Hasil Pencarian  ::  Simpan CSV :: Kembali

"Klaim agregat merupakan variabel acak yang berperan penting dalam penentuan premi murni yang ditetapkan oleh perusahaan asuransi. Oleh karena itu, perlu diperhatikan model apa yang akurat untuk memodelkan distribusi probabilitas klaim agregat. Terdapat dua ketidakpastian yang berperan penting pada pemodelan klaim agregat yaitu besar klaim dan banyak klaim. Untuk besar klaim umumnya dapat dimodelkan dengan distribusi kontinu tak negatif. Dalam memodelkan besar klaim adakalanya dibutuhkan informasi mengenai terjadinya besar klaim bernilai tertentu. Oleh karena itu, salah satu cara untuk mendapatkan informasi tersebut adalah mendiskritkan distribusi besar klaim yang dikenal sebagai metode Diskritisasi. Metode Diskritisasi adalah metode yang mentransformasikan variabel acak kontinu menjadi variabel acak diskrit. Metode ini membagi ruang nilai variabel acak kontinu (interval) menjadi interval-interval dengan panjang yang sama. Pada skripsi ini, dilakukan pemodelan distribusi klaim agregat di bawah asumsi model risiko individu dan model risiko kolektif dimana variabel acak besar klaimnya ditransformasi menjadi variabel acak diskrit dengan metode Diskritisasi fuzzy dimana support distribusinya dibangun berdasarkan metode Lower, Upper, dan Rounding. Metode ini mentransformasi variabel acak kontinu besar klaim menjadi variabel acak fuzzy segitiga sedemikian sehingga diperoleh variabel acak klaim agregat berbentuk variabel acak fuzzy segitiga. Selain itu, juga dilakukan simulasi numerik untuk mengilustrasikan penerapan metode Diskritisasi fuzzy yang dilakukan dengan asumsi besar klaim mengikuti distribusi Lognormal, Gamma, dan Eksponensial, serta banyak klaim mengikuti distribusi Poisson, Binomial dan Binomial Negatif.

---

Aggregate claim is a random variable that plays an important role in determining the pure premium charged by the insurance company. Therefore, it is necessary to consider which model is accurate for modeling the probability distribution of aggregate claims. There are two uncertainties that play major role in modeling aggregate claims, namely the size of the claim (severity) and the number of claims (frequency). Severity generally can be modeled by a non-negative continuous distribution. In practice, the occurrence of claims of a certain value is sometimes needed. The common approach to obtain this information is to discretize the continous distribution of claim severity, known as the Discretization method. Discretization method is a method that transforms continuous random variables into discrete random variables. This method divides the state space (support) of a continuous random variable (interval for instance) into intervals of the same length. In this thesis, aggregate claim distribution modeling is carried out under the assumption of an individual risk model and a collective risk model where the claim size random variable is transformed into a discrete random variable using the fuzzy discretization method where the support of the given distribution is according to the Lower, Upper and Rounding method. This method transforms a continuous random variable of claim size into a triangular fuzzy random variable and eventually aggregate claim random variable is in the form of a triangular fuzzy random variable. In the end, the numerical simulations are given to illustrate the application of the fuzzy discretization method under the assumption that the claim size follow the Lognormal, Gamma and Exponential distributions wheras the number of claims followed the Poisson, Binomial and Negative Binomial distributions."

