Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam bidang ekonomi, peneliti sering tertarik untuk mencari taksiran particular dari sebuah model regresi linier berganda. Namun, keberadaan omitted variables di dalam model menyebabkan mean dari error pada model tersebut bernilai tidak nol. Hal ini mengakibatkan taksiran particular least square bersifat bias. Oleh karena itu, menurut Ryo Uemukai (2010) ada cara lain untuk mencari taksiran particular dari model regresi yang memiliki omitted variables yaitu Regresi Ridge (RR). Pada skripsi ini akan dicari taksiran particular dari sebuah model regresi linier berganda yang memiliki omitted variables dengan menggunakan OLS dan RR. Selain itu, akan dilihat pengaruh omitted variables terhadap kedua taksiran particular tersebut, dari segi bias serta MSE. Untuk melihat taksiran mana yang lebih baik, peneliti membandingkan nilai MSE taksiran particular least square dengan MSE taksiran particular ridge. Pada tugas akhir ini juga akan dijelaskan syarat – syarat yang harus dipenuhi agar MSE taksiran particular ridge memiliki nilai yang lebih kecil dibandingkan MSE taksiran particular least square. ...... In Economic studies, researcher often interested in searching for a particular estimation over a multiple linier regression model. But, the existence of omitted variables in the model causing mean value of the error from model has no zero. This caused the particular least square estimation biased. Ryo Uemukai (2010) then pointed out that there’s other way to estimate the particular estimation from regression model with omitted variables, called Ridge Regression (RR). In this paper, we will estimate the particular estimation from a multiple linier regression model using OLS and RR. Omitted variables’ effect towards both of the particular estimation will also be observed, based on bias and MSE value. To decide which estimation is better, researcher compare the MSE least square and MSE ridge. This paper also explains the condition that must be fullfiled so that MSE of particular ridge estimations smaller than least square.

Abstrak :
Penelitian ini dilakukan untuk mengetahui hasil perbandingan penggunaan dari elektroda batang dan pelat pada metode geolistrik resistivitas. Elektroda batang memiliki keterbatasan yaitu tidak dapat digunakan pada permukaan keras seperti permukaan beton karena dapat merusak permukaan beton, sedangkan elektroda pelat dapat digunakan dan tidak merusak. Pengambilan data penelitian dilakukan pada satu lintasan dengan dua kali pengukuran. Panjang lintasannya 117,5 meter dengan spasi 2,5 meter dan 48 elektroda. Hasil data pengukuran diinversikan menggunakan software Res2dinv dengan metode inversi Robust Constraint dan Least-Square untuk mendapatkan penampang 2D resistivitas masing-masing elektroda. Dilakukan analisis hasil penampang 2D berdasarkan nilai RMS Error atau Absolute Error dan kemiripannya dengan keadaan lapangan sesungguhnya. Hasil dari analisisnya adalah elektroda pelat lebih representatif jika dibandingkan dengan elektroda batang, serta elektroda pelat tidak merusak permukaan beton. Sehingga elektroda pelat dapat digunakan jangka panjang untuk pemeliharan bak air yang terdapat pada Lapangan Kiara Payung, Sumedang, Jawa Barat. Serta, elektroda pelat dapat digunakan untuk penelitian yang menggunakan metode geolistrik resistivitas lainnya di atas permukaan selain tanah tanpa merusaknya. ......This study was conducted to determine the comparative results of the use of a peak and plate electrodes in the resistivity geoelectric method. A peak electrodes have limitations that cannot be used on hard surfaces such as concrete surfaces because they can damage concrete surfaces, while plate electrodes can be used and do not damage. This research was conducted on one track with two measurements. The track length was 117.5 meters with a spacing of 2.5 meters and 48 electrodes. The measurement data results were inversed using Res2dinv software with the Robust Constraint and Least-Square inversion method to obtain a 2D cross section of the resistivity of each electrode. The 2D cross section results were analyzed based on the RMS Error or Absolute Error value and its similarity with the actual field conditions. The result of the analysis is that the plate electrode more representative compared to the peak electrode, and the plate electrode does not damage the concrete surface. So that plate electrodes can be used in the long term for the maintenance of water tanks in Kiara Payung Campground, Sumedang, West Java. Also, plate electrodes can be used for research using other resistivity geoelectric methods on surfaces other than soil without damaging them.

