Hasil Pencarian  ::  Simpan CSV :: Kembali

"Analis intelijen sebagai bagian dari eksekutif yang bertanggung jawab terhadap pengambilan keputusan dituntut untuk memberikan dukungan berupa peringatan kepada eksekutif melalui kegiatan analisis. Kegiatan analisis intelijen di era informasi saat ini memiliki kesempatan untuk meningkatkan kinerja analisis dengan bantuan inovasi teknologi komputer. Teknologi komputer saat ini telah berinovasi menghasilkan satu disiplin yang disebut dengan Data Science. Peneilitan ini bertujuan untuk menjelaskan bagaimana inovasi teknologi komputer yang ada saat ini dapat membantu analis intelijen untuk meramalkan defisit neraca perdagangan Indonesia. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kuantitatif. Penelitian dimulai dengan melakukan perumusan masalah dengan merujuk pada siklus intelijen. Tahap direksi pada siklus intelijen merupakan kondisi defisit neraca perdagangan. Kemudian pada tahap koleksi data, dilakukan akses basis data yang bersifat data terbuka yaitu data makroekonomi. Laporan-laporan pada basis data kemudian diekstrak kedalam lingkungan kerja analisis intelijen. Setelah ekstraksi pengamatan, dilakukan pembersihan data dan proses analisa data sehingga menghasilkan wawasan peramalan kondisi neraca perdagangan. Terakhir, dilakukan peninjauan alat-alat ramalan yang digunakan untuk menjelaskan bagaimana Data Science diimplementasikan pada kegiatan analisis intelijen dengan metode Signpost of Change. Hasil penelitian ini menunjukkan bahwa penggunaan alat-alat analisis Vector Error Correction Model (VECM) yang disediakan oleh teknologi komputer saat ini untuk kegiatan analisis intelijen dapat menutupi celah kekurangan Signpost of Change Method (SOC). Selain itu, metode kuantitatif menghasilkan ramalan yang dapat diukur akurasinya menggunakan variabel Root Mean Squared Error (RMSE). Model estimator metode kuantitatif memiliki akurasi 83%.

---

Intelligence analysts as part of the executive responsible for decision making are required to provide support in the form of warnings to the executive through analysis activities. Intelligence analysis activities in the current information age have the opportunity to improve analytical performance with the support of computer technology innovation. Today's computer technology has innovated to produce a discipline called Data Science. This research aims to explain how existing computer technology innovations can help intelligence analysts to forecast Indonesia's trade balance deficit. The approach used in this study are both qualitative and quantitative approach. The research begins by conducting intelligence activities, which refers to the intelligence cycle. The directing stage in the intelligence cycle is a condition of the trade balance deficit. Then at the data collection stage, open database access is performed, namely macroeconomic data. Reports in the later database are extracted into the intelligence analysis work environment. After extraction of observations, data cleaning and data analysis are carried out so as to produce insight into forecasting the condition of the trade balance. Finally, a review of forecast tools is used to explain how Data Science is implemented in intelligence analysis activities using the Signpost of Change method. The results of this study indicate that the use of analytical tools namely Vector Autoregression (VAR) or Vector Error Correction Model (VECM) provided by current computer technology for intelligence analysis activities can cover the gaps of Signpost of Change Method (SOC) deficiencies respectively. In addition, quantitative methods produce predictions that can be measured for accuracy using the variable Root Mean Squared Error (RMSE). The quantitative method estimator model has an accuracy of 83%."

