Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tahun 2020 merupakan tahun dimulainya pandemi di seluruh negara. Kondisi pandemi menyebabkan tekanan secara drastis pada kondisi perekonomian global. Salah satu dampaknya dapat terlihat pada penurunan kinerja pasar di Indonesia. Pada Maret 2020 IHSG sempat menyentuh harga di bawah 4.000 sebelum akhirnya kembali memasuki tahun 2021. Ditengah tekanan ekonomi tersebut terdapat banyak perusahaan asuransi yang mengalami permasalahan keuangan yang disebabkan berbagai faktor. Dalam penelitian terdahulu metode Altman Z-score serta Ohlson O-score digunakan sebagai model dalam menentukan kondisi tekanan pada perusahaan asuransi. Penelitian ini bertujuan untuk meneliti tingkat akurasi dari metode Altman Z-score dan Ohlson O-score, serta menemukan model baru dengan metode analisis diskriminan untuk menentukan kondisi tekanan keuangan pada perusahaan asuransi. Hasil penelitian menunjukkan bahwa tingkat akurasi metode Altman Z-score lebih baik daripada Ohlson O-score. Hasil analisis diskriminan menemukan model untuk mengidentifikasi kondisi financial distress ditentukan oleh variabel antara lain Net Working Capital Ratio, Return on Total Assets Ratio, Current Ratio, Investment Adequacy Ratio, dan Solvency Ratio. ......Year 2020 is the year that pandemic started in all over the world. This condition causing global economic distress. One of the effects can be seen in the declining market performance in Indonesia. In March 2020, IHSG price drop below 4,000 before recovering in 2021. In the midst of these economic distress, there were many insurance companies experiencing financial problems caused by various factors. In previous studies, the Altman Z-score and Ohlson O-score methods were used as models in determining the financial distress on insurance companies. This study aims to examine the accuracy of the Altman Z-score and Ohlson O-score methods, as well as to find a new model with the discriminant analysis method to determine the financial distress condition on insurance companies. The results showed that the accuracy level of the Altman Z-score method was better than the Ohlson O-score method. The results of discriminant analysis found a model to identify financial distress conditions determined by Net Working Capital Ratio, Return on Total Assets Ratio, Current Ratio, Investment Adequacy Ratio, and Solvency Ratio.

Abstrak :
Salah satu cara untuk mengeloinpokkan ketahanan pasien penyakit kanker paru yang menjalani perlakuan reseksi, kemoterapi dan radioterapi adalah teknik analisis diskriminan linier. Analisis ini menggunakan fungsi diskriminan linier yang dibentuk berdasarkan beberapa variabel berdasarkan karakteristik individu pasien atau disebut juga faktor resiko yang mempengaruhi ketahanan pasien. Prosedur analisis ini dapat dirinci sebagai berikut: 1. Menemukan faktor-faktor resiko yang penting, yaitu yang memberikan konstribusi pada fungsi diskriminan linier. 2. Menentukan fungsi diskrirninan linier yang efisien dengan menggunakan variabel-variabel atau faktor-faktor resiko untuk pengelompokan ketahanan suatu individu. Data yang dipakai adalah data retrospektif pasien Ruinah Sakit Persahabatan tahun 1978-1990. Sebagai temuan didapat fungsi diskriminan yang mengandung faktor umur, jenis kelamin dan faktor-faktor yang bersangkutan dengan jenis sel, stadium dan masing-masing perlakuan.

Abstrak :
Belajar adalah suatu proses dimana tenjadi interaksi antara peserta didik dengan pendidik (guruatau dosen). Keberhasilan belajar bisa dikatakan tidak bisa lepas dari aspek calon mahasiswa yang berpotensi agar proses pembelajaran yang berlangsung dapat dilaksanakan secara optimal. Calon mahasiswa yang berpotensi didapatkan dari Sipcnsimann. Selain dari nilai Sipensimaru, calon mahasiswa yang berpotensi adalah calon mahasiswa yang memiiiki prestasi belajar baik semasa sekolahnya. Penelitian ini memiliki tujuan umum yaitu didapatkazmya cara untuk memprediksi prestasi belajar mahasiswa angkatan kelima sampai dengan kedelapan di Prodi Keperawatan Persahabatan Poltekkes Depkes Jakarta HI berdasarkan nilai kelulusan SMU, nilai Matematika Sipcnsimaru, nilai IPA Sipensimaru, nilai Bahasa Indonesia Sipensimaru dan nilai Bahasa Inggris Sipensimaru dengan menggunakan analisis diskximinan. Variabel-variabel prediktor yang secara signifikan membcdakan kelompok prestasi belajar mahasiswa angkatan V sampai dengan VIII di Prodi Keperawatan Persahabatan Poltekkes Depkes Jakarta III adalah Nilai Bahasa Indonesia Sipensimaru, Nilai Bahasa Inggris Sipensimam, Nilai Kclulusan SMU dan Nilai IPA Sipensimaru, dimana Nilai Bahasa Indonesia Sipensimaru merupakan variabel prediktor dominan. Model diskriminan yang dapat digunakan untuk prediksi prestasi belajar adalah - 7,114 + 4,250 Nilai IPA Sipensimaru + 3,108 Nilai Bahasa Inggris Sipensimam + 2,502 Nilai Bahasa Indonesia Sipensimaru + 0,548 Nilai Kclulusan SMU, dengan batasan nilai diskriminan sebesar -3,582 x 104. Hasii validitas silang memiliki angka ketepatan prediksi sebesar 69,03%. Model diskriminan dengan batasan nilainya memiliki nilai area di bawah kurva Receiver Operator Characzeristic (ROC) sebcsar 0,795 dengan nilai p 0,000.

