Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengujian perangkat lunak, secara spesifik regression testing, adalah sebuah proses yang diperlukan ketika perangkat lunak atau lingkungannya berubah untuk memastikan bahwa perangkat lunak masih bekerja sesuai dengan ekspektasi. Termotivasi oleh kebutuhan industri nyata, penelitian ini melaporkan pengalaman dalam melakukan transisi dari regression testing manual menjadi otomatis bagi salah satu aplikasi di PT. XYZ. Sebelum penelitian, regression testing dilakukan secara manual yang bersifat subjektif dan menghabiskan banyak biaya. Otomatisasi pengujian pun diterapkan pada tahap eksekusi dan integrasi hasil pengujian sebagai upaya untuk meningkatkan produktivitas dan efisiensi pengujian. Untuk mencari alternatif eksekusi pengujian yang efisien, eksperimen dilakukan dengan memisahkan alur yang menjalankan tes yang terkait perubahan dengan teknik seleksi dan alur yang menjalankan semua tes. Berdasarkan analisis aplikasi yang diuji, setiap alur memiliki kelebihan dan kekurangannya masing-masing. Hasil penelitian menunjukkan bahwa otomatisasi pengujian dapat memberi manfaat untuk regression testing, rilis aplikasi, dan alur pengembangan aplikasi. Kerangka yang dipaparkan dalam makalah ini diharapkan dapat dijadikan sebagai pedoman untuk aplikasi industri lainnya dengan spesifikasi serupa yang juga ingin menerapkan otomatisasi pengujian.

---

Software testing, particularly regression testing, is required when there are changes in the software or its environment to ensure that the software still performs as expected. Motivated by real industry needs, this study reports on the experience of transitioning from manual to automated regression testing in one of the mobile applications at PT. XYZ. Prior to this study, regression testing was conducted manually which incurred a lot of costs and was by nature subjective. Test automation is then applied to the activities of test execution and test result integration as an effort to increase test productivity and efficiency. To make the test execution efficient, this study conducts an experiment by separating the flow that runs the tests related to changes using regression test selection technique and the flow that runs all tests. Based on the empirical analysis, each flow has its own trade-offs. The results show that test automation can provide benefits for regression testing, application releases, and software engineering flow. The framework presented in this paper aims to serve as a guideline for other industrial applications with similar specifications that are also considering to implement test automation."

"Dalam rangka terus aktif menyesuaikan kebutuhan pasar PT. Bank Rakyat Indonesia, Tbk (BRI) terus melakukan inovasi secara digital menimbulkan banyaknya permintaan untuk melakukan pengembangan aplikasi baru maupun enhancement dari aplikasi yang sudah ada. Tahun 2020 terdapat 780 proyek pengembangan atau perbaikan aplikasi, dan pada tahun selanjutnya meningkat menjadi 1.041 proyek. Proses pengembangan aplikasi di Bank BRI terdapat proses pengujian untuk memastikan aplikasi sudah tidak terdapat kesalahan, selain itu juga memastikan fungsi-fungsi lain pada aplikasi yang sama tidak terdampak yang disebut regression test. Regression test dibutuhkan untuk menjaga kualitas aplikasi namun regression test yang dilakukan masih secara manual sehingga membutuhkan banyak resource untuk melakukannya. Hal ini dapat menyebabkan terhambatnya penyampaian aplikasi tepat waktu. Penelitian dilakukan dengan mendefinisikan fitur-fitur yang akan diuji, selanjutnya skenario tes yang telah dibuat akan dieksekusi secara manual dan otomasi. Hasil penelitian yang diperoleh automation test dapat menghemat hingga delapan jam dalam satu bulan untuk melakukan regression test, tak hanya dari segi waktu namun juga manfaat lain seperti pengujian yang dapat dijalakan secara terus menerus dan konsistensi, serta kolaborasi antar penguji dan pengembang. Penelitian ini juga menghasilkan rekomendasi tahapan penerapan pengujian otomasi pada alur pengujian yang ada.