"Stunting adalah kondisi di mana balita memiliki panjang atau tinggi badan di bawah rata-rata yang diakibatkan oleh buruknya gizi yang didapatkan. Stunting berpotensi memperlambat perkembangan otak, dengan dampak jangka panjang berupa keterbelakangan mental, rendahnya kemampuan belajar, dan risiko serangan penyakit kronis (diabetes, hipertensi dan obesitas). Salah satu upaya untuk memitigasi dan mengurangi angka kejadian stunting adalah dengan menerapkan ilmu Data Science dalam mengevaluasi dan membuat model prediksi risiko dari faktor yang dianggap dominan dalam terjadinya stunting. Kerangka kerja CRISP-DM digunakan sebagai metodologi penelitian ini. Data yang digunakan adalah data sekunder dari Indonesia Family Life Survey (IFLS) tahun 2014-2015, yang dilakukan di 13 provinsi di Indonesia. Pemodelan dilakukan menggunakan bahasa pemrograman Python yang dikerjakan pada Jupyter Notebook. Dua metode sampling (Random Sampling dan Oversampling) digunakan untuk mengatasi masalah data imbalance. Empat algoritma classifier diujikan untuk mengetahui performa model. Hasil penelitian menunjukkan keempat algoritma dinyatakan model yang baik dengan performa rata-rata lebih dari 70%. Pada teknik undersampling, skor akurasi yang didapatkan Logistic Regression sebesar 98,31%, KNN sebesar 77,53%, SVC sebesar 97,48%, dan Decision Tree Classifier sebesar 80,76%. Sedangkan pada teknik oversampling, skor akurasi yang didapatkan Logistic Regression adalah 95%, KNN sebesar 71%, SVC sebesar 93%, dan Decision Tree Classifier sebesar 84%. Logistic Regression adalah algoritma klasifikasi terbaik yang dapat digunakan pada dataset ini dan hasil perbandingan skor Logistic Regression pada teknik undersampling (95,09%) dan oversampling (91,98%) setelah 10 kali percobaan menunjukkan bahwa meskipun teknik undersampling memiliki performa yang lebih baik, namun teknik oversampling memiliki hasil yang lebih konsisten.

---

Stunting is a condition in which a toddler has a length or height below the average caused by poor nutrition. Stunting has the potential to slow down brain development, with long-term effects in the form of intellectual disability, low learning abilities, and the risk of developing chronic diseases (diabetes, hypertension and obesity). One of the efforts to mitigate and reduce the incidence of stunting is to apply Data Science in evaluating and making risk prediction models from factors that are considered dominant in the occurrence of stunting. The CRISP-DM framework was used as the methodology of this study. The data used is secondary data from the Indonesia Family Life Survey (IFLS) 2014-2015, which was conducted in 13 provinces in Indonesia. The modelling is made using the Python programming language which is done on Jupyter Notebook. Two sampling methods (Random Sampling and Oversampling) were used to overcome the problem of data imbalance. Four classifier algorithms were tested to determine the performance of the model. The research results showed four algorithms were declared good models with an average performance of more than 70%. In the undersampling technique, the accuracy score obtained by Logistic Regression is 98.31%, KNN is 77.53%, SVC is 97.48%, and Decision Tree Classifier is 80.76%. While in the oversampling technique, the accuracy score obtained by Logistics Regression is 95%, KNN is 71%, SVC is 93%, and Decision Tree Classifier is 84%. Logistic Regression is the best classification algorithm that can be used in this dataset and the results of the comparison of Logistic Regression scores on the undersampling (95.09%) and oversampling (91.98%) techniques after 10 experiments show that although the undersampling technique has better performance, oversampling technique has more consistent results."

""

"Penelitian ini mengangkat isu terkini di Indonesia yang mengaitkan permasalahan ketidakstabilan nilai tukar dan fenomena deindustrialisasi. Keterkaitan ini belum pernah diteliti secara langsung dalam penelitian - penelitian terdahulu. Menggunakan metode 2SLS, penelitian ini menemukan bahwa kedua permasalahan tersebut saling terkait dan tidak dapat dipisahkan satu sama lain. Permasalahan deindustrialisasi di Indonesia, yang dijelaskan dengan penurunan ekspor manufaktur, penurunan produktivitas tenaga kerja manufaktur, defisit neraca perdagangan dan perpindahan investasi keluar dari sektor tradabel (manufaktur), secara langsung dan tidak langsung mempengaruhi nilai tukar. Implikasi dari penelitian ini adalah pemerintah juga sebaiknya memperhatikan sektor manufaktur Indonesia dalam menyelesaikan permasalahan nilai tukar.

---

This study raised the current issues in Indonesia that linked the instability of exchange rates and deindustrialization phenomenon. This association has not been studied directly in previous researches. Using 2SLS method, the study found that these problems are interrelated and cannot be separated each other. Deindustrialization problems in Indonesia, which are explained by the decline of manufacturing exports, decline in manufacturing labor productivity, trade balance deficit and investment displacement from the tradable sector (manufacturing), are directly and indirectly affect exchange rate. The implication of this study is government should pay attention to Indonesian manufacturing sector in solving exchange rate problem."

