Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPrediksi durasi banyak dilakukan oleh para pemangku kepentingan berdasarkan pengalaman atau intuisi mereka. Hal ini menyebabkan perkiraan durasi memiliki risiko kesalahan yang dapat menggangu proses pelaksanaan konstruksi. Penelitian ini mencoba mengembangkan suatu model pendekatan prediksi durasi proyek berdasarkan metode prediksi durasi akhir proyek Earned Schedule, yang merupakan pengembangan metode Earned Value, dan memanfaatkan faktor-faktor pengaruh eksternal yang tersedia dalam informasi resmi. Selain itu penelitian ini mengakomodasi kondisi ketidak pastian yang umum terjadi di lingkungan negara berkembang semisal Indonesia. Ketiga hal tersebut dirangkum dalam suatu model pengembangan prediksi durasi probabilistik berdasarkan faktor pengaruh eksternal. Hasil penelitian menunjukan adanya hubungan antara beberapa faktor pengaruh terukur dengan durasi probabilistik proyek konstruksi. 

---

ABSTRACT

The prediction of project duration is mostly calculated based on the experience or intuition of the estimator. This causes the estimated duration to have an error risk that could disrupt the construction process. This research tries to develop a project duration prediction approach model based on the Earned Schedule project's final prediction method, which is the development of the Earned Value Method, and utilizes the external influencing factors available in official information. In addition, this study accommodates uncertainty conditions that are common in developing countries such as Indonesia. These three matters are summarized in a probabilistic duration prediction development model based on external influencing factors. The result of the research shows that there is a sufficient correlation between several factors of measured influence with the probabilistic duration of the construction project. 

"

"Teori katastrofe menjelaskan bahwa perubahan kecil (smooth change) pada suatu parameter akan menyebabkan rusaknya kestabilan dan menimbulkan perubahan perilaku sistem yang drastis secara tiba-tiba. Dengan menggunakan kalkulus stokastik, fungsi delta Dirac, transformasi Fourier terhadap fungsi karakteristik serta persamaan Fokker-Planck, dapat dijelaskan hubungan antara model katastrofe cusp stokastik dengan suatu fungsi densitas probabilitas (FDP) stasioner. Pada tesis ini ditunjukkan bahwa model katastrofe cusp stokastik dapat digunakan untuk menjelaskan peristiwa krisis pasar saham, yaitu krisis Black Monday pada 19 Oktober 1987 di pasar saham Amerika. Estimasi parameter dengan metode momen menunjukkan bahwa terdapat perubahan nilai diskriminan Cardan dari positif ke negatif, sehingga menunjukkan adanya kasus perubahan FDP dari unimodal ke bimodal. Peristiwa katastrofe pada data Black Monday menunjukkan bahwa krisis ini dipengaruhi oleh faktor internal.

---

Catastrophe theory explains that a smooth change of parameters can perturb the system stability to a sudden discontinuous state. Using stochastic calculus, Dirac delta function, Fourier transform of characteristic function, and Fokker-Planck equation we show the connection between stochastic cusp catastrophe model to a stationer probability density function (PDF).

This thesis shows that stochastic cusp catastrophe model can explains U.S stock market crash in October 19, 1987 called Black Monday. Parameter estimations using momen method shows change of Cardan discriminant from positive to negative which explain the stationer PDF in unimodal case to bimodal case. Catastrophe in Black Monday data explains that the crisis influenced by internal factor."

"Problems in probability comprises one of the most comprehensive, nearly encyclopedic, collections of problems and exercises in probability theory. Many problems contain helpful hints and other relevant comments and a portion of the material covers some important applications from optimal control and mathematical finance. Readers of diverse backgrounds-from students to researchers-will find a great deal of value in this book and can treat the work as an exercise manual, a handbook, or as a supplementary text to a course in probability theory, control, and mathematical finance. The problems and exercises in this book vary in nature and degree of difficulty. Some problems are meant to test the reader's basic understanding, others are of medium-to-high degrees of difficulty and require more creative thinking. Other problems are meant to develop additional theoretical concepts and tools or to familiarize the reader with various facts that are not necessarily covered in mainstream texts. Additional problems are related to the passage from random walk to Brownian motions and Brownian bridges. The appendix contains a summary of the main results, notation and terminology that are used throughout the book. It also contains additional material from combinatorics, potential theory and Markov chains-subjects that are not covered in the book, but are nevertheless needed for many of the exercises included here."

"This volume collects twenty articles on various topics in this field, including self-interacting random walks and polymer models in random and non-random environments, branching processes, Parisi formulas and metastability in spin glasses, and hydrodynamic limits for gradient Gibbs models. The majority of these articles contain original results at the forefront of contemporary research, some of them include review aspects and summarize the state-of-the-art on topical issues, one focal point is the parabolic Anderson model, which is considered with various novel aspects including moving catalysts, acceleration and deceleration and fron propagation, for both time-dependent and time-independent potentials. "

"This book is covers Markov chains in discrete and continuous time, poisson processes, renewal processes, martingales, and mathematical finance. One can only learn a subject by seeing it in action, so there are a large number of examples and more than 300 carefully chosen exercises to deepen the reader’s understanding. There are many new examples and problems with solutions that use the TI-83. Some material that was too advanced for the level has been eliminated while the treatment of other topics useful for applications has been expanded. In addition, the ordering of topics has been improved. For example, the difficult subject of martingales is delayed until its usefulness can be seen in the treatment of mathematical finance. "

