Hasil Pencarian  ::  Simpan CSV :: Kembali

"Model regresi logistik dua level merupakan analisis multilevel yang digunakan untuk menganalisis data yang mempunyai struktur hirarki dua level dengan data respon biner (bernilai 0 atau 1). Yang dimaksud dengan data hirarki adalah data dengan unit-unit observasi yang bersarang pada unit yang lebih tinggi. Dalam skripsi ini, bentuk model regresi logistik dua level difokuskan pada model regresi logistik dua level dengan random intercept. Metode penaksiran parameter yang adalah metode Penalized Quasi Likelihood order pertama (PQL-1). Prinsip umum dari metode ini adalah melinierkan bagian yang non-linier dari model regresi logistik dua level dengan perluasan deret Taylor order pertama sehingga didapat model linier 2-level untuk kemudian dilakukan pengestimasian parameter menggunakan Iterative Generalized Least Square (IGLS). Prosedur tersebut dilakukan secara iteratif sampai konvergen. Metode ini diaplikasikan pada data survey di Eropa mengenai faktor-faktor yang mempengaruhi seseorang dalam penggunaan hak pilihnya dalam pemilu. Data terdiri dari 3300 individu yang diambil secara acak dari 20 negara di Eropa."

"Penelitian ini bertujuan untuk menganalisis: (i) rasio keuangan yang terpilih sebagai prediktor dalam memprediksi financial distress; (ii) tingkat akurasi model prediksi financial distress yang terbentuk dari analisis. Data yang digunakan adalah data sekunder dari BursaEfek Indonesia (BEI) berupa Ringkasan Kinerja Perusahaan Tercatat periode 2012-2013. Dengan teknik purposive sampling, penelitian ini menggunakan sampel 23 emiten yang terhitung dalam saham JII. Penelitian ini menggunakan metode analisis Binary Logit Regression. Hasil empiris menunjukkan bahwa rasio-rasio keuangan dalam laporankeuangan perusahaan yang terdiri dari: Current Ratio (CR), Operating Profit Margin (OPM),Return Of Asset (ROA), Return On Equity (ROE) dan nilai beta saham (YLD) dapat digunakanuntuk membedakan dan mengklasifikasikan perusahaan ke dalam kelompok yangmengalami financial distress dan non financial distress. Rasio keuangan yang signifikanmemprediksi kemungkinan terjadinya financial distress yaitu ROA dan ROE. Rasio-rasiotersebut digunakan dalam model prediksi financial distress berdasarkan indikator Debt toTotal Aset Ratio (DAR) (model kedua) dan terbukti layak secara statistik untuk digunakansebagai model dengan akurasi prediksi 90,9%. Model prediksi financial distress ini dapatdigunakan sebagai early warning signal. Bagi pihak regulator seperti BEI, Otoritas JasaKeuangan dan lainnya, dapat menggunakan model prediksi financial distress ini sebagai tooldalam menjalankan fungsi evaluasi, reviu dan pengawasan terhadap emiten."

"Mahasiswa UI yang berjumlah > 38.000 jiwa, berbagai mahasiswa melakukan perjalanan untuk tujuan pendidikan baik dari UI dan keluar kampus. Perjalanan tersebut menimbulkan dampak kemacetan baik didalam kampus maupun di luar. Kemacetan ini diduga disebabkan karena banyak diantara nya mahasiswa universitas Indonesia yang menggunakan kendaraan pribadi baik mobil maupun motor. Tidak maksimalnya penggunaan angkutan kereta api listrik mungkin menjadi salah satu penyebab kemacetan tersebut. Sehingga dibutuhkan keterpaduan diantara kedua moda tersebut. Penelitian ini bertujuan memperoleh distribusi karakteristik mahasiswa Universitas Indonesia pengguna moda kendaraan pribadi yang akan beralih ke moda KRL dan memperoleh suatu model pemilihan moda dengan menggunakan model Logit dimana metode estimasi parameter yang digunakan adalah pendekatan maximum likelihood selanjutnya lakukan pengujian statistik. Pemodelan Logit dapat menjelaskan probabilitas pelaku perjalanan dalam memilih moda kendaraan pribadi dan KRL bila dilihat dari cost, time dan dan mengetahui perubahan probabilitas pelaku perjalanan bila terjadi perubahan cost, time. Asumsi dasar yang diberlakukan jika terdapat kebijakan pemberlakuan tarif khusus kepada mahasiswa Universitas Indonesia akan mempengaruhi tingkat penggunaan KRL Ekonomi-AC dan juga faktor biaya operasional KRL yang tinggi dapat mempengaruhinya. Pengumpulan data dilakukan melalui internet seperti facebook, email dan google docs tanpa membatasi sampel dengan pertanyaan antara lain meliputi : karakteristik sosio-ekonomi, tujuan perjalanan, kepemilikan kendaraan bermotor, biaya transportasi perhari, biaya perjalanan menuju stasiun keberangkatan dan stasiun kedatangan, peralihan moda. Hasil analisis menunjukkan pengaruh tarif KRL Ekonomi-AC yang diberlakukan serta penghematan waktu perjalanan mempengaruhi Mahasiswa Universitas Indonesia pengguna kendaraan pribadi untuk menggunakan KRL Ekonomi AC.

