Hasil Pencarian  ::  Simpan CSV :: Kembali

"Data Panel merupakan kombinasi dua jenis data yaitu data cross section dan data time series. Tujuan dari penulisan tugas akhir ini adalah mencari taksiran parameter pada model regresi untuk data panel yang tidak lengkap (incomplete panel data regression models) dengan komponen error satu arah (one-way error component). Selain itu model regresi tersebut merupakan random effect models, yang berarti perbedaan karakteristik individu dan waktu diakomodasikan pada komponen error dari model.Metode yang digunakan untuk menaksir parameter adalah metode Feasible Generalized Least Squares (FGLS). Pada metode tersebut, matriks kovarians error tidak diketahui, sehingga perlu dilakukan penaksiran terhadap komponen variansi yang terdapat pada matriks kovarians error tersebut. Metode yang digunakan untuk menaksir komponen variansi adalah modifikasi metode penaksiran ANOVA yang diusulkan oleh Wallace dan Hussain."

"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. "

"Perhitungan cadangan klaim merupakan salah satu hal yang penting bagi setiap perusahaan asuransi agar dapat memenuhi kewajibannya untuk menutup kerugian akibat terjadinya loss. Umumnya, prediksi cadangan klaim dilakukan dengan menggunakan metode Chain-Ladder. Tetapi, karena metode ini tidak memerlukan asumsi distribusi, nilai prediksi hanya bergantung pada besar klaim sebelumnya dan besar development factor saja sehingga apabila terdapat outlier pada data sebelumnya maka, hasil prediksi menjadi kurang akurat. Oleh karena itu, pada penulisan tugas akhir ini, diusulkan dua model perhitungan prediksi cadangan klaim dengan pendekatan Generalized Linear Model (GLM). Kedua model tersebut dibedakan berdasarkan distribusi yang akan digunakan yaitu distribusi log normal dan distribusi Over-dispersed Poisson (ODP). Pada Generalized Linear Model ini, variabel dependen yaitu cadangan klaim diasumsikan berdistribusi log normal dan Over-dispersed Poisson (ODP) serta perhitungannya didasarkan pada waktu terjadinya loss (accident year) dan waktu jeda (development year) sebagai variabel eksplanatori. Pada penulisan tugas akhir ini, data yang digunakan adalah incurred but not reported (IBNR) dari laporan Statistical Compilation of Annual Statement Information for Property/Casualty Insurance Companies in 2019 yang kemudian diubah bentuknya menjadi bentuk run-off triangle. Hasil prediksi cadangan klaim kemudian akan dibandingkan menggunakan Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE). Dari nilai MSE dan MAPE yang diperoleh dapat disimpulkan bahwa perhitungan prediksi cadangan klaim menggunakan pendekatan Generalized Linear Model (GLM) dengan distribusi log normal lebih baik daripada dengan distribusi Over-dispersed Poisson. Hal ini dikarenakan nilai MAPE untuk Generalized Linear Model (GLM) dengan distribusi log normal lebih rendah yaitu sebesar 6,22%.

---

The calculation of claim reserves is one of the important elements in fulfilling each insurance company’s obligation to cover losses. Claim reserves are generally predicted using the Chain-Ladder method. However, the expected value can only be determined by the value of the previous claims and by the development factor, as this method is a non-distribution method. This means that if there are outliers in the previous data, the prediction results will be less accurate. Therefore, in this final paper, claim reserves predictions will be calculated using two models of the Generalized Linear Model (GLM) approach, namely the log normal distribution and the Overdispersed Poisson (ODP) distribution. It is assumed that both distributions predict the value of claims reserve as a dependent variable and the calculations is based on the accident year and the development year as explanatory variables. The Incurred but Not Reported (IBNR) data from “Statistical Compilation of Annual Statement Information for Property/Casualty Insurance Companies” in 2019 will be used in the calculation, which will then be converted into a run-off triangle form. The prediction of claim reserves results will then be compared by Mean Squared Error (MSE) and Mean Absolute Percentage Error (MAPE) and it showed that the Generalized Linear Model with log normal distribution approach is better than the Over-dispersed Poisson approach with the MAPE value is 6,22."

