Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pesatnya pertumbuhan beban dan terbatasnya sumber dana untuk biaya pengembangan, merupakan suatu kendala dalam pengembangan jaringan distribusi daya listrik. Disisi lain penyedia daya dituntut untuk tetap menjaga mutu dan keandalan, sehingga untuk mencari solusi yang tepat tidaklah sederhana.Untuk mendapatkan perencanaan yang optimal dalam pengembangan sistem distribusi daya listrik, maka dibuat suatu model yang bertujuan untuk minimalisasi biaya pengembangan jaringan dengan cara minimalisasi biaya total dan biaya rugi-rugi tahunan penyulang melalui pemilihan optimal tipe konduktor. Model ini bersifat iteratif, yang melinierisasi fungsi biaya terhadap daya yang talc tinier menjadi tinier, dengan simulasi aliran daya yang diperoleh melalui proses pembebanan awal pada pusat-pusat beban dari jaringan yang direncanakan, sehingga pendekatan ini penulis namakan Pendekatan Model Pembebanan. Untuk uji validitas dari model yang dibuat, diambil suatu kasus jaringan distribusi radial yang ada di Kotamadya Palembang , yakni Penyulang Kedondong. Hasil yang diperoleh menunjukkan bahwa prosentase jatuh tegangan dari Penyulang Kedondong sebesar 2,154 % yang berarti masih dibawah batas yang ditetapkan, yakni sebesar 5 %. Dibandingkan dengan cara konvensional, hasil yang diperoleh dengan cara optimalisasi memiliki kelebihan yang mendasar, yakni diperolehnya hubungan kesetaraan besarnya daya yang mengalir pada setiap cabang dengan pemilihan ukuran konduktor. Sedangkan pada kasus sistem yang diambil hubungan tersebut tidak didapatkan. Ini membuktikan bahwa cara optimalisasi dapat memperkecil biaya rugi-rugi daya tahunan pada jaringan.

Abstrak :
ABSTRAK Prediksi durasi banyak dilakukan oleh para pemangku kepentingan berdasarkan pengalaman atau intuisi mereka. Hal ini menyebabkan perkiraan durasi memiliki risiko kesalahan yang dapat menggangu proses pelaksanaan konstruksi. Penelitian ini mencoba mengembangkan suatu model pendekatan prediksi durasi proyek berdasarkan metode prediksi durasi akhir proyek Earned Schedule, yang merupakan pengembangan metode Earned Value, dan memanfaatkan faktor-faktor pengaruh eksternal yang tersedia dalam informasi resmi. Selain itu penelitian ini mengakomodasi kondisi ketidak pastian yang umum terjadi di lingkungan negara berkembang semisal Indonesia. Ketiga hal tersebut dirangkum dalam suatu model pengembangan prediksi durasi probabilistik berdasarkan faktor pengaruh eksternal. Hasil penelitian menunjukan adanya hubungan antara beberapa faktor pengaruh terukur dengan durasi probabilistik proyek konstruksi. 

---

ABSTRACT The prediction of project duration is mostly calculated based on the experience or intuition of the estimator. This causes the estimated duration to have an error risk that could disrupt the construction process. This research tries to develop a project duration prediction approach model based on the Earned Schedule project's final prediction method, which is the development of the Earned Value Method, and utilizes the external influencing factors available in official information. In addition, this study accommodates uncertainty conditions that are common in developing countries such as Indonesia. These three matters are summarized in a probabilistic duration prediction development model based on external influencing factors. The result of the research shows that there is a sufficient correlation between several factors of measured influence with the probabilistic duration of the construction project. 

Abstrak :
Pada skripsi akan dibahas elastisitas dari suatu sistem bonus-malus di suatu negara untuk asuransi kendaraan bermotor. Nilai elastisitas akan digunakan untuk mengukur seberapa baik suatu sistem bonus-malus dari sudut pandang pemegang polis. Nilai elastisitas bergantung pada ekspektasi banyaknya klaim dan ekspektasi premi stasioner. Distribusi probabilitas stasioner dari keberadaan kelas pemegang polis menentukan ekspektasi premi stasioner. Jika nilai elastisitas suatu sistem bonus-malus semakin mendekati 1 maka sistem bonus-malus tersebut akan semakin tidak mendekati ideal dari sudut pandang pemegang polis, namun akan semakin mendekati ideal bagi perusahaan asuransi.

