Hasil Pencarian  ::  Simpan CSV :: Kembali

"Distribusi Generalized Exponential diperkenalkan oleh Rameshwar D. Gupta dan Debasis Kundu pada tahun 2007. Distribusi Generalized Exponential tersebut merupakan hasil transformasi generalized dari distribusi Exponential. Skripsi ini menjelaskan distribusi Generalized Exponential Marshall Olkin yang merupakan hasil dari perluasan distribusi Generalized Exponential menggunakan metode Marshall Olkin. Distribusi Generalized Exponential Marshall Olkin lebih fleksibel dari distribusi sebelumnya terutama pada fungsi hazardnya yang memiliki berbagai bentuk, baik monoton (naik atau turun) maupun non monoton (bathub atau upside down bathup) sehingga dapat memodelkan data survival dengan lebih baik. Sifat fleksibelitas ini disebabkan karena penambahan parameter baru ke dalam distribusi Generalized Exponential. Selanjutnya dijelaskan beberapa karakteristik dari distribusi Generalized Exponential Marshall Olkin antara lain fungsi kepadatan peluang (fkp), fungsi distribusi kumulatif, fungsi survival, fungsi hazard, momen ke-n, mean, dan variansi. Penaksiran parameter dilakukan dengan metode maximum likelihood. Pada bagian aplikasi ditunjukkan data survival yang berasal dari data Aarset (1987) berdistribusi Generalized Exponential Marshall Olkin. Selanjutnya distribusi Generalized Exponential Marshall Olkin dibandingkan dengan distribusi Alpha Power Weibull untuk mencari distribusi mana yang lebih cocok dalam memodelkan data Aarset (1987). Dengan menggunakan AIC dan BIC distribusi Generalized Exponential Marshall Olkin lebih cocok dalam memodelkan data Aarset (1987).

---

Generalized Exponential distribution was introduced by Rameshwar D. Gupta and Debasis Kundu in 2007. Generalized Exponential distribution was generated by generalized transformation of the Exponential distribution. This thesis explained the Generalized Exponential Marshall-Olkin distribution which is the result of the expansion of the Generalized Exponential distribution using the Marshall-Olkin method. The Generalized Exponential Marshall Olkin distribution has a more flexible form than the previous distribution, especially in its hazard function which has various forms that it can represent survival data better. The flexibility characteristic is due to the addition of new parameters to the Generalized Exponential distribution. Futhermore, some characteristics of the Generalized Exponential Marshall Olkin distribution was explained such as, the probability density function (PDF), cumulative distribution function, survival function, hazard function, moment, mean, and variance. Parameter estimation was conducted by using the maximum likelihood method. In the application section was shown survival data from Aarset data (1987) which distributed Generalized Exponential Marshall-Olkin distribution. Futhermore, Generalized Exponential Marshall Olkin distribution was compared with Alpha Power Weibull distribution to decided the prominent distribution in modeling Aarset data (1987). Using AIC and BIC, Generalized Exponential Marshall Olkin distribution more suitable in modeling Aarset data (1987)."

"Distribusi Exponentiated Generalized Burr Type X merupakan distribusi hasil pengembangan dari distribusi Burr Type X berdasarkan kelas distribusi Exponentiated Generalized. Sifat-sifat statistik dan karakteristik distribusi Exponentiated Generalized Burr Type X meliputi fungsi kepadatan peluang, fungsi distribusi kumulatif, fungsi survival, fungsi hazard, momen, momen pusat, fungsi kuantil, \textit{mean}, variansi, koefisien variasi, \textit{skewness}, dan kurtosis dibahas pada skripsi ini. Penaksiran parameter dari distribusi Exponentiated Generalized Burr Type X menggunakan metode Maximum Likelihood Estimator, dilanjutkan dengan metode numerik Gradien Konjugat Fletcher Reeves dan Broyden-Fletcher-Goldfarb-Shanno. Metode Gradien Konjugat Fletcher Reeves dan Broyden-Fletcher-Goldfarb-Shanno dibandingkan dan dipilih metode terbaik untuk mengestimasi parameter distribusi Exponentiated Generalized Burr Type X, dievaluasi dari nilai \textit{mean squared error} terkecil. Sebagai ilustrasi, digunakan data severitas klaim asuransi pengangguran yang dimodelkan dengan distribusi Exponentiated Generalized Burr Type X. Uji Kolmogorov Smirnov digunakan untuk menguji kecocokan model distribusi Exponentiated Generalized Burr Type X dengan data severitas klaim, kriteria AIC dan BIC digunakan untuk memilih distribusi paling cocok dalam memodelkan data severitas klaim.

