Hasil Pencarian  ::  Simpan CSV :: Kembali

"Extreme point-based heuristic (EPBH) merupakan metode heuristik yang memiliki peforma lebih baik dibandingkan dengan metode heuristik yang lain dalam menyelesaikan masalah bin packing atau pemuatan barang. Peforma proses pemuatan dari konsep heuristik juga sangat bergantung pada pemilihan barang yang akan dimuat terlebih dahulu. Umumnya, operator mengurutkan barang yang akan dimuat berdasarkan pemilihan yang kasat mata. Penelitian ini bertujuan untuk melihat karakteristik serta peforma metode-metode sorting yang dapat dilakukan secara manual oleh operator pada metode EPBH pada kelas-kelas barang tertentu. Hasil yang didapat memperlihatkan metode sorting berdasarkan volume memiliki peforma terbaik.

---

Ekstreme point-based heuristic (EPBH) is a heuristic method which experimentally perform better result in solving bin packing problem compared to another existing heuristic method. Heuristic concept performance also depends on sorting method which chooses the first good to be loaded. The common sorting methods by operator in loading process rely on his plain view.

The objective of the research is to observe common sorting methods characteristics in EPBH method in various classes of goods. The result shows that volume based sorting method yielded the best result at any class of goods."

"Kawasan pusat perbelanjaan Jatinegara adalah salah satu kawasan perbelanjaan yang begitu ramai dikunjungi, hal ini berpengaruh pada jumlah transportasinya yang padat, jumlah penduduk yang pesat dan minimnya lahan parkir. Dari hasil pengamatan selama 10 jam pada lokasi studi diperoleh indeks parkir sebesar 55,70%, indeks aktifitas parkir (IAP) 51,12%, nilai pergantian parkir (turnover parking) sebesar 0,61 serta V/C ratio sebesar 0,91 dengan durasi rata-rata berturutturut 0,86 jam dan 2,75 jam untuk kendaraan non barang dan kendaraan angkutan barang. Mengingat durasi kendaraan angkutan barang yang cukup tinggi, upaya perbaikan dilakukan dengan pengkhususan satuan ruang parkir untuk angkutan barang serta penerapan aturan retribusi tarif progresif sesuai dengan peraturan gubernur atau dengan penerapan tarif maksimum sebesar Rp 18.000.

---

Jatinegara shopping center is one of the most visited shopping center, it affects the number of transport-intensive, rapid population and lack of parking space. From 10 hours observation at the study location obtained 55.70% for Parking Index, parking activity index (IAP) 51.12%, the turnover value parking (parking turnover) about 0.61, so the V/C ratio is about 0.91 with the average duration of 0.86 consecutive hours and 2.75 hours for non-goods vehicles and freight vehicles. considering the freight vehicles duration is high enough, improvement efforts conducted by specialization unit parking space for the freight vehicles and by the application of the levy progressive rates rules in accordance with the governor rules or by the application of the maximum rate about Rp 18,000."