Abstrak :
Teknologi microarray merupakan alat terapan ilmu bioinformatika dalam bidang biologi molekuler yang dapat menghasilkan suatu data ekspresi gen. Namun, pada data ekspresi gen sering ditemukan missing value yang dapat mengganggu proses analisis data. Untuk mengatasi masalah tersebut, missing value dapat diestimasi menggunakan teknik imputasi. Penelitian ini menggunakan metode NCBI-SSSim-QR yang merupakan metode imputasi biclustering berbasis Shifting-and-Scaling Similarity (SSSim) dan menggunakan regresi kuantil dalam mengestimasi missing values. Metode ini merupakan modifikasi dari metode NCBI-SSSim-LS yang menggunakan regresileast square dalam proses imputasinya. Regresi kuantil pada metode NCBI-SSSim-QR digunakan untuk menangani keberadaan outlier pada data karena regresi kuantil dapat menyesuaikan kemiringan distribusi data pada titik-titik kuantil tertentu. Pada penelitian ini, metode NCBI-SSSim-QR diimplementasikan pada data ekspresi gen kanker serviks yang mengandung outlier dan diujikan pada missing rate 5%, 10%, 15%, 20%, 25%, 30%, dan 35% dengan mekanisme MCAR (Missing Completely at Random) dalam pembentukan missing values. Terdapat beberapa titik kuantil yang diuji yaitu kuantil ke = 0,3, 0,4, 0,5, 0,6, 0,7 yang kemudian performanya dibandingkan dengan metode NCBI-SSSim-LS yang berbasis mean. Penelitian menunjukkan bahwa proses estimasi missing values pada data ekspresi gen kanker serviks paling baik dilakukan oleh metode NCBI-SSSim-QR dengan kuantil 0,5 berdasarkan nilai Root Mean Square Error (RMSE). ......Microarray technology is a bioinformatics tools in molecular biology that capable for quantitating hundreds or thousands of gene transcripts called gene expression data. However, the presence of missing values is often found in gene expression data which can interfere the further analysis process. Therefore, imputation technique used for estimating missing values. This research used NCBI-SSSim-QR method which is a Shifting-and-Scaling Similarity (SSSim)-based biclustering imputation method using quantile regression to estimate the missing values. This method is a modification of the NCBI-SSSim-LS method that using the least square regression for imputation process. Quantile regression in the NCBI-SSSim-QR method is used to handle the presence of outliers in the data because quantile regression can follow the skewness of the data distribution at certain quantile points. In this research, the NCBI-SSSim-QR method will be implemented on cervical cancer gene expression data containing outliers and tested on missing rate of 5%, 10%, 15%, 20%, 25%, 30%, and 35% with MCAR (Missing Completely at Random) mechanism in generating missing values. There are several quantile points to be tested, = 0,3, 0,4, 0,5, 0,6, 0,7 which will then be compared with the NCBI-SSSim-LS method which is mean-based. The research shows that the estimation process for missing values in cervical cancer gene expression data is better estimated by NCBI-SSSim-QR method with a quantile of 0,5 based on the Root Mean Square Error (RMSE) value.

Abstrak :
Didalam skripsi ini dijelaskan tentang konsep Least Square Support Vector Machines (LS-SVM) untuk pengembangan sistem pengenalan tanda nomor kendaraan bermotor. Sistem akan mengenali plat nomor kendaraan untuk keperluan proses identifikasi secara otomatis. Pengenalan karakter merupakan modul inti dalam sistem yang mengenali tanda nomor kendaraan dari video. Yang menjadi fokus penelitian ini ialah ketepatan dalam mengenali setiap karakter, kecepatan proses, tingkat ketelitian hasil pengenalan akibat kondisi blur, posisi plat nomor yang miring, kecepatan perekaman video, suasana pengambilan video, resolusi video, dan jumlah data latih. Metode Least Square Support Vector Machine (LS-SVM) digunakan untuk meningkatkan akurasi dan kecepatan komputasi dengan kernel linier serta one against one untuk metode multiclass. Metode deteksi garis tepi dan morphology digunakan pada proses lokalisasi plat nomor. Untuk mengenali karakter secara akurat proses training dipisah antara karakter angka dan huruf. Hasil penelitian menunjukan tingkat ketelitian pengenalan tanda nomor kendaraan mencapai maksimal 98.66% untuk resolusi 1280x720p dan jumlah data latih sebanyak 15. Akurasi minimal yang diujikan pada resolusi 320x240 dan jumlah data latih sebanyak 3 diperoleh sebesar 25.50%.

