Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKAproksimasi fungsi dalam proses komputasi sering digunakan hampir di semua bidang analisis numerik. Dua alasan utama penggunaan aproksimasi fungsi adalah untuk memberikan fungsi pendekatan yang efektif dan mendekati suatu fungsi yang rumit dengan fungsi yang lebih sederhana. Tesis ini membahas kinerja algoritma least square dan exhange untuk aproksimasi least square dan minim ax fungsi univariat. Evaluasi kinerja kedua algoritma tersebut diarahkan pada parameter-parameter: order polinomial aproksimasi, panjang interval domain, kelengkungan dan panjang busur, sehingga diharapkan dapat diupayakan kinerja algoritma yang optimal. Kedua algoritma tersebut diimplementasikan pada perangkat lunak MATLAB. Untuk mengukur indikator-indikator kinerja tersebut di atas digunakan beberapa analisis statistik, sedangkan pendugaan kinerja dilakukan dengan membuat model regresi. Hasil numerik menunjukkan bahwa terdapat perbedaan yang signifikan pada lama waktu proses kedua algoritma yaitu waktu proses algoritma least square lebih lama dari pada waktu proses algoritma exchange,.sebaliknya tidak terdapat perbedaan akurasi aproksimasi fungsi. Secara umum, parameter-parameter tersebut berpengaruh terhadap kinerja kedua algoritma. Model regresi eksponensial adalah model yang cukup baik untuk menduga kinerja kedua algoritma. Daftar Pustaka: 17 (1972 - 1994). "

"Penelitian ini bertujuan untuk menganalisis pendekatan aproksimasi minimax, LS-SVM, dan GPR untuk proses pemodelan semivariogram pada metode kriging. Proses ini adalah bagian tahap dalam operasi kriging yang biasanya dilakukan untuk proses interpolasi dan fusi. Kriging sendiri telah banyak digunakan untuk memprediksi nilai spasial yang terbukti lebih baik dalam memprediksi proses dibandingkan dengan metode deterministik, di mana kriging dikategorikan sebagai pada metode interpolasi stokastik. Pendekatan konvensional untuk proses pemodelan semivariogram menggunakan metode weighted least square dengan menggunakan fungsi tertentu. Fungsi yang tersedia untuk metode ini antar lain stable, exponential, spherical, dan lain-lain. Beberapa pembaharuan untuk kasus pemodelan semivariogram saat ini telah dibuat dengan menggunakan teknik regresi seperti LS-SVM. Selain itu sebagai bagian dari kebaruan, pendekatan aproksimasi minimax, LS-SVM, dan GPR yang diusulkan untuk kasus ini dapat meningkatkan akurasi pada hasil interpolasi, dalam hal ini diimplementasikan pada metode ordinary kriging. Pendekatan baru, yang dapat disebut sebagai minimax kriging ini dapat mengurangi eror. Minimax berkontribusi pada prediksi bobot nilai semivariogram lebih baik daripada weighted least square dan proses komputasi yang lebih cepat daripada metode berbasis SVM dan GPR.

---

This study aims to analyze the approach of Minimax, LS-SVM, and GPR approximation for the semivariogram modeling process in the kriging method. This process is part of the stage in kriging operations that are usually carried out for interpolation and fusion processes. Kriging itself has been widely used to predict spatial values which are proven to be better in predicting processes compared to deterministic methods, where kriging is categorized as a stochastic interpolation method. The conventional approach to the semivariogram modeling process uses the weighted least square method using certain functions. Functions available for this method include stable, exponential, spherical, and others. Several updates to the case of semivariogram modeling have now been made using regression techniques such as LS-SVM. Apart from that as part of the novelty, the proposed Minimax, LS-SVM, and GPR approximation approaches for this case can improve the accuracy of the interpolation results, in this case implemented in the ordinary kriging method. This new approach, which can be called minimax kriging, can reduce errors. Minimax contributes to the predicted weighting of semivariogram values better than weighted least square and faster computing processes than SVM and GPR-based methods."