"Pembangunan manusia dan kinerja perekonomian sebenarnya memiliki hubungan yang saling mempengaruhi (two-way relationship), namun faktor-faktor spesifik yang menghubungkannya masih kurang dieksplorasi secara sistematis. Studistudi yang telah ada umumnya lebih menekankan pada modal manusia sebagai salah satu determinant factor pertumbuhan ekonomi. Penelitian ini bertujuan untuk mengetahui pengaruh timbal batik antara kinerja perekonomian terhadap pembangunan kualitas manusia melalui pendidikan, dan pengaruh sebaliknya yaitu pembangunan manusia melalui pendidikan terhadap kinerja perekonomian. Selain dua jenis variabel pokok tersebut, dianalisis juga variabel terkait lainnya yaitu pengeluaran pendidikan dan distribusi pendapatan dalam mempengaruhi tingkat pendapaian pendidikan, dan pengeluaran pemerintah, keterbukaan ekonomi, serta investasi fisik yang diduga mempengaruhi kinerja perekonomian.Kinerja perekonomian diindikasikan oleh tingkat PDRB/kapita, pendidikan diukur oleh rata-rata lama tahun sekolah penduduk, pengeluaran pendidikan dalam rasio terhadap pengeluaran pembangunan, distribusi pendapatan diukur oleh indeks Gini, pengeluaran pemerintah diukur sebagai rasio terhadap PDRB, keterbukaan ekonomi diukur oleh rasio jumlah nilai transaksi ekspor dan impor terhadap PDRB, dan investasi fisik diukur oleh rasio jumlah PMTDB terhadap PDRB. Semua data yang digunakan merupakan data sekunder yang bersumber dari BPS. Metode penelitian yang digunakan adalah pendekatan simultan 2SLS manual pads model data panel fixed effect di 26 propinsi untuk periode tahun 1993, 1996, 1999, dan 2002.Hasil penelitian menunjukkan bahwa dari uji simultanitas ditemukan terdapat hubungan simultan antara persamaan pembangunan pendidikan dengan persamaan kinerja perekonomian, dan sebaliknya. Pada persamaan pendidikan hasil analisis regresi menunjukkan bahwa ketiga variabel penjelas yaitu kinerja perekonomian, belanja sektor pendidikan, dan distribusi pendapatan berpengaruh signifikan terhadap tingkat pendidikan penduduk. Besarnya pengaruh yang ditunjukkan oleh nilai koefisien regresi variabel babas adalah 1,294 dari variabel kinerja perekonomian, 0,0012 dari variabel belanja sektor pendidikan, dan -0,0046 dari distribusi pendapatan. Sedangkan dalam lingkup wilayah, baik Indonesia Bagian Barat (IBB) maupun Indonesia Bagian Timur (MT), hasil regresi memberikan arah hubungan yang sama dengan hasil estimasi nasional, kecuali untuk variabel pengeluaran pendidikan di IBB diperoleh hasil yang tidak signifikan.Pada persamaan kinerja perekonomian, hasil analisis regresi untuk lingkup nasional menunjukkan bahwa keempat variabel penjelas yaitu tingkat pendidikan, pengeluaran pemerintah, keterbukaan perekonomian, dan investasi fisik berpengaruh positif dan signifikan terhadap kinerja perekonomian. Besarnya pengaruh adalah 0,33355 dari variabel tingkat pendidikan, 0,0033 dari variabel pengeluaran pemerintah, 0,00026 dari variabel keterbukaan perekonomian, dan 0,0024 dari investasi fisik. Demikian halnya dengan hasil estimasi untuk lingkup wilayah IBB dan IBT, diperoleh arah hubungan yang sama dengan estimasi nasional, akan tetapi untuk variabel tingkat keterbukaan di wilayah IBB tidak diperoleh hasil yang signifikan.Berdasarkan hasil estimasi kedua persamaan tersebut, diperoleh hasil bahwa kinerja perekonomian berpengaruh secara positif dan signifikan terhadap tingkat pendidikan, demikian pula dengan arah sebaliknya, yaitu tingkat pendidikan berpengaruh secara positif dan signifikan terhadap kinerja perekonomian. Dengan demikian hasil penelitian ini dapat mendukung pernyataan bahwa terdapat hubungan dua arah (two-way relationship) dan sating berpengaruh secara positif antara kinerja perekonomian wilayah dengan pembangunan manusia melalui pendidikan.Rekomendasi kebijakan yang diusukan adalah pembangunan ekonomi harus dilakukan seiring sejalan dan selaras dengan pembangunan manusia, karena manusia merupakan sasaran dan sekaligus pelaku dari pembangunan. Upaya-upaya menununkan ketimpangan distribusi pendapatan dan meningkatkan jumlah dan proporsi anggaran sektor pendidikan perlu terus diupayakan dan dapat dilaksanakan lebih efektif dan efisien. Pencapaian pendidikan, pengeluaran pemerintah, keterbukaan perekonomian melalui perdagangan luar negeri, dan investasi fisik terbukti secara signifikan dan positif mempengaruhi kinerja perekonomian. Namun dalam implementasinya, khususnya untuk pengeluaran pemerintah perlu lebih diarahkan pada kegiatan-kegiatan produktif terutama untuk meningkatkan distribusi pendapatan masyarakat yang menjadi salah satu faktor yang mempengaruhi kualitas pembangunan manusia melalui pendidikan."

