Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
This paper describes about the rarely Newton Raphson formulation for solving the power flow problem, consist of the injetion 2n current equation written on rectangular coordinate. The Jacobian matrix has same structure such as admittance matrix knot (Zn x Zn), where each network branch represented by block (2 x 2). Execptable for PV bus. Diagonal-of block (2 x 2) from jacobian equation was proposed as some in admittance matrix knot. The result indicate that the proposed methods for solving the power flow is faster, its than the conventionally Newton Raphson formulation, expressed in imbalanced power condition which written in polar coordinate.

Abstrak :
Perancangan struktur tahan gempa berdasarkan atas tiga parameter utama, yaitu kekuatan, kekakuan, dan daktilitas. Daktilitas menggambarkan kemampuan struktur untuk menerima beban gempa dalam respon inelastis. Dengan memanfaatkan sifat daktilitas, perancangan bangunan akan lebih efisien. Faktor reduksi gempa R mempunyai hubungan langsung dengan daktilitas, faktor kuat lebih, dan redundansi. Faktor reduksi gempa R digunakan pada perancangan struktur untuk mereduksi gempa rencana yang digunakan dalam perancangan struktur. Peraturan Standar Nasional Indonesia (SNI) telah menetapkan nilai faktor reduksi gempa R untuk beberapa sistem struktur. Pada struktur ganda yang mempunyai dua subsistem dengan nilai R yang berbeda, maka nilai R yang digunakan untuk perancangan struktur adalah nilai R berbobot. Pada peraturan lain, International Building Code (IBC), nilai R yang akan digunakan untuk struktur ganda adalah nilai R terkecil dari masing-masing subsistem itu. Perbedaan ini akan dikaji dan dibandingkan dengan nilai R perlu dari struktur. Pengaruh nilai R rencana juga dikaji terhadap bangunan tinggi, sedang, dan rendah. Evaluasi dilakukan dengan menggunakan integrasi Newmark dengan metode Newton Raphson untuk menyelesaikan persamaan non-linear. Variasi yang dilakukan adalah variasi terhadap nilai R, rasio Periode getar struktur (Tn) dan Periode getar gempa (Tg), Kekakuan masing-masing subsistem, dan percepatan gempa. Percepatan gempa yang digunakan yaitu percepatan gempa sinusoidal dan El Centro. Hasil yang diperoleh dari penelitian ini menunjukan bahwa penggunaan nilai R terkecil (sesuai IBC) akan lebih mendekati nilai R perlu pada struktur ganda yang terdiri dua subsistem dengan nilai R yang berbeda. Sedangkan penggunaan nilai R berbobot sesuai SNI mendekati nilai R perlu pada bangunan tinggi dan sedang. Nilai R yang digunakan untuk sistem tunggal pada bangunan tinggi lebih mendekati nilai R perlu. ......The design of seismic resistance structure is based on three major parameters, which are strength, stiffness and ductility. Ductility describes the structural ability to withstand seismic load in inelastic response. By using the ductility principle, a structure design will be more efficient. Seismic reduction factor R has direct correlation with ductility, overstrength factor and redudancy. Seismic reduction factor R is used in the structure design to reduce seismic load, that is used in the structure design. Indonesian Standard General Rules (SNI-Peraturan Standar Nasional Indonesia) has determined the value of seismic reduction factor R in the two structure systems (dual system and single system). In the case of dual system that has two sub-systems with different R value, the value of R used in the structure design is the value of R equivalent. As in another rule, International Building Code (IBC), the value of R used in dual system is the least value of R from each subsystem. This difference would be evaluated and compared with the R value of the structure. The influence of the value of R design is also evaluated on high, medium and low building. The evaluation is made by using newmark integration with Newton Raphson method to solve non-linear problem. The variation made is the variation through R value, the ratio of structure natural period (Tn) and seismic natural period (Tg), the stiffness of each subsystem, and seismic acceleration. The seismic acceleration used is Sinusoidal and El Centro seismic acceleration. The result of this research shows that the use of the least R value (based on IBC) will be closer to actual R value of the dual system, which consists of two subsystem with different R value. The use of R equivalent value (based on SNI) is closer to the actual R value of the high and medium building. The R value used for the single system on the high building is closer to actual R value.

