Hasil Pencarian  ::  Simpan CSV :: Kembali

"Ekspor merupakan salah satu faktor terjadinya peningkatan pertumbuhan ekonomi suatu negara, sejalan dengan hipotesis export-led growth (ELG). Penelitian ini menganalisis perkembangan ekspor dan pertumbuhan ekonomi Indonesia periode kuartal I 2001 sampai dengan kuartal IV 2015. Penelitian ini menggunakan analisis deskriptif dalam menggambarkan perkembangan pertumbuhan ekonomi serta ekspor dan analisis kuantitatif metode Error Correction Model (ECM) dalam menganalisis efek jangka panjang dan jangka pendek dari ekspor terhadap pertumbuhan ekonomi. Pada periode penelitian, data yang ada menunjukkan bahwa ekspor dan pertumbuhan ekonomi Indonesia sama-sama mengalami peningkatan. Hasil regresi ECM menunjukkan bahwa ekspor memiliki pengaruh yang positif dan signifikan secara statistik terhadap pertumbuhan ekonomi Indonesia, yang mendukung hipotesis bahwa ELG berlaku untuk Indonesia. Berdasarkan hasil penelitian ini, maka untuk mendorong pertumbuhan ekonomi Indonesia diperlukan peningkatan kinerja ekspor Indonesia. Peningkatan kinerja ekspor Indonesia dapat dilakukan dengan berbagai cara, salah satunya adalah dengan perbaikan sistem administrasi ekspor, peningkatan riset dan pengembangan produk Indonesia, peningkatan sarana dan prasarana infrastruktur, stabilitas nilai tukar dan perluasan pasar non tradisional, termasuk perbaikan struktur ekspor komoditas."

"ABSTRACTKebijakan fiskal Indonesia dirancang dalam kerangka pro growthdanpro poor. Keterbatasan ruang fiskal dan tingginya kecepatan peningkatan ketimpangan menjadi kendala. Selain kendala tersebut, usaha untuk merancang kebijakan fiskal yang pro growth dan pro poor menjadi perdebatan. Teori Kuznet, Hukum Okun, dan konsep pertumbuhan inklusif menjadi pangkal perdebatan ini. Penelitian ini bertujuan melihat dampak kebijakan fiskal terhadap pertumbuhan dan ketimpangan. Menggunakan Error Correction Model(ECM), hasil penelitian menemukanbahwa selama periode 1980 sampai dengan 2015 kebijakan fiskal cenderung mendorong pertumbuhan dibanding pemerataan."

"Baterai Li-Ion banyak digunakan pada kendaraan listrik karena efisiensi dan densitas energinya yang tinggi. Untuk menjaga baterai Li-Ion beroperasi pada kondisi ideal maka estimasi status pengisian baterai menjadi indikator penting. Parameter yang menyatakan status pengisian baterai adalah State of Charge (SOC). Nilai SOC baterai tidak dapat diukur secara langsung melainkan harus diestimasi dari nilai tegangan dan arus baterai saat digunakan. Kesulitan saat mengestimasi SOC baterai disebabkan faktor nonlinearitasnya yang tinggi serta pengaruh noise saat pengukuran yang dapat mengakibatkan terjadinya akumulasi error. Algoritma Unscented Kalman Filter (UKF) dapat melakukan koreksi kesalahan saat mengestimasi SOC baterai. Namun teknik ini membutuhkan model baterai pada algoritmanya. Literatur yang membahas model baterai banyak menggunakan pendekatan Equivalent Circuit Model (ECM) Thevenin orde dua yang diperoleh dari data eksperimen Hybrid Pulse Power Characterization (HPPC). Beberapa literatur meninjau data HPPC yang seragam namun menggunakan berbagai pendekatan seperti teknik fitting, aturan waktu konstan, dan daerah analisis kurva baterai yang berbeda. Untuk mengetahui metode identifikasi parameter ECM terbaik maka dilakukan pengujian performa. Pada penelitian ini dianalisis empat metode identifikasi parameter ECM menggunakan baterai LiNiMnCo. Masing – masing parameter ECM disubsitusi ke model baterai lalu dilakukan verifikasi menggunakan data HPPC dan Dynamic Stress Test (DST). Berdasarkan nilai RMSE masing – masing percobaan, metode 1 yang menggunakan teknik fitting di daerah relaksasi baterai memiliki akurasi dan konsistensi yang terbaik yaitu 0,0103 V untuk HPPC menggunakan data CALCE dan 0,0088 V data baterai LG. Untuk pengujian DST nilai RMSE metode 1 adalah 0,0278 V. Parameter baterai yang telah diidentifikasi menggunakan metode 1 digunakan sebagai model pada algoritma UKF untuk mengestimasi SOC baterai. Nilai RMSE estimasi SOC menggunakan algoritma UKF yang telah dibangun adalah 0,32 %. Algoritma UKF mampu melakukan koreksi saat terjadi kesalahan awal nilai estimasi SOC.