"Dengan fungsinya sebagai lembaga intermediasi keuangan, kegiatan usaha Bank selalu dihadapkan pada risiko-risiko yang berkaitan erat. Perkembangan lingkungan eksternal dan internal perbankan di era globalisasi yang tumbuh dengan pesat, terutama dengan adanya perkernbangan teknologi yang luar biasa hebat, menjadi penyebab semakin banyaknya risiko yang harus dihadapi perbankan karena kegiatan operasional bank yang semakin kompleks, sejalan dengan beragamnya produk dan jasa yang ditawarkan perbankan. Salah satu risiko yang mengemuka saat ini adalah risiko operasional. Risiko operasional menjadi salah satu faktor risiko tambahan yang hares diukur dan diperhitungkan dalam nilai minimum kecukupan modal (Capital Adequacy Ratio), selain risiko kredit dan risiko pasar. Terdapat tiga pendekatan dalam menetapkan beban modal untuk risiko operasional yaitu Basic Indicator Approach, Standardised Approach dan Advanced Measurement Approach. Penggunaan Basic Indicator Approach yang merupakan model standar dalam mengukur risiko operasional dan cenderung menghasilkan perhitungan capital charge yang lebih besar dibandingkan dengan model internal. Pengukuran risiko operasional Bank AAA dengan menggunakan Basic Indicator Approach menghasilkan capital charge untuk risiko operasional pada akhir tahun 2005 sebesar Rp.3,637,600,000.-. Berkaitan dengan hal tersebut maka dalam karya akhir ini dilakukan pengukuran risiko operasional pada Bank AAA dengan menerapkan dan menguji layak atau tidaknya metode alternatif lainnya yaitu Metode Extreme Value Theory (EVT). Penelitan ini menggunakan data yang merupakan kerugian aktual (actual loss) bulanan berdasarkan hasil temuan Satuan Kerja Audit Intern dan kertas kerja laporan profil risiko dalam periode I Januari 2003 sampai dengan 31 Desember 2006. Dalam menerapkan Metode EVT untuk mengukur risiko operasional Bank AAA, metode identifikasi nilai ekstrem yang digunakan adalah Metode Peaks over Threshold (POT) dengan jumlah data yang tersedia adalah 254 titik. Dalam Metode Peaks over Threshold, penentuan threshold hares dilakukan terlebih dahulu untuk menjadi dasar penyaringan data ekstrem. Dalam penelitian ini dipilih Cara sederhana yang telah diuji oleh Chavez-Demoulin, yaitu penentuan threshold dengan Metode Persentase yang dilakukan sedemikian sehingga 10% dari data adalah nilai ekstrem. Kemudian dilakukan estimasi parameter dengan menggunakan Hill Estimation untuk mengestimasi parameter shape dan Metode Probability-Weighted Moments untuk parameter scale. Selanjutnya dilakukan perhitungan potensi kerugian maksimal operasional Bank AAA dengan pendekatan Operational Value at Risk (OpVaR) dengan beberapa tingkat keyakinan, yaitu 95%, 99% dan 99.9%. Total OpVaR merupakan estimasi potensi kerugian maksimal total yang dapat terjadi pada suatu waktu dengan tingkat kepercayaan tertentu, berdasarkan data historis risiko operasional yang pemah terjadi. Hasil perhitungan OpVaR dalam penelitian ini memberikan kesimpulan bahwa total nilai OpVaR Bank AAA dengan tingkat keyakinan 95% sebesar Rp.73,848,797.-. Hal ini menunjukkan bahwa dengan probabilitas 95%, maka kerugian risiko operasional maksimum yang dihadapi oleh Bank AAA selama satu tahun ke depan adalah sebesar Rp.73,848,797.-. Sedangkan OpVaR Bank AAA dengan tingkat keyakinan 99% sebesar Rp.163,383,930.-, dan dengan tingkat keyakinan 99.9% sebesar Rp.751,768,500.-. Hasil perhitungan OpVaR tersebut menunjukkan bahwa OpVaR akan meningkat sangat tinggi dengan kenaikan tingkat kepercayaan. Berdasarkan hasil penelitian tersebut menunjukkan bahwa pengukuran risiko operasional Bank AAA dengan menggunakan Metode EVT-POT menghasilkan beban modal yang lebih rendah dibandingkan dengan penggunaan Basic Indicator Approach. Dengan demikian, jika Bank AAA menerapkan metode pengukuran risiko operasional dengan Metode EVT-POT maka alokasi modal yang dibutuhkan untuk menutup risiko operasionalnya menjadi lebih rendah sehingga modal yang tersedia dapat dipergunakan untuk melakukan pemekaran aktivitas bank. Berdasarkan uji back testing yang telah dilakukan, maka atas hasil estimasi OpVaR adalah dapat diterima. Dapat disimpulkan dari penelitian ini bahwa Metode Extreme Value Theory dengan menggunakan Peaks Over Threshold dapat dijadikan metode alternatif untuk mengukur risiko operasional Bank AAA.

---

With its function as an intermediation financial institution, business activities of a bank are always facing tightly interconnected risks. The external and internal environmental banking growth in the globalization era which grows rapidly, especially with the existence of an extremely remarkable technology growth, becomes the cause of even more risks it has to face, due to more complex bank operational activities according to various products and services offered.

One of the risks emerging at this moment is the risk of operation. The risk of operation becomes one of the additional risks that should be measured and calculated in the minimum value of capital adequacy ratio, not to mention credit risk and market risk. There are three approaches to ascertain the capital burden for operational risk, i.e. the Basic Indicator Approach, the Standardized Approach and the Advanced Measurement Approach.

