Hasil Pencarian

Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 10 dokumen yang sesuai dengan query
cover
Nazwar U. Nawawi
"Untuk mengetahui apakah suatu portofolio investasi sudah efisien atau belum, maka dilakukan analisis, salah satunya dengan teori portfolio optimal Markowitz. Teori portfolio optimal Markowitz ini adalah suatu teori portofolio modern yang digunakan untuk menganalisis pembentukan suatu kombinasi proporsi dari beberapa instrumen investasi sehingga dapat menbentuk titik-titik kombinasi portfolio yang efisien pada garis efficient frontier.
Dari hasil perhitungan aplikasi teori portfolio optimal Markowitz yang dibantu dengan program solver pada software excel, dengan menggunakan data selama periode Agusutus 2002 sampai dengan Maret 2005, maka dihasilkan ada 26 kombinasi proporsi dari pembiayaan murabaha, mudharabah, musyarakah dan Sarah yang diberikan oleh UUS BRI berada pada titik-titik garis efficient frontier.
Dari 26 kombinasi portofolio tersebut akan dipilih satu kombinasi portofolio yang paling optimal dengan menggunakan perhitungan reward to variability ratio. Dari basil perhitungan, kombinasi portofolio yang optimal tersebut terdiri dari 58,27% pembiayaan murabaha, 30,23% pembiayaan mudharabah, 11,50% pembiayaan Sarah dan 0% pembiayan musyarakah dengan return sebesar 14,50% dan deviasi standar 4,83%.

To know whether or not any investment portfolio had been established efficiently, we could conduct a portfolio analysis, one of which use the theory of modem portfolio by Markowitz.
The theory of optimal portfolio by Markowitz is a modern portfolio theory used for analyzing the construction of proportional combinations from some investment instruments to form efficient portfolio points at efficient frontier lines.
Based on the application of Markowitz's optimal portfolio theory calculation and assisted by solver program of excel program using data from August 2002 through March 2005, it had been resulted 26 proportional combination from murabaha, mudharabah, musyarakah and Sarah given by UUS BRI at efficient frontier lines.
From all 26 portfolio combinations, it will be elected one portfolio, which is the most optimal portfolio combination using reward to variability ratio calculation. This optimal portfolio combination consists of 58.27% for murabaha, 30.23% for mudharabah, 11.50% for ijarah and 0% for musyarakah, with both return and standard deviation is 14.50% and 4.83% respectively.
"
Lengkap +
Program Pascasarjana Universitas Indonesia, 2006
T20283
UI - Tesis Membership  Universitas Indonesia Library
cover
Chrisseli Lukito
"ABSTRACT
Pengukuran risiko merupakan hal yang sangat penting untuk mengidentifikasi potensi kerugian sehingga dapat dilakukan mitigasi risiko. Salah satu alat ukur risiko yang paling sering digunakan adalah Tail Conditional Expectation (TCE) yang menyatakan rata-rata nilai loss terburuk yang melebihi suatu nilai persentil tertentu. Namun TCE belum dapat menggambarkan variabilitas loss pada ekor dengan jelas, karena dari pendefinisiannya TCE hanya mengukur rata-rata yaitu suatu ukuran pemusatan data. Padahal, informasi mengenai variabilitas loss pada ekor sangat penting karena loss dengan variabilitas yang tinggi cenderung memiliki risiko yang tinggi juga, sehingga pengukuran variabilitas loss pada ekor distribusinya diperlukan untuk mengurangi ketidakpastian terkait risiko. Oleh karena itu, pada skripsi ini dibahas dua alat ukur risiko yang dapat digunakan sebagai alternatif untuk mengukur variabilitas loss pada ekor distribusinya, yaitu Tail Variance Premium (TVP) dan Tail Standard Deviation Premium (TSDP). TVP dan TSDP mampu memberikan pengukuran risiko yang lebih komprehensif karena memiliki unsur ukuran pemusatan sekaligus dispersi data loss. Selain itu, pada skripsi ini juga ditentukan bentukbentuk eksplisit dari TVP dan TSDP untuk beberapa distribusi. Selanjutnya, dilakukan simulasi perhitungan risiko risiko dari aset investasi dan data klaim asuransi menggunakan TVP dan TSDP. Simulasi perhitungan risiko akan dilakukan dengan dua metode, yaitu metode parametrik dan non-parametrik.