"Perkembangan telekomunikasi pada tahun 2008 menjadi sangat penting bagi dunia telekomunikasi. Industri Telekomunikasi berbasis GSM masih menjadi andalan bagi operator telekomunikasi Telkomsel sebagai sumber pemasukan utama mereka. Perencanaan program pembangunan jangka pendek selama satu tahun kedepan, yang matang diperlukan oleh operator telekomunikasi untuk mengalokasikan anggaran biaya.Dengan menggunakan data periode 2008 untuk seluruh Area Jawa Timur dan metode linier least square untuk melakukan prediksi trafik 2009. Data dikumpulkan selama setahun sebelum dan untuk prediksi selama setahun sesudah. Perhitungan dan prediksi dilakukan untuk mendapatkan komponen nilai growth factor, high season factor, trafik akhir 2009, prediksi pelanggan akhir 2009, program per kuartal, capex dan juga opex guna untuk keputusan analisa investasi.Pertumbuhan trafik 2009 mengalami kenaikan 49.51 % dari tahun 2008. Pertumbuhan pelanggan sebesar 9.51%. Prediksi peningkatan trafik terbesar terjadi pada bulan September 2009 pada akhir sebesar 17.93% dengan growth factor rata-rata 1.18 %. Growth factor tertinggi terjadi pada kabupaten Bondowoso sebesar 1.9 dan terkecil Bangkalan sebesar 1.06. High Season Factor tertinggi pada Nganjuk 1.6 dan terendah pada kabupaten Gresik, Jember, Lamongan, Lumajang, Madiun, Malang, Malang (Kodya), Ngawi, Pasuruan, Ponorogo, Sidoarjo, Trenggalek, Tuban dan Tulungagung. Anggaran 2009 sebesar Rp 553.340.301.544,61 dengan IRR sebesar 9.34 %, Payback period 23,5 bulan dan juga nilai NPV > 0, sehingga proyek layak untuk dijalankan.

---

The development Telecommunication during 2008 became very important for the world of the telecommunications. The Telecommunication industry based on GSM still became the mainstay for Telkomsel which is the biggest telecommunications operator, as the source of their main revenue. Short-tenn planning of the development program for one year m the friture, which is ripe, is needed by the telecommunications operator to allocate the budget of the cost.

The data period collected from 2008 for East Java Area and linear method least square is used to carry out the prediction of the traffic for 2009. The data was gathered during one year before and for the prediction during one year after. The calculation and the prediction was done to get the component thought growth factor, high season factor, also end of year traffic 2009, the prediction of the end subscriber 2009, the program quarterly, capex and Opex furthennore those parameter will be used for investment analysis.

. The growth of the traffic 2009 experienced increase 49.51 % from 2008, and also growth of the customer increase almost 9, 51%. The highest increasing traffic prediction will he occurring in September 2009 at the end of 17, 93% with growth factor in general 1.18 %. The highest Growth factor occur in Bondowoso regency which is 1, 9 and smallest in Bangkalan around 1, 06. the highest High Season Factor come from Nganjuk 1,6 and lowered in Gresik regency, Jember, Lamongan, Lumajang, Madiun, Malang, Malang (the Municipality), Ngawi, Pasuruan, Ponorogo, Sidoarjo, Trenggalek, Tuban and Tulungagung with no HSF. Budgeting for period of 2009 is around Rp 553.340.301.544,61 with IRR value is 9.34 %, payback period 23.5 months and also NPV above 0, means this program is recommended to be done."

"Perkembangan telekomunikasi pada tahun 2008 menjadi sangat penting bagi dunia telekomunikasi. Industri Telekomunikasi berbasis GSM masih menjadi andalan bagi operator telekomunikasi Telkomsel sebagai sumber pemasukan utama mereka. Perencanaan program pembangunan jangka pendek selama satu tahun kedepan, yang matang diperlukan oleh operator telekomunikasi untuk mengalokasikan anggaran biaya. Dengan menggunakan data periode 2008 untuk seluruh Area Jawa Timur dan metode linier least square untuk melakukan prediksi trafik 2009. Data dikumpulkan selama setahun sebelum dan untuk prediksi selama setahun sesudah. Perhitungan dan prediksi dilakukan untuk mendapatkan komponen nilai growth factor, high season factor, trafik akhir 2009, prediksi pelanggan akhir 2009, program per kuartal, capex dan juga opex guna untuk keputusan analisa investasi. Pertumbuhan trafik 2009 mengalami kenaikan 49.51% dari tahun 2008. Pertumbuhan pelanggan sebesar 9.51%. Prediksi peningkatan trafik terbesar terjadi pada bulan September 2009 pada akhir sebesar 17.93% dengan growth factor rata-rata 1.18%. Growth factor tertinggi terjadi pada kabupaten Bondowoso sebesar 1.9 dan terkecil Bangkalan sebesar 1.06. High Season Factor tertinggi pada Nganjuk 1.6 dan terendah pada kabupaten Gresik, Jember, Lamongan, Lumajang, Madiun, Malang, Malang (Kodya), Ngawi, Pasuruan, Ponorogo, Sidoarjo, Trenggalek, Tuban dan Tulungagung. Anggaran 2009 sebesar Rp 553.340.301.544,61 dengan IRR sebesar 9.34%, Payback period 23.5 bulan dan juga nilai NPV > 0, sehingga proyek layak untuk di jalankan.

