Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPermasalahan yang akan diangkat dalam tesis ini adalah masalah keterlambatan yang terjadi pada perjalanan kereta api KRL komuter Bekasi-Jakarta Kota, yang lebih tinggi daripada KRL komuter lainnya. Hal ini diduga dikarenakan terjadinya konflik dengan kereta lain dan adanya keterlambatan keberangkatan di stasiun Bekasi. Cox Proportional Hazard adalah salah satu metode analisis semi parametrik di dalam kerangka Analisis Survival yang akan digunakan untuk menganalisis keterlambatan perjalanan suatu kereta api. Penggunaan metode ini antara lain karena lebih populer dan penggunaan asumsi yang lebih sedikit bila dibandingkan dengan metode parametrik. Model regresi Cox PH ini juga berguna untuk menafsirkan informasi mengenai hubungan dari fungsi hazard dengan prediktor. Hasil penelitian menunjukkan bahwa keterlambatan kedatangan KRL komuter Bekasi di stasiun tujuan dipengaruhi oleh keterlambatan keberangkatan di stasiun awal dan juga konflik dengan kereta lain, baik di stasiun awal maupun di tengah perjalanan. Oleh karena itu, konflik dan keterlambatan di stasiun keberangkatan harus diturunkan secara signifikan.

---

ABSTRACT

The issue raised in this thesis is the delay in the travel time of Bekasi-Jakarta Kota Commuter Line, which is higher than other commuter lines. This is presumably due to their own departure delays in Bekasi Station and also conflicts with other trains. Cox Proportional Hazard is one of the semi-parametric analysis methods in Survival Analysis framework that will be used to analyze the delay time. This method is used because it is more popular than other methods and uses fewer assumptions than the parametric method. Cox PH regression model is also useful for interpreting information about the relationship of the hazard function predictors. The results showed that the late arrival of KRL Commuter Bekasi at the destination is affected by the delay at the departure station and also by conflicts with other trains, either at the beginning or in the middle of the travel. Therefore, conflict reduction and delay reduction must be made significantly."

"Penyakit Alzheimer adalah penyakit progresif yang dimulai dengan hilangnya ingatan ringan dan berkembang hingga hilangnya kemampuan bicara dan respon terhadap lingkungan. Penyakit ini belum dapat disembuhkan, dan pengobatan saat ini hanya berfungsi mengurangi gejala sementara. Oleh karena itu, penting untuk mengidentifikasi risiko utama pengembangan Alzheimer dan memberikan diagnosis yang tepat guna mendukung penelitian lebih lanjut. Model regresi Cox-Proportional Hazard sering digunakan untuk menangani data survival tersensor, tetapi saat ini, machine learning menunjukkan potensi besar. Dua model machine learning, Random Survival Forest dan Gradient Boosting Survival Analysis, mampu menangani data survival dan data tersensor tanpa memerlukan asumsi parameter. Kedua model ini juga menghindari overfitting dan lebih mudah diinterpretasi dibandingkan model non-parametrik lainnya. Hasil pada data Alzheimer menunjukkan bahwa Gradient Boosting Survival Analysis memiliki performa terbaik dengan nilai C-index 0.8503, diikuti oleh Random Survival Forest dengan nilai 0.8286. Model regresi Cox-PH memiliki kinerja terendah dengan nilai C-index 0.8092, dan data Alzheimer yang digunakan tidak memenuhi asumsi proportional hazard. Model Gradient Boosting Survival Analysis dan Random Survival Forest mengidentifikasi CDRSB dan FDG sebagai risiko terpenting, sedangkan model Cox-PH mengidentifikasi AV45 dan FDG.

