Hasil Pencarian  ::  Simpan CSV :: Kembali

"Gempa bumi merupakan peristiwa alam yang kapan saja bisa terjadi dan dapat membahayakanorang-orang yang berada dekat dengan pusat gempa. Akan sangat baik jikakita dapat melakukan persiapan sebelum gempa bumi terjadi, tetapi permasalahannya kitatidak tahu kapan gempa bumi akan terjadi. Penelitian ini bertujuan untuk menganalisishubungan antara kejadian gempa bumi di masa lalu dan di masa mendatang denganmencoba memprediksi jumlah gempa tahunan pada suatu tahun dilihat dari jumlah kejadiangempa bumi di tahun-tahun sebelumnya. Penelitian ini membagi data kejadiangempa bumi berdasarkan dua kategori lokasi: zona waktu GMT dan lempengan bumi.Hasil dari penelitian ini berupa model-model machine learning yang dapat memprediksijumlah gempa tahunan berdasarkan masing-masing lokasi. Penelitian ini menggunakanteknik-teknik machine learning yaitu linear regression, LSTM, dan Prophet pada datasetgempa bumi dengan menggunakan pendekatan time series analysis. Penelitian ini jugamencoba beberapa pengaturan window size, dan penggunaan jenis data stationary untuktraining. Hal ini dilakukan untuk menemukan pengaturan terbaik yang dapat digunakanuntuk melakukan prediksi. Performa model yang dihasilkan akan dievaluasi menggunakanmetrik RMSE dan R2. Teknik machine learning yang dianggap memiliki performarata-rata terbaik (rata-rata dari penggunaan window size 3, 4, dan 5) untuk dua kategorilokasi tersebut adalah linear regression dengan penggunaan data stationary yang manamendapatkan rata-rata RMSE 11.26 dan R2 0.19 untuk kategori zona waktu, sedangkanuntuk kategori lempengan bumi mendapatkan rata-rata RMSE 6.87 dan R2 0.13.

---

An earthquake is a natural event that can occur anytime and endanger many lives. It is a

good thing if we can make a preparation to overcome the after-effect, but the problem is

we do not know when an earthquake will take place. The purpose of this research is to analyze

the correlation between the past and future earthquakes by predicting the number of

earthquakes in a certain year based on the number of earthquakes in previous years. This

research groups the earthquakes based on their location categorization: GMT time zone

and earth plate. The results of this research are machine learning models that can predict

the number of annual earthquakes for each location. We employ various machine learning

techniques in this research, such as linear regression, LSTM, and Prophet on earthquake

datasets with a time series analysis approach. This research also measures the effect of

window sizes and the usage of stationary data for training. This is done to find the best

settings that can be used in prediction. The models are evaluated using the RMSE and R2

metrics. The evaluation results suggest that the highest average performance (average on

the window size of 3, 4, and 5) is obtained by using the linear regression model, achieving

an RMSE score of 11.26 and an R2 score of 0.19 for the time zone categorization, and an

RMSE score of 6.87 and an R2 score of 0.13 for the earth plate categorization."

"Kebijakan Rumah Sakit menjadi unit Swadana memberikan peluang bagi rumah sakit untuk menggunakan pendapatan fungsionalnya secara langsung serta mendorong peningkatan kepedulian manjemen rumah sakit terhadap efisiensi pengelolaan sumber daya yang tersedia. Laboratorium klinik adalah salah satu dari bidang penunjang medic yang disamping menyerap dana cukup besar juga memberikan kontribusi yang tidak kecil kepada rumah sakit. Sebagian besar operasional laboratorium klinik adalah untuk reagen yang berkaitan dengan jumlah pasien. Sejalan dengan tujuan kebijakan Swadana yaitu efsiensi sumber daya yang tersedia, maka diperlukan suatu informasi yang realistik dan terukur dalam perencanaan kebutuhan bahan, sehingga tujuan dapat tercapai. Salah satu cara adalah dengan menggunakan teknik peramalan yang biasa digunakan dalam bidang ekonomi dan dunia usaha. Tujuan penelitian ini adalah untuk mendapatkan teknik dan metode peramalan yang sesuai digunakan untuk memperkirakan tingkat kedatangan pengguna jasa layanan laboratorium klinik secara objektifdan dapat dipertanggungjawabkan. Penelitian ini merupakan penelitian operasional dengan analitis kuantitatif terhadap 5 jenis pemeriksaari di laboratorium klinik yaitu BTAL, Reduksi, GD, HB dan Leukosit selama periode 1992 - 1995 dengan menggunakan 6 teknik peramalan yaitu rata-rata bergerak 3 bulan dan 6 bulan, rata-rata bergerak linier 3 dan 6 bulan, regresi linier dan metode dekomposisi. Satu satunya variabel yang mempengaruhi adalah waktu dan data yang digunakan adalah data sekunder yang diperoleh dan laporan bulanan. Hasil penelitian ini menunjukkan banyaknya variasi yang ditunjukkan oleh masing-masing teknik peramalan dan untuk menentukan ketepatan suatu jenis ramalan dilakukan pengujian pada hasil peramalan dengan hasil juga bervariasi. Untuk menentukan teknik yang paling sesuai dilakukan perbandingan antar masing-rnasing teknik peramalan terhadap 5 jenis pemeriksaan tersebut. Setelah mengetahui teknik yang paling sesuai dilakukan simulasi terhadap teknik tersebut pada 5 pemeriksaan diatas selama 1 tahun. Kesimpulan dari penelitian ini didapatkan bahwa teknik peramalan dengan dekomposisi paling sesuai bila digunakan untuk meramalkan tingkat kedatangan pengguna jasa layanan laboratorium klinik baik untuk bulanan maupun tahunan sehingga dengan diketahuinya hasil ini akan menjadi informasi yang cukup penting bagi pengambil keputusan untuk perencanaan bahan kebutuhan laboratorium klinik. Meskipun demikian methode dekomposisi masih tetap mempunyai kesalahan, oleh karena itu sebaiknya dalam membuat suatu peramalan perlu memperhitungkan confidence. interval sesuai yang diinginkan oleh peramal. Perlu juga dilakukan penelitian lanjutan dengan menggunakan teknik peramalan lain yang mendasarkan pada pola hubungan variabel yang diramalkan dengan variabel selain waktu.