---

Li-Ion batteries are widely used in electric vehicles due to their high efficiency and energy density. To keep Li-Ion batteries operating at ideal conditions, estimation of the battery state of charge is an important indicator. The parameter that states the state of charge of the battery is the State of Charge (SOC). The SOC value of the battery cannot be measured directly but must be estimated from the voltage and current values of the battery during use. The difficulty in estimating the battery SOC is due to its high nonlinearity factor and the influence of noise during measurement which can result in the accumulation of errors. The Unscented Kalman Filter (UKF) algorithm can perform error correction when estimating battery SOC. However, this technique requires a battery model in the algorithm. Much of the literature discussing battery models uses the second-order Thevenin Equivalent Circuit Model (ECM) approach obtained from Hybrid Pulse Power Characterization (HPPC) experimental data. Some literature reviews uniform HPPC data but uses various approaches such as fitting techniques, constant time rules, and different battery curve analysis regions. To determine the best ECM parameter identification method, performance testing is conducted. In this study, four ECM parameter identification methods using LiNiMnCo batteries are analyzed. Each ECM parameter is subsumed into the battery model and then verified using HPPC and Dynamic Stress Test (DST) data. Based on the RMSE value of each experiment, method 1 which uses fitting techniques in the battery relaxation region has the best accuracy and consistency, namely 0.0103 V for HPPC using CALCE data and 0.0088 V LG battery data. For DST testing the RMSE value of method 1 is 0.0278 V. The battery parameters that have been identified using method 1 are used as a model in the UKF algorithm to estimate the battery SOC. The RMSE value of SOC estimation using the UKF algorithm that has been built is 0.32 %. The UKF algorithm can make corrections when there is an initial error in the SOC estimation value."

"[ABSTRAKPenelitian ini dilakukan untuk menganalisis faktor-faktor yang memengaruhipermintaan India terhadap minyak kelapa sawit Indonesia, dengan cakupan lalu lintasperdagangan dikhususkan hanya kepada perdagangan Indonesia dengan India(importir terbesar). Dengan menggunakan data ekspor kelapa sawit kuartalan tahun2000-2010, dilakukan pendekatan ekonometri dengan menggunakan model koreksikesalahan (Error Correction Model). Penelitian menemukan bahwa guncangan padakuantitas perdagangan, harga minyak kedelai, serta nilai tukar rupiah pada satu kuartal sebelumnya terbukti berpengaruh signifikan terhadap volume ekspor kelapasawit Indonesia ke India. Sedangkan harga minyak kelapa sawit terbukti tidak signifikan memengaruhi permintaan ekspor kelapa sawit Indonesia ke India.

---

ABSTRACTThis study was conducted to analyze the factors that affect the demand for Indiaagainst Indonesian palm oil, focuses only for trade between Indonesia and India (thelargest importer). By using palm oil export quarterly data for 2000-2010 period,econometric approach using error correction model (Error Correction Model) isapplied in this study. The study found that shocks to the quantity of trade, the price ofsoybean oil, as well as the exchange rate on the previous quarter proved tosignificantly influence the volume of Indonesian palm oil exports to India. While palm oil prices proved to be significantly affect the demand for Indonesian palm oil exports to India., This study was conducted to analyze the factors that affect the demand for Indiaagainst Indonesian palm oil, focuses only for trade between Indonesia and India (thelargest importer). By using palm oil export quarterly data for 2000-2010 period,econometric approach using error correction model (Error Correction Model) isapplied in this study. The study found that shocks to the quantity of trade, the price ofsoybean oil, as well as the exchange rate on the previous quarter proved tosignificantly influence the volume of Indonesian palm oil exports to India. While palm oil prices proved to be significantly affect the demand for Indonesian palm oil exports to India.]"