---

Alzheimer's disease is a progressive disease that begins with mild memory loss and progresses to loss of speech and response to the environment. There is no cure for the disease, and current treatments only temporarily reduce symptoms. Therefore, it is important to identify the main risk factors for developing Alzheimer's and provide an accurate diagnosis to support further research. The Cox-Proportional Hazard regression model is often used to handle censored survival data, but currently, machine learning shows potential. Two machine learning models, Random Survival Forest and Gradient Boosting Survival Analysis, are able to handle survival data and censored data without requiring parameter assumptions. Both models also avoid overfitting and are easier to interpret than other non-parametric models. The results on Alzheimer's data show that Gradient Boosting Survival Analysis has the best performance with a C-index value of 0.8503, followed by Random Survival Forest with a value of 0.8286. The Cox-PH regression model has the lowest performance with a C-index value of 0.8092, and the data used does not meet the proportional hazard assumption. The Gradient Boosting Survival Analysis and Random Survival Forest models identified CDRSB and FDG as the most important risks, while the Cox-PH model identified AV45 and FDG."

"Pada penelitian survival, kadang kala survival time dipengaruhi oleh faktor-faktor lain. Untuk kondisi tersebut dapat digunakan metode analisis regresi dengan model Cox PH. Dari model Cox ini, diperoleh bahwa hazard ratio untuk dua individu dengan nilai kovariat yang berbeda tidak akan dipengaruhi oleh waktu. Atau dengan perkataan lain, hazard untuk satu individu proporsional dengan hazard individu lainnya dengan keproporsionalan yang konstan, tidak dipengaruhi oleh waktu. Oleh sebab itu, ketika diterapkan pada data harus diperiksa apakah asumsi tersebut terpenuhi. Pengecekan asumsi proportional hazard akan dilakukan dengan dua pendekatan. Pendekatan yang pertama dengan grafik, yaitu grafik log-log, dan yang kedua dengan pengujian goodness-of-fit. Metode grafik memberikan hasil yang subjektif sedangkan pengujian goodness-of-fit memberikan hasil yang objektif berdasarkan pengujian statistik.

---

In survival studies, sometimes the time until the occurrence of an event is influenced by other factors. Cox PH model, which is one of the semi parametric regression method can be applied for the data analysis. From this Cox model, it is found that the hazard ratio for two individuals with different covariates not be affected by time. In other words, hazard for an individual is proportional with hazard from another individual with constant proportionality, not affected by the time. Therefore, when applied to the data, it should be checked whether the assumptions are met. The assumption of proportional hazard will be checked using two approaches. The first approach using graph, the log-log graph, and the second by testing the goodness-of-fit. Graphical method gives subjective results while the goodness-of-fit testing gives objective results based on statistical testing."

"Extended cox model adalah perluasan dari model cox yaitu dengan melibatkan variabel yang bergantung pada waktu. Model ini digunakan untuk memperbaiki model cox proportional hazard apabila satu atau lebih covariate tidak memenuhi asumsi proportional hazard. Covariate yang tidak memenuhi asumsi proportional hazard dalam extended cox model diinteraksikan dengan fungsi waktu, sehingga diperoleh covariate yang bergantung pada waktu. Sehingga pada model terdapat covariate yang tidak bergantung pada waktu dan covariate yang bergantung pada waktu. Parameter-parameter dari covariate tersebut ditaksir dengan menggunakan metode maksimum partial likelihood. Untuk mengetahui apakah extended cox model adalah model yang sesuai untuk suatu data dalam kasus tertentu, digunakan uji ratio likelihood. Sebagai contoh penerapan digunakan data berupa waktu seorang pasien mengalami infeksi pada ginjal setelah dilakukan transplantasi ginjal, dengan covariate yang diperhatikan yaitu pemasangan catheter pada ginjal pasien. Diperoleh hasil bahwa model yang sesuai untuk data tersebut adalah extended cox model.

---

Extended cox model is an extension of cox model by constructing time-dependent covariates that can be added to the model. This model is used to adjust the cox proportional hazard model if one or more covariates do not satisfy the proportional hazard assumption. Covariates, which do not satisfy the proportional hazard assumption, in extended cox model, are interacted with time function, so that time-dependent variables are obtained. Therefore, the model contains both time-independent and time-dependent covariates. Parameters of these covariates are estimated by maximum partial likelihood method. To find out whether extended cox model is better than cox proportional hazard model, ratio likelihood test is used. As the example, data of the period of time a patient suffering kidney infection after having kidney transplantation, with the concerned covariate is placed catheter in patient?s kidney. The result showed that extended cox model is appropriate for the data."