"Cluster analysis finds groups in data automatically. Most methods have been heuristic and leave open such central questions as: how many clusters are there? Which method should I use? How should I handle outliers? Classification assigns new observations to groups given previously classified observations, and also has open questions about parameter tuning, robustness and uncertainty assessment. This book frames cluster analysis and classification in terms of statistical models, thus yielding principled estimation, testing and prediction methods, and sound answers to the central questions. It builds the basic ideas in an accessible but rigorous way, with extensive data examples and R code; describes modern approaches to high-dimensional data and networks; and explains such recent advances as Bayesian regularization, non-Gaussian model-based clustering, cluster merging, variable selection, semi-supervised and robust classification, clustering of functional data, text and images, and co-clustering. Written for advanced undergraduates in data science, as well as researchers and practitioners, it assumes basic knowledge of multivariate calculus, linear algebra, probability and statistics."

"Data are the prominent elements in scientific researches and approaches. Data Science methodology is used to select and to prepare enormous numbers of data for further processing and analysing. Big Data technology collects vast amount of data from many sources in order to exploit the information and to visualise trend or to discover a certain phenomenon in the past, present, or in the future at high speed processing capability. Predictive analytics provides in-depth analytical insights and the emerging of machine learning brings the data analytics to a higher level by processing raw data with artificial intelligence technology. Predictive analytics and machine learning produce visual reports for decision makers and stake-holders. Regarding cyberspace security, big data promises the opportunities in order to prevent and to detect any advanced cyber-attacks by using internal and external security data."

"Keikutsertaan dalam perdagangan bebas memberikan dampak yang beragam bagi negara anggota. Penelitian ini bertujuan untuk menganalisa efek trade creation dan trade diversion dari implementasi ASEAN-Korea Free Trade Agreement AKFTA pada lima 5 kategori produk manufaktur di Indonesia dengan 20 negara mitra dagang yang termasuk anggota dan non-anggota AKFTA periode 1990-2015. Metode estimasi menggunakan model gravity yang dimodifikasi dengan menambahkan variabel dummy FTA sebagai proxi dari dampak implementasi AKFTA dengan variasi model fixed effects. Hasil penelitian menunjukkan adanya efek trade creation dan trade diversion dimana pada sisi impor menunjukkan efek yang hampir sama pada kelima klasifikasi produk, sedangkan sisi ekspor efeknya bervariasi untuk masing-masing klasifikasi produk.

---

The impact of a free trade agreement FTA establishment is different for each country involved. This paper highlights the effect of ASEAN Korea Free Trade Agreement AKFTA on Indonesian manufacturing products which devided into five categories of manufacturing goods. By using a panel data with augmented gravity model and fixed effects approach, this paper investigates evidence of trade creation and trade diversion effects of Indonesia with 20 trading partner countries, covering a 26 year period dating from 1990 2015. The results identified the presence of both trade creation and diversion effects. While the results on import side almost similar for five products classification, the results on export side vary among categories."

"Investasi di saham bukanlah tanpa risiko. Harga saham selalu mengalami fluktuasi, dapat naik dan dapat turun. Ketidakpastian tersebut tidak dapat diabaikan, karena dapat menyebabkan kerugian jika salah dalam memprediksi arah pergerakan dari harga saham. Prediksi arah pergerakan harga saham yang lebih akurat dapat mengurangi risiko kerugian. Pada penelitian ini, prediksi arah pergerakan harga saham menggunakan faktor yang mempengaruhi arah pergerakan saham itu sendiri, yaitu harga saham sebagai variabel prediktor. Penelitian dilakukan dengan memanfaatkan salah satu metode dalam jaringan syaraf tiruan, yaitu gated recurrent unit dalam membangun model prediksi arah pergerakan harga saham tersebut. Data harga saham yang digunakan pada penelitian ini adalah data harga saham PT. Bank Central Asia Tbk (kode saham: BBCA) dan PT. Pabrik Kertas Tjiwi Kimia Tbk (kode saham: TKIM). Performa model yang digunakan dievaluasi dengan Root Mean Squared Error dan Mean Absolute Error. Pada penelitian ini didapatkan hasil bahwa hyperparameter prediksi harga saham BBCA terbaik diperoleh dengan menggunakan {epoch=500, batch size=32, dan units=24} dan hyperparameter prediksi harga saham TKIM terbaik diperoleh dengan menggunakan {epoch=250, batch size=128, dan unit=24}. Kemudian, dari RMSE dan MAE yang dihasilkan dari kedua saham disimpulkan bahwa model GRU merupakan model yang mampu memprediksi saham dengan baik.