"Skripsi ini berisi tentang perbandingan dari 3 jenis algoritma VQ (Vector Quantization) yaitu Traditional K-Means Clustering, LBG (Linde, Buzo, and Gray), dan Sucessive Binary Split yang digunakan dalam proses pengenalan sinyal akustik (Suara) dari berbagai jenis ikan. Dalam proses pengenalan sinyal akustik ikan yang menggunakan HMM (Hidden Markov Model), sinyal akustik ikan yang akan dideteksi, terlebih dahulu dikuantisasi dengan menggunakan algoritma VQ.Pada sistem pengenalan sinyal akustik ikan, sinyal akustik ikan diubah terlebih dahulu ke dalam bentuk diskrit dengan cara sampling. Sinyal diskrit ini diekstraksi agar diperoleh karakteristiknya dengan menggunakan MFCC (Mel Frequency Cepstrum Coefficient). Vektor data yang terbentuk kemudian dikuantisasi dengan menggunakan 3 jenis algoritma VQ. Pada tahap pengenalan sinyal akustik ikan (recognition) yang memanfaatkan model HMM, ketiga jenis algoritma VQ ini diteliti unjuk kerjanya berdasarkan tingkat akurasi yang diperoleh.Berdasarkan hasil simulasi, algoritma Sucessive Binary Split merupakan algoritma paling optimum untuk sistem pengenalan sinyal akustik ikan karena memiliki tingkat akurasi tertinggi (pada ukuran codebook < 64) dengan kebutuhan kapasitas memori dan waktu komputasi (saat pembuatan codebook dan model HMM) paling kecil. Untuk memperoleh sistem pengenalan sinyal akuslik ikan dengan tingkat akurasi yang paling baik, algoritma LBG dapat digunakan dengan ukuran codebook > 128 tetapi kapasitas memori dan waktu komputasi yang dibutuhkan makin besar. Tingkat akurasi (recognition rate) pada sistem pengenalan sinyal akustik ikan yang menggunakan VQ dan HMM dapat ditingkatkan dengan memperbesar ukuran codebook, jumlah iterasi algoritma VQ, dan jumlah iterasi pada Baum Welch Algorithm."

"Laju penguapan semprotan bahan bakar pada motor pembakaran dalam mempunyai peran yang sangat penting dalam kesempurnaan pembakaran. Semprotan ini berbentuk seperti tetesan-tetesan bahan bakar yang sangat kecil. Tevfik Gemci et. al. telah melakukan simulasi semprotan cairan dengan perangkat lunak KIVA-3V. Beberapa perangkat lunak simulasi pembakaran, seperti KIVA-3V dan Fluent, menggunakan model analogi Ranz-Marshall dan stagnan film untuk menghitung laju perpindahan massa dan panas. Penelitian ini bertujuan untuk melihat kesesuaian kombinasi kedua model tersebut yang diterapkan pada tetesan metanol (𝐿𝑒=1,5) dengan data eksperimen. Selain itu, penelitian ini juga bertujuan untuk membandingkan model Ranz-Marshall dan stagnan film dengan kombinasi model yang diusulkan oleh Kosasih E.A. dan Alhamid M.I (modifikasi stagnan film). Setelah dianalis, besar Sh dan Nu yang dihasilkan model Ranz-Marshall memiliki korelasi yang buruk dengan yang dihasilkan model stagnan film dan modifikasi. Oleh karena itu, makalah ini juga membahas koreksi terhadap koefisien C1 dan C2 yang digunakan dalam model modifikasi stagnan film.

---

Fuel spray evaporation rate in inner combustion engine has an important role in the perfection of combustion. The spray consists of small dropplets of fuel. Tevfik Gemci et. al. had worked on simulation of spray with KIVA-3V software. Some combustion simulation software, such as KIVA-3V and Fluent, use Ranz-Marshall analog model and stagnant film model to calculate heat and mass transfer rate. This study is aimed to show the correlation between the two models on methanol droplet evaporation (𝐿𝑒=1,5) using experimental data. Besides, this study is also intended to compare stagnan film and Ranz-Marshall analog model to the combination of the two models (modified stagnan film) which Kosasih E.A and Alhamid M.I had proposed. After it was analysed, it was found that the result of Sh dan Nu using Ranz-Marshall analog model has a bad correlation to stagnan film and modification model. Thus, this paper also discusses a correction on C1 and C2 coefficient which is used in modification model."