Hasil Pencarian  ::  Simpan CSV :: Kembali

"Model regresi ordinal dua level merupakan model yang digunakan untuk menganalisis data respon ordinal tercluster dan longitudinal. Dalam hal ini variabel respon ordinal yang diketahui, dibentuk dari suatu variabel laten kontinu yang tak diketahui nilainya. Nilai batas kategorik (threshold) pada variabel laten perlu diestimasi bersama-sama dengan koefisien regresi ordinal dua level. Untuk mengestimasi parameter-parameter dan threshold pada model regresi ordinal dua level, digunakan metode estimasi maximum marginal likelihood (MMLE) melalui pendekatan numerik dengan metode Fisher scoring. Pada setiap iterasi metode Fisher Scoring, digunakan Gauss-Hermite Quadrature untuk menghitung secara numerik persamaan marginal likelihood. Untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal tercluster, digunakan data TVSFP di mana siswa bersarang dalam kelas. Sedangkan untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal longitudinal, akan digunakan data psikiatrik di mana pasien diklasifikasikan pada beberapa tingkat keparahan penyakit terhadap beberapa titik waktu (time points). Struktur data dua level yang digunakan untuk data longitudinal adalah perulangan observasi bersarang dalam individu (pasien)."

"Model regresi ordinal dua level merupakan model yang digunakan untuk menganalisis data respon ordinal tercluster dan longitudinal. Dalam hal ini variabel respon ordinal yang diketahui, dibentuk dari suatu variabel laten kontinu yang tak diketahui nilainya. Nilai batas kategorik (threshold) pada variabel laten perlu diestimasi bersama-sama dengan koefisien regresi ordinal dua level. Untuk mengestimasi parameter-parameter dan threshold pada model regresi ordinal dua level, digunakan metode estimasi maximum marginal likelihood (MMLE) melalui pendekatan numerik dengan metode Fisher scoring. Pada setiap iterasi metode Fisher Scoring, digunakan Gauss-Hermite Quadrature untuk menghitung secara numerik persamaan marginal likelihood. Untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal tercluster, digunakan data TVSFP di mana siswa bersarang dalam kelas. Sedangkan untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal longitudinal, akan digunakan data psikiatrik di mana pasien diklasifikasikan pada beberapa tingkat keparahan penyakit terhadap beberapa titik waktu (time points). Struktur data dua level yang digunakan untuk data longitudinal adalah perulangan observasi bersarang dalam individu (pasien)."

"Pada skripsi ini dibahas model SIS dengan intervensi berupa pemberian obat dan penggunaan masker kesehatan pada individu terinfeksi. Model ini digunakan untuk menggambarkan perilaku dinamik dari data insiden lapangan pada penyakit SARS di Hong Kong. Pada model yang telah terbentuk dilakukan estimasi parameter beta secara periodik dan konstan yang bersamaan dengan estimasi parameter gamma_0 secara konstan agar sesuai dengan data insiden lapangan tersebut. Pendekatan yang digunakan dalam estimasi ini adalah teori kontrol optimum dengan metode langsung yang meminimumkan euclidian distance antara hasil simulasi I dan data I pada insiden lapangan dengan menentukan nilai parameter yang sesuai dengan model tersebut. Hasil simulasi menunjukkan bahwa nilai parameter beta periodik lebih baik daripada nilai parameter beta konstan dalam menghampiri data insiden lapangan tersebut. Selanjutnya nilai parameter beta dan gamma_0 terbaik yaitu nilai parameter yang membuat hasil simulasi mendekati data insiden lapangan, digunakan untuk mengestimasi nilai parameter u_1 dan u_2 yang paling optimum terkait dengan proporsi pemberian obat dan penggunaan masker yang meminimalkan jumlah individu yang terinfeksi dengan jumlah biaya minimal menggunakan pendekatan teori kontrol optimum dengan metode langsung. Selain teori kontrol optimum, beberapa hasil kajian analitik yang terkait dengan analisis model tersebut proses non minus;dimensional, penentuan titik keseimbangan, analisis kestabilan sistem, penentuan R_0, dan analisis bifurkasi sistem , serta simulasi numerik beserta interpretasi dibahas dalam skripsi ini.

---

In this thesis discussed SIS model with intervention is given medical treatment and the use of health masks on infected individuals. This model is used to describe the dynamic behavior from daily incident data of SARS disease in Hong Kong. On the model that has been formed carried out beta parameter estimation periodically and constantly which simultaneously with gamma 0 parameter estimation constantly to fit on the daily incident data. The approach used in this thesis is the optimal control theory with the direct method which minimizes the euclidian error between the simulation results and the daily incident data by determining the parameter values corresponding to the model.