---

The development Telecommunication during 2008 became very important for the world of the telecommunications. The Telecommunication industry based on GSM still became the mainstay for Telkomsel which is the biggest telecommunications operator, as the source of their main revenue. Short-term planning of the development program for one year in the future, which is ripe, is needed by the telecommunications operator to allocate the budget of the cost. The data period collected from 2008 for East Java Area and linear method least square is used to carry out the prediction of the traffic for 2009. The data was gathered during one year before and for the prediction during one year after. The calculation and the prediction was done to get the component thought growth factor, high season factor, also end of year traffic 2009, the prediction of the end subscriber 2009, the program quarterly, capex and Opex furthermore those parameter will be used for investment analysis. The growth of the traffic 2009 experienced increase 49.51% from 2008, and also growth of the customer increase almost 9, 51%. The highest increasing traffic prediction will be occurring in September 2009 at the end of 17, 93% with growth factor in general 1.18%. The highest Growth factor occur in Bondowoso regency which is 1, 9 and smallest in Bangkalan around 1, 06. the highest High Season Factor come from Nganjuk 1,6 and lowered in Gresik regency, Jember, Lamongan, Lumajang, Madiun, Malang, Malang (the Municipality), Ngawi, Pasuruan, Ponorogo, Sidoarjo, Trenggalek, Tuban and Tulungagung with no HSF. Budgeting for period of 2009 is around Rp 553.340.301.544,61 with IRR value is 9.34%, payback period 23.5 months and also NPV above 0, means this program is recommended to be done."

"Tugas Akhir ini menelaah least square adversarial autoencoder yang menggunakan least square generative adversarial network sebagai diskriminatornya. Diskriminator tersebut meminimalkan fungsi Pearson χ 2 divergence antara distribusi variabel laten dan suatu distribusi apriori. Adanya diskriminator memungkinkan autoencoder untuk membangkitkan data yang memiliki karakteristik yang menyerupai sampel pembelajarannya. Penelitian ini dilakukan dengan membuat program yang memodelkan least square adversarial autoencoder. Program memodelkan dua jenis autoencoder yaitu unsupervised least square adversarial autoencoder dan supervised least square adversarial autoencoder dengan memanfaatkan dataset MNIST dan FashionMNIST. Unsupervised least square adversarial autoencoder menggunakan variabel laten berdimensi 20 sementara supervised least square adversarial autoencoder menggunakan variabel laten masing-masing berdimensi 2, 3, 4, dan 5. Program diimplementasikan menggunakan framework PyTorch dan dieksekusi menggunakan Jupyter Notebook. Seluruh aktivitas pemrograman dilakukan pada environment cloud yang disediakan oleh Floydhub dan Tokopedia-UI AI Center yang masing-masing menggunakan GPU NVIDIA Tesla K80 dan NVIDIA Tesla V100 sebagai perangkat komputasinya. Proses pembelajaran pada unsupervised least square adversarial autoencoder berlangsung selama dua jam sementara pada supervised least square adversarial autoencoder berlangsung selama enam jam. Berdasarkan hasil eksperimen, nilai mean squared error unsupervised least square adversarial autoencoder untuk masing-masing dataset MNIST dan FashionMNIST adalah 0.0063 dan 0.0094. Sementara itu, nilai mean squared error supervised least square adversarial autoencoder pada dataset MNIST sebesar 0.0033. Selanjutnya, nilai Frechet Inception Distance unsupervised least square adversarial autoencoder untuk masing-masing dataset MNIST dan FashionMNIST adalah 15.7182 dan 38.6967. Sementara itu, nilai Frechet Inception Distance supervised least square adversarial autoencoder pada dataset MNIST sebesar 62.512. Hasil tersebut menunjukkan bahwa least square adversarial autoencoder mampu merekonstruksi citra dengan baik, namun kurang mampu membangkitkan citra dengan kualitas sebaik sampel pembelajarannya.