The usage of the Basic Indicator Approach, which represents the standard model to measure the operational risk and tends to give bigger capital charge calculation compared to the internal model. The operational risk measurement of Bank AAA by using the Basic Indicator Approach gives a capital charge for the operational risk at the end of year 2005 as much as Rp3,657,600,000.-. In connection with the above-mentioned case, in this final thesis the measurement of the operational risk at Bank AAA is carried out by applying and testing whether it is proper or not to use another alternative method, i.e. the Extreme Value Theory Method (EVT).

This research uses data, which forms the monthly actual loss based on the finding results of the Internal Audit Work Unit and working paper reports of the risk profile during the period of January I, 2003 up to December 31, 2006. In applying the EVT Method to measure the operational risk of Bank AAA, the extreme value identification method used is the Peaks Over Threshold Method (POT) with the available data amount of 254 points.

In the POT Method, the determination of threshold should be done beforehand to become the basic extreme data filtering. This research has chosen a simple method, which has already been examined by Chavez-Demoulin, i.e. the determination of threshold by the Method of Percentage, carried out in such a way so that 10% of the data becomes the extreme value. Then, the parameter estimation is carried out by using the Hill Estimation to estimate the parameter shape and the Probability Weighted Moments Method for parameter scale. Furthermore, a calculation of the maximum operational loss of Bank AAA is carried out by approaching the Operational Value at Risk (OpVaR). With several level of confidence, i.e. 95%, 99% and 99.9%.

The total value of OpVaR constitutes the estimation of the total maximum potential loss which can happen at one time with a certain degree of trust, based on the historical datas of operational risks that ever happened before. The result of the OpVaR calculation in this research gives the conclusion that the total value of OpVaR of Bank AAA with a 95% level of confidence as much as Rp73,848,797.-. This matter indicates that with a 95% probability, the maximum operational loss risk faced by Bank AAA during the year ahead will be as much as Rp73,848,797.-, while the OpVaR of Bank AAA with a 99% level of confidence as much as Rp751,768,500.-. The result of the OpVaR calculation indicates that the OpVaR will increase very high with the increase of the level of confidence.

The Result of this research indicates that the measurement of the operational risk of Bank AAA using the EVT-POT Method yields a lower capital charge compared to use the Basic Indicator Approach. Therefore, if Bank AAA applies an operational risk measurement method with the EVT-POT Method, then the allocation of capital, which is required to cover its operational risk becomes lower, so that the available capital can be used to carry out the development of its bank activities.

Based on the test of back testing, which has been performed, the OpVaR estimation test can be accepted. It can be concluded from this research that the application of Extreme Value Theory using the Peaks Over Threshold Method can be utilized as an alternative method to measure the operational risk of Bank AAA."

"Tesis ini menganalisis cadangan klaim asuransi kebakaran dengan menggunakan metode Extreme Value Theorem - Generalized Pareto Distribution, sebagai salah satu metode untuk pengukuran kerugian risiko operasional. Permodelan untuk nilai klaim besar dilakukan melalui pendekatan Peaks Over Threshold (POT). Data yang digunakan untuk perhitungan OpVaR adalah data-data ekstrim yang berada di atas threshold. Penentuan threshold dilakukan dengan menggunakan metode sample mean excess function. Uji Kolmogorov-Smirnov dilakukan untuk menguji jenis distribusi data kemudian dilakukan penentuan estimasi parameter (dengan menggunakan Hill Estimator dan Probability Weighted Moments) untuk menghitung OpVaR dan Expected Shortfall. Uji Loglikelihood Ratio (Kupiec’s Test) dilakukan dengan tingkat kepercayaan 95%, 97.5% dan 99% untuk menguji apakah model dapat diterima untuk mengestimasi nilai cadangan klaim asuransi kebakaran. OpVaR yang dihasilkan dapat dijadikan acuan untuk perencanaan program reasuransi yang merupakan salah satu cara dalam proses manajemen risiko.

---

This paper analyzing fire insurance claim reserve by using Extreme Value Theorem method - Generalized Pareto Distribution, as one of the method to measure operational risk. Peaks Over Threshold is used for modelling the big losses (claims). Extreme data above the threshold are taken into the calculation of OpVaR. The threshold is determined by using sample mean excess function method. Type of severity distribution of the data is evaluated by Kolmogorov- Smirnov test and parameters are estimated (by using Hill Estimator and Probability Weighted Moments) to calculate OpVaR and Expected Shortfall. Loglikelihood Ratio test (Kupiec’s test) on the confidence level of 95%, 97.5% and 99% is executed to test the validity of the model whether it is acceptable to estimate the fire insurance claim reserve or not. The OpVaR shall be the referrence for planning the reinsurance program as one of the process in risk management."

