Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pemerintah Indonesia melalui Undang-Undang Nomor 44 Tahun 2009 mewajibkan semua alat Kesehatan untuk dikalibrasi. Sebagai implementasi dari peraturan tersebut, Kementerian Kesehatan menerbitkan Peraturan Menteri Kesehatan Nomor 54 Tahun 2015 yang mengharuskan alat kesehatan untuk dikalibrasi minimal sekali dalam satu tahun. Defibrillator adalah salah satu alat kesehatan yang berfungsi untuk memberikan kejutan listrik kepada pasien yang mengalami gangguan jantung. Untuk memastikan akurasi dan ketertelusuran metrologi, defibrillator harus dikalibrasi minimal satu kali dalam setahun. Dalam melakukan kalibrasi defibrillator, digunakan perangkat bernama defibrillator analyzer. Seperti halnya defibrillator, defibrillator analyzer juga harus dikalibrasi untuk memastikan akurasi dan ketertelusuran metrology. Metode Monte Carlo digunakan dalam kegiatan kalibrasi defibrillator analyzer dengan menggunakan high voltage differential probe untuk melakukan estimasi ketidakpastian pengukuran. Metode Monte Carlo menggunakan propagasi distribusi dan umumnya memberikan hasil yang lebih dekat dengan kenyataan serta menghasilkan nilai ketidakpastian yang lebih baik. Hasil dari kalibrasi defibrillator analyzer adalah nilai pengukuran (measurand) dengan persentase antara 93% hingga 95%, dan perhitungan ketidakpastian menggunakan Metode Monte Carlo menghasilkan ketidakpastian yang valid sebesar 100%. ......The Indonesian Government, through Law Number 44 of 2009, mandates calibration for all healthcare equipment. As an implementation of this provision, the Ministry of Health issued Ministerial Regulation Number 54 of 2015 concerning Testing and Calibration of Healthcare Equipment, which requires healthcare equipment to be calibrated at least once a year. A defibrillator is a medical device used to deliver an electric shock to patients with heart problems. To ensure accuracy and metrological traceability, a defibrillator must be calibrated at least once a year. During the calibration of a defibrillator, a device called a defibrillator analyzer is used. Similar to the defibrillator, the defibrillator analyzer also needs to be calibrated to ensure accuracy and metrological traceability. The Monte Carlo method is used in the calibration of the defibrillator analyzer, utilizing a high voltage differential probe to estimate measurement uncertainty. The Monte Carlo method employs distribution propagation and generally yields results closer to reality, producing better uncertainty values. The result of the defibrillator analyzer calibration is a measurand value (measurement value) ranging between 93% and 95%, and the uncertainty calculation using the Monte Carlo method yields a valid uncertainty value of 100%.

Abstrak :
Keadaan masa depan tidak dapat diketahui dengan pasti. Investasi yang kita lakukan sekarang belum tentu menguntungkan pada masa yang akan datang, begitu pula dengan investasi jalan tol. Dengan adanya ketidakpastian ini, maka pemasukan analisa risiko dalam kaitannya dengan penganggaran modal dan investasi menjadi sangat penting. Dalam identifikasi risiko keterlibatan para pakar investasi sangat dibutuhkan. Oleh karena itu, dibuatlah kuesioner. Dari penelitian ini teridentifikasi risiko-risiko yang terjadi dalam investasi jalan tol dan probabilitas masing-masing, dengan menggunakan metode Analitical Hierarchy Process (AHP). Risiko ini dikelompokkan dalam risiko kebijakan pemerintah, risiko dalam pelaksanaan konstruksi, risiko keuangan dan ekonomi, serta risiko lingkungan. Risiko yang paling, besar adalah risiko tarif. Salah satu teknik analisa risiko adalah Simulasi Mama Carlo. Simulasi untuk risiko tarif dan biaya pernbebasan tanah, dengan mempertimbangkan faktor inflasi dan tingkat suku bunga menghasilkan berbagai tingkat kelayakan untuk distribusi NPV dan IRR, antara lain probabilitas kelayakan NPV hampir 100%, dan probabilitas kelayakan IRR senilai 92.69% ketika tarif tol sesuai harapan investor dan tidak ada kenaikan biaya pembebasan tanah.