Abstrak :
ABSTRAK
Mengetahui mortality rate pada masa mendatang sangat dibutuhkan perusahaan asuransi jiwa untuk dapat menentukan besarnya premi yang harus dibayarkan kepada perusahaan tersebut. Dalam penelitian ini akan dilakukan peramalan tingkat mortalita di Indonesia dengan menggunakan Model Lee-Carter Klasik dan Model Lee-Carter Umum. Selanjutnya, pada model Lee-Carter klasik akan dilakukan estimasi parameter menggunakan 2 cara yang berbeda, cara pertama menggunakan metode Least Square dan Singular Value Decomposition SVD dan cara kedua menggunakan metode Least Square dan Newton Raphson. Sedangkan pada model Lee-Carter umum akan dilakukan estimasi parameter menggunakan metode Least Square dan metode Newton Raphson. Hasil dari estimasi parameter tersebut akan dibandingkan berdasarkan masing-masing model dan metode yang digunakannya. Selanjutnya, hasil estimasi parameter yang bergantung terhadap waktu akan digunakan dalam peramalan tingkat mortalita menggunakan metode Neural Network. Hasil peramalan berupa tabel tingkat mortalita di Indonesia pada masa mendatang.

---

ABSTRACT
Knowing future mortality rate is needed by assurance company to decide the value of the premium which has to be paid by the company. this research will forecast the mortality rate in Indonesia by using classical Lee Carter Model and Umum Lee Carter model. Than Lee Carter classical model will be estimated the parameter by using two different mothod. First method is by using Singular Value Decomposition SVD and the second method is by using Least Square and Newton Raphson. The result of parameter estimation will be compared based on each model and method. Then, the result depends on time which will be used in mortality forecasting by using neural network. The result is a table about the mortality rate in the future.

Abstrak :
Model tingkat bunga yang akan dibahas pada Tesis ini adalah model ekuilibrium satu faktor, yaitu model Rendleman - Bartter (RB) yang diasumsikan dalam ukuran risk-neutral. Tesis ini membahas mengenai stabilitas model RB, yaitu stabilitas stokastik asimtotik dan stabilitas mean-square. Stabilitas model RB ini terkait dengan parameter model RB. Namun, nilai parameter model RB tidak diketahui nilainya sehingga untuk implementasi model diperlukan penaksiran parameter model RB. Penaksiran parameter model RB membutuhkan data historis tingkat bunga. Model RB terkait dengan data historis berada pada ukuran aktual (actual measure). Sedangkan, model RB berada pada ukuran riskneutral, sehingga sebelum menentukan taksiran parameter dilakukan perubahan ukuran pada model RB menggunakan Teorema Girsanov. Metode yang digunakan dalam penaksiran parameter adalah Maximum Likelihood Estimation (MLE) dan dilanjutkan dengan metode numerik Newton ? Raphson. Dengan menggunakan data tingkat bunga bulanan suatu zero-coupon bond dengan maturity time 5 tahun periode Januari tahun 1982 hingga Februari 2011 yang diunduh dari http://www.bankofengland.co.uk dapat diperoleh nilai taksiran parameter yang memenuhi stabilitas model RB.

---

The Rendleman-Bartter (RB) model is a one-factor equilibrium interest rate model under risk-neutral measure. This thesis presents the stability of RB model, that is, stochastically asymptotically stable and mean-square stable, and their stability corresponds to parameter RB model. However, in the application the value of parameters RB model is unknown and needs to be estimated. Parameter estimation of RB model requires historical data of interest rates under actual measure. Therefore, Girsanov Theorem is used to change measure. Also, Maximum Likelihood Estimation (MLE) and Newton-Raphson method can be used to estimate these parameters. Parameter estimators are obtained by data of a zero-coupon bond with maturity time of five years from January 1982 to February 2011. This data can be downloaded from http://www.bankofengland.co.u.