"Seringkali analisis statistik beranggapan suatu data hanya berasal dari satu populasi saja. Padahal pada kenyataannya terdapat kondisi dimana suatu data bisa dibagi menjadi beberapa sub-populasi. Gaussian Finite Mixture Model adalah salah satu metode untuk memodelkan data heterogen yang memungkinkan berasal dari sub-populasi yang berbeda. Model ini berbentuk superposisi dari beberapa distribusi Gaussian. Jumlah distribusi akan ditentukan dengan menggunakan Akaikes Information Criterion dan model diagnostik. Estimasi parameter pada model ini menggunakan metode Bayesian, yaitu dengan menentukan distribusi prior untuk parameter model, digabungkan dengan likelihood yang akan menghasilkan distribusi posterior. Kemudian, Markov chain Monte Carlo-Gibbs Sampler digunakan untuk menarik sampel pada parameter dari distribusi poteriornya masing-masing.

---

Commonly statistical analysis assume data comes from one population. But there are conditions where data might be generated from several sub-populations. Gaussian Finite Mixture Model (GFMM) is one of the methods to model heterogeneous data that might come from different sub-populations. This model was formed as a superposition of several Gaussian distribution, with different location parameter. Number of distributions will be determined using Akaike`s Information Criterion and model diagnostic. Parameter estimation is conducted using Bayesian method, that is by specifying the prior distribution for the models parameters, combined with the likelihood to produce the posterior distribution. Finnally, Markov chain Monte Carlo-Gibbs Sampler is implemented to withdraw sampel of parameters from the corresponding posterior distributions."

"Kemampuan berkomunikasi, merencanakan dan merancang, serta kode etik profesi yang diamati oleh beberapa industriawan terhadap lulusan S1 baru bidang Teknik Mesin masih lemah. Oleh karenanya untuk meningkatkan kualitas lulusan dan memperkecil kesenjangan antara kebutuhan perguruan tinggi dan dunia kerja, perlu dilakukan perbaikan kurikulum dan strategi pembelajarannya. Tujuan penelitian ini adalah mengembangkan model pembelajaran yang mampu mengantisipasi kesenjangan antara kebutuhan kompetensi lulusan perguruan tinggi dan dunia kerja. Inovasi Iptek Kesenjangan kompetensi lulusan perguruan tinggi dan dunia kerja yang ditemukan dalam penelitian ini mencakup dua hal pokok yang terdiri dari lima kompetensi, yaitu pertama, kemampuan dalam merancang rekayasa di bidang permesinan yang memperhatikan kaidah prosedur dalam desain, kaidah penelitian dan ekonomi, kedua, kemampuan bersosialisasi dengan lingkungan (kemampuan berkomunikasi, bekerja dalam grup, perilaku sesuai dengan kode etik profesi). Ke lima kompetensi di atas selanjutnya disebut '5SB'."

"Tugas Akhir ini bertujuan untuk mencari taksiran parameter pada General Linear Mixed Model. Parameter-parameter dalam General Linear Mixed Model merupakan parameter untuk melihat efek fixed dan efek random dari variabel-variabel prediktor terhadap variabel respon. Salah satu metode yang digunakan untuk mencari taksiran parameter pada General Linear Mixed Model adalah Metode Empirical Best Linear Unbiased Prediction (EBLUP).Berbeda dengan Metode Best Linear Unbiased Prediction (BLUP) di mana parameter dari variansi efek random-nya diketahui, Metode EBLUP memerlukan penaksiran terhadap parameter tersebut yang pada kenyataannya tidak diketahui nilainya. Metode yang digunakan untuk menaksir parameter dari variansi efek random ini ialah Metode Maximum Likelihood (ML). Kemudian, Metode EBLUP dilanjutkan dengan mensubstitusikan taksiran parameter dari variansi efek random ke dalam taksiran parameter pada General Linear Mixed Model yang diperoleh melalui prosedur penaksiran dengan menggunakan Metode BLUP."

"Term structure of interest rates menggambarkan hubungan antara suku bunga (spot rate) dengan maturities yang berbeda-beda. Saat ini term structure of interest rates dipakai dalam berbagai bidang. Contoh dari term structure of interest rates ini adalah kecenderungan spot rate yang lebih tinggi untuk suatu investasi dalam jangka waktu yang lebih lama. One factor model adalah model term structure yang hanya bergantung pada satu factor, yaitu spot rate. One factor model diimplementasikan dengan menggunakan proses stochastic. Stochastic proses ini diharapkan dapat mewakili keacakan (randomness) terhadap kemungkinan perubahan spot rate yang terjadi. Sedangkan untuk menyelesaikan persamaan diferensial parsial digunakan metode Crank-Nicholson, yang menggunakan metode beda hingga. Aplikasi ini diimplementasikan dengan menggunakan Matlab versi 6.1. Keluaran dari program ini adalah gambaran dari seluruh kemungkinan pergerakan spot rate yang berpengaruh terhadap present value dari obligasi atau harga obligasi (bond price) pada waktu tertentu."

"Pada era ekonomi digital, penguatan pengambilan keputusan berbasis data menjadi landasan penting dalam menghadapi tantangan dan peluang yang semakin kompleks. Model Pembelajaran Mesin dan Model Bahasa Besar menjadi perangkat penting untuk pengelolaan data besar, terciptanya solusi yang adaptif dan presisi, serta menghasilkan wawasan yang relevan untuk mendukung pengambilan keputusan yang lebih baik. Perkembangan ini diharapkan semakin meningkatkan kapabilitas kita dalam mengambil keputusan berbasis data dalam industri, bisnis, maupun riset akademik."