The simulation results show that the periodic beta parameter value is better than the constant beta parameter value in approaching the daily incident data. Next, the best of beta and gamma 0 parameter value i.e. the parameter value that can make the simulation results fit with the daily incidence data be used to estimate the most optimal u 1 and u 2 parameter values related to proportion the user of medical treatment and medicinal masks intervention that minimizes the number of the infected human with minimal cost using the optimal control theory approach with the direct method. In addition to the above optimal control studies, some analytical result related to the model analysis non dimensionalization process, determination of equilibrium point, system stability analysis, determination of the basic reproduction number, and system bifurcation analysis , and numerical simulations with the interpretation of the result are discussed in this thesis."

"Seperti halnya model Gravity maka model Intervening Opportunities merupakan model sintetis. Pendistribusian perjalanan dari asal perjalanan ke masing-masing tujuan perjalanan berdasarkan model Intervening Opportunities sangat ditentukan oleh parameter model yang disebut dengan parameter L. Parameter L merupakan parameter yang menyatakan bahwa probabilitas perjalanan yang keluar dari suatu lokasi asal perjalanan akan berhenti pada sembarang lokasi tujuan. Nilai parameter L ini sangat sensitif didalam model sehingga penentuan nilai sangat penting didalam analisis distribusi perjalanan dengan model Intervening Opportunities. Berdasarkan hal tersebut dilakukan analisis metode estimasi parameter (hipotesis pertama) dan analisis pola perjalanan yang sesuai model Intervening Opportunities (hipotesis kedua). Metode estimasi yang diuji adalah metode Regresi, Regresi dengan Optimasi, NLLS, VNLLS dan metode Maksimum Likelihood (ML). Untuk pengujian hipotesis pertama digunakan matrik asal tujuan buatan (artifisial) yang sembarang, sedangkan untuk pengujian hipotesis kedua digunakan matrik artifisial yang dipolakan. Pengujian hipotesis pertama dan kedua juga didukung oleh data matrik A -T kota Jakarta dan kota Balikpapan. Pengujian dan merupakan data matrik kecil. Sedangkan untuk pengujian data matrik besar diambil data matrik asal tujuan yang sesungguhnya yaitu data matrik asal tujuan kota Jakarta dan kota Balikpapan. Hasil analisis data artifisial dan data kota menunjukkan metode NLLS dan metode regresi (optimasi) yang diterapkan pada model Intervening Opportunities "Memaksa" merupakan metode estimasi yang cukup baik dilihat dari hasil uji statistik dan dari total probabilitas yang didapat."

"Estimasi parameter model autoregressive dapat diperoleh dengan beberapa metode, salah satunya adalah metode Marginal Likelihood. Untuk memperoleh fungsi marginal likelihood, proses autoregressive dapat dinyatakan sebagai structural model (Fraser, 1968). Dalam structural model, data runtun waktu stasioner dinyatakan sebagai kombinasi linear dari mean proses dan variabel error yang tidak terobservasi. Dengan mengganggap variabel error sebagai proses circular dan noncircular, diperoleh sifat distribusi dari variabel error yang tidak bergantung pada parameter populasi, sehingga data runtun waktu mengikuti model Location-scale. Melalui model Location-Scale dapat dibuktikan bahwa vektor data runtun waktu yang distandarisasi merupakan ancillary statistic. Ancillary statistic ini menjadi dasar untuk membangun fungsi marginal likelihood karena distribusi dari ancillary statistic bebas dari parameter populasi."

"Salah satu bahan tambang yang penting dan banyak dipakai adalahbauksit. Daerah Mempawah, Kalimantan merupakan salah satu daerahpenambangan bauksit yang ada di Indonesia. Dalam kasuspengeksplorasian bahan tambang sering ditemukan permasalahan seberapabanyak cadangan bahan tambang yang tersedia di suatu lokasi. Dalampenelitian ini dilakukan penaksiran kandungan cadangan bauksit diMempawah dengan menggunakan metode penaksiran ordinary krigingdengan semivariogram anisotropik. Metode penaksiran ordinary krigingmerupakan metode yang memberikan penaksir yang linier tak bias terbaik(BLUE = best linear unbiased estimator). Dari hasil penelitian disimpulkanbahwa model semivariogram yang cocok digunakan adalah modeleksponensial. Penaksiran dilakukan pada 24 titik lokasi yang tidak tersampel"