"Latar belakang penelitian ini adalah karena masih terjadi pengembalian berkas klaim INACBG’s Rawat Inap di RS Kanker Dharmais dimana penyebab pengembalian tertinggi adalah pada kasus konfirmasi koding dan resume medis. Hal ini berpotensi menimbulkan kerugian bagi RS akibat pembayaran klaim yang tertunda. Tujuan dari penelitian ini adalah untuk melakukan analisis kelengkapan dan ketepatan komponen diagnosis, prosedur, dan koding terhadap besaran tarif klaim INACBG’s rawat inap di RS Kanker Dharmais. Studi kasus ini menggunakan pendekatan kualitatif dengan wawancara mendalam dan telaah resume medis pasien kanker payudara yang mendapatkan layanan operasi selama bulan Januari sampai dengan Juni 2022. Dari data awal yang didapatkan adalah bahwa di RS Kanker Dharmais pada tahun 2021 terlihat dari 12.941 berkas klaim rawat inap yang dikirimkan ke BPJS Kesehatan terdapat pengembalian berkas sebesar 1,38% yaitu 179 berkas. Artinya terdapat penundaan pembayaran klaim rawat inap sebesar Rp.6.927.739.198,- dari total klaim BPJS Kesehatan pada tahun 2021 sebesar Rp.223.542.062.405,- yang diajukan dalam periode tersebut. Kemudian dari data juga didapatkan bahwa pengembalian berkas klaim dikarenakan beberapa sebab seperti konfirmasi koding resume medis, kriteria klaim COVID19, dan konfirmasi pelayanan IGD yang lebih dari 6 jam. Alasan pengembalian berkas klaim paling banyak yaitu konfirmasi resume medis dan koding dengan porsi 90% dan nilai klaim sebesar Rp6.234.965.278,-. Bisa diartikan bahwa kelengkapan resume medis dan ketepatan koding merupakan alasan terbesar dalam penundaan atau bahkan bisa menjadi pengurangan pendapatan RS. Hasil penelitian menunjukkan bahwa ada 289 berkas tindakan operasi pasien kanker payudara selama Januari sampai Juni 2022. Kemudian diambil 168 sampel dari berkas tersebut untuk diteliti. Dari 168 sampel tersebut menunjukkan ada 20 berkas (11,9%) yang tidak sesuai dengan rincian, 11 sampel (13,4%) memiliki Diagnosis Sekunder yang tidak sesuai dan 10 sampel (6%) dengan Tindakan Operasi yang tidak sesuai. Namun dari hasil verifikasi berkas oleh Koder eksternal didapatkan perbedaan tarif INACBG’s dengan selisih lebih rendah Rp5,480.900,- pada 1 sampel. Dapat disimpulkan manajemen pengelolaan berkas klaim tindakan operasi kanker payudara di RSKD sudah cukup baik dibuktikan dengan hasil kelengkapan pengisian berkas rekam medis dan perbedaan minimal dari koding tindakan operasi. Hal ini terjadi berkat sudah berjalannya sistem rekam medis elektronik.

---

The background to this research is because there are still returns of INACBG's Inpatient claim files at Dharmais Cancer Hospital where the highest cause of returns is cases of coding confirmation and medical resumes. This has the potential to cause losses for hospitals due to delayed claim payments. The aim of this research is to analyze the completeness and accuracy of diagnosis, procedure and coding components on the amount of INACBG's inpatient claim rates at Dharmais Cancer Hospital. This case study uses a qualitative approach with in-depth interviews and review of medical resumes of breast cancer patients who received surgical services from January to June 2022. From the initial data obtained, in 2021, Dharmais Cancer Hospital saw 12,941 inpatient claim files submitted. sent to BPJS Health there was a file return of 1.38%, namely 179 files. This means that there is a delay in payment of inpatient claims amounting to IDR 6,927,739,198,- of the total BPJS Health claims in 2021 amounting to IDR 223,542,062,405,- submitted in that period. Then, from the data, it was also found that the return of claim files was due to several reasons, such as confirmation of medical resume coding, COVID19 claim criteria, and confirmation of emergency services taking more than 6 hours. The most common reason for returning claim files is confirmation of medical resumes and coding with a portion of 90% and a claim value of IDR 6,234,965,278.-. It could be interpreted that the completeness of medical resumes and the accuracy of coding are the biggest reasons for delays or even a reduction in hospital income. The research results showed that there were 289 files of breast cancer patient operations from January to June 2022. Then 168 samples were taken from these files for research. Of the 168 samples, 20 files (11.9%) showed that the details did not match, 11 samples (13.4%) had inappropriate secondary diagnoses and 10 samples (6%) had inappropriate surgical procedures. However, from the results of file verification by an external coder, it was found that the difference in INACBG's rates was a lower difference of IDR 5,480,900 in 1 sample. It can be concluded that the management of claim files for breast cancer surgery at RSKD is quite good, as evidenced by the completeness of filling in medical record files and minimal differences from the coding of surgical procedures. This happened thanks to the implementation of the electronic medical record system."