"Preeklamsia menjadi penyebab kematian ibu hamil terbanyak kedua di Indonesia setelah pendarahan. Preeklamsia merupakan hipertensi dan proteinuria setelah usia kehamilan lebih dari 20 minggu pada wanita yang sebelumnya memiliki tekanan darah normal. Faktor risiko preeklamsia dapat dilihat berdasarkan karakteristik maternal, pengukuran biofisik, dan pengukuran biokimia. Preeklamsia umumnya terjadi pada trimester ketiga kehamilan. Namun kondisi ibu hamil tetap harus diamati pada setiap titik waktu kehamilan. Variabel dependen yang digunakan dalam penelitian ini adalah waktu kelahiran dengan kovariatnya adalah usia, Indeks Massa Tubuh (IMT), riwayat preeklamsia, Mean Arterial Pressure (MAP), dan Placental Growth Factor (PlGF). Adapun metode yang digunakan dalam penelitian ini adalah Proportional Hazard (PH) parametrik dimana diasumsikan efek yang multiplikatif terhadap nilai hazard. Metode parametrik lainnya yang dapat digunakan adalah Accelerated Failure Time (AFT) yang mengasumsikan bahwa efek multiplikatif terhadap waktu survival.  Kedua metode tersebut merupakan metode parametrik dimana baseline hazard dari model diasumsikan mengikuti bentuk suatu distribusi tertentu. Konstruksi model terdiri dari pemilihan baseline hazard yang sesuai dengan data preeklamsia dan proses menambahkan kovariat ke dalam model. Estimasi parameter dilakukan dengan metode Maximum Likelihood Estimation (MLE) yang menghasilkan persamaan kompleks dan harus diselesaikan secara numerik menggunakan bantuan software. Hasil dari penelitian ini diperoleh bahwa faktor-faktor yang berhubungan dengan preeklamsia adalah MAP dan PlGF. Perbandingan metode PH parametrik dan metode AFT menggunakan nilai AIC memberikan hasil bahwa model PH Gompertz memberikan fit yang lebih baik untuk data preeklamsia dengan nilai sebesar 328,2045.

---

Preeclampsia is the second leading cause of death for pregnant women in Indonesia after bleeding. Preeclampsia is hypertension and proteinuria after gestational age of more than 20 weeks in women who previously had normal blood pressure. Risk factors for preeclampsia can be seen based on maternal characteristics, biophysical, and biochemical measurements. Preeclampsia generally occurs in the third trimester of pregnancy. However, the condition of pregnant women must still be observed at every point in time pregnancy. The dependent variable used in this study was the time of birth with the independent variables being age, Body Mass Index (BMI), history of preeclampsia, Mean Arterial Pressure (MAP), and Placental Growth Factor (PlGF). The method used in this research is parametric Proportional Hazard (PH) which is assumed to have a multiplicative effect on the hazard value. Another parametric method that can be used is  Accelerated Failure Time (AFT) which is assumed to have a multiplicative effect on survival time. Both methods are parametric methods where the baseline hazard of the model is assumed to follow the shape of a certain distribution. The construction of the model consists of selecting a baseline hazard that fits the preeclampsia data and the process of adding independent variables to the model. Parameter estimation is carried out using the Maximum Likelihood Estimation (MLE) method which produces complex equations and must be solved numerically using software. The results of this study obtain factors associated with preeclampsia are MAP and PlGF. Comparison of the parametric PH method and the AFT method using the AIC value gives the result that the Gompertz PH model provides a better fit for preeclampsia data with a value of 328.2045."