"Seiring dengan perubahan dunia yang sangat cepat, efisiensi dalam mengelola persediaan menjadi hal yang sangat penting, terutama bagi UKM. Ada beberapa sumber daya penting yang dibutuhkan oleh UKM untuk meningkatkan bisnis mereka: sejumlah dana, penguasaan teknologi, dan sumber daya manusia. Robotic Process Automation (RPA) sebagai salah satu teknologi unggulan di Industri 4.0 dapat mengatasi kebutuhan sumber daya manusia untuk melakukan tugas-tugas dalam manajemen persediaan. RPA dianggap sebagai salah satu teknologi modern yang memungkinkan UKM melakukan tugas berulang dengan lebih efisien sehingga menghasilkan kinerja organisasi yang lebih baik. Penelitian ini mengadopsi tahap Inisialisasi dan Implementasi dari The Consolidated Framework for Implementing RPA Project. Data bersumber dari salah satu UKM dalam bisnis kecantikan yang beroperasi di Provinsi Jawa Tengah- Indonesia, dimana bisnis kecantikan dianggap sebagai salah satu sektor yang berkembang pesat saat ini di Indonesia. Ruang lingkup penelitian ini difokuskan pada manajemen persediaan seperti pengecekan stok persediaan, peramalan permintaan produk berdasarkan data historis, membuat rencana pembelian, memesan barang ke vendor melalui email dan menindaklanjuti menggunakan email jika barang yang dipesan belum datang. Temuan penelitian ini menunjukkan bahwa penggunaan RPA dalam manajemen persediaan dapat menghemat banyak biaya yang sebelumnya dianggap sebagai beban. Adanya RPA di perusahaan telah berhasil membantu AuradermA Skin Care dalam mengelola persediaan dengan lancar, mengurangi beban kerja staf dan pada akhirnya memastikan persediaan tidak habis atau berlebihan. Diharapkan penelitian ini memberikan kontribusi dalam bidang RPA karena implementasi RPA belum begitu banyak ditemukan terutama untuk UKM.

---

State of Charge (SOC) is a condition that states battery charge condition. This condition is important to know to ensure safe battery operating condition. One of the challenge in estimating SOC is that the battery dynamic system. To estimate SOC, battery undergoes characterization process. The Li-Ion battery characterization system monitors voltage across the battery as well as current going to or out of the battery. After the system is assembled, battery will be prepared before characterization using Constant Current Constant Voltage (CCCV) charging. Characterization process starts with battery undergoing discharging and charging process. In this research, Li-Ion battery made from LiNiMnCoO2 is modelled based on second order Thevenin Equivalent Circuit Model. SOC estimation is optimized using Uscented Kalman Filter (UKF). Next, battery undergoes Hybrid Pulse Power Characterization (HPPC) test to obtain ECM parameters. Next, ECM parameters are used as value to be fitted with SOC from Coulomb Counting (CC) with seventh order polynomial method from HPPC result. SOC estimation validation is done using Dynamic Stress Test (DST). The SOC estimation result using UKF is compared to the estimation which doesn’t use UKF. The simulation and experiment result show that UKF algorithm is able to adjust its estimation result when given wrong initial SOC estimation value. The simulated SOC estimation result using UKF is compared with the CC method and reference SOC have Root-Mean Square Error (RMSE) of 0.7 % and Maximum Error (ME) of 9.9 %. The experiment SOC estimation result compared with CC SOC method has RMSE of 2.76 % and ME of 10%."

"This paper is a report of a study on factors believed to be the major determinants on export Indonesia. It isfound that foreign direct investment, gross domestic product, exchange rate, are important in explanning therise and fall of Indonesia export using the error correction model . The macro economic data 1980 -2011available from The Bank Indonesia (Central Bank of Indonesia), BPS (Central Statistic Agency) verify theabove presumption. The result of the study, that FDI, GDP and S(IDR/USD) has impact to Indonesia exportvery significantly."

"Penelitian ini bertujuan untuk mengetahui besarnya pengaruh pendapatan riil masyarakat (GDP riil), suku bunga, inflasi, nilai tukar rupiah, dan foreign direct invcstment (FDI) terhadap permintaan uang nominal di Indonesia pada periode 2000 - 2008. Data yang digunakan berbentuk triwulan, yang bersumber dari International Financial Statistics (IFS) yang dikeluarkan oleh IMF dan Statistik Ekonomi dan Keuangan Indonesia (SEK1) yang dikeluarkan oleh Bank Indonesia. Metode estimasi yang digunakan dalam penelitian ini adalah Error Correction Model (ECM) dan uji kointegrasinya dengan prosedur Johansen’s dan Engle-Granger.Hasil estimasi model permintaan uang di Indonesia selama observasi adalah, daiam model jangka panjang, permintaan uang di Indonesia dipengaruhi oleh pendapatan riil masyarakat dengan koefisien estimasi sebesar 2,282 dan foreign direct investment dengan koefisien estimasi sebesar 0,041. Model jangka pendek, pertumbuhan permintaan uang dipengaruhi oleh pertumbuhan nilai tukar dengan koefisien estimasi 0,26 dan pertumbuhan suku bunga dengan koefisien estimasi 0,016. Speed of adjustment, yaitu seberapa cepat ketidakseimbangan pada periode sebelumnya mengkoreksi pada periode sekarang, sebesar 0,796% atau 11 bulan.