Abstrak :
Dalam upaya untuk mengendalikan besarnya kerugian, memodelkan severitas klaim merupakan salah satu cara yang sering dilakukan oleh perusahaan asuransi. Terdapat beberapa cara untuk memodelkan severitas klaim, salah satunya dengan generalized linear model. Akan tetapi fakta sederhana bahwa setiap pemegang polis itu tidak sama sering diabaikan karena hasil yang diperoleh hanya disajikan untuk “rata-rata” pemegang polis. Potensi variabilitas ini yang tercermin pada data asuransi dapat diidentifikasi dengan mengelompokkan pemegang polis ke dalam kelompok yang berbeda. Sehingga dari perilaku yang berbeda pada masing-masing kelompok memungkinkan perusahaan asuransi mengembangkan strategi untuk mengendalikan besarnya kerugian. Pada praktiknya, model yang sering digunakan untuk pengelompokan adalah model finite mixture, dengan setiap kelompok dimodelkan dengan fungsi kepadatan probabilitasnya (pdf) sendiri. Salah satu keluarga model finite mixture yang fleksibel untuk vektor acak yang terdiri dari variabel respon dan satu set kovariat yang disesuaikan dengan distribusi bersamanya adalah cluster-weighted model (CWM). CWM merupakan kombinasi linear antara distribusi marjinal kovariat dan distribusi bersyarat dari respons yang diberikan kovariat. Distribusi bersyarat pada CWM diasumsikan milik keluarga eksponensial dan kovariatnya diperbolehkan tipe campuran yaitu diskrit dan kontinu (diasumsikan gaussian). Selanjutnya, model dicocokkan ke dalam data (fitting the model) menggunakan Maximum likelihood estimation (MLE) untuk menaksir parameter model dengan algoritma ekspektasi-maksimalisasi (EM). Pemilihan model terbaik dievaluasi dari skor akaike information criterion (AIC) dan bayesian information criterion (BIC). Permasalahan penentuan jumlah cluster diselesaikan secara bersamaan dengan memilih model terbaik. Pada akhirnya, CWM dapat digunakan untuk meningkatkan pemahaman tentang perilaku pemegang polis dan karakteristik risikonya yang dihasilkan di setiap cluster. Penerapan metode ini diilustrasikan pada data asuransi mobil di Prancis. ......In an effort to control the amount of loss, modeling the severity of claims is one way that is often done by insurance companies. There are several ways to model claim severity, one of which is a generalized linear model. However, the simple fact that every policyholder is not the same is often overlooked because the results obtained are only presented for the "average" policyholder. This potential for variability reflected in insurance data can be identified by classifying policyholders into different groups. So that the different behavior of each group allows insurance companies to develop strategies to control the amount of losses. In practice, the model often used for grouping is the finite mixture model, with each group being modeled with its own probability density function (pdf). One of the flexible finite mixture model families for random vectors consisting of a response variable and a set of covariates adjusted for their common distribution is the cluster-weighted model (CWM). CWM is a linear combination between the marginal distribution of the covariates and the conditional distribution of the responses given by the covariates. The conditional distribution on CWM is assumed to belong to the exponential family and the covariates are allowed mixed types, namely discrete and continuous (assumed to be gaussian). Next, the model is fitted to the data (fitting the model) using Maximum likelihood estimation (MLE) to estimate the model parameters with the expectation-maximization (EM) algorithm. Selection of the best model was evaluated from the Akaike information criterion (AIC) and Bayesian information criterion (BIC) scores. The problem of determining the number of clusters is solved simultaneously by selecting the best model. In the end, CWM can be used to increase understanding of policyholder behavior and the resulting risk characteristics in each cluster. The application of this method is illustrated in data on auto insurance in France.

Abstrak :
Distribusi merupakan pendorong utama profitabilitas keseluruhan sebuah perusahaan. Tingginya biaya distribusi produk di UMKM makanan disebabkan karena tidak adanya perhitungan biaya untuk mendapatkan keputusan distribusi yang optimal. Tujuan dari penelitian ini adalah untuk menghasilkan model distribusi produk di UMKM makanan dengan biaya terendah dan waktu tercepat. Untuk menyelesaikan permasalahan distribusi produk makanan di 5 UMKM makanan, dimodelkan masalah Heterogenous Fleet Vehicle Routing Problem with Time Window (HVRPTW) dalam bentuk Mixed Integer Linear Programming dan diselesaikan menggunakan algoritma branch-and-bound pada perangkat lunak Lingo. Hasil dari penelitian ini adalah optimasi biaya distribusi produk untuk 5 UMKM makanan yang menghasilkan keputusan distribusi dengan biaya terendah dan waktu tercepat. Telah dikembangkan alat untuk perhitungan biaya distribusi yang dapat digunakan oleh UMKM makanan untuk pendukung keputusan distribusi produk harian ......Distribution is the main driver of the overall profitability of a company. The high cost of product distribution in food SMEs is caused by the absence of distribution cost calculation for SMEs to make optimal distribution decisions. The purpose of this research is to provide SMEs with a product distribution model with the lowest cost and fastest time. A Heterogenous Fleet Vehicle Routing Problem (HVRP) for the food distribution problem in 5 food SMEs is modeled in the form of Mixed Integer Linear Programming and solved using branch-and-bound algorithm in Lingo software. The result of this study is the optimization of the distribution cost for 5 food SMEs distribution decisions. A tool for the calcuation of distribution cost is developed for food SMEs to support daily product distribution decisions.