"Tesis ini membahas kajian dan implementasi stabilitas model tingkat bunga Cox- Ingersoll-Ross (CIR). Estimasi parameter model CIR melibatkan perubahan measure. Parameter-parameter model CIR diestimasi menggunakan Generalized Method of Moments (GMM), sedangkan simulasi tingkat bunga menggunakan metode Milstein. Hasil implementasi model CIR menunjukkan bahwa lintasan solusi model CIR risk-neutral dengan perubahan measure lebih dekat dengan pergerakan tingkat bunga sebenarnya dibandingkan dengan lintasan solusi model CIR risk-neutral tanpa perubahan measure. Hasil implementasi dengan pendekatan numerik menunjukkan bahwa simulasi solusi model CIR memenuhi perilaku stabilitas asimtotik solusi model CIR. Data yang digunakan adalah data tingkat bunga yang diunduh dari www.bankofengland.co.uk.

---

Thesis discusses stability and implementation of interest rate Cox-Ingersoll-Ross (CIR) model. Parameter estimation of CIR model involves changing measure. Parameters of CIR model are estimated using Generalized Method of Moments (GMM), while simulation of interest rate uses Milstein method. The implementation shows that solution path of risk- neutral CIR model with changing measure is closer to interest rate data than solution path of risk-neutral CIR model without changing measure. The implementation of numerical approach shows that solution of CIR model satisfies the stability of asymptotic behavior. The interest rate data is obtained from www.bankofengland.co.uk."

"Tingkat mortalitas merupakan salah satu faktor yang mempengaruhi perhitungan premi asuransi jiwa. Pada tesis ini, model Cox Proportional Hazard digunakan untuk menaksir  tingkat mortalitas berdasarkan faktor-faktor risiko yang dapat diamati seperti jenis kelamin dan status merokok. Parameter-parameter pada model Cox Proportional Hazard ditaksir dengan menggunakan metode Maximum Partial Likelihood Estimation dan metode Newton Raphson, sedangkan penaksiran tingkat mortalitas dilakukan setelah fungsi kumulatif baseline hazard pada model Cox Proportional Hazard ditaksir dengan menggunakan Breslow Estimator. Hasil penaksiran tingkat mortalitas digunakan untuk menentukan besar premi asuransi jiwa. 

---

The mortality rate is one of the factors that effect the calculation of life insurance premium. In this thesis, Cox Proportional Hazard model is used to estimate mortality rates based on observable risk factors such as gender and smoking status. The parameters in the Cox Proportional Hazard model are estimated using the Maximum Partial Likelihood Estimation method and the Newton Raphson method, while assessment of mortality rates is carried out after the cumulative baseline hazard function in the Cox Proportional Hazard model is estimated using Breslow Estimator. The results of estimating mortality rates are used to determine the life insurance premium."

"Sebagai penyakit yang disebabkan oleh virus, obat antivirus banyak digunakan sebagai salah satu pengobatan COVID-19. Obat antivirus yang resmi digunakan di Indonesia, yaitu oseltamivir, avigan, dan remdesivir, tanpa adanya pertimbangan obat mana yang lebih efektif dalam menangani pasien COVID-19. Obat antivirus dapat dikatakan lebih efektif daripada obat antivirus lainnya jika dapat mengurangi infeksi virus pada pasien dan membuat kondisinya membaik lebih cepat. Penelitian ini bertujuan untuk membandingkan efektivitas dari ketiga jenis obat antivirus tersebut secara umum dan berdasarkan ciri pasien, yang meliputi jenis kelamin, kelompok usia, dan penyakit penyerta, dalam menghasilkan perbaikan kondisi bagi pasien COVID-19. Data yang digunakan dalam penelitian ini terdiri atas 142 pasien COVID-19 di Rumah Sakit ABC Jakarta pada tanggal 4 Juni 2020 hingga 31 Januari 2021 yang mengonsumsi salah satu jenis obat antivirus. Model Cox proportional hazard digunakan untuk mengukur hazard ratio pasien COVID-19 berdasarkan jenis obat antivirus yang dikonsumsi dan ciri pasien. Hasil penelitian menunjukkan bahwa oseltamivir memberikan efektivitas terbesar dan remdesivir memberikan efektivitas terkecil terhadap perbaikan kondisi pasien COVID-19 secara umum. Oseltamivir memberikan efektivitas yang besar untuk hampir semua ciri pasien yang meliputi pria, wanita, lansia, memiliki penyakit penyerta, dan tidak memiliki penyakit penyerta. Avigan memberikan efektivitas yang besar untuk pasien pria dan bukan lansia, sedangkan obat remdesivir dapat dikatakan efektif pada pasien wanita.