ABSTRACT
Risk measurement is important to identify potential loss hence risk mitigation could be done. Risk measure that is commonly used is Tail Conditional Expectation (TCE), which measures expectation of loss given loss exceeded certain percentiles. However, TCE cannot provide enough information related to variability of loss along its tail due to its definition as a measure of central tendency. On the other hand, information related to variability of loss along its tail is crucial since loss with higher variability tends to have higher risk as well hence variability measurement on the tail is necessary to reduce risk uncertainty. Therefore, this thesis explores two alternative risk measures for variability measurement, which are Tail Variance Premium (TVP) and Tail Standard Deviation Premium (TSDP). TVP and TSDP could provide more comprehensive risk measurement since both risk measurement possesses central tendency as well as dispersion of loss. Besides, this thesis provides the explicit form of TVP and TSDP of loss from several distributions. Next, simulation of risk calculation will be performed to measure risk of asset and insurance claim data using TVP and TSDP. Simulation is done under two methods, which are parametric and non-parametric."
Lengkap +
2018
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Guruprasad Anaokar
"Deciding which are the best performing wastewater treatment plants can be complicated, as their operations comprise different parameters which are either dependent or non-dependent on each other, and are important when deciding the type of treatment. The relative importance of these parameters in terms of weight indicates the priority assigned by decision-makers to the criteria when ranking the alternatives. These weights are calculated by statistical relativity and Saaty’s nine point scale. The sensitivity of both of these approaches is analyzed. The performance of six municipal wastewater treatment plants is evaluated using the Multi-criteria Decision Making (MCDM) Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Efficiency is monitored on the basis of nine wastewater characteristics and compared with the limits established by the Central Pollution Control Board of India. The analysis uses both qualitative and quantitative approaches, which result in differential rankings; accordingly, plants with maximum organic loading removal efficiency were found to be most efficient when weights were applied as per Saaty’s scale. The study proposes a field base approach with regard to the suitability of the weight allocation method for respective utilization of the fuzzy approach in environmental monitoring systems."
Lengkap +
Depok: Faculty of Engineering, Universitas Indonesia, 2018
UI-IJTECH 9:4 (2018)
Artikel Jurnal  Universitas Indonesia Library
cover
Pramudya Susilo
"Eratnya hubungan antara tingkat suku bunga dengan kinerja perbankan menunjukkan pentingnya tingkat suku bunga dengan pengelolaan risiko bank. Dengan dasar pemikiran tersebut maka timbul pemikiran untuk mengukur risiko yang disebabkan oleh pergerakan suku bunga dalam kerangka pengukuran risiko pasar. Dalam saat yang bersamaan, terdapat kecenderungan untuk menerapkan metode VaR untuk mengukur risiko yang dihadapi oleh perbankan. VaR adalah salah satu metoda untuk mengukur risiko pasar (market risk) yaitu untuk mengestimasi tingkat kerugian yang dapat terjadi karena memiliki suatu asset/portfolio asset dalam nilai tertentu yang nilainya dirujuk kepada nilai pasar (market to market value), dengan tingkat kepercayaan statistika tertentu (confidence level) dan untuk jangka waktu penguasaan asset (holding period) yang tertentu dalam kondisi pasar yang dianggap normal. Pergerakan nilai pasar dari aset tersebut menandai return yang dihasilkan oleh aset, apakah return-nya positif atau negatif. Dengan menganggap suku bunga pinjaman adalah return yang dihasilkan oleh asset kredit maka pada dasarnya metoda VaR dapat digunakan untuk mengukur risiko tingkat suku bunga yang dihadapi oleh bank pada saat memiliki aset kredit dalam jumlah tertentu dalam suatu holding period tertentu yang diakibatkan oleh pergerakan suku bunga pinjaman. Khususnya untuk kredit konsumtif dimana umumnya tingkat suku bunga bersifat fixed selama periode tertentu, risiko suku bunga terkait dengan kemungkinan kerugian bank selama periode tersebut dimana biaya dana (cost of fund) bank dapat bergerak naik dan turun dan mengakibatkan negative spread pada saat biaya dana tersebut naik melebihi suku bunga pinjaman.