"Indonesia telah menyampaikan kekhawatirannya terhadap mekanisme penyelesaian sengketa investor dengan negara (Investor State Disputes Settlement atau ISDS), yang dinilai merugikan. Indonesia meninjau dan tidak memperpanjang beberapa Perjanjian Perlindungan Penanaman Modal (P4M) untuk menegosiasikan perjanjian baru yang lebih sesuai. Gugatan balik oleh negara dapat menyeimbangkan posisi dalam ISDS yang tidak simetris. ICSID dan UNCITRAL telah mengatur mekanisme gugatan balik, tetapi kasusnya masih jarang. Banyak gugatan balik ditolak karena tidak memenuhi persyaratan kesepakatan kedua pihak dan keterkaitan dengan klaim utama. Di Indonesia, dua kasus penting terkait gugatan balik adalah Amco Asia Corporation and others v. Republic of Indonesia dan Hesham T. M. Al Warraq v. Republic of Indonesia. Majelis arbitrase mengakui yurisdiksi Indonesia untuk mengajukan gugatan balik tetapi menolak gugatan karena gagal dalam substansi. Indonesia dapat menggunakan gugatan balik untuk mengurangi risiko dan biaya ISDS serta memastikan kepatuhan investor terhadap peraturan. Implementasi gugatan balik di Indonesia masih terbatas dan memerlukan reformasi. Meskipun banyak perjanjian investasi memungkinkan gugatan balik, keberhasilannya bergantung pada substansi dan landasan hukum yang kuat. Reformasi ISDS di Indonesia dapat memasukkan mekanisme gugatan balik untuk mencapai keseimbangan antara hak dan kewajiban negara dan investor asing.

---

Indonesia has expressed its concerns about the Investor-State Dispute Settlement (ISDS) mechanism, which is considered disadvantageous. Indonesia has reviewed and decided not to renew several Bilateral Investment Treaties (BITs) to negotiate new agreements that are more suitable. Counterclaims by the state can balance the asymmetrical positions within ISDS. ICSID and UNCITRAL have established counterclaim mechanisms, but such cases are still rare. Many counterclaims are rejected because they do not meet the agreement requirements of both parties and the connection with the main claim. In Indonesia, two significant cases related to counterclaims are Amco Asia Corporation and others v. Republic of Indonesia and Hesham T. M. Al Warraq v. Republic of Indonesia. The arbitration tribunal recognized Indonesia's jurisdiction to file counterclaims but rejected them due to lack of substance. Indonesia can use counterclaims to reduce the risks and costs of ISDS and ensure investor compliance with regulations. The implementation of counterclaims in Indonesia is still limited and requires reform. Although many investment treaties allow for counterclaims, their success depends on strong substantive and legal foundations. ISDS reform in Indonesia can include counterclaim mechanisms to achieve a balance between the rights and obligations of the state and foreign investors."

