Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Ritter and Welch (2002) explain there are two types of IPO firms, namely higher quality firms and lower quality firms. This research propose the third type, namely bad IPO firms which manipulate and force IPO underpricing. Bad IPO firms are subset of lower quality IPO firms that force false signal as higher quality firms. The false signal was hidden by managing post-IPO trading. Trading management are indirectly funded by using balance sheet cash. Hypothesis testing with the empirical model 1 was to confirm the role of CashRatio as the moderating variable that interact DER to affect IPO underpricing which originally was not. The findings support the predictions that interactive variable DER*CashRatio affect IPO underpricing. A managed trading had a non negative profits constraint so that selective post-IPO trading was conducted to cause trading imbalance observable as skewed trading volume (Skewness). Subsequent tests with the empirical model 2 was to confirm the role of Skewness as the moderating variable that interact VolRatio to affect post-IPO stock return (RGM) which originally was not. The findings support the predictions that interactive variable LnVolRatio*Skew affect RGM. Both findings confirm this research predictions on the possibility of manipulated IPO trading in Indonesia IPO 2009-2012.

Abstrak :
Teknologi hyperspectral adalah pengembangan yang terbaru sistem remote sensing lebih canggih yang memungkinkan pengukuran radiasi dalam lebih banyak lagi interval spektral dibanding sistem-sistem sebelumnya. Kenyataan bahwa ruang berdimensi tinggi sebenarnya sebagian besarnya adalah kosong dan diasumsikan bahwa banyak sekali data yang redundant. Dengan demikian, walaupun dimensi data dari citra hiperspektral lebih besar, tetapi belum tentu menghasilkan klasiftkasi pengenalan pola yang lebih akurat.Untuk mengatasi maka perlu diadakan reduksi [ dimensi data dari citra hiperspektral. IPCT adalah metode reduksi data yang seringkali digunakan para peneliti dalam menganalisis data hyperspectral dengan basil cukup memuaskan. Untuk objek yang relatif kecil dibandingkan dengan latar belakangnya, PCT kerapkali gagal mengenali objek tersebut. Projection Pursuit dipropose untuk menyelesaikan permasalahan ini. PP menggunakan matriks sphering dan data translasi invariant dalam transformasinya, dimana hanya data-data yang dianggap "interesting" yang akan ditransformasikan. Optimasi pemilihan data tereduksi berdasarkan nilai maksimum projection indeks yang dihasilkan. Penelitian ini menggunakan skewness dan kurtosis sebagai Projection Indeksnya. Berdasarkan basil klasiftkasi untuk objek air, jalan, pohon, rumput, daD rumah, reduksi data dengan PP memberikan basil yang lebih baik dari PCT. Dalam penelitian ini nilai akurasi klasifikasi PP adalah diatas 80% sedangkan .akurasi klasifikasi PCT masih terdapat nilai dibawah 50%.

Abstrak :
Distribusi normal merupakan salah satu distribusi probabilitas data, yang banyak digunakan dalam berbagai bidang karena sifat ideal yang dimilikinya, yaitu distribusi probabilitas data-datanya terpusat di sekitar mean dan distribusi probabilitas data lainnya tersebar secara merata. Namun ada kasus-kasus tertentu di mana distribusi normal sebaiknya tidak digunakan karena akan menghasilkan analisis yang kurang sesuai, terutama ketika data memiliki kemencengan yang kuat dan mempunyai heavy-tail. Pada tugas akhir ini diperkenalkan distribusi probabilitas yang dapat memfasilitasi kemencengan data, yaitu distribusi skew-normal. Distribusi skew-normal merupakan bentuk perluasan dari distribusi normal dengan memasukkan parameter kemencengan. Tugas akhir ini memberikan penjelasan mengenai karakteristik-karakteristik dari distribusi skew-normal univariat dan perluasannya dengan memasukkan parameter location dan scale, serta distribusi skew-normal secara umum dalam bentuk multivariat. Karakteristik-karakteristik yang dimaksud adalah fungsi kepadatan probabilitas, fungsi distribusi, mean, variansi, fungsi pembangkit momen, dan sifat-sifatnya. ......The normal distribution is one of the probability distribution of data, which are widely used in various fields because of the nature of the ideal, namely the probability distribution of data centers around the distribution of average data and other probability is spread evenly. But there are certain cases where the normal distribution should not be used because it will produce less precise analysis, especially when the data has a strong skewness and heavy-tail. This final project will introduce a probability distribution which can facilitate the skewness of data, i.e skew-normal distribution. The skew-normal distribution is an extend form of normal distribution, allowing a skewness parameter. This final project will give an explanation about the chararteristics of the univariate skew-normal distribution and its extend to the location and scale family, and skew-normal distribution in general in multivariate form. The characteristics are probability density function, distribution function, mean, covariance, variance, moment generating function, and the properties of the distribution.