Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Penerapan Linear Scheduling Method (LSM) dilakukan pada proyek dengan kegiatan berulang/repetitif, seperi pembangunan breakwater Pelabuhan Kalibaru. Pendekatan digunakan dalam penelitian ini adalah Stochastic Linear Scheduling Method yang merupakan integrasi LSM dengan mengedepankan data fakta produktivitas dan penerapan simulasi komputer. Simulasi prediksi dari data produktivitas antar aktivitas menggunakan perangkat lunak Crystal ball dengan berbagai metode dengan hasil grafik perkiraan kinerja akan datang pada masing-masing aktivitas. Selanjutnya, akan dihasilkan grafik dari LSM sesuai dengan perkiraan akan datang, sehingga dapat ditentukan seberapa jauh pergeseran penjadwalan proyek breakwater pada masing-masing aktivitas dari penjadwalan eksisting dengan prediksi penjadwalan akan datang.

---

ABSTRACT
Application of Linear Scheduling Method (LSM) was performed on projects with repetitive activities, are like Kalibaru Port breakwater construction. The approach used in this study is the Stochastic Linear Scheduling Method which is an LSM with the advanced integration of data facts and the application of computer simulation productivity. Simulation predictions of productivity data between activities using Crystal Ball software with a variety of methods to estimate the performance results chart will come in each activity. Furthermore, the graph will be generated according to the estimates of the LSM will come, so it can be determined how far the accuracy of scheduling breakwater project in each of the activities with the existing scheduling scheduling predictions will come.

Abstrak :
Stochastic Frontier Analysis dikembangkan sebagai model pengukuran efisiensi yang mempunyai metode econometric dan parametric. Data yang digunakan dapat bcrupa cross sectional data atau panel data, semakin banyak data yang tersedia maka pengukuran akan semakin akurat. Stochastic Frontier Analysis telah banyak digunakan dalam pengukuran efisiensi pada berbagai industri. Dalam penelitian dilakukan analisis kinerja pada 12 perusahaan di sektor pertambangan dengan menggunakan balanced panel data periode waktu mulai tahun 2003 sampai dengan tahun 2006. Sektor pertambangan sendiri terbagi dalam empat sub sektor yaitu batu bara, minyak dan gas bumi, logam dan mineral lainnya, dan batu-batuan Penggunaan Stochastic Frontier Analysis diharapkan dapat memberikan estimasi pengukuran efisiensi yang lebih baik, karena tidak menggunakan salah satu perusahaan sebagai benchmark. Dalam karya akhir ini akan diteliti pula pengaruh explanatory variable pada kinerja efisiensi perusahaan. Variabel-variabel tersebut adalah Size, hutang jangka panjang, umur perusahaan, ownership dan sub-sektor pertambangan. Variabel Ownership akan dibagi antara perusahaan milik Pemerintah RI dan perusahaan milik swasta, sedangkan sub-sektor pertambangan akan dibagi menjadi kelompok energi dan non energi. ......Stochastic Frontier Analysis has developed as a model for measuring efficiency of production which has an econometric and parametric method. The model can be used for cross sectional data or panel data. The availability of supporting data can make a better estimation of the technical efficiency. Stochastic Frontier Analysis has been used in many researches in some industries. In this research, 12 mining companies in Indonesia have been measured. The data used are balanced panel data with the period of 2003 until 2006. The mining sector itself is divided into 4 sub-sector, which are cgal mining, crude petroleum and natural gas production, metal and mineral mining) and land I stone quarrying. The measurement using Stochastic Frontier Analysis is expected to be more adequate than other method, because Stochastic Frontier Analysis does not use one of the company as a benchmark. In this research, it will also use some explanatory variable that can affect the technical efficiency. These variables are size, risk, age. ownership and mining sub-sector. Ownership variable will be divided into government and private owner. While the mining sub-sector variable will be divided into energy group and non energy group.

Abstrak :
ABSTRAK

Tingkat mortalitas digunakan dalam menghitung besar premi, anuitas pensiun, cadangan asuransi hidup, dan berbagai produk asuransi jiwa lainnya. Untuk itu perlu dilakukan peramalan tingkat mortalitas untuk masa yang akan datang. Kenaikan tingkat mortalitas dipandang sebagai akibat dari proses penuaan manusia yang didasarkan pada suatu indeks kesehatan, yaitu usia fisiologis. Rantai Markov Waktu Kontinu dengan satu absorbing state digunakan untuk memodelkan proses penuaan. Waktu yang dihabiskan sebelum masuk ke dalam absorbing state didefinisikan sebagai waktu bertahan hidup hingga terjadi kematian dan mengikuti Coxian phase type distribution. Fungsi survival dari distribusi yang digunakan dalam peramalan tingkat mortalitas dapat ditentukan. Penaksiran parameter model diperoleh dengan meminimumkan jumlah kuadrat errors dari fungsi survival. Kemudian dilakukan fitting model untuk melihat hasil peramalan tingkat mortalitas untuk data laki-laki dan perempuan. Hasil simulasi menyatakan bahwa model menunjukkan fit yang memuaskan dan dapat digunakan dalam meramalkan tingkat mortalitas usia tua pada data laki-laki dan semua usia pada data perempuan.

---

ABSTRACT

---

Mortality rates are used in calculating premiums, pension annuities, life insurance reserves, and other life insurance products. Therefore, it is necessary to forecast the mortality rate for the future time. Increasing in mortality rates are seen as a result of the aging process based on a health index called physiological age. Continuous Time Markov Chain with one absorbing state is used to model the aging process. The time spent before entering the absorbing state is defined as the survival time until death occurs and under the Coxian phase type distribution. The survival function can be determined from this distribution and used in forecasting mortality rates. The parameters estimation is obtained by minimizing sum squares of errors from the survival function. Then model fitting are performed to see the result of forecasting mortality rates for man and woman data. Simulation results indicate that the model show satisfactory fit and can be used in forecasting old age mortality for man and all age for woman.