---

As a disease caused by a virus, antiviral drug is widely used as a treatment for COVID-19. The allowed antiviral drugs used in Indonesia are oseltamivir, avigan, and remdesivir, without any consideration which drug is more effective in treating COVID-19 patients. An antiviral drug can be said to be more effective than other antiviral drugs if it can reduce the viral infection in patients and make their condition improves faster. This study aims to compare the effectiveness of the three types of antiviral drugs in general and based on patient characteristics, which include gender, age group, and comorbidity presence, in resulting condition improvement for COVID-19 patients. The data used consists of 142 COVID-19 patients from ABC Hospital in Jakarta, who took one of three types of antiviral drugs. Cox proportional hazard model was used to measure the hazard ratio of COVID-19 patients based on the antiviral drug consumed and characteristics. The results showed that oseltamivir provided the greatest and remdesivir gave the least effectiveness in improving the condition of COVID-19 patients in general. Oseltamivir provides great effectiveness for almost all patient characteristics, including male, female, elders, and patients with and without comorbidity. Avigan provides high effectiveness for male and non-elderly patients. Meanwhile remdesivir can be said to be effective in female patients."

"ABSTRAKPermasalahan bencana banjir tidak hanya dipengaruhui oleh fenomena alam yang ekstrim saja, tetapi juga dipengaruhi oleh kondisi kerusakan lingkungan, fenomena sosial mayarakat serta kebijakan pemerintah dalam upaya mengurangi risiko banjir. Strategi upaya mengurangi risiko banjir dapat dilakukan secara tepat dengan melakukan penilaian risiko banjir meliputi penilaian bahaya, kerentanan dan kapasitas. Penelitian ini bertujuan untuk mengembangkan model penilaian bahaya banjir berdasarkan data kejadian bencana banjir di DAS Kemuning Sampang Madura. Metode penilaian bahaya banjir terdiri dari 2 (dua) antara lain metode indeks topographi modifikasi dan metode kombinasi Geomorphic Flood Index(GFI) dan metode Height Above the Nearest Drainage (HAND). Indeks bahaya banjir dibagi menjadi 3 kelas yaitu rendah (indeks bahaya < 0,333), sedang (indeks bahaya: 0.333 - 0.666), tinggi (indeks bahaya > 0,666). Hasil Indeks Bahaya Banjir model indeks topographi modifikasi diperoleh luas bahaya banjir sebesar 6459 hektar (24%) indeks bahaya tinggi, 8329 hektar (31%) indeks bahaya sedang, dan 11882 hektar (45%) indeks bahaya rendah. Sedangkan hasil Indeks Bahaya Banjir model kombinasi GFI dan HAND luas bahayanya sebesar 1402 hektar (44%) indeks bahaya tinggi, 1271 hektar (40%) indeks bahaya sedang, 504 hektar (16%) indeks bahaya rendah. Model penilaian bahaya banjir metode kombinasi GFI dan HAND disimpulkan memiliki hasil yang sebagian besar mewakili kejadian sebenarnya di Kabupaten Sampang serta mampu mengakomodir model penilaian bahaya banjir sesuai ketentuan pada Perka BNPB No. 2 Tahun 2012 yaitu menggunakan parameter potensi ketinggian genangan, sehingga direkomendasikan sebagai model penilaian bahaya banjir tingkat Kab/Kota berdasarkan data kejadian (histori) banjir.

