Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Lingkungan bisnis industri kayu dan furnitur telah berkembang dengan pesat dan semakin kompleks. Selain mementingkan fungsi dasar, banyak konsumen semakin mempertimbangkan desain sesuai selera pribadi guna mewakili jatidiri. Furnitur telah menjadi semakin bersifat identitas personal, sehingga konsumen cenderung menghindari membeli dengan desain dan produk yang sama dengan milik orang lain. Selain itu, sentimen isu lingkungan melalui isu ekolabeling turut membuat lingkungan bisnis industri kayu dan furnitur makin kompleks. Perubahan tersebut menuntut industri kayu dan furnitur meningkatkan mutu, desain dan standar eko-labeling dengan melakukan strategi inovasi yang tepat untuk menciptakan daya saing yang berkelanjutan .Inovasi menjadi dilema, untuk bertahan perusahaan dituntut meningkatkan efisiensi melalui optimalisasi resource, disisi lain harus berinvestasi mencari peluang atau produk baru. Akan tetapi penelitian sebelumnya menyatakan perusahaan yang sukses memiliki kemampuan inovasi yang dapat mengoptimalkan resource, sekaligus mencari cara, pasar, peluang, dan produk baru. Tujuan penelitian ini mengkaji anteseden yang mempengaruhi kemampuan inovasi pada perusahaan kayu dan furnitur di Jawa Tengah.Penelitian menggunakan unit analisis perusahaan kayu dan furnitur di Jawa Tengah dan teknik statistik yang digunakan adalah SEM dengan metode PLS. Hasil penelitian menunjukkan lingkungan bisnis, struktur organisasi, SDM, dan interfirm linkage mempengaruhi inovasi, dan inovasi mempengaruhi kinerja perusahaan kayu dan furnitur di Jawa Tengah. Kata kunci:Innovation, dynamic environment, competitive environment, struktur organisasi, SDM, interfirm linkage, performance, kinerja, perusahaan kayu dan furnitur

---

ABSTRACT
The business environment of wood and furniture industry has grown rapidly and become more complex. Beside the basic functions concerned, many consumers are increasingly considering the design according to personal taste in order to represent their identity. Furniture has become as personal identity, therefor consumers tend to avoid buying the same product design with anyone else. In addition, environmental issues through the Eco labeling issues involved in making the business environment increasingly complex. The change of business eviornment requires the industry to improve quality, design and eco labeling standards by doing the right innovation strategy to create sustainable competitiveness. Innovation becomes a dilemma, the companies must improve efficiency through the optimization of resources to survive, on the other side they should invest to look for opportunities or new products. However, previous studies stated a successful company has the innovation ability to optimize the resource, as well as seeking ways, markets, opportunities, and new products. The purpose of this study examines the antecedents that affect the ability of innovation in the wood and furniture industry in Central Java. The research using wood and furniture company in Central Java as unit analysis, and the statistical techniques used is SEM with PLS method. The results showed the business environment, organizational structure, human resources, and interfirm linkage affect innovation, and innovation affect the performance of Wood and Furniture Company in Central Java.

Abstrak :
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.