"Tesis ini meneliti validitas pengukuran risiko nilai tukar IDR dengan USD, JPY dan SGD pada nilai ekstrim. Analisis ini dilakukan karena permodelan VaR dengan cara tradisional berdasarkan distribusi normal seperti metode Historical Simulation. Risk Matrics, EWMA dan GARCH, sering gagal dalam mencakup probabilitas untuk nilai ekstrim dari pergerakan valuta asing yang tidak diharapkan dan menghasilkan analisis risiko dengan error yang tinggi. VaR pada nilai ekstrim dianalisis untuk periode 1997-1998 dan 2003-2004 dengan metode Historical Simulation, GARCH dan Generalized Extreme Value Distribution. Hasil uji validitas menunjukkan bahwa metode Generalized Extreme Value Distribution valid untuk mengukur risiko nilai tukar saat nilai ekstrim dengan confidence level 99%, sedangkan metode tradisional berdasarkan distribusi normal tidak valid untuk confidence level 99%.

---

The purpose of this thesis is to reserch the validity of currency risk of IDR to USD, JPY, and SGD at extreme value. This analysis is carried out due to the failure of VaR model in traditional method based on normal distribution like Historical Simulation, Risk Matrics, EWMA, and GARCH to cover the probability at extreme value of un-expected movement in foreign exchange market and produce risk analysis with high errors. VaR at extreme value is calculated for two periods, 1997-1998 and 2003-2004 with methods of Historical Simulations, GARCH, and Generalized Extreme Value Distribution.

The result of validity test shows that Generalized Extreme Value Distribution is valid to measure currency risk at extreme with confidence level 99%, while traditional method with normal distribution are not valid for confidence level 99%."

"ABSTRAKDisebabkan lokasinya di iklim tropis, Indonesia memiliki faktor kondisi cuaca yang berbeda dari iklim subtropis sehingga memengaruhi bebarapa indikator evaluasi kinerja sistem fotovoltaik. Salah satu indikator tersebut ialah performance ratio yang dipengaruhi faktor suhu. NREL mengajukan metode perhitungan Weather-Corrected Performance Ratio untuk mengoreksi faktor cuaca suhu dalam menghitung performance ratio pada sistem fotovoltaik. Tetapi, implementasi penggunaan metode ini pada kondisi operasi sistem fotovoltaik pada lingkungan yang sebenarnya, terlebih di daerah tropis belum mendapat perhatian khusus. Selain itu koefisien perubahan daya modul terhadap suhu pada keadaan uji standar STC , yang digunakan pada metode perhitungannya mungkin berbeda jika pada kondisi yang sebenarnya. Penelitian ini dilakukan untuk mengetahui efek implementasi metode weather-corrected performance ratio dan mengetahui karakteristik nilai koefisien perubahan daya modul terhadap suhu sebagai faktor koreksi dalam metode weather-corrected performance ratio, pada kondisi yang sebenarnya di daerah tropis. Melalui pengolahan data sistem fotovoltaik dari data logger didapat bahwa nilai range dari metode weather-corrected performance ratio lebih besar dari metode konvensional, dengan kenaikan maksimum 2,43 . Selain itu diketahui bahwa suhu rata-rata iklim tropis yang lebih tinggi dari subtropis membuat persentase penurunan daya terhadap kenaikan suhu di iklim tropis lebih tinggi dari iklim subtropis.

---

ABSTRACT

Indonesia has different weather factors than the subtropical climate that influences the performance indicators of photovoltaic systems. One of them is performance ratio that affected by temperature factors. NREL propose calculation method of Weather Corrected Performance Ratio for correcting factors temperature in calculation performance ratio of photovoltaic systems. However, the implementation of this method on real operating conditions of photovoltaic systems, especially in the tropics has not received special attention. In addition, temperature coefficient of power photovoltaic in Standard Test Condition , used in the calculation method may be different in real operating condition. This study was conducted to determine the effects of weather corrected performance ratio method and to know characteristic of temperature coefficient of power photovoltaic as factors in of weather corrected performance ratio method, in real operating condition, especially in tropics. Through analysis photovoltaic system data from the data logger it is found that the range values of weather corrected performance ratio are greater than conventional methods, with a maximum increase of 2.43 . Moreover it is found that because average temperature of tropical climate is higher than subtropical climate, it makes the percentage of power decrease to rise in temperature in tropical climate is higher than subtropical climate. "