"Rumah sakit memiliki pelayanan pasien sebagai core businessnya. Di Rumah Sakit Universitas Indonesia, jumlah kunjungan pasien setiap tahunnya meningkat, diiringi oleh peningkatan pasien pengguna asuransi. Pembiayaan pasien menggunakan asuransi masuk ke dalam piutang, karena baru dapat dibayarkan setelah rumah sakit melengkapi persyaratan yang ada. Tujuan dari penelitian ini adalah untuk mengevaluasi alur proses klaim pasien asuransi di Rumah Sakit Universitas Indonesia dengan menggunakan theory of constraint. Penelitian ini merupakan penelitian kualitatif dengan wawancara, observasi, dan telaah dokumen sebagai metode pengumpulan data. Hasil dari penelitian ini menunjukkan bahwa sudah terdapat SPO proses klaim, SDM yang ada sudah cukup dan memiliki peran masing-masing, terdapat sarana prasarana penunjang klaim, serta kendala yang ditemukan berupa konfirmasi dari asuransi yang memakan waktu lama, sistem rumah sakit yang kurang stabil, perbedaan format formulir antar perusahaan asuransi, hasil penunjang yang membutuhkan waktu lama, serta formulir asuransi yang tidak diisi lengkap oleh dokter. Kendala-kendala tersebut kemudian disusun ke dalam current reality tree untuk mencari akar masalah, dicari solusi yang potensial dengan future reality tree, dan dibuat rencana implementasinya dengan prerequisite tree. Berdasarkan penggunaan tools theory of constraint tersebut, didapatkan solusi berupa digitalisasi berkas klaim asuransi serta pembuatan SPO bagi dokter dalam pengisian formulir asuransi. Saran yang diberikan kepada RS adalah untuk melakukan digitalisasi bagi proses klaim yang masih manual dengan melakukan integrasi berkas persyaratan klaim dengan sistem rumah sakit, serta membuat SPO dengan melibatkan dokter dan melakukan sosialisasi SPO setelah pembuatannya.

---

Hospitals have patient care as their core business. At Universitas Indonesia Hospital, the number of patient visits increases every year, accompanied by an increase in patients using insurance. Patient financing using insurance is included in receivables, because it can only be paid after the hospital completes the existing requirements. The purpose of this study is to evaluate the flow of the insurance patient claim process at the University of Indonesia Hospital using theory of constraint. This research is a qualitative study with interviews, observations, and document reviews as data collection methods. The results of this study show that there is already a SPO for the claims process, the existing human resources are sufficient and have their respective roles, there are supporting infrastructure for claims, and obstacles found in the form of confirmation from insurance that takes a long time, a hospital system that is less stable, differences in form formats between insurance companies, supporting results that take a long time, and insurance forms that are not filled in completely by doctors. These constraints were then compiled into a current reality tree to find the root of the problem, look for potential solutions with a future reality tree, and make an implementation plan with a prerequisite tree. Based on the use of the theory of constraint tools, a solution was obtained in the form of digitizing insurance claim files and making SPO for doctors in filling out insurance forms. The advice given to the hospital is to digitize the claims process that is still manual by integrating the claim requirements file with the hospital system, as well as making SPO by involving doctors and socializing SPO after making it. "

"Permasalahan umum dalam industri asuransi adalah menetapkan besaran premi yang wajar terhadap risiko yang dihadapi oleh pemegang polis. Untuk menetapkan besaran premi yang wajar, maka perlu diprediksi besaran klaim masa depan dengan menggunakan data klaim agregat masa lampau. Data yang dikumpulkan perusahaan asuransi mengandung banyak variabel yang merupakan faktor-faktor untuk menghitung severitas klaim. Permasalahan tersebut merupakan permasalahan regresi. Salah satu metode yang digunakan untuk menganalisis model regresi adalah metode Gradient Tree Boosting. Dengan asumsi bahwa frekuensi klaim berdistribusi Poisson dan severitas klaim berdistribusi Gamma, maka klaim agregat dapat diasumsikan berdistribusi Tweedie. Maka dari itu, dapat digunakan metode Gradient Tree Boosting Tweedie Model untuk memodelkan besar klaim agregat. Salah satu metode deep learning untuk merekonstruksi variabel dari data perusahaan asuransi yang relevansinya terhadap besaran klaim belum diketahui adalah metode Deep Autoencoder. Deep Autoencoder merupakan algoritma unsupervised learning yang mereduksi dimensi data secara lapisan per lapisan, sehingga mendapatkan variabel data dalam pemodelan klaim agregat. Selain itu, Deep Autoencoder mempunyai kelebihan yaitu meringankan beban komputasi tanpa mengurangi performa dari model yang dihasilkan. Penelitian ini akan memodelkan besaran klaim agregat dan mengetahui efek penggunaan metode Deep Autoencoder untuk merekonstruksi data dan metode Gradient Tree Boosted Tweedie Model pada asuransi kendaraan bermotor.