---

In this paper, we review the use of least square support vector machines (LS-SVM) concept in development system of license plate recognition. License plate of vehicle will recognize by system for identification process automatically. Charackter recognition is a core of system which is essentially multi-classification problem. The major focus of research is identification each character accurately and rapidly in case of blurs, tilt, noise, video resolution, video capturing atmosphere and amount of training set. LS-SVM with linier kernel and one against one for multiclass problem use to further improve recognition accuracy and speed of LPR system. Edge detection and morphology use in license plate localization process of system LPR. In other to recognize a number plate more accurately we separate trained model with number and English character. Our method got a maximum recognition rate 98.66% in resolution 1280x720p with 15 training set. Minimum recognitoin rate that have tested is 25.50% for resolution 320x240 with 3 training set.

Abstrak :

Penelitian ini bertujuan untuk mengetahui adanya pengaruh dari kegiatan internasionalisasi terhadap kinerja perusahaan di Indonesia, Filipina, dan Malaysia. Penelitian ini juga ingin melihat apakah home country uncertainty dan wilayah ekspansi dapat memperkuat hubungan internasionalisasi dengan kinerja perusahaan. Penelitian ini menggunakan metode unbalanced data panel generalized leat square (GLS) dengan data tahunan selama 9 tahun, yaitu pada 2009-2017. Hasil penelitian menunjukkan bahwa kegiatan internasionalisasi memiliki pengaruh positif dan signifikan terhadap kinerja perusahaan. Home country uncertainty yaitu risiko politik dan tingkat korupsi sebagai variabel independen memiliki pengaruh signifikan yang positif terhadap kinerja perusahaan. Sementara sebagai variabel moderasi keduanya memiliki pengaruh signifikan yang berkebalikan, risiko politik berpengaruh negatif sementara tingkat korupsi berpengaruh positif. Sebagai variabel moderasi, wilayah ekspansi regional hanya signifikan mempengaruhi tingkat korupsi, sementara wilayah non regional signifikan mempengaruhi baik tingkat korupsi maupun risiko politik.

---

This study aims to determine the influence of internationalization activities on the performance of firms in Indonesia, Philippines, and Malaysia. This study also determines whether home country uncertainty and region of expansion strengthen the relations between internationalization and firm performance. This study uses the generalized least square (GLS) unbalanced panel data with annual data for 9 years (2009-2017). The result shows that there is a positive and significant influence of internationalization on firm performance. Home country uncertainty (political risk and level of corruption) as independent variables has positive and significant effect on firm performance. While as moderating variables, both political risk and level of corruption have different significant influence, political risk gives negative effect to firm performance whereas level of corruption gives positive effect to firm performance. As moderating variable, regional expansion only gives significant influence to level of corruption whereas non-regional expansion gives significant effect on both level of corruption and political risk.

Abstrak :
ABSTRAK
Kadar air dan kadar garam merupakan beberapa parameter yang digunakan untuk memprediksi tingkat kualitas teripang pasir kering (Holothuria scabra) atau yang dikenal Bêche-de-mer. Namun, pengukuran kadar air dan garam umumnya bersifat destruktif dan dilakukan secara manual melalui uji laboratorium sehingga memakan waktu yang lama. Dalam penelitian ini, sistem pengukuran yang dikembangkan untuk memprediksi kualitas teripang pasir kering adalah sistem pengukuran yang berbasis citra Visible Near-Infrared (V-NIR) yang mampu mengukur kadar air dan garam secara non-destruktif. Algoritma partial least squares regression (PLSR) digunakan untuk membangun model prediksi pada data spektral. Sistem pengukuran untuk kadar air dan garam di evaluasi dengan koefisien korelasi untuk data pelatihan sebesar 0,99 dan 0,99 secara berurutan. Sedangkan untuk root mean square error dari kadar air dan garam adalah 0,92 dan 0,11. Hasil penelitian ini menunjukkan bahwa sistem ini dapat diusulkan sebagai sistem pengukuran kadar air dan garam secara non-destruktif untuk menguji kualitas pada teripang pasir kering (Holothuria scabra) dan dapat diimplementasikan sebagai sistem penyortiran di dunia industri