---

Future is uncertainty. Money we invest now is uncertainly to give benefit in the future, i.e. in toll road investment. Therefore, incorporating risk analysis in capital budgeting and investment is really important. In order to identify the risks, expert judgment is actually needed. This research has identified the risks and their likelihood, by Analytical Hierarchy Process (AHP) method, in group of government risks, construction risks, financial and economics risks, and environmental risks. The big risk is toll fee risk with the likelihood of 0.221. One of risk analysis tools is Monte Carlo simulation. The simulation of toll fee risk and land acquisition cost risk, regarding inflation rate and discount rate, results several certainty level for NPV and IRR, for example almost 100% certainty level for NVP, and 92.69% certainty level for IRR when the toll fee is suitable for investor and no added cost for the land acquisition.

Abstrak :
Model Markov Switching GARCH adalah model untuk runtun waktu yang dapat menangkap fenomena pengelompokan volatilitas. Pengelompokan volatilitas adalah keadaan dimana runtun memiliki variabilitas yang tidak sama untuk seluruh periode. Model ini adalah perluasan dari model GARCH dimana parameternya dapat melakukan pergantian nilai (switching) yang bergantung dari state rantai Markov sehingga nilainya tidak tetap untuk seluruh periode runtun. Mekanisme switching dari model Markov Switching ini mengikuti proses rantai Markov yang tidak terobservasi. Pada skripsi ini, akan dibahas mengenai struktur dan penaksiran parameter model Markov Switching GARCH. Penaksiran parameter menggunakan maximum likelihood estimator tidak dapat dilakukan karena masalah path dependence, sehingga penaksiran parameter akan dilakukan menggunakan Algoritma Monte Carlo Expectation-Maximization (MCEM) dan Monte Carlo Maximum Likelihood (MCML). Model Markov Switching GARCH ini kemudian akan diaplikasikan untuk runtun nilai tukar US Dollar (USD) terhadap Indonesian Rupiah (IDR).

---

Markov Switching GARCH is a model for time series that can capture volatility clustering phenomenon. Volatility clustering is a condition when time series has no same variability for entire period. This model is an extension of the GARCH model in which the parameters can do the switching that depend on the state of the Markov chain so that the value is not fixed for the entire period. The switching mechanism of Markov Switching GARCH model follow the unobserved Markov chain process. In this undergraduate thesis, it will be discussed the structure and the parameter estimation of Markov Switching GARCH model. Parameter estimation using maximum likelihood estimator can not be done because of the path dependence problem, so that the parameter estimation will be carried out using Monte Carlo Expectation-Maximization (MCEM) dan Monte Carlo Maximum Likelihood (MCML) algorithm. Markov switching GARCH model will be applied to exchange rate US Dollar (USD) to Indonesia Rupiah (IDR) series.

Abstrak :
Di industri minyak bumi dan gas, pipa merupakan komponen utama yang ada dalam industri tersebut. Karena pipa merupakan komponen utama, maka pipa tersebut harus mendapatkan perhatian lebih dikarenakan kegagalan dalam sistem perpipaan, khususnya dalam industri minyak bumi dan gas, menjadi permasalahan yang sangat serius karena menimbulkan kerugian yang cukup besar. Salah satu cara untuk meminimalisir kegagalan tersebut adalah melalui inspeksi berbasis risiko. Dalam inspeksi berbasis risiko, digunakan simulasi Monte Carlo untuk mengetahui probabilitas komponen mengalami kegagalan. Pada umumnya, simulasi Monte Carlo menggunakan distribusi Normal dalam penentuan Random Variabel Generator. Namun, terdapat kemungkinan data yang dihasilkan adalah Bias, yaitu terdapat error sampling sehingga data tersebut menjadi kurang akurat dikarenakan nilai hasil dari distribusi Normal dapat bernilai negatif. Pada distribusi Normal, dihasilkan data yang sifatnya overestimation data. Maka dari itu, dibutuhkan metode lain untuk penentuan Random Variabel dimana data yang dihasilkan tidaklah bias sehingga akurasi hasil dari Inspeksi Berbasis Risiko meningkat. Metode Weibull dapat mengurangi biased data yang dihasilkan dari distribusi Normal.