---

It is a common problem in the insurance industry to set a reasonable premium for the risks faced by policyholders. It is important to predict the amount of future claims in order to determine a reasonable premium by using past aggregate claim data. The aggregate claim data collected by insurance companies contains many variables which are key factors to calculate claim severity, which is a regression problem. One of the methods used to analyze the regression model is the Gradient Tree Boosting. Assuming that the claim frequency has a Poisson distribution and the claim severity has a Gamma distribution, the aggregate claims can be assumed to have a Tweedie distribution. Therefore, the Gradient Tree Boosting Tweedie Model can be used to model the aggregate claims. One of the deep learning methods to reconstruct variables from insurance company data is Deep Autoencoder. Deep Autoencoder is an unsupervised learning algorithm that reduces the dimensions of the data layer by layer, thereby obtaining data variables in the aggregate claims modeling. In addition, Deep Autoencoder has the advantage of lightening the computational load without compromising the performance of the resulting model. This study will use the Gradient Tree Boosted Tweedie Model to model aggregate claims and determine the effect of using the Deep Autoencoder method to reconstruct data on motor vehicle insurance."

"Pada skripsi ini dibahas tentang diskritisasi model epidemi SVEIR pada transmisi pneumonia dengan intervensi vaksin dan pengobatan (Darmawan, 2022) dengan menggunakan metode beda hingga tak standar (NSFD). Berdasarkan kajian analitik menunjukkan bahwa model NSFD mempunyai dua titik keseimbangan yang jenis kestabilannya bergantung pada angka reproduksi dasar (R0). Kajian analitik juga memperlihatkan bahwa titik keseimbangan bebas penyakit akan bersifat stabil asimtotik ketika R0<1 dan tidak stabil ketika R0>1. Kondisi endemik memiliki keseimbangan hanya ketika nilai R0>1. Kajian numerik dilakukan terhadap model NSFD untuk memperoleh informasi bahwa step-size h=0,1 paling optimal agar dapat memperoleh solusi yang mirip dengan model kontinu. Selain itu, kajian numerik juga dilakukan pada simulasi autonomous dengan mempertimbangkan intervensi vaksin dan pengobatan. Simulasi autonomous menunjukkan hasil bahwa peningkatan laju vaksinasi dan laju pengobatan dapat menekan jumlah individu yang terinfeksi pneumnia.

---

This research discusses the discretization of the SVEIR epidemic model of pneumonia transmission with vaccine and treatment interventions (Darmawan, 2022) using the non-standard finite difference method (NSFD). Based an analytical studies showed that the NSFD model has two equilibrium points whose stability depends on the basic reproduction number R0. Analytical studies also show that the disease-free equilibrium point will be asymptotically stable when R0<1 and unstable when R0>1. Endemic condition has an equilibrium only when the value of R0>1. A numerical study as carried out on the NSFD model to obtain information that h=0,1 is an optimal step-size in order to obtain a similar solution to the continuous model. In addition, a numerical studies wee also conducted on autonomous simulation that considers vaccine and treatment interventions. The autonomous simulation shows that increasing the vaccination rate and the treatment rate can reduce the number of pneumonia.