---

In order to continue to actively adapt to market needs, PT. Bank Rakyat Indonesia, Tbk (BRI) continues to innovate digitally, generating many requests to develop new applications or enhance existing applications. In 2020 there were 780 application development or improvement projects, and in the following year it increased to 1041 projects. In the application development process at Bank BRI, there is a testing process to ensure that the application has no errors, besides that it also ensures that other functions in the same application are not affected, which is called a regression test. Regression tests are needed to maintain the quality of the application but the regression tests are still done manually so it requires a lot of resources to do it. This can lead to delays in submitting applications on time. The research is carried out by defining the features to be tested, then the test scenarios that have been created will be executed manually and automatically. The research results obtained by automation tests can save up to eight hours in a month to do regression tests, not only in terms of time but also other benefits such as tests that can be run continuously and consistently, as well as collaboration between testers and developers. This research also produces recommendations for the stages of implementing automated testing on existing test paths."

"Penelitian ini bertujuan untuk menghitung cadangan kerugian dengan menerapkan regresi Gaussian Process untuk memperkirakan klaim di masa mendatang. Pemodelan dilakukan pada data asuransi kendaraan bermotor. Hasil estimasi memperlihatkan bahwa metode Regresi Proses Gaussian sangat fleksibel dan dapat diterapkan tanpa banyak penyesuaian. Hasil ini juga dibandingkan dengan metode Chain Ladder.

---

This study aims to calculate the allowance for losses by applying Gaussian Process regression to estimate future claims. Modeling performed on motor vehicle insurance data. The estimation results show that the Gaussian Process Regression method is very flexible and can be applied without much adjustment. These results were also compared with the Chain Ladder method."

"Investasi saham merupakan salah satu jenis investasi yang paling populer karena saham memberikan tingkat keuntungan yang tinggi dibandingkan dengan jenis investasi lainnya, tetapi saham juga memiliki tingkat risiko yang tinggi. Fluktuasi harga saham memberikan peluang bagi investor untuk mendapatkan keuntungan yang tinggi. Dibutuhkan sebuah model prediksi harga saham untuk melihat pergerakan harga saham di masa yang akan datang, sehingga investor dapat menentukan waktu yang tepat untuk membeli, menahan, dan menjual saham mereka. Dengan demikian, mereka terlepas dari risiko kerugian dan memperoleh keuntungan yang besar. Terdapat beberapa studi yang membahas tentang prediksi harga saham menggunakan machine learning. Salah satunya yaitu menggunakan Support Vector Regression (SVR). Oleh karena itu, pada skripsi ini akan diuji penerapan SVR menggunakan Particle Swarm Optimization (PSO) sebagai seleksi fitur dalam memprediksi harga saham di Indonesia. Pada skripsi ini digunakan data historis saham harian dari Jakarta Stock Index dan beberapa saham pada sektor real estate dan properti. Beberapa indikator teknikal digunakan sebagai fitur dalam memprediksi harga saham. Studi ini menunjukkan bahwa prediksi harga saham menggunakan SVR dengan PSO sebagai seleksi fitur memiliki kinerja yang baik untuk semua data, fitur, dan jumlah data training yang digunakan pada skripsi ini memiliki nilai error yang kecil. Oleh karena itu, diperoleh model yang akurat untuk memprediksi harga saham di Indonesia.

---

Stock investing is one of the most popular types of investments since it provides the highest return among all investment types, although it is associated with considerable risk. Fluctuating stock prices provide an opportunity for investors to make a high profit. A stock price prediction model is needed to see future stock price movements, so investors can decide the right time to buy, hold, and sell their stocks which regardless of the risk of loss and gain a big profit. Several studies have focused on the prediction of stock prices using machine learning. One of them is Support Vector Regression (SVR). Therefore, this study examines the application of SVR using Particle Swarm Optimization (PSO) as feature selection in predicting Indonesian stock price. This thesis used historical daily stock data from Jakarta Stock Index (JKSE) and several real estates and property stock sectors. Some technical indicators are used as a feature in predicting stock price. The study found that stock price prediction using SVR with PSO as feature selection showed good performances for all data, features and the amount of training data used by the study have relatively low error probabilities. Therefore, an accurate model is obtained to predict stock price in Indonesia."