---

The Exponentiated Generalized Burr Type X distribution is a distribution resulting from the development of the Burr Type X distribution based on the Exponentiated Generalized distribution class. Statistical properties and characteristics of the Exponentiated Generalized Burr Type X distribution include probability density function, cumulative distribution function, survival function, hazard function, moment, central moment, quantile function, mean, variance, coefficient of variation, skewness, and kurtosis are discussed in this final project. Estimating the parameters of the Exponentiated Generalized Burr Type X using Maximum Likelihood Estimator method, continued with Conjugate Gradient Fletcher Reeves and Broyden-Fletcher-Goldfarb-Shanno numerical methods. The Fletcher Reeves and Broyden-Fletcher-Goldfarb-Shanno Conjugate Gradient methods were compared and the best method was chosen to estimate the Exponentiated Generalized Burr Type X distribution parameters, evaluated from the smallest mean squared error value. As an illustration, severity claim data of unemployment insurance claims is used which is modeled with the Exponentiated Generalized Burr Type X distribution. The Kolmogorov Smirnov test were used for to test the suitability of the Exponentiated Generalized Burr Type X distribution model with claims severity data, the AIC and BIC criteria were used to select the most suitable distribution in modeling claims severity data."

"Distribusi merupakan pendorong utama profitabilitas keseluruhan sebuah perusahaan. Tingginya biaya distribusi produk di UMKM makanan disebabkan karena tidak adanya perhitungan biaya untuk mendapatkan keputusan distribusi yang optimal. Tujuan dari penelitian ini adalah untuk menghasilkan model distribusi produk di UMKM makanan dengan biaya terendah dan waktu tercepat. Untuk menyelesaikan permasalahan distribusi produk makanan di 5 UMKM makanan, dimodelkan masalah Heterogenous Fleet Vehicle Routing Problem with Time Window (HVRPTW) dalam bentuk Mixed Integer Linear Programming dan diselesaikan menggunakan algoritma branch-and-bound pada perangkat lunak Lingo. Hasil dari penelitian ini adalah optimasi biaya distribusi produk untuk 5 UMKM makanan yang menghasilkan keputusan distribusi dengan biaya terendah dan waktu tercepat. Telah dikembangkan alat untuk perhitungan biaya distribusi yang dapat digunakan oleh UMKM makanan untuk pendukung keputusan distribusi produk harian

---

Distribution is the main driver of the overall profitability of a company. The high cost of product distribution in food SMEs is caused by the absence of distribution cost calculation for SMEs to make optimal distribution decisions. The purpose of this research is to provide SMEs with a product distribution model with the lowest cost and fastest time. A Heterogenous Fleet Vehicle Routing Problem (HVRP) for the food distribution problem in 5 food SMEs is modeled in the form of Mixed Integer Linear Programming and solved using branch-and-bound algorithm in Lingo software. The result of this study is the optimization of the distribution cost for 5 food SMEs distribution decisions. A tool for the calcuation of distribution cost is developed for food SMEs to support daily product distribution decisions."

"Pemodelan data waktu tunggu berperan penting dalam berbagai bidang ilmu. Distribusi Weibull merupakan salah satu distribusi waktu tunggu yang umum digunakan karena dapat menggambarkan kemencengan yang sering kali ditemui pada data waktu tunggu. Namun, distribusi Weibull tidak selalu memberi kesesuaian pada data waktu tunggu, terutama yang memiliki fungsi hazard non monoton. Pada skripsi ini, dibahas pembentukan suatu distribusi baru, yaitu distribusi New Extended Weibull, untuk mengatasi masalah tersebut. Distribusi New Extended Weibull dihasilkan dengan metode modifikasi new extended yang dikenalkan oleh Khosa, et. al (2020). Modifikasi dilakukan dengan menambahkan suatu parameter shape 0 pada distribusi Weibull dua parameter melalui fungsi bobot. Distribusi baru ini cocok untuk memodelkan data yang memiliki fungsi kepadatan peluang dengan kemencengan negatif ataupun positif dan fungsi hazard rate yang monoton maupun yang non monoton. Beberapa karakteristik dari distribusi New Extended Weibull seperti fungsi kepadatan peluang, fungsi distribusi, fungsi survival, fungsi hazard rate, dan momen ke-𝑟 juga dibahas. Kemudian, taksiran parameter dilakukan dengan menggunakan metode maksimum likelihood. Pada bagian akhir, dilakukan pemodelan menggunakan distribusi NE-W pada data masa remisi pada pasien penderita kanker kandung kemih sebagai ilustrasi

---

Lifetime data modeling plays an important role in various fields of science. The Weibull distribution is one of the most commonly used lifetime distributions because it can describe the skewness that is often found in lifetime data. However, the Weibull distribution does not always fit the data, especially those with non-monotonous hazard rate functions. This study explained the construction of a new distribution, namely the New Extended Weibull distribution, to overcome this problem. The New Extended Weibull distribution is developed using the new extended modification method introduced by Khosa, et. al (2020). Modification is done by adding a shape parameter 0 to the two-parameter Weibull distribution through a weight function. This new distribution is suitable for modeling data with negative or positive skewness probability density function and not only monotonous, but also data with non-monotonous hazard rate functions. Some of the characteristics of the New Extended Weibull distribution, such as probability density function, cumulative distribution function, survival function, hazard rate function, and the 𝑟-th moment are also discussed. Then, parameter estimation is done by using the maximum likelihood method. In the final section, a practical application is discussed using the NE-W distribution model on the remission times data of patients with bladder cancer"