"

"Pada perusahaan asuransi bisnis long-tail (penyelesaian klaim ≥ 1 tahun), perusahaan harus memiliki cadangan klaim untuk membayar klaim pada masa yang akan datang. Metode yang sering digunakan untuk perhitungan prediksi cadangan klaim adalah Chain Ladder (CL) yang dihitung berdasarkan pola dari klaim yang sudah dibayarkan. Namun, CL tidak dapat memberikan hasil prediksi cadangan klaim yang akurat, karena dari pendefinisiannya CL sangat bergantung dengan data. Padahal, data tersebut dapat mengandung outlier, atau tidak memadai. Ketika hal ini terjadi, maka aktuaris seringkali menggunakan penilaian subyektif mereka dengan menyesuaikan perhitungan dan dapat memberikan hasil yang berbeda-beda. Hasil yang berbeda-beda menyebabkan adanya ketidakpastian akan hasil yang didapat. Pada skripsi ini, dikenalkan metode Fuzzy Chain Ladder (FCL) yang menggabungkan metode CL dengan triangular fuzzy number (TFN) agar dapat mempertimbangkan ketidakpastian terhadap perhitungan. Berbeda dengan CL yang menghasilkan satu nilai cadangan klaim, FCL menerapkan TFN pada perhitungannya sehingga menghasilkan besar cadangan klaim dalam bentuk kisaran atau range. Dalam range tersebut, aktuaris dapat memilih nilai cadangan klaim berdasarkan penilaian subyektif mereka sehingga diharapkan metode FCL dapat mempertimbangkan adanya ketidakpastian tersebut. Selanjutnya, dilakukan analisis perhitungan prediksi cadangan klaim dari data klaim asuransi umum kelautan menggunakan FCL dibandingkan dengan metode CL.

---

In long-tail business insurance (settlement period ≥ 1 year), companies must have claim reserve to pay claims in the future. The method often used for calculating claims reserve is Chain Ladder (CL) that is calculated based on the pattern of paid claims. However, CL cannot provide accurate claims reserve predictions, because the definition of CL is dependent on data. In fact, these data can contain outliers, inadequate. When this happens, actuaries often use their subjective judgment by adjusting calculations and can produce different results. Different results cause uncertainty about the obtained results. In this thesis, a method called Fuzzy Chain Ladder (FCL) is introduced which combines CL with triangular fuzzy number (TFN) to consider uncertainty regarding calculations. In contrast to CL which produces a single value of claim reserves, FCL applies TFN to its calculation to produce many claims reserves in the form of ranges. Within that range, actuaries can choose the value of claims reserves based on their subjective judgement so that the FCL method can be expected to consider the existence of these uncertainties. Furthermore, an analysis of the prediction of claim reserves from the general marine insurance claim data is analyzed using FCL compared to the CL method."

"Model basis data relasional telah terbukti sebagai model yang tepat dalam sistem manajemen informasi dan telah diterapkan dalam berbagai aplikasi. Penggunaan model basis data relasional sangat efektif untuk data yang pasti dan tidak ambigu. Namun demikian, aplikasi dunia nyata seringkali mengandung informasi yang tidak tepat dan tidak pasti di dalamya. Model basis data relasional yang ada saat ini tidak dapat mengakomodasi informasi yang tidak sempurna tersebut. Oleh sebab itu, diperlukan sebuah model basis data relasional baru yang dapat memenuhi kebutuhan itu. Kombinasi antara teknologi basis data dan teknik fuzzy menghasilkan sebuah konsep bernama basis data fuzzy.Penelitian pada Tugas Akhir ini telah mengembangkan Sistem Basis Data Fuzzy yang berjalan diatas DBMS konvensional. Modul utama yang dikembangkan adalah fuzzy interpreter yang dapat mentransformasikan query fuzzy yang diberikan pengguna ke dalam query crisp sehingga bisa dieksekusi pada DBMS. Modul ini juga mentransformasikan hasil crisp yang diberikan basis data ke hasil fuzzy untuk diberikan kembali ke pengguna. Dalam basis data konvensional, operasi union dan intersection adalah dua operasi himpunan yang penting karena sering digunakan.Penelitian pada Tugas Akhir ini telah sukses mengaplikasikan operasi-operasi fuzzy union dan fuzzy intersection pada fuzzy interpreter Sistem Basis Data Fuzzy. Tugas Akhir ini membuktikan bahwa basis data fuzzy lebih baik daripada basis data konvensional karena dapat memberikan hasil yang lebih lengkap dan mengatasi permasalahan pada beberapa kasus dunia nyata yang tidak bisa dilakukan oleh basis data konvensional.