---

UI students, representing > 38 000 inhabitants, miscellaneous travel students for educational purposes, both in and out of the UI campus. Travel congestion effects both inside and outside campus. Overloading is believed to be caused by many of its Indonesian University students who use cars and cars and motorcycles. No maximum electrical use of rail transport may be one reason these bottlenecks. This requires the integration between the two modes. This study aimed to obtain the distribution characteristics of Indonesian students at the University of the user modes of private vehicles will switch to electric railway train and obtain a mode choice model using Logit model where the parameter estimation method used is maximum likelihood approach and then perform statistical tests. Logit probability model can explain the traveler in choosing the mode of private vehicles and electric railway trains when viewed from the time, cost and the probability and the change journey to find out if there are changes in cost, time. The basic assumption is imposed if there is a policy enforcement special rates for students at the University of Indonesia will affect the level of use of the electric railway train (Economy-AC) as well as operational cost factor high electric railway trains that can affect it. Data collected through the internet such as facebook, email and google docs without limiting the sample to the questions include: socio-economic characteristics, trip purpose, vehicle ownership, daily transportation costs, travel expenses to the station of departure and arrival stations, switching modes. The results show the influence of an electric railway train fare (Economy-AC) applies and the impact of travel time savings, University of Indonesia Student private vehicle use train users (Economic-AC)."

"ABSTRAKPenelitian ini bertujuan untuk mengembangkan model prediksi peringkat kredit perusahaan dengan menggunakan data keuangan yang tersedia di publik. Model regresi probit ordinal digunakan dalam penelitian ini untuk menentukan spesifikasi dari interval peringkat kredit. Model diuji menggunakan data perusahaan non-keuangan yang terdaftar di Bursa Efek Indonesia dalam periode 2007-2016. Periode tersebut dipilih sebagai perbandingan situasi ekonomi Indonesia yang sempat mengalami dua kali pelemahan ekonomi pada tahun 2008 dan 2013. Berdasarkan hasil empiris, didapat sebuah model yang mampu memprediksi peringkat kredit perusahaan di situasi ekonomi yang beragam dengan menggunakan data keuangan yang sederhana. Model yang dihasilkan mampu memiliki kemampuan prediksi dalam periode satu sampai tiga tahun ke depan.

---

ABSTRACTThis study aim to develop a methodology using accounting data to construct a credit rating prediction model in Indonesia. Ordered probit analysis is being used in this study to know the specification of statistically significant credit rating intervals. A simple, public domain information based model are able to construct to predict credit rating using financial variable. We test our model using only quantitative and publicly available information of Indonesian listed firms over 2012-2017, a period which includes both crisis phase and slow economic growth of Indonesian economy. Under this scheme, we observe not only a clear and timely response of ratings to the changing economic environment, but we also obtain significant predictive ability model."

"ABSTRAKMengetahui 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."

"ABSTRAKDalam penelitian ini sebuah model prediksi untuk mendeteksi secara dini potensipembiayaan bermasalah yang dapat disehatkan dan yang berakhir denganpenyelesaian secara litigasi maupun non litigasi untuk penanganan pembiayaanbermasalah telah dibuat dengan pendekatan teknik statistik yakni Nested Logit.Hasil penelitian menemukan bahwa faktor-faktor yang berpengaruh signifikansecara statistik terhadap resolusi tindakan penyehatan adalah limit pembiayaan,status kepemilikan usaha, dan prospek usaha. Adapun faktor-faktor yangberpengaruh signifikan secara statistik terhadap resolusi penyelesaian dengan nonlitigasi, yaitu akad pembiayaan, sikap nasabah, dan prospek usaha, sedangkanterhadap penyelesaian litigasi, yaitu status kepemilikan usaha, sektor usaha, danprospek usaha. Hasil ketepatan prediksi yang ditunjukkan oleh model Nested Logitsecara keseluruhan rata-rata sebesar 87% akurat dari aktual, dengan proporsiakurasi pada masing-masing resolusi: yaitu 71% pada penyehatan, 92% padapenyelesaian non litigasi dan 98% pada penyelesaian litigasi. Akurasi model yangdidapat sudah sangat cukup baik dimana keakuratan hasil prediksi validasi terhadapmodel secara keseluruhan sebesar 89%. Untuk itu, model ini dapat digunakansebagai pendeteksi dini potensi pembiayaan bermasalah