Penelitian ini bertujuan untuk: (1) Mengetahui karakteristik data suku bunga pinjaman keempat produk kredit konsumtif KPR Renovasi, Kredit Kepemilikan Mobil (KPM), Kredit Kepemilikan Motor (KP-Motor), dan Kredit Multiguna yang diberikan oleh Bank X selama periode observasi; (2) Untuk memberikan informasi besarnya VaR akibat perubahan suku bunga pinjaman untuk masing-masing produk kredit konsumtif tersebut yang dihasilkan oleh proses perhitungan yang sesuai dengan karakteristik data suku bunga keempat produk kredit tersebut; (3) Untuk memberikan informasi besarnya VaR untuk portfolio kredit konsumtif yang terdiri atas keempat produk kredit tersebut; (4) Menguji validitas metoda VaR yang digunakan dalam hal kemampuan metoda tersebut untuk mengestimasi tingkat kerugian yang dialami Bank X karena risiko tingkat suku bunga. Berdasarkan basil pengujian atas data tingkat suku bunga keempat produk kredit konsumtif, diperoleh hasil karakteristk sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Tidak terdistribusi secara normal, sehingga nilai a yang akan digunakan dalam perhitungan VaR hares dikoreksi lebih dahulu menggunakan Cornish Fisher Expansion menjadi a; (3) Homoskedastik, sehingga volatilitas data yang diperlukan untuk perhitungan VaR dapat dihitung menggunakan rumus deviasi standar statistik.
Angka VaR dihitung dengan menggunakan holding periode 1 bulan dan tingkat kepercayaan 95%, dengan demikian nilai VaR yang dihitung menggunakan data posisi akhir bulan x digunakan untuk mengestimasi tingkat kerugian pada akhir bulan x-H dengan tingkat keyakinan 95%, atau dengan kata lain: hanya 5% kemungkinannya bahwa tingkat kerugian pada akhir bulan x+1 akan melebihi nilai VaR.
Hasil uji dengan cara bakc testing menunjukkan hasil yang baik di mane dari keempat produk kredit yang dianalisis, tidak terdapat overshoot sclama periode observasi. Hasil pengujian validitas VaR lebih lanjut dengan Kupiec Test (metoda TNoF) menunjukkan bahwa penggunaan metoda VaR dalam penelitian ini untuk mengestimasi tingkat kerugian akibat risiko tingkat suku bunga untuk masing-masing produk kredit konsumtif Bank X tersebut dapat dianggap valid.
Untuk penghitungan VaR Portfolio, hasil uji return portfolio menunjukkan karakteristik data sebagai berikut: (1) Non-stasioner, sehingga data harus dideferensiasi satu kali (diferensiasi tingkat 1) untuk menjadi stasioner dan dapat diuji lebih lanjut; (2) Terdistribusi secara normal, sehingga nilai yang akan digunakan dalam perhitungan VaR tidak perlu dikoreksi; (3) Homoskedastik, sehingga estimasi volatilitas dapat menggunakan rumus standar deviasi statistik.
Uji validitas VaR portfolio dengan backtesting menunjukkan tidak terdapat overshoot selama periode observasi, dan uji lebih lanjut dengan Kupiec Test menunjukkan bahwa VaR portfolio valid digunakan untuk mengestimasi kerugian maksimum portfolio kredit konsumtif karena risiko tingkat suku bunga.

The objectives of this study are: (1) to determine the characteristic of loan interest rate data of four consumer loan products at Bank X: KPR Renovasi (Housing Loan - for Renovation Purpose), KPM (Car Loan), KPMotor (Motor Cycle Loan), and KPM (Multi Purpose Loan) which were advanced by Bank X within the observation period of August 2002 to November 2005; (2) To determine the Value at Risk (VaR) which quantifies market risk resulting from fluctuation in loan interest rate for each consumer loan product; the calculation process to produce such VaR should be done according to a method that fits the characteristic of data determined in point 1 above; (3) To determine the VaR of the loan portfolio consisting of the above four consumer loan products; (4) To test the validity of VaR method used, in terms of its ability to estimate the extent of loss suffered by Bank X due to interest rate risk. The results of test on characteristic of interest rate data of the four consumer loan products showed that the data has the following characteristics: (1) Non-stationary, hence the data needs to be differentiated at ' order as to become stationary and eligible for further test steps; (2) Not having normal distribution, hence a for VaR calculation must be adjusted using Cornish Fisher Expansion to become a ("prime Alpha"); (3) Homoscedastic, meaning the simple statistical standard deviation formula can be used to calculate the volatility of data. VaR is calculated using 1 month holding period and 95% confidence level, meaning VaR calculated based on month X's end position is used to estimate the extent of loss at the end of month X+1 on 95% confidence level. In other words: there is only 5% probability that the extent of lost at the end of month x+1 will exceed VaR value.