"Optimisasi portofolio saham bertujuan untuk memberikan return yang maksimal dan risiko yang minimum. Salah satu cara untuk mendapatkan portofolio optimum adalah diversifikasi. Diversifikasi adalah pemilihan portofolio dengan mempertimbangkan pengalokasian dana ke berbagai saham yang berbeda dengan tujuan penyebaran risiko. Pada skripsi ini, algoritma Extension of Nondominated Sorting and Local Search (e-NSLS) digunakan untuk menghitung proporsi setiap saham. Kemudian, untuk mencari portofolio optimum dari proporsi yang telah diperoleh, digunakan model optimisasi portofolio Possibilistic Semiabsolute Deviation yang mempertimbangkan biaya transaksi, kendala kardinalitas, dan kendala kuantitas, dengan asumsi return setiap saham adalah bilangan fuzzy. Metode ini menghasilkan nilai tertinggi dari rata-rata return sebesar 36,04% dan Sharpe Ratio sebesar 28,75, yang lebih tinggi daripada S&P 500 Index dengan rata-rata return 12,34% dan Sharpe Ratio 2,7.

---

Stock portfolio optimization aims to provide maximum return and minimum risk. One way to get an optimum portfolio is diversification. Diversification is portfolio selection by considering allocation funds to different stocks with aim to spreading the risk. In this thesis, Extension of Nondominated Sorting and Local Search (e-NSLS) is used to calculate the proportion of each stock. Then, to find the optimum portfolio from proportions that have been obtained, we use Possibilistic Semiabsolute Deviation model, which considers transaction costs, cardinality constraints, and quantity constraints, and assuming the return of each stock is fuzzy numbers. This method produces the highest value of the average return 36,04% and Sharpe Ratio 28,75, which is higher than the S&P Index with an average return 12,34% and Sharpe Ratio 2,7."

"Dalam industri perbankan, penilaian kredit yang akurat merupakan kunci dalam mengelola risiko kredit. Perkembangan ekonomi digital telah membawa inovasi dalam proses pemberian kredit yang ditandai dengan munculnya Layanan Jasa Pinjam Meminjam Uang Berbasis Teknologi Informasi. Hal ini membuat bank dihadapkan pada tantangan penilaian kredit yang lebih kompleks. Seiring perkembangan ilmu pengetahuan dan teknologi, algoritma machine learning telah terbukti memiliki kinerja yang unggul dalam proses penilaian kelayakan kredit. Penelitian ini menggunakan dua algoritma boosting, yaitu AdaBoost dan XGBoost dalam klasifikasi kinerja pembayaran pinjaman kredit. Kinerja pembayaran pinjaman kredit dibedakan menjadi dua kelas, yaitu Good dan Bad dengan kriteria Good adalah debitur yang melakukan pembayaran pinjaman kredit tidak lebih dari 3 bulan dari batas jatuh tempo dan Bad adalah debitur yang melakukan pembayaran pinjaman kredit lebih dari 3 bulan dari batas jatuh tempo. Dalam implementasi metode, digunakan data riwayat pembayaran pinjaman kredit khususnya untuk produk Kredit Usaha Mikro (KUM) digital yang diperoleh dari PT Bank X Tbk. dengan jumlah data berjumlah 2190 observasi. Jumlah observasi yang termasuk dalam kelas Good mencapai 89,36% dari total keseluruhan observasi, menyisakan 10,64% yang termasuk dalam kelas Bad. Pada penelitian ini digunakan metode Syntetic Minority Oversampling Technique (SMOTE) untuk mengatasi dataset yang tidak seimbang. Kinerja metode dievaluasi menggunakan nilai metrik accuracy, sensitivity, specificity, dan AUC-ROC dengan mempertimbangkan proporsi data training yang berbeda, mulai dari 50% sampai dengan 90%. Untuk meningkatkan keandalan hasil, simulasi metode dilakukan sebanyak lima kali. Hasil penelitian ini menunjukkan bahwa XGBoost mengungguli AdaBoost dalam klasifikasi kinerja pembayaran pinjaman kredit, terbukti dari perolehan kinerja yang lebih baik pada mayoritas metrik evaluasi dan kelima simulasi yang dilakukan, dengan rata-rata accuracy sebesar 87,71%, sensitivity sebesar 92,29%, specificity sebesar 44,21%, dan AUC-ROC sebesar 81,16%.