---

ABSTRACTIn this study a prediction model for early warning sign detection of potential nonperforming financing problems that can be recovered and resolved either nonlitigation or litigation in handling financing problems have been developed by theapproach of the statistical techniques called Nested Logit Regression. The resultsfound that the factors statistically and significantly have a relationship on theresolution of recovering measures are the limit of financing, business ownershipstatus and business prospects. The factors that influence statistically andsignificantly against non-litigation, namely the financing agreement, the attitude ofcustomers and business prospects, while on the resolving by litigation, namely theownership status of the business, the business sector, and business prospects. Theresults shown by the prediction accuracy of Nested Logit models with overallaverage was about 87% of the actual accurate, with the proportion of accuracy oneach resolution: 71% on recovering, 92% in non-litigation settlement and 98% oncompletion of litigation. The accuracy of the model obtained is very reasonablywell, where the accuracy of the predicted results validate the overall model by 89%.Therefore, this model can be used as an early detection of potential non performingfinancing problems."

"Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel yang diekspresikan dalam bentuk persamaan antara variabel dependen dengan variabel bebas. Dalam analisis regresi terdapat beberapa asumsi yang harus dipenuhi. Spasial dependen pada suatu kumpulan data sampel berarti observasi pada suatu lokasi berkorelasi dengan observasi pada lokasi lain. Sehingga asumsi error antar observasi yang saling bebas tidak terpenuhi. Oleh karena itu, dibutuhkan suatu model yang memperhitungkan adanya korelasi spasial yaitu model spasial dependen. Model spasial dependen terbagi dua yaitu spasial lag dan spasial error. Model spasial lag merupakan model regresi linier dimana pada variabel dependennya terdapat korelasi spasial sedangkan model spasial error merupakan model regresi linier dimana pada errornya terdapat korelasi spasial. Penaksiran parameter menggunakan metode maksimum likelihood. "

"

Permasalahan statistik di dunia nyata umum diselesaikan dengan menggunakan generalized linear model. Fleksibilitas model regresi tersebut menjadi nilai tambah yang meningkatkan utilitasnya. Akan tetapi, di tengah penerapan generalized linear model, ditemukan isu terkait estimasi parameter, yakni multikolinearitas. Kondisi multikolinearitas mengindikasikan adanya korelasi antarvariabel penjelas yang berpengaruh terhadap keakuratan koefisien parameter. Keadaan ini menyebabkan maximum likelihood estimator, metode yang sangat umum digunakan pada generalized linear model untuk mencari parameter, memiliki eror dan variansi yang tinggi. Berbagai alternatif estimator telah dibuat untuk mengatasi masalah ini, salah satunya adalah Liu estimator. Metode ini merupakan bentuk modifikasi dari metode yang sudah diciptakan sebelumnya, yakni maximum likelihood estimator. Penelitian ini menelusuri konsep dan metode Liu estimator dalam menentukan suatu parameter dan dibandingkan dengan metode maximum likelihood estimator. Konstruksi gamma regression model, yakni generalized linear model dengan variabel respons yang berdistribusi gamma, digunakan sebagai aplikasi dalam penerapan Liu estimator. Simulasi dalam penelitian ini menggunakan dataset hydrocarbon yang mengukur keefektifan pemulihan polusi yang bersumber dari tangki gas. Dengan menggunakan model regresi gamma dan estimator Liu untuk mengestimasi parameter didapatkan prediksi terhadap jumlah gas hydrocarbon yang keluar.

---

Generalized Linear Model, as the name says, is the general version for linear model, one of the method used to solve statistical and actuarial real-life problem, such as regression. In the midst of well-known generalized linear model utilization, researcher found issue related to parameter estimation. Multicolinearity, a condition which occur when there are two or more independent variabel with high correlation, has huge impact to the accuracy of parameter coeficient. This issue makes the maximum likelihood estimator, one of the most common method to estimate the parameter, produces high error and variance. To combat this issue, many other estimator has been proposed by various researcher all around the world, including Liu estimator. Liu estimator is a method that comes from the modification of maximum likelihood estimator. This research will explore the concept and method of Liu estimator for estimating model’s parameter and the difference when we compare it with maximum likelihood estimator. The model built in the research is gamma regression model, which is a generalized linear model with gamma distributed response variable. The application of the research is utilizing the data called hydrocarbon. The end product is the gamma regression model to predict the mass of hydrocarbon which escape to the air with the parameter estimated by Liu estimator method.

"