---

This research aims to know how the effect of the society’s real Gross Domestic Product (GDP), interest rate, inflation, rupiah’s exchange rate, and foreign direct investment (FDI) are toward nominal money demand in Indonesia in the period of 2000-2008. The date of the research is in quarter form and based on International Financial Statistics (IFS) issued by IMF and Economic Statistics and Indonesian Financial (SEKI) issued by Bank Indonesia. Error Correction Model (ECM) is used as the estimation method of the research and Johansen’s and Engle-Granger is as its co-integrated test.

The estimation result of the money demand model in Indonesia during the observation are that in long-term model, money demand in Indonesia was effected by GDP with non linier estimation is 2,282 and foreign direct investment with non linier estimation is 0,041. The growth of the money demand, in short-term model, is influenced by exchange rate growth with the non linear estimation is in 0,26 and the interest rate growth with the non linear estimation is in 0,016. Speed of adjustment is how fast the unbalance in the previous period corrects the nowadays period, in the amount of 0,796% or 11 months."

"Tesis ini membahas tentang pengaruh kebijakan BI Rate terhadap perkembangan suku bunga kredit investasi bank umum. BI Rate merupakan instrumen moneter yang digunakan sejak Juli 2005 dengan sasaran antara adalah suku bunga perbankan. Penulisan tesis ini dilatarbelakangi oleh maraknya pemberitaan di berbagai media yang menyatakan bahwa penurunan BI Rate tidak diikuti dengan penurunan suku bunga kredit. Data yang digunakan adalah data time series bulanan yang terdiri dari tingkat suku bunga kredit investasi, BI Rate, pertumbuhan kredit, kurs US$, inflasi dan suku bunga SIBOR. Rentang periode observasi sejak bulan Juli 2005 sampai dengan Desember 2009. Metode ekonometri yang digunakan adalah model ECM (Error Correction Model). Metode ini berguna untuk melihat hubungan jangka panjang dan jangka pendek atas variabel independen yang digunakan terhadap variabel dependen. Hasil yang diperoleh menunjukkan bahwa guncangan BI Rate mempengaruhi suku bunga kredit investasi baik dalam jangka panjang maupun dalam jangka pendek. Selain itu, faktor lain berupa pertumbuhan kredit, kurs US$, inflasi dan SIBOR juga mempengaruhi pergerakan suku bunga kredit investasi. Hal ini menunjukkan bahwa pergerakan suku bunga kredit investasi tidak semata-mata dipengaruhi oleh BI Rate saja.

---

This thesis discusses the influence of the BI rate policy on the investment loan rate of commercial banks. BI Rate is the monetary instruments used since July 2005 with goals of the bank's interest rate. This thesis was motivated by the widespread publicity in the media stating that the decline in the BI Rate was not followed by a decline in lending rates. Data used are monthly time series data consisting of investment loan rate, the BI Rate, loan growth, U.S.$ Exchange Rate, inflation and SIBOR. Range of the observation start from July 2005 to December 2009. Econometric method used is Error Correction Model (ECM). This method is useful to look long-term and short-term relationships on independent variables used to the dependent variable. The results obtained showed that the BI rate affect both investment loan rate in the long term and short term. In addition, other factors such as growth, U.S.$ exchange rate, inflation and SIBOR movements also affect the investment loan rate. Thus, the investment loan rate movements are not solely be influenced by the BI Rate."

