendekati dengan waktu pengamatan pabrikasi sebenarnya, demikian juga biaya produksi dari model memperlihatkan hasil mendekati dengan biaya produksi sebenarnya.

---

ABSTRACTThe use of centrifugal pump Is widely utilized for Industrial process, irrigation, home appliance needs, etc.

The development of industry as well as the national domestic demands have recently increased, industrial manufacture needs the accurate production cost time calculation in order to get the exact budget of manufacturing cost. By means of this, the pump manufacture can Increase the gain of the competitive quality In the global marketing.

The research deals with the discussion of time operation estimate to reach the target of operating time of main element through the linear regression using the smallest square method. Using this method the cost estimation could be calculated from the total manufacturing cost.

The result indicates that the time estimated by this model have a close value comparing with the time estimation observed directly in the field. The cost production model have the same result as well as the time estimation model comparing with the real one. The cost production obtained by this model reaches the closest result compared with the manufacturing cost of the exact one."

"Risiko operasional merupakan salah satu jenis risiko pada perbankan yang wajib dikelola dengan baik karena sifatnya yang melekat pada setiap aktifitas fungsional bank. Dalam pengelolaan risiko operasional, bank dipersyaratkan untuk memperhitungkan kerugian yang diperkirakan dan kerugian yang tidak diperkirakan dalam kebutuhan modal bagi risiko operasional. Kebutuhan modal bagi risiko operasional ini dikenal sebagai Economic Capital (EC). Komite Basel dalam aturan Basel II, memberikan tiga pendekatan dalam perhitungan EC salah satunya pendekatan Advanced Measurement Approach (AMA). Metode AMA yang banyak digunakan adalah metode Loss Distribution Approach (LDA). Dalam metode LDA, bank harus mengestimasi loss severity distribution (distribusi severitas) dan loss frequency distribution (distribusi frekuensi) kemudian membentuk aggregate loss distribution dari gabungan kedua distribusi tersebut. Nilai EC dengan metode LDA didapat dari Value at Risk (VaR) pada aggregate loss distribution dengan tingkat kepercayaan 99,9%. Permasalahan dari metode LDA saat ini adalah dalam mengestimasi distribusi severitas masih berbasis pada suatu model distribusi tertentu, padahal banyak kasus dimana data tidak dapat digambarkan dengan baik oleh suatu model distribusi yang sudah ada. Oleh karena itu, dalam tulisan ini akan dijelaskan solusi dari permasalahan tersebut, yaitu dengan mengestimasi distribusi severitas berbasis pada data. Metode yang digunakan adalah Kernel Density Estimation (KDE). KDE merupakan suatu pendekatan statistika non-parametrik untuk mengestimasi fungsi distribusi probabilitas dari suatu variabel acak jika diasumsikan bentuk atau model distribusi dari variabel acak tersebut tidak diketahui. Hasil dari penelitian adalah estimasi distribusi severitas oleh KDE lebih baik dalam menggambarkan data dibandingkan dengan menggunakan model distribusi tertentu. Nilai EC yang dihasilkan oleh metode LDA yang menggunakan KDE lebih kecil 1,6 – 3,2% dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan model distribusi tertentu.

---

Operational risk is one kind of risk on banking which must be managed well because of its character is inherent in every fungtional activity in Bank. In the management of operasional risk, Bank must be able to calculate a predictable loss and an unpredictable loss in capital requisite for operasional risk. The capital requisite in operasional risk is known as Economic Capital (EC). In the regulation of Basel II, Committee Basel gives three approaches of calculation in EC. One of that is Advanced Measurement Approach (AMA). In AMA method that is the most used in approach is Loss Distribution Approach (LDA) method. In LDA method, Bank must be able to estimate loss severity distribution (severity distribution) and loss frequency distribution (frequency distribution) and aggregate loss distribution is formed from both of them. Through LDA method, the value at EC can be gotten from Value at Risk (VaR) in aggregate loss distribution with the level of confidence reaches 99,9%. The problem from LDA method recently is in estimation a severity distribution which is still refers to a model on particular distribution whereas there are many cases which can not describe a data well through a distribution model that has been there. Therefore, in this paper, it will be explained how to face or the good solution from that problem. The good solution to face it is through estimation severity distribution that is refers to the data with using Kernel Density Estimation (KDE) method. KDE is a statistic approach non- parametric to estimate the function of distribution from disordered variabel that has not known. The result on this research is estimation of severity distribution through KDE is better than another in describing the data. LDA method using KDE is smaller the value at EC 1,6 % - 3,2 % than the value at EC using another distribution model in LDA method."

"Tugas akhir ini secara umum bertujuan untuk membahas latent class model yaitu suatu model yang menghubungkan probabilitas respon suatu individu untuk variabel-variabel indikator dengan suatu variabel laten yang bersifat kategorik. Penaksiran parameter dalam latent class model menggunakan taksiran Maximum Likelihood, yang dicari melalui algoritma EM (Expectation-Maximization). Kecocokan model diuji dengan uji rasio likelihood. Model terbaik dengan banyak kelas optimal dipilih berdasarkan reduksi 2 L , dimana 2 L adalah nilai statistik uji untuk banyak kelas terkait. Berdasarkan banyak kelas yang terbentuk pada model terbaik ini, individu-individu akan dikelompokkan ke dalam kelas-kelas tersebut. Metode tersebut akan diterapkan untuk mencari latent class model dengan tingkatan gejala pasien demam berdarah sebagai variabel laten kategorik yang dibentuk dari 5 variabel indikator kategorik, yaitu transfusi, nadi, tekanan darah, hb darah, dan trombosit. Hasil analisis data menunjukkan bahwa tingkatan gejala demam berdarah dapat dikategorikan menjadi 3 kelas."

"Pertumbuhan tingkat konsumsi bahan bakar minyak bumi untuk keperluan kendaraan bermotor semakin hari semakin meningkat, sehingga perlu dikembangkan bahan bakar alternatif selain minyak bumi. Salahnya satunya adalah biogasoline berbahan dasar minyak sawit. Hambatan utama yang sering dihadapi dalam pengembangan bahan bakar alternatif adalah mahalnya biaya untuk menentukan angka oktan sebagai satu parameter penting dalam penilaian kualitas bahan bakar. Kemajuan teknologi komputasi saat ini memungkinkan untuk memprediksi angka oktan bogasoline berdasarkan densitas dan suhu destilasi 50% dengan menggunakan jaringan saraf tiruan. Model jaringan yang dapat digunakan untuk memprediksikan angka oktan biogasoline adalah Multi Layer Feed Forward, Radial Basis, Generalized Regression dan Recurrent Network. Hasil simulasi menunjukkan tidak ada satupun model yang dapat digunakan untuk semua kondisi data masukan, namun dapat memprediksikan angka oktan dengan cukup baik jika syarat data masukan yang diberikan memenuhi syarat yang diharuskan.

---

The fuel demand for engine vehicle is increasing by the time while, thus the development for fuel alternative should be more paid attention. One of the prosperous product as fuel alternative is biogasoline made from crude palm oil. The most common problem occurred on developing biogasoline is the high cost on determination of the octane umber as a critical parameter on quality.

Recently, technology computation has been applied to estimate the octane number of biogasoline based on density and temperature of 50% destilation properties by using the artificial neural network. Neural network models known for this purpose are multi layer feed forward, generalized regression, radial basis and recurrent neural network.

Using the GUI MATLAB, four models network mentioned, showed that none of them could be used for any conditions of input data. The typical model is works properly for typical data input only."