---

Pipes are the main component in the oil and gas industries, and it needs a serious attention due to the high risk of the piping system failure. The failure of the piping system leads to a very serious consequence since it caused huge material losses, and the Risk-Based Inspection can minimize the failure. Risk-Based Inspection using the Monte Carlo Simulation for calculating the failure probabilities of the component. In general, Normal distribution is used in Monte carlo simulation for Random Variable Generator. However, it is possible that the generated data is called Bias, i.e. there is an error sampling, so the resulting data becomes inaccurate. In the Normal distribution, the result of the data produce an overestimation data because the result of the data can be negative on the corrosion rate. Therefore, we need another method for determining Random Variables where the generate data is not biased so the accuracy of the results of the Risk-Based Inspection increases, and the Weibull method can reduce the biased data generated from the Normal distribution.

Abstrak :
Flatness dari kurva magnetisasi FC (field-cooled) di bawah temperatur kritis, yang dijumpai pada sistem partikel nanomagnetik monodisperse dense (berinteraksi dipolar kuat) merepresentasikan dinamika lambat spin-glass-like. Simulasi Monte Carlo ekuilibrium dilakukan untuk menginvestigasi pengaruh dari randomness distribusi arah sumbu anisotropi partikel terhadap ruang state sistem dan karakteristik ekuilibrium dari magnetisasi sistem. Dengan metode parallel tempering, sistem dapat diekuilibrasi untuk temperatur rendah di mana algoritma Metropolis cenderung terjebak dalam basin-basin metastabil. Pengaruh kekuatan interaksi dipolar antar partikel dipelajari dengan melakukan simulasi untuk beberapa sampel dengan konsentrasi berbeda. Nilai ekspektasi magnetisasi sistem pada kondisi ekuilibrium termal memperlihatkan transisi ke fase spin-glass-like seperti yang ditunjukkan kurva magnetisasi FC.

---

Flatness of the FC (field-cooled) magnetization curve below the critical temperature, observed on dense (strongly interacting) monodisperse magnetic nanoparticle system represents slow spin-glass-like dynamics. Equilibrium Monte Carlo simulations are performed to investigate how the randomness in anisotropy axis distribution affects the state spaces of the systems and the equilibrium property of magnetization. By using parallel tempering method the systems are able to equilibrate down to low temperature where the Metropolis algorithm tends to get stranded in metastable basins. The effect of dipolar interaction strength is investigated by performing simulations for several concentration of samples. Expectation value of magnetization in thermal equilibrium shows transition to spin-glass-like phase similar to that of FC magnetization curve.

Abstrak :
This book has two objectives. First, it is a primer on the kMC method (predominantly using the lattice-gas model) and thus much of the book will also be useful for applications other than to surface reactions. Second, it is intended to teach the reader what can be learned from kMC simulations of surface reaction kinetics.

Abstrak :
Telah dilakukan simulasi Monte Carlo pada berkas foton 6 MV Linac Elekta di dalam fantom air dan PMMA. Dalam simulasi digunakan code BEAMnrc berbasis 2 processor sistem Linux. File phase-space yang diperoleh menjadi input bagi code BEAMDP untuk memperoleh informasi karakteristik dan kontaminasi partikel. File yang sama juga menjadi input code DOSXYZnrc untuk menghasilkan PDD. Hasil PDD dibandingkan dengan hasil eksperimen dengan deviasi sangat kecil. ......A Monte Carlo simulation on a Linac Elekta 6 MV photon beam has been performed using BEAMnrc code running on Linux-based 2 processor system. A phase- space files obtained were input to a BEAMDP code subsequently to produce information on particles characteristics and contamination. The same files were also input to a DOSXYnrc code to produce PDD in virtual water and PMMA phantoms. PDD results were compared with experimental results with significantly small deviation.