Back testing showed a good results whereby no overshoot identified within the observation period. Further validity test using Kupiec Test (to be more specific. Kupiec Test with TNoF approach) showed that the VaR method used in this study to estimate the extent of loss due to interest rate risk of each Bank s consumer loan product is considerably valid. The results of test on the characteristic of portfolio return (derived from each loan 's interest rate data and taking into account the loan outstanding of each loan as to 'weight' each loan's data), are as follows: (1) Non-stationary, hence the portfolio return data needs to be differentiated at order as to become stationary and eligible for further test steps; (2) Having normal distribution, hence no need to adjust a for VaR calculation; (3) Homoscedastic, meaning the simple statistical standard deviation formula can be used to calculate the volatility of por folio return.
Backtesting on the portfolio VaR value showed no overshoot within the observation period. Further test using Kupiec (TNoF approach) test verifies that the portfolio VaR is valid for the use of estimating the extent of loss due to interest rate risk."
Lengkap +
Depok: Universitas Indonesia, 2006
T18545
UI - Tesis Membership  Universitas Indonesia Library
cover
Pamuji Wahyu Widodo
"Penelitian ini bertujuan untuk mengetahui faktor-faktor apa yang signifikan terhadap Price Earning Ratio (PER) dan pengaruhnya secara konsisten dari waktu ke waktu. Model yang dipergunakan merupakan modifikasi dari model Whitbeck-Kisor (1963) dengan model Mpaata dan Sartono (1997). Dengan mengambil contoh seluruh saham yang tercatat di BEJ antara tahun 1997-2002, diperoleh 229 perusahaan yang memenuhi syarat dan 23 perusahaan yang tidak lengkap datanya.
Faktor GROWTH (setelah memperhitungkan faktor-faktor lainnya dalam model) untuk tahun 2001 terbukti berpengaruh terhadap PER secara positif dan signifikan, sedangkan tahun 2002 pengaruhnya negatif dan tidak signifikan. Faktor SIZE untuk tahun 2001 (setelah memperhitungkan faktor-faktor lainnya dalam model) terbukti berpengaruh secara positif dan signifikan, sedangkan tahun 2002 pengaruhnya negatif dan tidak signifikan. Faktor STDEV (setelah memperhitungkan faktor-faktor lainnya dalam model) terbukti berpengaruh terhadap PER secara signifikan dan arah pengaruhnya positif untuk tahun 2001. Sedangkan untuk tahun 2002 arch pengaruhnya positif namun tidak signifikan. Faktor FIXED (setelah memperhitungkan faktor-faktor lainnya dalam model) untuk tahun 2001 terbukti berpengaruh terhadap PER secara negatif dan signifikan. Untuk tahun 2002 arah pengaruhnya positif dan signifikan. Faktor ROE (setelah memperhitungkan faktor-faktor lainnya dalam model) untuk tahun 2001 dan 2002 arah pengaruhnya positif dan tidak signifikan.

The purpose of this research is to understand the significant factors that influence Price Earning Ratio (PER) from time to time. The model that used in this thesis was modified model from Whitheck-Kisor (1963) and Mpaata-Sartono (1997). The data that used in this model based on the listing companies from Jakarta Stock Exchange between 1997-2002. There were 229 companies compiled with criteria and 23 companies were not complete.
Growth factor (after estimated the other factors in the model), for the year 2001 proved influence PER significant and positive direction. In the year 2002 the influence toward negative direction and did not significant. SIZE factor (after estimated the other factors in the model), in 2001 proved influence PER toward positive direction and significant. In the year 2002 the influence toward negative direction but not significant. STDEV factor (after estimated the other factors in the model), in 2001 proved influence PER significant and in positive direction. In the year 2002 the influence were positive direction but not significant. FIXED factor (after estimate the other factors in the model), for the year 2001 proved influence PER in negative direction and significant. For the year 2002 the influences were positive and significant. ROE factor (after estimate the other factors in the model), for the year 2001 and 2002 the influence were positive direction and did not significant.