Abstrak :
Analisis regresi digunakan untuk mengetahui hubungan antara satu variabel respon dan satu atau lebih variabel penjelas. Ketika variabel respon berupa data count yaitu data yang berupa bilangan bulat non-negatif, analisis regresi yang sering digunakan adalah analisis regresi Poisson. Pada regresi Poisson terdapat asumsi kesamaan nilai mean dengan nilai variansinya. Dalam data count sering didapati kondisi dimana nilai variansi lebih besar dari nilai meannya atau disebut overdispersi. Pada data yang overdispersi, regresi Poisson kurang tepat jika digunakan karena nilai standard error dari taksiran parameter yang dihasilkan akanunderestimate sehingga beresiko memberikan kesimpulan yang tidak tepat. Model regresi Poisson-Inverse Gaussian dapat digunakan pada data count yang overdispersi dan memiliki tail panjang. Penaksiran parameter model regresi Poisson-Inverse Gaussian menggunakan metode maksimum likelihood dan solusi dari fungsi log -likelihood-nya menggunakan pendekatan numerik yaitu Newton-Raphson. Uji kesesuaian model yang digunakan mencakup statistik pseudo R-Squared, uji rasio likelihood, dan Uji Wald. ......Regression analysis is used to investigate the relationship between one response variable and one or more regressor variables. If the response variable is count data, that has non negative integer value, the regression analysis that usually used is Poisson Regression. Poisson regression has an assumption that mean of response variable equal to its variance. On count data frequently found that the variance is greater than mean, or called overdispersion. On overdispersion case, poisson regression is inconvenient to used because it may underestimate the standard error of regression parameters and consequently it risk to give misleading inference. Poisson Inverse Gaussian regression model can be used on overdispersion and long tail count data. Parameter estimation of Poisson Inverse Gaussian Regression Model can be obtained through the maximum likelihood method and the solution of log likelihood function may be solved by using numerical method called Newton Raphson. Goodness of fit testing of this model includes pseudo R Squared, rasio likelihood test, and Wald test.

Abstrak :
Estimasi parameter pada model regresi logistik pada umumnya menggunakan metode maximum likelihood dengan iterasi Newton Raphson. Pada model regresi logistik, estimasi parameter menggunakan metode maximum likelihood tidak dapat digunakan apabila ukuran sampel kecil dan proporsi kejadian sukses kecil. Permasalahan yang muncul saat ukuran sampel kecil dan proporsi sukses kecil, jika menggunakan metode maximum likelihood adalah proses iterasi yang tidak konvergen. Oleh sebab itu dalam kondisi tersebut, metode maximum likelihood tidak dapat digunakan untuk estimasi parameter. Salah satu cara untuk mengatasi ketidakkonvergenan pada iterasi tersebut adalah menggunakan modifikasi score function. Modifikasi score function dapat digunakan untuk mendapatkan estimasi parameter model regresi logistik dengan melakukan modifikasi pada fungsi likelihood. Contoh aplikasi diberikan untuk menunjukkan bahwa kemungkinan estimasi parameter model regresi logistik dengan ukuran sampel kecil dan proporsi sukses kecil menggunakan metode maximum likelihood dengan iterasi Newton Raphson memberikan hasil yang tidak konvergen dan hal ini dapat diselesaikan dengan menggunakan modifikasi score function. ......The maximum likelihood method with Newton Raphson iteration is used in general to estimate the parameter on logistic regression model. This parameter estimation using the maximum likelihood method cannot be used if the size of the sample and proportion of successful events are small. It is because the iteration process will not convergent to some point. Therefore, the maximum likelihood method cannot be used to estimate the parameter. One of the ways to resolve this convergent problem is using the score function modification. This modification is used to obtain the parameter estimation on logistic regression model by doing some modification on the likelihood function. The example of parameter estimation, using maximum likelihood method with small size of sample and proportion of successful events, is given to show may be the iteration process is not convergent and this can be solved with modification score function.