---

This Final Project (Tugas Akhir) investigates the least square adversarial autoencoder that uses least square generative adversarial network as its discriminator. The discriminator minimizes the Pearson χ 2 divergence between the latent variable distribution and the prior distribution. The presence of discriminator allows the autoencoder to generate data that has characteristics that resemble the original data. Python programs were developed to model the least square adversarial autoencoder. This programs try to model two types of autoencoder namely unsupervised least square adversarial autoencoder and supervised least square adversarial autoencoder by utilizing MNIST dataset and FashionMNIST dataset. The unsupervised least square adversarial autoencoder uses latent variables of dimension 20 while the supervised least square adversarial autoencoder uses latent variables with dimensions of 2, 3, 4, and 5, respectively. This programs were implemented using PyTorch and executed using Jupyter Notebook. All of the programming activities are carried out in the cloud environment provided by Floydhub and Tokopedia-UI AI Center, respectively using NVIDIA Tesla K80 GPU and NVIDIA Tesla V100 GPU as their computing resource. Training time in unsupervised least square adversarial autoencoder lasts for two hours while in supervised least square adversarial autoencoder lasts for six hours. The Results of experiments show that the mean squared error of unsupervised least square adversarial autoencoder for MNIST dataset and FashionMNIST dataset are 0.0063 and 0.0094, respectively. Meanwhile, the mean squared error of supervised least square adversarial autoencoder for MNIST dataset is 0.0033. Furthermore, the Frechet Inception Distance scores of unsupervised least square adversarial autoencoder for MNIST dataset and FashionMNIST dataset are 15.7182 and 38.6967, respectively. Meanwhile, the value of Frechet Inception Distance score of supervised least square adversarial autoencoder in MNIST dataset is 62.512. These results indicate that the least square adversarial autoencoder is able to reconstruct the image properly, but is less able to generate images with the same quality as the learning sample."

"Produktivitas, keselamatan, pengiriman, semangat kerja, dan kualitas adalah aspek penting yang harus diperhatikan oleh organisasi untuk memenangkan keunggulan kompetitif di semua lini bisnis. Selain itu, penerapan manajemen mutu dan kebijakan manajemen karyawan yang buruk akan berdampak negatif terhadap kinerja karyawan dan kinerja perusahaan. Moral karyawan dan pencapaian kinerja karyawan akan lebih baik jika perusahaan mendukung penerapan manajemen kualitas yang terintegrasi. Keunggulan kompetitif dan dukungan karyawan dapat dimiliki dengan menerapkan kaidah Manajemen Mutu Terpadu (MMT). Gugus Kendali Mutu (GKM) adalah salah satu aspek dari filosofi Manajemen Mutu Terpadu yang memiliki dampak signifikan pada peningkatan kinerja perusahaan, kinerja karyawan, dan membangun lingkungan yang positif. Penelitian ini bertujuan untuk mengetahui pengaruh implementasi GKM terhadap moral karyawan dan kinerja karyawan di Indonesia. Selain itu, penelitian ini bertujuan untuk memberikan pengetahuan terhadap perusahaan terkait pentingnya penerapan GKM dalam lingkungan perusahaan. Metode yang digunakan pada penelitian ini adalah MANOVA, yang digunakan untuk menganalisis pengaruh hubungan antara tujuan GKM pada moral karyawan dan kinerja karyawan secara empiris, serta dilakukan pemodelan penelitian untuk mengetahui pengaruh masing - masing indikator terhadap variabel masing - masing. Berdasarkan analisis data yang diperoleh dari survei, disimpulkan bahwa implementasi GKM berpengaruh terhadap moral karyawan dan kinerja karyawan secara empiris dan parsial. Dengan nilai pengaruh secara parsial dari GKM terhadap moral karyawan sebesar 51% dan pengaruh GKM terhadap kinerja karyawan sebesar 47,5%, dengan nilai pengaruh indikator terhadap variabelnya sebesar lebih dari 70%.

---

Productivity, safety, delivery, employee morale, and quality is an important aspect that has to be concerned by the organization to win the competitive advantage in all Business fields. Furthermore, poor implementation of quality management and employee management policy will negatively impact employee performance and also company performance. Employee morale and employee performance will be better if the company supports the implementation of integrated quality management. Competitive advantage and employee support can be achieved by Total Quality Management (TQM) implementation. Quality Control Circle (QCC) is one aspect of the Total Quality Management (TQM) philosophy that has a significant impact on improving company performance, employee performance, and build a positive environment.