"
Lengkap +
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2004
T20026
UI - Tesis Membership  Universitas Indonesia Library
cover
Tanjung, Josephine Victoria
"ABSTRAK
Penelitian ini bertujuan untuk membuktikan berlakunya motto ?high risk, high
return? di Indonesia dengan cara melihat hubungan antara standar deviasi dan
imbal hasil, dilanjutkan dengan hubungan antara value at risk dan imbal hasil;
dengan dan tanpa penggunaan ukuran dan rasio book-to-market sebagai variabel
kontrol. Setelah mengimplementasi metode two-step regression dari Fama dan
MacBeth yang dikombinasikan dengan kalkulasi standard errors dari Newey dan
West, terlihat bahwa low volatility anomaly adalah fenomena yang terjadi di
Indonesia selama 2014 dan ?high risk, high return? tidak berlaku di pasar saham
Indonesia. Juga ditemukan bahwa ukuran risiko memang dapat digunakan dalam
perhitungan hasil saham harian.

ABSTRACT
This thesis seeks to prove whether the popular belief of ?high risk, high return? does
apply in Indonesia by investigating the relations between standard deviation and
excess return, followed by value at risk and excess return; with and without the
inclusion of size and book-to-market ratio as control variables. After implementing
Fama and MacBeth?s two-step regression combined with Newey and West?s
standard errors, this thesis presents an evidence that, during 2014, low-volatility
anomaly did occur in Indonesia and that both asymmetric risk measures were
successful to be posing as a gauge to predict Kompas100?s daily stock return the
day after."
Lengkap +
2015
S60573
UI - Skripsi Membership  Universitas Indonesia Library
cover
Kevin Kamal
"Pengklasteran clustering yang dilakukan dengan menggunakan metode graf disebut dengan pengklasteran graf graph clustering . Pengklasteran graf dengan memperhatikan bobot dapat diselesaikan dengan menggunakan pohon rentangan minimum. Salah satu algoritma yang dapat digunakan untuk menyelesaikan pengklasteran graf berbobot berdasarkan pohon rentangan minimum adalah algoritma maximum standard deviation reduction MSDR . Pada algoritma MSDR tidak perlu ditentukan banyaknya klaster yang terbentuk, karena terdapat perhitungan untuk menentukan banyak klaster secara otomatis. Namun dalam penelitian lanjutan algoritma MSDR cukup sulit dikerjakan karena sulitnya dalam menentukan nilai kandidat klaster terbaik, sehingga dilakukan modifikasi untuk menentukan nilai -nya. Modifikasi ini disebut dengan modifikasi MSDR MMSDR. Penelitian ini merupakan implementasi dari algoritma MMSDR pada masalah rute penerbangan di Indonesia yang disebut maskapai X, dengan menggunakan input matriks komplemen. Dengan menggunakan input matriks dari komplemen graf didapatkan pengklasteran berdasarkan jarak antar bandara. Penelitian ini juga menganalisis perubahan nilai epsilon dan perubahan matriks input. Hasil analisis menunjukkan bahwa perubahan nilai epsilon tidak mempengaruhi banyaknya klaster dan anggota klaster, sedangkan perubahan matriks input dapat mempengaruhi perbedaan anggota klaster.

Clustering is done by using graph method called graph clustering. Graph clustering with weights can be solved by using a minimum spanning tree. One of the algorithms that can be used to complete a weighted graph clustering based on a minimum spanning tree is the maximum standard deviation reduction MSDR algorithm. In the MSDR algorithm there is no need to determine the number of clusters that are formed, because there are calculaions to determine many clusters automically. However, in advanced research MSDR algorithm is quite difficult to do because of the difficulty in determining the value of best cluster candidates, so modifications are made to determine the value of. This modification is called the modification MSDR MMSDR. This research is an implementation of MMSDR algorithm on flight route problem in Indonesia called airline X, by using input complement matrix. Using the matrix input from the complement graph obtained clustering based on the distance between airports. This research also analyzed changes in epsilon value and changes in input matrix. The results of the analysis show that the change in epsilon value does not affect the number of clusters and clusters members, whereas the change in input matrix may affect the cluster members.
"
Lengkap +
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2017
S69594
UI - Skripsi Membership  Universitas Indonesia Library
cover
Judi Setiawan
"Salah satu cara untuk mengukur resiko suatu investasi adalah Value at Risk (VaR). VaR hanya memperhitungkan faktor kuantitatif dan faktor kualitatif diabaikan atau harus dikuantifisir.