---

ABSTRACTThe problem of floods event is not only affected by extreme natural phenomena, but also influenced by conditions of environmental damage, social phenomena and government policies in efforts to reduce floods risk.The strategy to reduce flood risk can be done appropriately with conducting flood risk assessments including hazard assessment, vulnerability and capacity. This study aims to develop a flood hazard assessment model based on historical data on flood event in Kemuning watershed, Sampang-Madura. The flood hazard assessment method consists of 2, including the modified topographic index (MTI) method and the combination of the geomorphic flood index (GFI) method and the height above the nearest drainage (HAND) method. The disaster hazard level is divided into 3 classes, namely low (hazard index <0.333), medium (hazard index: 0.333 - 0.666), high (hazard index> 0.666). The result is a flood hazard index using modified topographic index models that with details of 1182 hectare (24%) high level, 8329 hectare (31 %) medium level, 11882 hectare (45%) low level. While the result is a flood hazard index using GFI and HAND Combination models that with details of 1402 hectare (44%) high level, 1271 hectare (40 %) medium level, 504 hectare (16 %) low level.The flood hazard assessment model of the GFI and HAND combination method is concluded to have results that largely represent the actual events in Sampang Regency and are able to accommodate the flood hazard assessment model according to the provisions of Perka BNPB No. 2 of 2012, namely using parameters of potential inundation height, so it is recommended as a flood hazard assessment model at the district /city level based on the event data (history) of floods."

"ABSTRAKDewasa ini penggunaan energi terbarukan sebagai sumber dalam sistem distributed generator semakin meningkat seiring dengan maraknya wacana krisis energi. Contohnya penggunaan photovoltaic yang memanfaatkan energi surya untuk diubah menjadi listrik. Pada sistem photovoltaic, tegangan yang dihasilkan berupa tegangan DC sebesar 24-48 V. Sementara itu untuk dapat mensupply peralatan rumah tangga diperlukan tegangan AC. Dengan demikian,peran inverter sangat diperlukan untuk mengubah tegangan DC menjadi AC. Namun, sebelum masuk ke dalam inverter, diperlukan suatu boost converter yang dapat menaikkan tegangan photovoltaic hingga level tertentu sesuai keperluan. Kestabilan merupakan target utama dari performa suatu boost converter. Oleh karena itu, banyak dilakukan penelitian-penelitian menggunakan berbagai metode kontrol untuk mendapatkan keluaran boost yang stabil. Adapun PID controller merupakan salah satu jenis pengontrolan yang sering digunakan dalam industri dan dapat diterapkan untuk mencapai kestabilan dengan berbagai metode pengaturan. Biasanya, pengaturan parameter boost converter dilakukan dengan menggunakan metode trial and error sehingga memakan banyak waktu. Dalam penelitian ini, dilakukan penerapan sistem kontrol menggunakan PID pada model boost converter dalam MATLAB Simulink di mana pengaturan parameternya menggunakan metode frequency response. Selain itu, dilakukan pula implementasi PID controller pada prototype boost converter. Parameter PID yang didapatkan telah mampu menghasilkan kestabilan tegangan pada nilai 200 V dengan overshoot sebesar 1.5%, settling time 1.5 detik dan steady-state error 1.5% pada kondisi step load change.

---

ABSTRACTNowadays the using of renewable energy as the source on distributed generator system is increased because of energy crisis issue. For example,the using of photovoltaic which turn sunlight into electricity. The generated voltage in photovoltaic system is 24-48 DC Voltage. However, many equipment need AC voltage. So, the inverter is really needed to convert the DC voltage to AC voltage. Before that, boost converter is needed to convert the voltage from the renewable energy source into a higher voltage that used for distributed generator system. Stability is the main target for boost converter performance. That?s why many researcher try to develop the control method for boost converter. PID controller has been used in many industry for any system stability with many different tuning methods. Usually, the PID tuning method is using trial and error that takes long time. In this research, design of control system using PID has been done, which the tuning is using frequency response method. Parameter obtained has been successfully stable at 200 V with overshoot 1.5%, settling time 1.5 second, and steady-state error 1.5%."