"ABSTRAKPerkembangan teknologi dan inovasi semakin memacu industri untuk menciptakan sebuah sistem yang dapat memberikan pelayanan yang terbaik bagi pelanggan. Lebih khusus lagi pada industri jasa keuangan. Perusahaan asuransi adalah salah satu industri jasa keuangan yang memberikan pelayanan manajemen asset dan asuransi jiwa. Selaras dengan visi dan misi perusahaan, PT XYZ berkomitmen untuk memberikan pelayanan yang terbaik bagi nasabah dengan membangun sebuah sistem yang transparan dan mudah untuk diakses berupa perangkat lunak. Pada PT XYZ produk yang dihasilkan harus melalui proses pengujian regresi karena permintaan perubahan dan penambahan fitur yang tidak jarang dilakukan oleh user untuk mengikuti perkembangan teknologi di bidang asuransi.Penelitian ini bertujuan untuk merancang proses pengujian regresi terotomatisasi mengacu pada ISO/IEC 29119 Software Testing Standard. Penelitian dilakukan dengan menggunakan pendekatan kualitatif untuk meneliti proses pengujian perangkat lunak pada perusahaan PT XYZ, menemukan masalah dan menemukan solusi penyelesaian yang disesuaikan dengan kondisi perusahaan. Penelitian ini fokus kepada aspek yang menyangkut penyusunan rencana pengujian, sumber daya, tools pengujian, pemilihan kasus pengujian, metode testing, dan peran manajemen pada pengujian perangkat lunak.Hasil dari penelitian ini adalah sebuah rekomendasi alur kerja pengujian regresi ter-otomatisasi menggunakan metode continues integration dengan tool Gitlab CI yang mengikuti software testing standard ISO / IEC 29119.

---

ABSTRACT

The developments of information and technology as well as innovation encourage the industry to create a system that can provide the best service for customers. These phenomena also applied in Financial Service Industry. Insurance Company is one of the financial services industries which provide asset management services and life insurance. Aligned with the vision and mission of the company, PT XYZ is committed to provide the best service for customers by building a system that is transparent and easy to access in the form of software. Currently PT PT XYZ is using SDLC as software development method. Each product has to meet the quality criteria that have been defined and agreed by stakeholders.

This research aims to design an automated regression testing process based on ISO / IEC 29119 Software Testing Standard. The study was conducted using qualitative approaches to examine the software testing process in the company of PT XYZ, found the problem and find a solution that is tailored to the company's condition. This study focuses on aspects related to the preparation of test plans, resources, test tools, test case selection, testing methods, and the role of management in software testing.

Results from this study is a recommendation of workflow for automation regression testing using the method continues integration with CI Gitlab tool that follows the software testing standard ISO / IEC 29119."

"Defisit anggaran berperan memberikan ruang pembiayaan yang lebih dalam menstimulus perekonomian. Namun defisit anggaran yang terlalu tinggi akan membebani perekonomian pada jangka panjang. Penelitian ini bertujuan untuk mengidentifikasi hubungan non-linear antara defisit anggaran dan pertumbuhan ekonomi di Indonesia dan untuk mengestimasi nilai ambang batas dari defisit anggaran yang bermanfaat sebagai referensi empiris bagi pemerintah untuk mengoptimalkan ruang defisit anggaran dan untuk menjaga stabilitas dan kesinambungan perekonomian Indonesia dalam jangka panjang. Analisis empiris menggunakan data tahunan dengan periode 1969-2020. Hasil estimasi membuktikan adanya hubungan non-linearitas antara defisit anggaran dengan pertumbuhan ekonomi di Indonesia dan dengan menggunakan model threshold regression Hansen (2000), estimasi terhadap nilai ambang defisit anggaran adalah sebesar 2,925 persen dari PDB. Penelitian ini menemukan bukti empiris bahwa defisit anggaran yang berada di atas nilai ambang batas akan mengarah pada instabilitas perekonomian dan secara signifikan akan menghambat pertumbuhan ekonomi, sementara defisit anggaran di bawah ambang batas tidak akan membebani perekonomian.