"Pertumbuhan penerapan e-learning di Indonesia mulai pesat sejak tahun 2004. BNI sebagai salah satu perusahaan yang berhasil menerapkan e-learning di Indonesia pada tahun 2007 memperoleh predikat The Best Online Learning Subkategori Perusahaan pada SWA Award. Namun terjadi penurunan yang drastis penggunaan program e-learning BNI sejak 2008 hingga 2012. Karena itu penelitian ini bertujan untuk menganalisa hubungan 1) kepuasan pengguna elearning dan intensi melanjutkan penggunaan e-learning pada karyawan BNI?46, 2) konfirmasi dan kepuasaan pengguna e-learning pada karyawan BNI-46, 3) kegunaan yang dirasakan dan kepuasan pengguna e-learning pada karyawan BNI?46, 4) kegunaan yang dirasakan dan intensi melanjutkan penggunaan elearning pada karyawan di BNI?46, 5) konfirmasi dan kegunaan yang dirasakan pengguna e-learning bagi karyawan BNI?46. Untuk menjawab permasalahan tersebut akan digunakan Expectation Confirmation Model dari Bhattacherjee (2001) sebagai acuan analisis.Penelitian ini menggunakan pendekatan kuantitatif dengan jenis penelitian eksplanatif. Pengambilan sampel penelitian mmenggunakan teknik non probability sampling dengan jumlah sampel sebanyak 106 karyawan BNI?46 yang pernah menggunakan e-learning minimal 1 modul. Teknik analisa data primer memakai korelasi pearson. Instrumen yang dipakai diadaptasi dari Bhattacherjee (2001), Davis (1989). Uji validitasnya menggunakan KMO-Barlet, sedangkan uji reliabilitas menggunakan cronbach's alpha, dengan signifikansi 0,05.Hasil dari penelitian menunjukkan bahwa kelima hipotesa nul ditolak. Ini berarti model ECM yang berasal Bhattarcherjee (2001) merupakan model yang sahih dan ajeg, serta bisa digunakan untuk memprediksi intensi melanjutkan penggunaan elearning pada karyawan BNI-46. Diharapkan hasil penelitian ini selanjutnya bisa berguna sebagai fondasi untuk pengembangan dan modifikasi dari berbagai model untuk diperoleh model yang paling tepat dan kuat dalam memprediksi intensi melanjutkan penggunaan e-learning.

---

E-learning implementation in Indonesia started to grow rapidly since 2004. At 2007, BNI as one of the company that has been succeeded to implement e-learning in Indonesia received an award as The Best Online Learning subcategory Company in SWA Award. But then from 2008, there is a decreasing of the e-learning program implementation until 2012. Therefore, purposes of this study are to analyze the correlation of 1) e-learning user?s satisfaction and intention to continue using e-learning program on employees at BNI?46, 2) confirmation and e-learning user?s satisfaction on employees at BNI-46, 3) usefulness of e-learning felt by e-learning user and their satisfaction on employees at BNI?46, 4) usefulness of e-learning felt by e-learning user and intention to continue using e-learning on employees at BNI-46, 5) confirmation and usefulness of e-learning felt by e-learning user on employees at BNI-46. To answer those problems, Expectation Confirmation Model from Bhattacherjee (2001) will be used as reference of analysis.This study used quantitative approach with explanative research method. Using non probability sampling technique with samples consist of 106 employees at BNI?46 whom has used e-learning, minimum 1 modul. Analysis technique of primary data used Pearson Correlation. Instrument used in this study was adapted from Bhattacherjee (2001), Davis (1989). Validation test used KMO-Barlet, while reliability test used cronbach?s alpha, with significant level 0,05.Result of this study shows that all five null of hypothesis are rejected. This means ECM model from Bhattarcherjee (2001) is valid and reliable, and can be used to predict the intention to continue using e-learning on employees at BNI-46. It is expected that result of this study can be utilized as foundation to develop and modify other models in order to obtain the most appropriate and strongest model to predict the intention to continue using BNI e-learning."

"Tesis ini membahas faktor-faktor yang mempengaruhi Penanaman Modal Asing Langsung (Foreign Direct Investment/FDI) di Indonesia selama perlode kuartal Itahun 1990 sampai kuartal II tahun 2007. Ada 8 faktor yang diduga mempengaruhi arus FDI ke Indonesia. Faktor-faktor tersebut mencakup: Pendapatan Domestik Bruto (PDB), pertumbuhan PDB,financial development, lnfrastruktur, kurs, ekspor, pajak dan risiko politik. Sementara itu, dengao adanya krists ekonomi yang melanda Asia pada tahun 1997-1998 dlduga memberikan perbedaan terhadap FDI ke Indonesia sebelum dan sesudah krisls tersebut. Perbedaan ini dijeiaskan dengan memasukkan variabel dummy. Metode yang digunakan ialah kointegrasl Johansen untuk menjelaskan hubungan jangka panjang antar variabel dan metode regresi ECM untuk menjelaskan hubungan jangka pendek antar varlabel. Hasil penelitlan menunjukkan bahwa semua varlabel memberikan pengaruh yang sesuai dengan hlpotesls pada berbagai tingkat signlfikansl. Pengaruh tiap variabel diharapkal) dapat memberlkan petunjuk bag! arah kebijakan FDI di Indonesia."