This study aims to determine the effect of quality control circle on employee morale and employee performance in Indonesia. This study also wants to give knowledge to the company how important the implementation of QCC. MANOVA was conducted to analyze the effect of the relationship between the objectives of QCC on employee morale and employee performance empirically, as well as research modeling to determine the effect of each indicator on each variable.

Based on the data analysis obtained from the survey, it was concluded that the objective of the QCC influenced the employee morale and company performance empirically and partially. With the partial effect value of QCC on employee morale of 51% and the effect of QCC on employee performance of 47,5%, with the value of the influence of indicators on the variable of more than 70%."

"Kinerja proyek dipengaruhi oleh banyak faktor, diantaranya adalah kebijakan perusahaan, kompetensi manajemen proyek dan tingkat maturity manajemen proyek. Untuk mengetahui bagaimana pengaruh faktor kebijakan perusahaan, kompetensi manajemen proyek, dan tingkat maturity manajemen proyek terhadap kinerja proyek, maka dilakukan penelitian ini. Penelitian ini dilakukan melalui metode survey kuesioner, dan selanjutnya data diolah dengan menggunakan Partial Least Square (PLS). Hasil penelitian menunjukkan bahwa pengaruh kebijakan perusahaan, kompetensi manajemen proyek, dan tingkat maturity manajemen proyek terhadap kinerja proyek adalah sebesar 10,95%, sedangkan sisanya 89,05 % dipengaruhi oleh variabel lain di luar model yang diteliti.

---

Project performance influence by a lot of factors, which are company policy, project management competence, and project management maturity. This study aims is to know how company policy, project management competence, and project management maturity influence project performance. This study was conducted by survey questionnaire, than further processed with Partial Least Square. The results show that the influence of company policy, project management competence, and project management maturity to project perform;Project performance influence by a lot of factors, which are company policy, project management competence, and project management maturity. This study aims is to know how company policy, project management competence, and project management maturity influence project performance. This study was conducted by survey questionnaire, than further processed with Partial Least Square. The results show that the influence of company policy, project management competence, and project management maturity to project perform."

"Analisis survival telah banyak digunakan dalam berbagai bidang, termasuk aktuaria. Analisis survival hendak diketahui distribusi dari waktu hingga terjadi suatu kejadian yang diamati. salah satu parameter yang dapat menjelaskan distribusidari waktu hingga terjadi kejadian tersebut ..."

"Dalam proyek konstruksi, informasi akurat mengenai kondisi bawah permukaan dibutuhkan untuk menghindari potensi kegagalan di masa depan. Penelitian ini dilakukan untuk memenuhi kebutuhan pencitraan kondisi bawah permukaan yang akurat di proyek konstruksi Karangsambung. Studi ini membandingkan efektivitas penerapan metode inversi Least square dan Robust pada tomografi resistivitas 3D terhadap gorong-gorong dan tanah timbunan menggunakan program RES3DINV. Metode inversi Least Square bertujuan untuk meminimalkan selisih kuadrat antara data observasi dan model, sedangkan metode inversi Robust dirancang untuk mengurangi pengaruh noise. Hasil penelitian menunjukkan bahwa kedua metode mampu mencitrakan objek gorong-gorong dan tanah timbunan, namun memiliki keunggulannya masing-masing. Model inversi Least Square memiliki hasil yang lebih representatif untuk pencitraan tanah timbunan dengan rentang resistivitas yang diperoleh sebesar 1-6 Ωm dengan tebal lapisan 1-2.6 m. Sementara, inversi Robust memiliki hasil yang lebih representatif untuk pencitraan gorong-gorong dengan rentang resistivitas yang diperoleh sebesar 50-1500 Ωm dengan volume sebesar 21.64 m³.

---

In construction projects, accurate information about subsurface conditions is essential to avoid potential future failures. This study was conducted to meet the need for precise subsurface imaging in the Karangsambung construction project. The study compares the effectiveness of the Least Square and Robust inversion methods in 3D resistivity tomography for culverts and embankments using the RES3DINV program. The Least Square inversion method aims to minimize the squared differences between observed data and the model, while the Robust inversion method is designed to reduce the influence of noise. The results indicate that both methods are capable of imaging culverts and embankments, each with its advantages. The Least Square inversion model provides more representative results for imaging embankments, with a resistivity range of 1-6 Ωm and a layer thickness of 1-2.6 meters. Conversely, the Robust inversion method yields more accurate results for imaging culverts, with a resistivity range of 50-1500 Ωm and a volume of 21.64 m³"