"Pada model regresi data panel spasial dinamis terdapat lag dari variabel dependen dan spatial lag dari variabel dependen yang berperan sebagai variabel eksplanatori. Hal ini menyebabkan variabel eksplanatori berkorelasi dengan error, variabel jenis ini disebut variabel endogen eksplanatori. Dengan adanya variabel ini, estimasi secara ordinary least squares menjadi bias dan tidak konsisten. Oleh karena itu sebelum menaksir parameter pada model regresi data panel spasial dinamis harus dilakukan first-difference untuk menghilangkan efek individu dan selanjutnya dilakukan instrumental variabel pada variabel endogen eksplanatori. Kemudian untuk mendapatkan unbiased and consistent estimator, model ini ditaksir dengan metode Arrelano dan Bond yang menggunakan prinsip generalized method of moments optimal."

"Tugas akhir ini secara umum bertujuan untuk membahas modelpersamaan struktural nonlinear (Nonlinear Structural Equation Model atauNLSEM), yaitu suatu model yang mengkombinasikan analisis faktor dananalisis regresi untuk tujuan analisis suatu hipotesis yang menyatakanhubungan antara variabel-variabel laten yang diukur oleh variabel-variabelindikator dimana terdapat hubungan yang nonlinear antar variabel latennya.Penaksiran parameter dalam model persamaan struktural nonlinear dicaridengan menggunakan taksiran Maksimum Likelihood melalui Algoritma EM(Expectation Maximization). Karena rumitnya proses komputasi, pada E-Stepakan digunakan algoritma Metropolis-Hastings. Metode tersebut akanditerapkan untuk melihat pola hubungan antara kepercayaan beragama,kepuasan dalam pekerjaan, dan interaksi antara keduanya dalammempengaruhi kepuasan hidup seseorang. Hasil analisis data menunjukkanbahwa meningkatnya tingkat kepercayaan beragama dan kepuasan dalampekerjaan akan meningkatkan kepuasan hidup, namun dihambat olehpengaruh interaksinya."

"Dalam model panel data dinamis terdapat lag dari variabel dependen yang menyebabkan variabel eksplanatori berkorelasi dengan error. Lag dari variabel dependen tersebut dinamakan variabel endogen eksplanatori. Dengan adanya variabel endogen eksplanatori, estimasi secara OLS menjadi bias dan inkonsisten. Oleh karena itu sebelum menaksir parameter pada model panel data dinamis harus dilakukan first-difference untuk menghilangkan efek individu dan selanjutnya dilakukan instrumental variabel pada variabel endogen eksplanatori. Kemudian untuk mendapatkan taksiran yang unbiased, konsisten, dan efisien, model ini ditaksir dengan metode Arellano dan Bond yang menggunakan prinsip GMM optimal."

"ABSTRAKPenggunaan pemakaian pompa sentrifugal sangat luas, untuk penunjang proses industri, irigasi maupun untuk kebutuhan rumah tangga dan lain-lain.Guna mengantisipasi perkembangan dan permintaan konsumen yang akhir-akhir ini meningkat, maka industri manufaktur perlu dengan teliti menghitung waktu operasi proses pabrikasi, supaya tepat menghitung biaya produksinya. Dengan demikian pompa yang dihasilkan mempunyai daya saing di pasar.Penelitian ini membahas estimasi waktu, untuk mendapatkan target waktu operasi elemen-elemen utama pompa sentrifugal, melalui regresi linier dari metoda kuadrat larked, kemudian dipakai sebagal dasar untuk menghitung perkiraan biaya (cost estimation) dari biaya produksi (manufacturing cost).Berdasarkan hasil waktu dari Model, maka didapatkan hasil yang mendekati dengan waktu pengamatan pabrikasi sebenarnya, demikian juga biaya produksi dari model memperlihatkan hasil mendekati dengan biaya produksi sebenarnya.

---

ABSTRACTThe use of centrifugal pump Is widely utilized for Industrial process, irrigation, home appliance needs, etc.

The development of industry as well as the national domestic demands have recently increased, industrial manufacture needs the accurate production cost time calculation in order to get the exact budget of manufacturing cost. By means of this, the pump manufacture can Increase the gain of the competitive quality In the global marketing.

The research deals with the discussion of time operation estimate to reach the target of operating time of main element through the linear regression using the smallest square method. Using this method the cost estimation could be calculated from the total manufacturing cost.

The result indicates that the time estimated by this model have a close value comparing with the time estimation observed directly in the field. The cost production model have the same result as well as the time estimation model comparing with the real one. The cost production obtained by this model reaches the closest result compared with the manufacturing cost of the exact one."