Abstrak :
Data hitung merupakan contoh data diskrit non negatif yang sering dijumpai di penerimaan data. Analisis yang biasa digunakan dalam pemodelan data hitung adalah Analisis regresi poisson, dimana salah satu asumsi dari regresi ini adalah equidispersion yaitu ketika mean dan varians datanya sama. Namun dalam praktiknya, keadaan overdispersi lebih umum daripada equidispersion. Data berpengalaman Overdispersi ini tentunya membutuhkan penanganan khusus untuk dapat dianalisis. Model Regresi yang dapat menangani masalah dispersi berlebih ini adalah model Quasi-regresi. Poisson, dimana model ini memperhitungkan elemen parameter dispersi penyebabnya varians data tidak sama dengan mean. Metode yang digunakan dalam penilaian Parameter dari model regresi Quasi-Poisson adalah Maximum Quasi-Likelihood yang bukan perhatikan secara khusus bentuk distribusi variabel respon. Perhitungan numerik yang digunakan dalam penelitian ini adalah Newton Raphson setara dengan Iterative Weighted Least Square (IWLS). Tujuan dari penelitian ini adalah dengan mengaplikasikan metode estimasi Maximum Quasi-Likelihood dalam melakukan estimasi Parameter regresi Quasi-Poisson. Hasil studi kasus pada data yang bermasalah pada di atas menunjukkan bahwa, dalam kasus penyebaran berlebih, metode regresi Quasi-Poisson Kemungkinan Kuasi Maksimum menyajikan model yang lebih baik daripada Regresi Poisson.
Calculated data is an example of non-negative discrete data that is often found in data reception. The analysis commonly used in calculating data modeling is regression analysis, where one of the assumptions of this regression is equidispersion, which is when the mean and variance of the data are the same. In practice, however, the overdispersion state is more generally equidispersion. Experienced data. This overdispersion certainly requires special handling to be analyzed. A regression model that can address this excess dispersion problem is a Quasi-regression model. Poisson, where this model takes into account the dispersion parameter because the variance of the data is not the same as the mean. The method used in the sample The parameter of the Quasi-Poisson regression model is the Maximum Quasi-Likelihood which is not a specific form of the distribution of the response variable. The numerical calculation used in this study is Newton Raphson equivalent to the Iterative Weighted Least Square (IWLS). The purpose of this study is to apply the Quasi-Likelihood Maximum method in estimating Quasi-Poisson regression parameters. The results of the case study on the problematic data above show that, in case of excess spread, the Quasi-Poisson regression method of Quasi-Maximum Likelihood presents a better model than Poisson Regression.

Abstrak :
Model multinomial logit adalah model yang biasa digunakan untuk memodelkan pilihan. Model tersebut dapat diturunkan dari fungsi utilitas, dengan asumsi error antar alternatif berdistribusi gumbel, dan saling bebas, serta error antar observasi saling bebas. Jika asumsi error antar alternatif saling bebas tidak terpenuhi, maka dibutuhkan alternatif model lain untuk memodelkan pilihan. Model nested logit adalah salah satu model yang dapat digunakan untuk mengatasi permasalahan tersebut. Alternatif pilihan yang saling berpengaruh dikelompokkan ke dalam satu sarang. Penaksiran parameter pada Model nested logit dapat dilakukan dengan Full Information Maximum Likelihood (FIML) dimana parameter untuk sarang dan alternatif pilihan ditaksir secara simultan. Tetapi turunan fungsi log likelihoodnya tidak linier sehingga dibutuhkan metode NewtonRaphson. ......The multinomial logit model is a model commonly used to model choices. This model can be derived from the utility function, with the assumption that the interalternative error has a Gumbel distribution, are mutually independent, and the error between observations are also mutually independent. If the assumption of mutual independence of the interalternative error is not satisfied, then another model is needed to model the alternatives. Nested logit model is one of the models that can be used to overcome this kind of problem. Alternative choices that affect each other are grouped into a single nest. Estimation of parameters of the nested logit model can be done by the Full Information Maximum Likelihood (FIML). But the derivative of log likelihood functions are not linear so the NewtonRaphson methods are needed in the process.

Abstrak :
This brief book on Newton method is a user-oriented guide to algorithms and implementation. In just over 100 pages, it shows, via algorithms in pseudocode, in MATLAB, and with several examples, how one can choose an appropriate Newton-type method for a given problem, diagnose problems, and write an efficient solver or apply one written by others. Solving Nonlinear Equations with Newton's Method contains trouble-shooting guides to the major algorithms, their most common failure modes, and the likely causes of failure. It also includes many worked-out examples (available on the SIAM website) in pseudocode and a collection of MATLAB codes, allowing readers to experiment with the algorithms easily and implement them in other languages. This book is intended to complement Kelley larger book, Iterative Methods for Linear and Nonlinear Equations (SIAM, 1995), which focuses on in-depth treatment of convergence theory, but does not discuss the details of solving particular problems, implementation in any particular language, or evaluating a solver for a given problem.