---

In the banking industry, accurate credit assessment is key to managing credit risk. The development of the digital economy has brought innovations in the credit granting process, marked by the emergence of Financial Technology-Based Money Lending Services. This presents banks with more complex credit assessment challenges. With the advancement of science and technology, machine learning algorithms have proven to be superior in the process of creditworthiness assessment. This research utilizes two boosting algorithms, namely AdaBoost and XGBoost, in classifying credit loan payment performance. The performance of credit loan payments is divided into two classes: Good and Bad, where Good refers to debtors who make credit loan payments no more than 3 months past the due date, and Bad refers to those making payments more than 3 months past the due date. In the implementation of the method, data on credit loan payment history, specifically for digital Micro Business Credit (KUM) products obtained from PT Bank X Tbk., were used, totaling 2190 observations. The number of observations classified as Good accounted for 89.36% of the total, leaving 10.64% in the Bad category. This study employed the Synthetic Minority Oversampling Technique (SMOTE) to address the imbalanced dataset. The performance of the method was evaluated using the metrics of accuracy, sensitivity, specificity and AUC-ROC, considering different proportions of training data, ranging from 50% to 90%. To enhance the reliability of the results, the method simulation was conducted five times. The findings indicate that XGBoost outperforms AdaBoost in classifying credit loan payment performance, as evidenced by its superior performance across all evaluation metrics and all five simulations, achieving an average accuracy of 87.71%, sensitivity of 92.29%, specificity of 44,12%, and AUC-ROC of 81.16%."

"ABSTRAK Elektrokardiogram (EKG) merupakan mekanisme yang dipergunakan untuk melakukan pemeriksaan kondisi jantung. EKG menghasilkan sinyal listrik yang menggambarkan aktivitas jantung. Penelitian ini akan melakukan pengolahan data EKG yang diambil secara langsung dari pasien sehingga siap untuk ditransmisikan. Untuk mengoptimalkan prosesnya maka data yang dikirimkan dikompresi sedemikian rupa tanpa mendistorsi informasi aslinya. Penelitian sebelumnya mengindikasikan bahwa untuk mencapai rasio kompresi optimal maka sinyal harus disusun sedemikian rupa sehingga menghasilkan regularitas yang tinggi. Akuisisi data dilakukan dengan ADC 24 bit, dilanjutkan penghilangan derau dan ekstraksi beat menggunakan teknik Multi Resolution Wavelet Analysis dengan Lifting Scheme dan normalisasi data. Pengurutan berbasis normalized cross correlation dilakukan sehingga diperoleh data dengan koefisien wavelet yang regularitasnya optimal. Hasil pengujian pada 10 record dari St. Petersburg INCART 12-lead Arrhythmia Database (incartdb) – PhysioNet menunjukkan bahwa penggunaan metode sorting ini dapat menurunkan distorsi sinyal hasil kompresi dengan rerata 3,76% dan perbedaan amplitudo sebesar 0,03mV dibandingkan tanpa sorting pada kompresi sinyal yang tinggi. Simplisitas metode yang dikembangkan memungkinkan implementasi pada platform embedded dengan kapabilitas komputasi yang terbatas.

---

ABSTRACT Electrocardiogram (ECG) is common mechanism to monitor heart activity in form of electrical waveform. This research will process ECG signal directly from patient and process it to be ready for transmission. For optimum transmission, signal compression must be done with minimum original information distortion. And to achieve optimum compression rate, high signal regularity is a must. Data acquisition for the system is realized with 24 bit high resolution ADC, continued with noise elimination and beat extraction using Multi Resolution Wavelet Analysis with Lifting Scheme to achieve fast operation cycle. Periode normalization is implemented to the clean signal. Clean normalized signal is sorted using normalized cross correlation method to achieve optimum regularity signal in its wavelet coefficient. Test result on 10 records from St. Petersburg INCART 12-lead Arrhythmia Database (incartdb) – PhysioNet shows that the implemented sorting method can decrease reconstructed signal distortion by mean of 3.76% with amplitude difference of 0.03mV compare to its unsorted form in high compression ratio. The method simplicity offering efficient implementation on embedded system with minimum computation and resources capability."