Abstrak :
Di Indonesia, dengue telah menjadi salah satu penyakit yang bersifat hiperendemis. Dengue diderita oleh masyarakat dari berbagai kalangan usia, baik pria maupun wanita. Dengue memiliki manifestasi klinis yang terdiri dari tiga fase: fase demam, fase kritis, dan fase penyembuhan. Banyak pasien dengue meninggal pada fase kritis karena pengobatan yang tidak dilaksanakan tepat waktu. Oleh karena itu, dibangunlah model-model yang dapat memprediksi tingkat keparahan dengue berdasarkan hasil uji laboratorium dari pasien yang bersangkutan menggunakan Artificial Neural Network (ANN) dan Analisis Diskriminan (AD). Dalam pembangunan model-model tersebut, digunakan data dengan jumlah yang sangat kecil, yakni sebesar 77 data. Dalam data tersebut, terdapat informasi mengenai hasil uji laboratorium dan diagnosis dari pasien yang bersangkutan. Diagnosis tersebut dikelompokkan ke dalam tiga kategori keparahan dengue, yakni DF sebagai tingkat ringan, DHF grade 1 sebagai tingkat sedang, dan DHF grade 2 sebagai tingkat parah. Dalam penelitian ini, dilakukan tiga pemisahan data, yakni dengan rasio data training : data testing sebesar 70% : 30%, 80% : 20%, and 90% : 10%. Berdasarkan hasil yang diperoleh, model-model prediksi ANN yang dibangun menggunakan fungsi aktivasi logistik dan tangen hiperbolik dengan persentase data training sebesar 70% menghasilkan akurasi (90.91%), sensitivitas (91.11%), dan spesifisitas (95.51%) tertinggi. Model-model tersebutlah yang diajukan dalam penelitian ini. Model-model tersebut akan mampu membantu para dokter dalam memprediksi tingkat keparahan dengue dari pasien yang bersangkutan sebelum memasuki fase kritis. Lebih jauh, model-model tersebut dapat memudahkan para dokter dalam mengobati pasien dengue secara dini, sehingga kasus-kasus fatal atau kematian dapat dihindari. ......In Indonesia, dengue has become one of the hyperendemic diseases. Dengue is being suffered by many people of all ages, both men and women. Dengue has clinical manifestations that are divided into three phases: febrile phase, critical phase, and convalescence phase. Many patients have died in the critical phase due to the lack of timely treatment. Therefore, I developed models that can predict the severity of dengue based on the corresponding patients’ laboratory test results using Artificial Neural Network (ANN) and Discriminant Analysis (DA). In developing the models, I used a very small dataset, which only consisted of 77 data. The data contains information regarding the laboratory test results and the diagnosis of each of the corresponding patients. The diagnoses were classified into three categories of dengue severity, which are DF as the mild level, DHF grade 1 as the intermediate level, and DHF grade 2 as the severe level. I conducted three different data split, that is, with the ratio of training : testing = 70% : 30%, 80% : 20%, and 90% : 10%. It is shown that ANN models developed using logistic and hyperbolic tangent activation function with 70% training data yielded the highest accuracy (90.91%), sensitivity (91.11%), and specificity (95.51%). These ANN models are the proposed models in this research. The proposed models will be able to help physicians predict the dengue severity of a corresponding patient before entering the critical phase. Furthermore, it will ease physicians in treating dengue patients early, so deaths or fatal cases can be avoided.

Abstrak :
Penelitian ini hendak membuktikan kebenaran anggapan bahwa perusahaan cenderung merekrut karyawan perempuan sebagai petugas hubungan masyarakat(humas) mereka. la juga mencari faktor- faktor yang mempengaruhi pertimbangan seorang perekrut memilih petugas humas laki-laki atau. perempuan. Metode penelitian yang digunakan adalah kuantitatif dengan teknik analisis diskriminan. Penelitian menemukan bahwa ternyata memang terdapat kecendentngan persepsi bahwa pekerjaan humas lekat dengan atribut-atribut perempuan. Adapun faktor-faktor yang secara signifikan mempengaruhi peritmbangan perekrut adalah persepsi perekrut mengenai distribusi kerja yang harus dilakukan petugas humas dan persepsi perekrut mengenai besarnya organisasi tempat ia bekerja.