---

Investing in stocks is not without risk. The stock price always fluctuates, can go up and can go down. This uncertainty cannot be ignored, because it can cause losses if it is wrong in predicting the direction of movement of the stock price. A more accurate prediction of the direction of stock price movements can reduce the risk of loss. In this study, the prediction of the direction of stock price movements uses factor that influence the direction of stock movement itself, namely the stock price as a predictor variable. The research was conducted by utilizing one of the methods in artificial neural networks, namely the gated recurrent unit in building a predictive model for the direction of the stock price movement. The share price data used in this research is the share price data of PT Bank Central Asia (stock code: BBCA) and PT. Pabrik Kertas Tjiwi Kimia Tbk (stock code: TKIM). The model performance is evaluated by using Root Mean Squared Error and Mean Absolute Error. The results of this study indicate that the best prediction of the direction of BBCA's stock price movement is obtained by using {epoch=500, batch size=32, and units=24} and the best prediction of the direction of TKIM's stock price movement, is obtained by using {epoch=250, batch size=128, and units=24}. Then, from the RMSE and MAE generated from the two stocks, it can be concluded that the GRU model is a model capable of predicting stocks."

"Kegiatan produksi perlu dirancang dan dimonitur agar dapat mencapai hasi! yang optimal. Oiperlukan suatu metode untuk mengamati dan mengendalikan kegiatan yang berlangsung agar sesuai dengan perencanaan yang telah dibuat. Semakin baik metode pengamatan yang dilakukan maka data yang didapatkan akan semakin akurat dan aktual. sehingga antisipasi atas perubahan kondisi yang terjadi dapat segera dilakukan. Pendekatan LOB (Line U! Balance) cukup efektif dalam memonitor produksi yang berlangsung, karena L08 akan menunjuk nada kegiatan-kegiatan yang menyebabkan kelebihan atau kekurangan produksi. Suatu sistem yang dapat menghasilkan data produksi secara cepat dan akurat akan meningkarkan kinerja penerapan LOB. Penerapan akuisisi data dan kendali dengan komputer dalam manajemen produksi dana: memenuni kebutuhan akan data yang aktual dan akurat, dan oemrograman dengan Dendekatan LOB yang dilakukan napa: menghasilkan keluaran yang diharapkan. Keluaran yang dihasilkan berupa hardcopy atas data dan hasil pengolahannya, atau berupa sinyal kendali pada panel kontrol, mauoun sinyel kendali yang dapat diterapkan secara otomatis pada alat produksi, seperti penganuran kecepatan belt-conveyor, pengaturan katuo dan 1ain~1ain. Penggunaan perlengkapan komputer standar akan memperkecil biaya yang harus dikeluarkan sehingga sistem dapat diterapkan untuk proses produksi nada industri menengah, meskipun tanpa instrumentasi khusus akan membuat kinerja dari sistem yang dirancang menjadi rendah."

"Studi bertujuan menganalisis pengaruh trade misinvoicing terhadap penerimaan PPN dan pengaruh kualitas kebijakan (regulatory quality) dalam mengurangi pengaruh trade misinvoicing terhadap PPN. Studi menggunakan struktur data panel dengan sampel sebanyak 53 negara berkembang untuk periode tahun 2002-2019 dan diestimasi dengan pendekatan panel statis dan pendekatan panel dinamis dengan model GMM. Hasil estimasi menunjukkan trade misinvoicing berpengaruh secara signifikan dalam mengurangi penerimaan PPN, tetapi regulatory quality tidak berpengaruh dalam mengurangi pengaruh trade misinvoicing terhadap penerimaan PPN. Studi juga menunjukkan bahwa regulatory quality memiliki pengaruh dalam peningkatan penerimaan PPN serta penerimaan PPN periode sebelumnya juga berpengaruh positif dan signifikan terhadap penerimaan PPN periode saat ini. Berdasarkan kelompok wilayah, trade misinvoicing yang dialami negara di wilayah Europe & Central Asia dan Middle-East & North Africa terbukti berpengaruh terhadap penurunan penerimaan PPN.

---

The study aims to analyze the effect of trade misinvoicing on VAT and the role of regulatory quality in reducing the effect of trade misinvoicing on VAT. The study uses a panel data structure with a sample of 53 developing countries for the period 2002-2019 and is estimated using a static panel approach and a dynamic panel approach using the GMM model. The estimation results show that trade misinvoicing has a significant effect on reducing VAT, but the regulatory quality has no effect on reducing the effect of trade misinvoicing on VAT. The study also shows that regulatory quality has an effect on increasing VAT and the previous period's VAT revenue also has a positive and significant effect on VAT revenue for the current period. By region group, trade misinvoicing experienced by countries in Europe & Central Asia and Middle-East & North Africa proved to affect the decline in VAT."