---

ABSTRACT
Water content and salt Content are parameters used to predict the quality level of dried sea cucumber (Holothuria scabra) or known by Beche-de-mer. However, Measurements of moisture content and salt content are generally conductive and carried out manually through laboratory tests so that it takes a long time. In this study, a measurement system developed to predict the quality of dried sea cucumber is a valid system for Visible-Near Infrared (V-NIR) images based on the spectral reflectance characteristics of the moisture content and salt content to predict non-destructively the values ​​of the moisture and salt content. The partial least squares regression (PLSR) algorithm is used to build prediction models on spectral data. Predictive system models are used to obtain moisture and salt values. The predicted results are compared with the results of measurements of data references obtained using the laboratory test. The measurement prediction system for moisture and salt content has a correlation coefficient for test data 0,99 and 0,99 respectively. While for the root mean square error of the water and salt levels are 0,92 and 0,11. The results of this study indicate that this system can be proposed as a non-destructive system of measuring moisture and salt content to test the quality of dried sea cucumbers (Holothuria scabra) and is suitable for implementation in sorting systems in the industrial world

Abstrak :
Students loyalty merupakan niat dan perilaku mahasiswa yang menunjukkan kesetiaan pada institusinya dengan ikut mengembangkannya. Memiliki mahasiswa yang loyal dapat meningkatkan reputasi dan jumlah pendaftar karena mahasiswa yang loyal akan mempromosikan institusi tersebut dari mulut ke mulut. Bahkan hingga setelah mereka lulus, mereka akan tetap menyokong institusinya secara finansial atau dalam bentuk kerjasama. Hal-hal ini berkontribusi dalam perkembangan jangka panjang dan daya tahan institusi. FMIPA UI membutuhkan mahasiswa yang loyal. Penelitian ini dibuat untuk mencari tahu faktor-faktor yang mempengaruhi tingkat students loyalty mahasiswa FMIPA UI. Dari hasil yang didapatkan menggunakan metode Partial Least Square, diketahui bahwa faktor-faktor yang mempengaruhi students loyalty dari yang memiliki pengaruh paling besar secara berurutan adalah students satisfaction, students affective commitment, social environment quality, image and reputation perception, student perceived value, students trust, social integration, instructor quality, dan administration quality.

---

ABSTRACT
Student rsquo s loyalty is the intention and behavior of students that shows devotion to the institution by contributing to expand it. Having loyal students can increase the reputation and number of applicants because loyal students promote the institution from mouth to mouth. Even when they have graduated, they would still support their institution financially or in the form of collaborations. These contributes to the long term development and the longevity of the institution. FMIPA UI needs students who are loyal. This study is made to find out about the factors that influence the level of students loyalty of students in FMIPA UI. From the result that uses the method Partial Least Square, it shows factors that influence students loyalty respectively from the ones with the greatest influence are students satisfaction, students affective commitment, social environment quality, image and reputation perception, students perceived value, students trust, social integration, instructor quality, and administration quality.