Data yang digunakan adalah data harian dari 5 saham di Bursa Efek Jakarta yaitu ASII, GGRM, HMSP, ISAT dan TLKM dengan periode data tahun 1998 s.d. 2002.
Perhitungan VaR dengan menggunakan Metode Deviasi Standar, Exponentially Weighted , Exponentially Weighted Moving Average dan menggunakan alpha 95 % dan 99% sebagai gambaran risk aversion investor.
Setiap metode yang digunakan akan menghasilkan nilai VaR yang berbeda sehingga menjadi kendala bagi para pengambil keputusan dalam menghitung risiko. Untuk mengatasi hal ini ada uji terhadap VaR yaitu Back Testing dan Stress Testing. Back Testing adalah untuk menentukan apakah hasil perhitungan VaR tersebut valid atau tidak dengan asumsi tertentu dan Stress Testing adalah untuk membandingkan potensi risiko aktual dengan risiko dari hasil perhitungan VaR.

There are many ways to measure risk for your investment or portfolio, one of them is VaR or Value at Risk In calculating VaR, we only use quantitative factor and drop qualitative factor or we can quantified it.
To calculate VaR, 5 stocks traded in Bursa Efek Jakarta : ASII, GGRM, HMSP, ISAT and TLKM are used as daily data from 1998 untill 2002.
We use three methods to calculate VaR, which are: Standard Deviation, Equally Weighted, Equally Weighted Moving Average. These three methods use level of confidence 95 % and 99 %, which represent risk, aversion of investor.
Every method in calculating VaR has different result, which can cause investors make wrong decision for their investment. To avoid this, we can test the VaR by using Back Testing and Stress Testing. Back Testing is to test whether VaR is valid or not with some assumption (ex. data is distributed in normal distribution) and Stress Testing is to compare actual potential loss from investment or portfolio with VaR from calculation. So from both testing, we can use which method has the right or close to the reality.
"
Lengkap +
Depok: Universitas Indonesia, 2004
T17915
UI - Tesis Membership  Universitas Indonesia Library
cover
Yuli Herawati
"Kuantifikasi citra terhadap pengukuran resolusi spasial, umumnya menggunakan protokol standar yang diterbitkan oleh National Electrical Manufacturers Association (NEMA). Namun, metode ini memiliki keterbatasan pada metode fitting data yang dilakukan. Akurasi yang lebih baik diberikan oleh fungsi Gaussian. Selanjutnya, penentuan resolusi spasial seperti berdasarkan Point Spread Function (PSF) dapat dipengaruhi oleh keberadaan noise atau error dalam data yang dapat menurunkan kontras citra. Oleh karena itu, untuk menjamin akurasi kuantifikasi citra, dilakukan dengan memastikan error sekecil mungkin dan memiliki perkiraan yang dapat diandalkan tentang seberapa besar error tersebut. Penelitian ini ditujukan untuk menyelidiki bagaimana tingkat noise yang berbeda pada pengukuran Full Width at Half Maximum (FWHM) berdasarkan metode NEMA dan Gaussian mempengaruhi keakuratan sistem pencitraan. FWHM digunakan untuk mengkarakterisasi resolusi spasial berdasarkan profil PSF. Hasil yang diperoleh diharapkan dapat memberikan informasi pada fisikawan medis mengenai pengaruh error dari pengukuran FWHM dalam rangka optimasi layanan klinis di rumah sakit. Dalam penelitian ini, model error yang digunakan adalah kombinasi model error proporsional dan Fractional Standard Deviation (FSD). Hasil penelitian menunjukkan terdapat peningkatan relatif deviasi FWHM terhadap variasi FSD 1% hingga 5% pada bidang dua dimensi dan tiga dimensi berdasarkan metode NEMA dan Gaussian. Peningkatan ini menjelaskan bahwa semakin tinggi tingkat noise pada sistem pencitraan, maka akan semakin mempengaruhi pengukuran FWHM yang berdampak pada penurunan kontras citra. Selanjutnya, terdapat korelasi antara error pixel value dan error FWHM. Semakin tinggi persentase nilai error pixel value pada sistem pencitraan, maka akan semakin mempengaruhi peningkatan persentase nilai error pada pengukuran FWHM.