---

Budget deficit plays a role in providing more financing space to stimulate the economy. However, a budget deficit that is too high will burden the economy in the long run. This study aims to identify a non-linear relationship between the budget deficit and economic growth in Indonesia and to estimate the threshold value of the budget deficit which is useful as an empirical reference for the government to optimize the budget deficit space and to maintain the stability and sustainability of the Indonesian economy in the long term. Empirical analysis uses annual data for the period 1969-2020. The estimation results prove that there is a non-linearity relationship between the budget deficit and economic growth in Indonesia and by using Hansen's (2000) threshold regression model, the estimate of the budget deficit threshold is 2.925 percent of GDP. This study finds empirical evidence that a budget deficit that is above the threshold value will lead to economic instability and will significantly hamper economic growth, while a budget deficit below the threshold will not burden the economy.

"

"Nilai hilang merupakan suatu masalah yang sering dijumpai di berbagai bidang dan harus diatasi untuk memperoleh inferensi statistik yang baik seperti penaksiran parameter. Nilai hilang dapat ditemukan pada setiap jenis data, salah satunya pada jenis data cacah/ count data yang berdistribusi Poisson. Solusi untuk mengatasi masalah nilai hilang berjenis data cacah tersebut dapat diatasi dengan menerapkan teknik imputasi ganda. Teknik imputasi ganda merupakan suatu cara mengatasi nilai hilang dengan mengganti setiap nilai yang hilang dengan beberapa nilai estimasi. Teknik imputasi ganda untuk kasus data cacah terdiri dari tiga tahap utama yaitu tahap imputasi berdasarkan model linier normal, tahap analisis dengan metode generalized linear model Poisson regression dan tahap penggabungan pooling parameter yang didasarkan pada aturan Rubin. Studi ini juga dilengkapi dengan simulasi numerik yang bertujuan untuk komparasi akurasi berdasarkan nilai bias yang dihasilkan. Parameter yang digunakan pada simulasi ini yaitu sebesar 5,10 dan 15 dengan jumlah sampel sebesar 200 untuk tujuan mengaproksimasi sifat kenormalan dan simulasi ini diulang untuk empat skenario yang bertingkat untuk setiap parameter berdasarkan besarnya persentase observasi nilai hilang (0%, 10%, 20% dan 30%). Berdasarkan studi literatur dan simulasi numerik yang dilakukan, solusi yang diajukan untuk mengatasi nilai hilang pada data cacah menghasilkan hasil yang cukup memuaskan terutama saat parameter bernilai besar dan persentase observasi nilai hilang yang kecil. Hal ini diindikasikan dengan ukuran bias dan variansi total dari taksiran rata-rata yang kecil. Namun nilai bias cenderung meningkat seiring meningkatnya persentase observasi nilai yang hilang dan saat nilai parameter yang kecil.

---

Missing values are a problem that is often encountered in various fields and must be addressed to obtain good statistical inference such as parameter estimation. Missing values can be found in any type of data, included count data that has Poisson distributed. One solution to overcome that problem is applying multiple imputation techniques. The multiple imputation technique is a way of dealing with missing values by replacing each missing value with some estimated values. The multiple imputation technique for the case of count data consists of three main stages, namely the imputation stage based on the normal linear model, the analysis stage using the generalized linear model Poisson regression and the last stage is pooling parameter based on Rubins rules. This study is also equipped with numerical simulations which aim to compare accuracy based on the resulting bias value. The parameters used in this simulation are 5, 10 and 15 with a sample size of 200 for the purpose of approximating normal properties and this simulation is repeated for four multilevel scenarios for each parameter based on the percentage of observation of missing values (0%, 10%, 20% and 30%). Based on the study of literature and numerical simulations carried out, the solutions proposed to overcome the missing values in the count data yield satisfactory results, especially when the parameters are large and the percentage of observation of the missing values is small. This is indicated by the size of the bias and the total variance of the small average estimate. But the bias value tends to increase with increasing percentage of observation of missing values and when the parameter values are small."