"[ABSTRAKPada sistem tenaga listrik memiliki bagian yang saling berkaitan antara satu dengan yang lainnya yaitu sistem pembangkitan, sistem transmisi dan sistem distribusi. Untuk menyalurkan listrik ke konsumen dari sistem distribusi digunakan transformator. Apabila transformator terkena gangguan, maka konsumen dapat langsung merasakan dampaknya. Gangguan-gangguan ini dapat merusak transformator. Sehingga memprediksikan waktu kegagalan transformator sangat penting untuk dilakukan. Terdapat beberapa cara untuk memprediksikan waktu kegagalan transformator yaitu dengan menggunakan distribusi weibull dan distribusi eksponensial. Dengan membuat program aplikasi berbasis Microsoft Excel untuk kedua distribusi ini, dapat langsung memprediksikan waktu kegagalan transformator. Hasil dari program ini adalah kapan transformator akan mengalami waktu kegagalan. Apabila kedua distribusi ini dapat digunakan, program ini dapat menentukan distribusi yang paling akurat untuk digunakan. Sehingga waktu kegagalan yang didapat akan lebih akurat.

---

ABSTRACTOn an electric power system there are three parts interconnected between one and another and that is generation system, transmission system and distribution system. To distribute electricity to consumer from distribution system used transformer. When a transformer affected by disruption, the consumers can feel the impact. This disruption can damage the transformer. So, predicting the time of the failure of a transformer is very important to do. There are several ways to predict the time of the failure of a transformer is to use and distribution of the exponential and weibull distribution. By making an application program based on Microsoft excel for this distribution, a transformer failure can be directly predicted time. The result of this program will have the time when the transformer is going to failure. If both the distribution can be used, this program can determine the most accurate distribution to use. Therefore the time failure which were found would be more accurate., On an electric power system there are three parts interconnected between one and another and that is generation system, transmission system and distribution system. To distribute electricity to consumer from distribution system used transformer. When a transformer affected by disruption, the consumers can feel the impact. This disruption can damage the transformer. So, predicting the time of the failure of a transformer is very important to do. There are several ways to predict the time of the failure of a transformer is to use and distribution of the exponential and weibull distribution. By making an application program based on Microsoft excel for this distribution, a transformer failure can be directly predicted time. The result of this program will have the time when the transformer is going to failure. If both the distribution can be used, this program can determine the most accurate distribution to use. Therefore the time failure which were found would be more accurate.]"

"Pesatnya pertumbuhan beban dan terbatasnya sumber dana untuk biaya pengembangan, merupakan suatu kendala dalam pengembangan jaringan distribusi daya listrik. Disisi lain penyedia daya dituntut untuk tetap menjaga mutu dan keandalan, sehingga untuk mencari solusi yang tepat tidaklah sederhana.Untuk mendapatkan perencanaan yang optimal dalam pengembangan sistem distribusi daya listrik, maka dibuat suatu model yang bertujuan untuk minimalisasi biaya pengembangan jaringan dengan cara minimalisasi biaya total dan biaya rugi-rugi tahunan penyulang melalui pemilihan optimal tipe konduktor. Model ini bersifat iteratif, yang melinierisasi fungsi biaya terhadap daya yang talc tinier menjadi tinier, dengan simulasi aliran daya yang diperoleh melalui proses pembebanan awal pada pusat-pusat beban dari jaringan yang direncanakan, sehingga pendekatan ini penulis namakan Pendekatan Model Pembebanan. Untuk uji validitas dari model yang dibuat, diambil suatu kasus jaringan distribusi radial yang ada di Kotamadya Palembang , yakni Penyulang Kedondong. Hasil yang diperoleh menunjukkan bahwa prosentase jatuh tegangan dari Penyulang Kedondong sebesar 2,154 % yang berarti masih dibawah batas yang ditetapkan, yakni sebesar 5 %. Dibandingkan dengan cara konvensional, hasil yang diperoleh dengan cara optimalisasi memiliki kelebihan yang mendasar, yakni diperolehnya hubungan kesetaraan besarnya daya yang mengalir pada setiap cabang dengan pemilihan ukuran konduktor. Sedangkan pada kasus sistem yang diambil hubungan tersebut tidak didapatkan. Ini membuktikan bahwa cara optimalisasi dapat memperkecil biaya rugi-rugi daya tahunan pada jaringan."