Image quantification of spatial resolution measurements, generally using standard protocols published by the National Electrical Manufacturers Association (NEMA). However, this method has limitations on the data fitting method performed. Better accuracy is given by Gaussian function. Furthermore, spatial resolution determination such as based on Point Spread Function (PSF) can be influenced by the presence of noise or errors in the data that can decrease image contrast. Therefore, to ensure the accuracy of image quantification, it is done by ensuring the slightest possible error and having a reliable estimate of how big the error is. This study is intended to investigate how different noise levels in Full Width at Half Maximum (FWHM) measurements based on NEMA and Gaussian methods affect the accuracy of imaging systems. The FWHM is used to characterize spatial resolution based on PSF profiles. The results are expected to provide information to medical physicists about the effect of error in FWHM measurement to optimize clinical services in hospitals. In this study, the error model used is a combination of the proportional error model and the Fractional Standard Deviation (FSD). The results showed that there was an increase in the relative deviation of FWHM to the FSD variation of 1% to 5% in two-dimensional and three-dimensional fields based on the NEMA and Gaussian methods. This increase explains that the higher the noise level in the imaging system, the more it affects the FWHM measurement which has an impact on the decrease in image contrast. Furthermore, there is a correlation between the pixel value error and the FWHM error. The higher the percentage of error pixel value in the imaging system, the more it will affect the increase of percentage error FWHM measurement."
Lengkap +
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2021
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Diah Prastiwi
"Graph clustering adalah pengelompokkan simpul-simpul pada suatu graf menjadi cluster-cluster. Ada berbagai macam algoritma graph clustering yang dapat diterapkan pada graf berbobot, di antaranya adalah algoritma yang berbasis MST (Minimum Spanning Tree). Kelebihan dari algoritma graph clustering yang berbasis MST adalah mampu mendeteksi bentuk cluster yang tidak beraturan. Algoritma graph clustering berbasis MST yang dibahas dalam penelitian ini adalah Maximum Standard Deviation Reduction atau disingkat MSDR. Algoritma tersebut bersifat unsupervised, yang artinya banyaknya cluster tidak ditetapkan oleh pengguna. MSDR memiliki dua tujuan. Tujuan yang pertama adalah membentuk cluster-cluster dimana pada masing-masing cluster, busur-busurnya memiliki nilai bobot yang serupa. Tujuan yang kedua adalah menjaga agar banyaknya cluster yang terbentuk, tidak terlalu banyak. Pada algoritma MSDR, tujuan yang kedua dipenuhi melalui suatu proses yang menggunakan regresi polinomial. Dalam penelitian ini, dilakukan modifikasi MSDR dengan menggantikan proses yang menggunakan regresi tersebut dengan suatu proses baru yang disebut "Loncatan Terbesar", sehingga dihasilkan algoritma baru yang disebut Modifikasi MSDR atau disingkat MMSDR. Dilakukan implementasi MMSDR pada beberapa graf lengkap Euclidean, yaitu graf lengkap yang setiap simpulnya adalah titik di suatu ruang Rn dan setiap busurnya diberi bobot yang berupa jarak Euclidean antara dua titik. Kemudian dilakukan implementasi MMSDR pada graf yang memodelkan rute penerbangan domestik di Indonesia oleh suatu maskapai X.

Graph clustering is the grouping of vertices in a graph into clusters. There are various clustering algorithms for weighted graphs, for example a graph clustering algorithm which is based on MST (minimum spanning tree). The advantage of MST-based clustering is that it allows the detection of clusters with irregular boundaries. An MST-based clustering known as MSDR (Maximum Standard Deviation Reduction) is studied in this research. MSDR is an unspervised clustering, in which the number of clusters is not dictated by the user. There are two goals of MSDR. The first goal is to produce clusters such that in each cluster the edges have similar weights. The second goal is to prevent the formation of too many clusters. In MSDR, the second goal is met through a process that uses polynomial regression. In this research, MSDR is modified by replacing the process that uses polynomial regression with a new process that is called "largest jump". A new algorithm is produced, which is called Modified MSDR (MMSDR). MMSDR is implemented on several complete Euclidean graphs, where a Euclidean graph is a graph whose vertices are points in a space Rn and the weight of an edge is the distance between the endpoints. MMSDR is also implemented on a graph that models domestic flight routes in Indonesia of an unidentified airline X. As a validation, MMSDR is tested on several Euclidean data, and the result is compared to visually-identified clusters. Afterwards, MMSDR is implemented on a graph that models the domestic flight routes of an airline in Indonesia.
"
Lengkap +
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2016
T46519
UI - Tesis Membership  Universitas Indonesia Library