Abstrak :
Sistem sensor robot selalu didukung oleh sebuah sistem komputer yang dikenal sebagai 'visi komputer'. Konsep penting dlm visi komputer adalah klasifikasi objek. Dalam kajian ini dua buah algoritma untuk klasifikasi objek akan dibandingakan. Pertama adalah metode sederhana yang tidak memerlukan komputasi komplek yang dianggap sbg metode informal disebut sebagai metode pohon keputusan biner. Metode ini bertumpu pada ciri deskriptor yg sederhana dari suatu objek seperti garis vertikal, garis horisontal atau elip. Sayangnya metode ini memeiliki kelemahan dlm mengenali objek yg terkontaminasi oleh derau. Metode yg kedua adalah metode yg lebih formal dengan deskriptor yg bervariasi tinggi. Dlm konteks ini pnedekatan statistik multivariat dengan metode yg disebut analisis diskriminan diajukan sbg alternatif utk klasifikasi objek. Metode ini dijalankan dengan menghitung suatu fungsi yg disebut fungsi diskriminan fisher yang dapat digunakan untuk memishkan objek. Dari simulasi data dan analisis untuk klasifikasi dua objek yaitu skrup dan baut, dan klasifikasi tiga objek yaitu huruf T, O dan S dapat ditunjukkan bahwa analisis diskriminan dapat mengklasifikasi objek dengan lebih baik dari pada metode pohon keputusan biner. Kelebihan ditunjukkan terutama pada objek yang mengalami derau.

Abstrak :
ABSTRAK
Dana Pensiun merupakan lembaga yang sering terlupakan dalam sebuah.. perusahaan. Namun lembaga ini berperan vital dalam mengelola dana demi kepentingan pegawai ketika masa pensiun tiba. Dalam pengelolaan Dana Pensiun harus dijalankan dengan Prinsip kehati-hatian. Pemerintah melalui Direktorat Dana Pensiun Departemen Keuangan mempunyai kewajiban untuk mengawasi pengelolaan Lembaga Dana Pensiun ini.

Kendala yang dihadapi ialah valuasi aktuaria yang dikeluarkan oleh Aktuaris hanya wajib diserahkan sekali dalam jangka waktu tiga tahun. Sehingga rentang waktu tiga tahun tersebut akan mengurangi tingkat efektifitas pengawasan Diperlukan suatu analisa yang dapat memberikan peringatan dini bagi pemerintah untuk dapat mendeteksi suatu kecenderungan tíngkat kecukupan pendanaan Dana Pensiun. Peubah bebas yang digunakan untuk peringatan dini ini berasal dari laporan keuangan, laporan teknis, dan laporan portofollo investasi yang bisa didapatkan dalam jangka waktu yang lebih pendek dan laporan aktuaris.

Penulis menggunakan metode analisa multi diskriminan yang didalam prosesnya melakukan klasifikasi kedalam dua jenis pendanaan, yaitu ?Pendanaan Tercukupi? dan ?Pendanaan Tak Tercukupi?. Dengan analisa ini ingin diketahui apakah terdapat perbedaan antar grup, peubah bebas mana saja yang dapat menjadi ?peubah prediktor yang dapat membedakan populasi Dana Penslun kedalam setiap grup kualitas pendanaan, tingkat signifikansl dari peubah-peubah pembeda, hingga apakah model diskriminan yang dihasilkan dapat melakukan klasifìkasi dengan baik.

Kesimpulan dari analisis diskriminan dari Dana Pensiun ini ialah, secara statistik bahwa memang terdapat perbedaan yang nyata antara dua kelompok pendanaan dengan peubah pembeda berturut-turut dan yang paling membedakan hingga yang terlemah ialah: kewajiban Aktuaria/Aktiva Bersih, total piutang iuran/Aktiva Bersih, investasi Deposito/Total Investasi. Hasil validitas dan persamaan diskriminan yang dihaslkan oleh regresi SPSS cukup tinggi (78,6%) dan dengan cross validation yang tinggi pula (77.7%,). Sehingga persamaan dîskriminan ini dapat digunakan Departemen Keuangan, sebagai pembina dan pengawas Dana Pensiun dalam sistem peringatan dini untuk mempredîksi posisi pendanaan Dana Pensiun yang belum memberikan valuasi laporan aktuarisnya yang memang berdasarkan undang-undang hanya diwajibkan untuk dilakukan sekali dalam tiga tahun.

Penulis juga íngin menguji apakah model ini dapat digunakan untuk tahun berikutnya yaitu tahun 2000. 1-fasil pengujian menyatakan ketepatan mencapai 72,6% sehingga dapat digunakan pada laporan satu tahun sesudah kumpulan sampel (sampel berasal dan Paporan tahun 1998 hlngga 1999).