Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam mengaproksimasi solusi suatu Persamaan Diferensial Stokastik (PDS), diperlukan metode numerik dengan order konvergensi yang lebih tinggi untuk mendapatkan hasil aproksimasi solusi yang lebih baik. Pada umumnya, ekspansi Taylor yang biasa digunakan untuk suatu metode numerik stokastik Taylor, membutuhkan turunan tingkat yang semakin tinggi untuk mendapatkan order konvergensi yang lebih tinggi. Hal ini menyebabkan kompleksitas perhitungan bertambah. Skema Runge-Kutta PDS merupakan suatu alternatif metode numerik PDS, untuk mendapatkan order konvergensi yang tinggi tanpa turunan tingkat tinggi. Dalam skripsi akan dibahas implementasi skema Runge-Kutta PDS 4-stage dalam bentuk eksplisit pada suatu model pergerakan harga saham. Solusi aproksimasi dari skema ini akan dibandingkan dengan solusi-solusi aproksimasi dari skema Euler-Maruyama dan skema Milstein terhadap solusi eksplisit dari model pergerakan harga saham dan data historis berdasarkan Mc. Donald’s Corporation pada tahun 2005 hingga 2008 yang diambil dari http://www.yahoofinance.com/. Berdasarkan hasil aproksimasi, diperlukan sebuah metode numerik yang memiliki order konvergensi lebih tinggi, besar langkah Δt yang cukup kecil, dan interval aproksimasi [0,T] yang tidak terlalu panjang. Hasil implementasi menunjukkan bahwa solusi aproksimasi pergerakkan harga saham pada suatu tahun, akan lebih baik jika parameter-parameter yang digunakan untuk mengaproksimasi mendekati nilai parameter-parameter yang sebenarnya pada tahun tersebut. Dalam skripsi ini juga akan diprediksi harga saham 2009 yang hasilnya bergantung pada pemilihan parameter yang digunakan.

Abstrak :
Persamaan Diferensial Stokastik (PDS) atau Stochastic Differential Equations (SDEs) memiliki berbagai manfaat di bidang ilmu pengetahuan, seperti matematika, fisika, biologi, kimia, ekonomi, dan keuangan. Saat model PDS mencakup faktor lonjakan (jump), model PDS disebut sebagai model PDS jump-diffusion (jump-diffusion SDEs). Pada tugas akhir ini akan dibahas metode Taylor order 1.0 yang dapat digunakan untuk mengaproksimasi model PDS jump-diffusion dan sebagai pembanding simulasi akan digunakan metode Euler-Maruyama. Tugas akhir ini juga menguji tingkat konvergensi kuat (strong order of convergence) metode Taylor order 1.0. Hasil simulasi menunjukkan perubahan nilai parameter pada koefisien jump dan batas interval mempengaruhi hasil aproksimasi. Implementasi menunjukkan metode Taylor order 1.0 mengaproksimasi model risky primary security accounts lebih baik dibandingkan metode Euler-Maruyama.

Abstrak :
Model-model Persamaan Diferensial Stokastik (PDS) memiliki peranan yang sangat penting di berbagai bidang industri, misalnya ekonomi, keuangan, biologi, kimia, epidemiologi, juga mikroelektronik (Higham D. J., 2001). Metode numerik seringkali digunakan untuk mengaproksimasi solusi dari suatu model PDS, sehingga dibutuhkan suatu proses komputasi untuk memperoleh solusi dari suatu model PDS tersebut. Model-model PDS biasanya melibatkan data dalam jumlah besar ataupun proses komputasi yang banyak, sehingga berdampak pada waktu komputasi yang semakin lama. Untuk mempercepat waktu komputasi, maka diterapkan komputasi paralel. Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa komputer/prosesor pada suatu waktu tertentu. Dalam skripsi ini diberikan algoritma paralel untuk mengaproksimasi solusi dari suatu model PDS. Algoritma-algoritma ini diimplementasikan dalam program yang dijalankan pada mesin multicore dengan MATLAB dan Parallel Computing Toolbox (versi trial). Diberikan juga kinerja algoritma paralel yang diukur dengan speed up dan efisiensi paralel. Stochastic Differential Equations (SDEs) models play a prominent role in a range of application areas, including biology, chemistry, epidemiology, mechanics, microelectronics, economics, and finance (Higham D. J., 2001). Numerical method is usually used to get an approximate solution of SDEs models which often involve huge data or many computation steps, hence need more computation time. Parallel computing is an alternative that can reduce the computation time. This skripsi discuss some parallel techniques to solve SDEs problems especially in finance models. The parallel techniques is designed to utilize several processors simultaneously. In this case the algorithms run on multicore machine with MATLAB and Parallel Computing Toolbox (trial version). Parallel perfomance of the algorithms are also given which compared the speed up and efficiency of several parallel techniques.

Abstrak :
A systematic, self-contained treatment of the theory of stochastic differential equations in infinite dimensional spaces. Included is a discussion of Schwartz spaces of distributions in relation to probability theory and infinite dimensional stochastic analysis, as well as the random variables and stochastic processes that take values in infinite dimensional spaces.