Abstrak :
Penelitian biologi dengan menggunakan teknologi microarray menghasilkan data ekspresi gen berbentuk matriks di mana baris adalah gen dan kolom adalah kondisi. Analisis lanjutan dalam data ekspresi gen membutuhkan data yang lengkap. Namun, data ekspresi gen sering kali mengandung nilai hilang atau missing values. Ada berbagai cara untuk mengatasi missing values, antara lain pembuangan gen atau kondisi yang mengandung missing values, pengulangan pengambilan data, dan imputasi missing values pada data ekspresi gen. Pendekatan imputasi missing values awal hanyalah dengan mengisi nilai nol atau rata-rata baris. Namun, pendekatan ini tidak melihat informasi koheren dalam data. Pendekatan imputasi missing values terbagi menjadi empat berdasarkan informasi yang diperlukan pada algoritmanya, yaitu pendekatan lokal, pendekatan global, pendekatan hybrid, dan pendekatan knowledge assisted. Pada penelitian ini peneliti menggunakan algoritma pendekatan lokal dan global. Metode imputasi missing values paling popular untuk pendekatan global adalah Bayesian Principal Component Analysis (BPCA), sedangkan untuk pendekatan lokal adalah Local Least Square (LLS). Pada metode LLS, pemilihan similaritas gen dilakukan dengan teknik clustering dimana seluruh kondisi dalam data digunakan. Kenyataanya, terkadang gen-gen similar hanya dalam beberapa kondisi eksperimental saja. Maka, diperlukan teknik biclustering untuk dapat menemukan subset gen dan subset kondisi yang similar sebagai informasi lokal. Penerapan ide biclustering dalam LLS dinamakan sebagai Iterative Bicluster-Based Least Square (bi-iLS). Salah satu tahapan awal dalam bi-iLS adalah pembentukan matriks komplit sementara yang didapat dengan cara mengisi missing values dengan row average. Namun, row average dinilai kurang bagus karena hanya menggunakan informasi satu baris tersebut. Kekurangan ini diperbaiki dalam penelitian ini. Penggunaan metode BPCA untuk menemukan matriks komplit sementara dinilai lebih baik karena BPCA menggambarkan struktur keseluruhan data. Penggantian row average menjadi BPCA menjadi dasar masalah penelitian ini. Metode iterative Bicluster-based Bayesian Principal Component Analysis dan Least Square (bi-BPCA- iLS) pun diajukan. Penerapan bi-BPCA-iLS terhadap data ekspresi gen yang dihasilkan teknologi microarray terbukti menghasilkan penurunan nilai Normalzied Root Mean Square Error (NRMSE) sebesar 10,6% dan 0,58% secara rata-rata dalam beberapa missing rate (1%, 5%, 10%, 15%, 20%, 25%, dan 30%) jika dibandingkan dengan metode LLS dan bi-iLS. ......Biological research using microarray technique produce some important gene expression datasets. These data can be expressed as a matrix in which rows are genes and columns are different conditions. Further analysis of these datasets requires a complete dataset or matrix. However, gene expression datasets often contain missing values. There are some ways to handle missing values, such as deletion of genes or conditions that contain missing values, repeat the process of acquiring data, and impute the missing values. Early approaches in missing values imputation are simply to replace missing values with zeros or row averages, but these methods do not use the coherence inside the data. Later, approaches in missing values imputations are categorized into four groups based on the required information, such as local, global, hybrid, and knowledge assisted approaches. In this paper, local and global approaches are used. Bayesian Principal Component Analysis (BPCA) is a well-known global based method, while the most popular local based method is Local Least Square (LLS). In LLS, selection of similar genes uses clustering technique where all conditions in the data are included. The reality is genes sometimes only correlate under some experimental conditions only. So, a technique that can find subset of genes under subset of experimental conditions for local information is needed. This technique is called biclustering. The usage of biclustering in LLS is called the Iterative Bicluster-based Least Square (bi-iLS). One of the early steps in bi-iLS is to find a temporary complete matrix. Temporary complete matrix is obtained by applying row averages to impute missing values. However, row average cannot reflect the real structure of the dataset because row average only uses the information of an individual row. The missing values in a target gene do not only rely on the known values of its own row. In this research, row average in bi-iLS is replaced with BPCA. The benefit of using BPCA is that it uses global structure of the dataset. This update will be the basic problem of this research. The proposed method is called Iterative Bicluster-based Bayesian Principal Component Analysis and Least Square (bi-BPCA-iLS). This new proposed method is applied to gene expression datasets from microarray technique. It shown a decrease in values of Normalized Root Mean Square Error (NRMSE) about 10.6% from LLS and about 0.58% from bi-iLS based on different missing rates (1%, 5%, 10%, 15%, 20%, 25%, and 30%).