---

Relational database model is proven as good model in information management system and applied in several applications. Relational database model is effective for precise and unambiguous data. However, real world applications often have imprecise and uncertain information. Current relational database model can?t accommodate imperfect information. So that, new database relational model that can accommodate those requirement is needed. Combination between database technology and fuzzy technique produce a fuzzy database concept.Research in this Final Project has developed Fuzzy Database Systems that uses convensional DBMS. Major modul that has developed is fuzzy interpreter that can transform fuzzy query into crisp query so that it can be executed by DBMS. This modul also transform crisp result from database into fuzzy result to the user. In conventional database, union and intersection operations are two important set operations because they often used.Research in this Final Project is successfully implemented fuzzy union and fuzzy intersection operations in fuzzy interpreter Fuzzy Database Systems. This Final Project prove that fuzzy database is better than conventional database because it can give more complete result and solve some real world problems that can?t be solved by conventional database."

"Dalam pengolahan hasil Computational Fluid Dynamics (CFD), tahap verfikasi dan validasi sangat penting untuk dilakukan yaitu agar hasil simulasinya dapat dipercaya. Terkhusus pada tahap verifikasi, metode Grid Convergence Index (GCI) merupakan metode yang lazim digunakan untuk membuktikan bahwa pengaruh diskritisasi spasial sudah tidak signifikan. Hanya saja, metode GCI sendiri juga memiliki berberapa masalah seperti: kebutuhan mesh yang cukup rapat, sehingga dibutuhkan waktu yang cukup lama dalam simulasinya, reabilitas yang kadang dapat dipertanyakan, dan terlalu sensitifnya metode tersebut terhadap faktor eksternal. Hal-hal ini membuat perbaikan dari metode GCI menjadi sebuah hal yang sangat diincar dalam CFD dan penelitian ini akan mencoba menangani masalah tersebut. Sebuah metode verifikasi error disktirisasi spasial akan dikembangakan dari perilaku gradien pada hasil CFD dan diuji performanya. Pengujian ini akan meliputi masalah akurasi, rentang estimasi, dan kebutuhan waktu komputasi. Untuk metode pengujiannya, akan digunakan sebuah dataset yang terdiri dari 11 jenis simulasi yang diketahui solusi analitisnya, dengan jumlah mesh pada setiap simulasi berada pada kisaran 17 – 44 mesh. Dari seluruh simulasi ini, 36 variable uji akan diambil untuk analisis. Dari hasil pengujian, didapat bahwa metode berbasis gradien ini lebih akurat, memeliki rentang estimasi yang lebih ketat, serta dapat menghemat waktu komputasi 15% - 30% dari metode GCI.

---

Within Computational Fluid Dynamics (CFD), the result must be verified and validated to ensure a trustworthy result. Especially for the verification process, the Grid Convergence Index (GCI) has been the usual method to prove that the spatial discretization effect has been minimized. Apprantly, the GCI method does have some problems such as a high mesh density mesh requirement which means that the required simulation time is also high, the reability of the method is sometimes questionable, and it is very sensitive to any external factors. These problems have made the need of a fix for the GCI method, which is what this research is aiming to do. A new spatial discretization error verifcation method is developed based on the behavior of the gradient of a CFD result and it is going to be evaluated. This evaluation encompasses its accuracy, estimation range, and also its computational time. The testing would be done by using a dataset of 11 simulations that have a known analytical solution. The number of mesh for each of theses simulations is between 17 – 44 mesh each. From all of theses simulations, 36 variables are taken for the analysis. The result showed that the gradient based method is more accurate, has a tighter estimation range and it could save 15% - 30% of the computational time compared to the GCI method."