Abstrak :
ABSTRAK
Model matematika penyebaran dan penanggulangan penyakit flu dengan pendekatan persamaan diferensial stokastik (PDS) yang dibangun dari model deterministik epidemi SIS dibahas dalam skripsi ini. Model PDS dikonstruksi dengan cara menambahkan gangguan pada parameter laju kontak sukses infeksi. Selanjutnya, kajian analitik untuk memperoleh ambang batas stokastik 0 dilakukan dan dikaitkan dengan kondisi kepunahan dan kebertahanan dari banyaknya individu terinfeksi I(t). Jika 0 B 1 maka penyakit akan punah dari populasi dengan probabilitas satu, dan sebaliknya, penyakit akan bertahan jika 0 > 1. Dari hasil ini, 0 pada model PDS dapat dikatakan memiliki peran yang sama dengan R0 pada model deterministik. Simulasi dilakukan untuk mendukung teori-teori yang telah dibahas.

---

ABSTRACT
Mathematical model for influenza spread and prevention from stochastic differential equation (SDE) approach extended from SIS epidemic deterministic model is discussed in this skripsi. The SDE model was constructed by introducing a random perturbation in successful contact rate parameter . Furthermore, analytical study to obtain stochastic threshold parameter 0 was determined and the parameter was linked to extinction and persistence conditions for infected individual I(t). If 0 B 1, the disease dies out from population with probability one, otherwise the disease persists if 0 > 1. Based on these result, 0 in SDE model has similar role to R0 in the deterministic model. Numerical simulations were generated to support the corresponding theories.

Abstrak :
ABSTRAK
Penyakit malaria masih menjadi salah satu masalah kesehatan di dunia dikarenakan kasusnya yang meningkat hampir setiap tahun. Berdasarkan World Health Organization WHO, tahun 2016 kasus malaria di dunia meningkat dari 211 juta kasus menjadi 216 juta kasus. Penyakit menular yang disebabkan oleh parasit Plasmodium ini dapat ditularkan ke manusia melalui gigitan nyamuk Anopheles betina. Pada kondisi di lapangan, ditemukan beberapa faktor yang berpengaruh terhadap penyebaran penyakit malaria, seperti faktor pada manusia suhu tubuh dan kandungan karbon dioksida yang dikeluarkan tubuh, dan faktor tempat tinggal yang dekat dengan air tergenang. Kedua faktor di atas dipengaruhi oleh faktor lingkungan yang berubah-ubah. Pada awal skripsi, model deterministik epidemi SIR penyebaran penyakit malaria dengan intervensi kelambu dan fumigasi dibahas, beserta penentuan nilai basic reproduction number R0. Kemudian model SIR dikembangkan menjadi sistem persamaan diferensial stokastik sistem PDS untuk memahami pengaruh faktor lingkungan yang tak tentu terhadap penyebaran penyakit malaria. Sistem PDS dibentuk dengan penambahan faktor stokastik pada parameter laju infeksi. Untuk melihat pengaruh intensitas gangguan ? pada dan implikasi perubahan parameter krusial dalam R0 di sistem PDS, dilakukan simulasi numerik menggunakan metode Euler-Maruyama. Hasil simulasi numerik diantaranya menunjukkan bahwa besarnya intensitas gangguan ? menghasilkan pengaruh yang berbeda pada sistem ketika basic reproduction number R0 > 1 atau R0 < 1. Ketika R0 > 1, nilai? yang cukup besar menghasilkan solusi yang cukup berbeda dengan solusi deterministiknya, sedangkan nilai? yang cukup kecil tidak memberikan perbedaan yang signifikan. Hal yang menarik terjadi ketika R0 < 1, berapapun nilai ?, solusi stokastik selalu mendekati solusi deterministiknya.

---

ABSTRACT
Malaria becomes one of the world rsquo s health problems because of its increasing cases every year. Based on World Health Organization WHO, cases of malaria in the world in 2016 increased from 211 million cases to 216 million cases. This infectious diseases caused by Plasmodium parasite which can be transmitted to humans through the bite of Anopheles female mosquito. In the real condition, several factors have been found to affect the spread of malaria, such as factors in humans body temperature and carbon dioxide content released by the body, and residential factors close to stagnant water. Both factors are influenced by environmental factors that unpredictable. At the beginning of the thesis, the deterministic model of epidemic SIR spread of malaria disease with intervention of mosquito nets and fumigation will be discussed, along with the determination of the basic reproduction number R0. Then the SIR model was developed into a stochastic differential equation system SDE system to understand the effect of undue environmental factors on the spread of malaria. The SDE system is formed by the addition of a stochastic factor to the parameter of infection rate. To see the effect of noise intensity on and the implication of a crucial parameter change in R0 in the SDE system, a numerical simulation using the Euler Maruyama method is performed. Some of numerical simulation results show that the scale of the noise intensity obtain a different effect on the system when basic reproduction number R0 1 or R0 1. As R0 1, a considerable value of generates a solution quite different from its deterministic solution, whereas a small value does not make a significant difference. The interesting thing happens when R0 1, whatever the value, the stochastic solution always approaches its deterministic solution.