Abstrak :
Telah dilakukan penentuan karakteristik sumber beta 90Sr/90Y dengan menggunakan simulasi Monte Carlo BEAMnrc yang berbasiskan metode Monte Carlo serta penghitungan BEAMDP dan FLURZnrc terutama fluks dan energi-fluks sebagai fungsi posisi, distribusi energi-fluks, distribusi energi spektral, serta distribusi energi rata-rata. Energi rata-rata radiasi elektron yang dihasilkan berkisar 0,75 MeV dan foton pada 0,15 MeV. Partikel radiasi elektron masih dominan dengan jumlah partikel lebih dari 54% jumlah total partikel radiasi (berdasarkan fluks vs posisi, dan distribusi energi spektral), dan energi-fluks maksimumnya sekitar 1,9x10-5 partikel.MeV (87%). Distribusi energi-fluks menunjukkan nilai maksimum di sekitar 7x10-6 partikel.MeV pada energi 0,96 MeV untuk elektron, dan 3,9x10-6 partikel.MeV pada energi 0,10 MeV untuk foton. Juga diperoleh kepastian ketidakhadiran positron. Besar dosis keluaran (menggunakan DOSXYZ) sumber radiasi di sekitar permukaan sumber adalah 3,6x10-13 Gy dan menurun secara eksponensial ketika menjauhi sumber. ......A Monte Carlo study has been done on 90Sr/90Y beta source using BEAMnrc protocol including BEAMDP and FLURZnrc calculation to determine flux and energy-flux as a function of positions, energy-flux and energy spectral distribution, and also average energy. Average electron energy was found to be 0.75 MeV and average photon energy at 0.15 MeV. The domination of electron were shown by more than 54% in number (based on flux vs. position, and energy spectral distribution), and the maximum of energy-flux was about 1.9x10-5 particle.MeV (87%). Energy-flux distribution showed that the maximum value was about 7x10-6 particle.MeV at 0.96 MeV for electron, and 3.9x10-6 particle.MeV at 0.10 MeV for photon. There is a definite absence of positron. Dose around the surface were found using DOSXYZ source to be 3.6x10-13 Gy and it is exponentially decayed at distance.

Abstrak :
Potensi bahaya yang terjadi selama fase FEED (Front End Engineering Design) mengakibatkan kegagalan proyek pipa bawah laut yang diderita dari berbagai aspek baik dari kerugian dana, lingkungan dan bencana alam. Perlu ditentukan metode yang tepat dalam menentukan tingkat risiko dan mitigasi pada integritas pipa sehingga meningkatkan keamanan dan mengurangi potensi risiko. Penerapan analisa risiko metode Risk FMEA yang memperhatikan faktor deteksi dan analisa biaya dengan Monte Carlo, dapat meningkatkan ketepatan mengambil kebijakan risiko, optimalisasi dalam penerapan strategi inspeksi, monitor dan evaluasi risiko. Hasil analisa risiko didapatkan 13 tindakan rekomendasi penanggulangan potensi bahaya yang berasal dari 56 potensi risiko yang ada. Nilai perbandingan antara biaya pemeliharaan dan penanggulangan risiko dibandingkan dengan dampak risiko adalah 0,0986. Analisa yang dilakukan menyatakan bahwa penerapan rekomendasi risiko tersebut dapat menghilangkan potensi bahaya pada proyek pipa bawah laut.

---

Potential hazards that occured during phase FEED (Front End Engineering Design) were resulted in the failure of subsea pipeline project and reviewed from various aspects both from financial lost, environmental and natural disasters. The exact method had to be determined the level of risks and mitigate the integrity of pipeline in order to increase security and reduce potential risks. The approach of the Risk FMEA method which consider the value of detection and analyze pusing Monte Carlo method can improve the accuracy of risk policies, implementation of the strategies, inspection, monitoring and evaluation of risks. This risk analysis results obtained 13 actions of hazard mitigation which were initally 56 potential risks. The value comparison between the cost of maintenance and control of risk were compared and its value was 0.0986. The implementation of risk analysis? result can be conducted in order to eliminate the potential hazards of subsea pipeline projec.