---

The policy to become a "swadana" hospital give hospital a chance to increase its functional income and to manage its resources efficiently. Clinical laboratories are one of the most cost intensive components of a hospital. The biggest expense is for reagen that depends on the quantity of the patients. Efficiency is the main issue in "swadana" policy. To reach efficiency, we need information that are accurate and countable, so we can predict future material needs. Forecasting is one way to get future prediction.

The objective of this research is to get a suitable method in forecasting future market. The methods have to be objective and reliable. This research is a quantitative research that was using 5 different kind of diagnostics that run at clinical laboratory, those are BTAL, Reduction, GD, HB and Leukocyte, during 1992-1995. For that purpose the writer was using 6 types of forecasting, those are 3 & 6 months moving averages, 3 & 6 months linear moving averages, linear regression and the decomposition method. The only one variable that has considerable effect is time. The data that I used are the secondary data those came from monthly reports.

The results of this study show that each of those forecasting techniques present a number of variations. I have tested the forecasting result to check the accuration of the forecast's type. To determine the most suitable technique, I have tried to make a number of comparation's between each technique on 5 kind of diagnostics. Once the most suitable technique already known, 1 have tried to make simulation on it against those diagnostics.

As summary of this study, I find that the decomposition method is the most suitable for forecasting of the people's attendance who use the clinical laboratory services in monthly or yearly. These finding will be important informations for the decision makers to set the planning of clinical Laboratory needed materials. After all the decomposition method still have an error, it will be better to consider the suitable confidence interval. I'm still considering that it is necessary to make a follow up research according to this . study, that use other forecast technique based on other variable."

"Peramalan merupakan bagian dari pengelolaan permintaan sebagai fungsi dalam perencanaan produksi sehingga dapat berguna dalam memberikan gambaran kegiatan produksi yang akan dilaksanakan. Tujuan dari penelitian ini adalah untuk memperoleh model peramalan yang akurat guna memproyeksikan permintaan produk sebagai fungsi dari perencanaan produksi. Oleh karena peramalan tidak mutlak benar dan akurat, pendekatan kesalahan peramalan merupakan kunci utama untuk menetapkan penentuan tingkat persediaan minimum (safety stock). Sehingga peramalan permintaan dapat diprediksi dan jumlah persediaan dapat ditentukan guna mengantisipasi jumlah permintaan yang variatif dan fluktuatif. Menggunakan analisis runtun waktu dengan metode ARIMA, didapatkanlah model peramalan permintaan dimana kesalahan peramalan turun hingga 19%.

---

Forecasting is part of demand management as production planning functions that could be useful in giving the description of production activities to be carried out. The purpose of this research is to obtain an accurate forecasting model to project the demand for the product as a function of production planning. Because forecasting is not absolutely true and accurate, the forecast error approach is a key to determine the set minimum inventory levels (safety stock). Thus the forecast demand can be predicted and the amount of inventory can be determined to anticipate the number of variety and fluctuative demand. Using time series analysis with ARIMA method, it is concluded that the demand forecasting model in which the forecast error falls to 19%."

"Terumbu karang sangat rentan terhadap perubahan kondisi lingkungan yang terjadi di sekitarnya, khususnya aktivitas manusia. Penelitian ini bertujuan untuk mengetahui pengaruh aktivitas manusia terhadap terumbu karang di Kawasan Konservasi Taman Wisata Perairan Gili Matra, Lombok. Untuk mencapai tujuan penelitian, variabel yang digunakan adalah jarak dari berbagai faktor aktivitas manusia, yaitu: lokasi penangkapan ikan berizin, wilayah penangkapan ikan ilegal, wilayah snorkeling, wilayah penanaman biorock, wilayah permukiman dan lokasi dermaga, serta lokasi tempat pembuangan sementara (TPS). Jarak dari setiap variabel terhadap terumbu karang kemudian dihitung dan dilihat berapa besar pengaruhnya. Penelitian ini dilakukan dengan menganalisis citra Landsat dan ASTER yang telah diperoleh pada tahun 2002, 2008, dan 2015 untuk melihat perubahan kondisi terumbu karang dengan menggunakan metode Lyzenga. Selain itu, survei lapang yang terdiri dari wawancara, mental map dan observasi juga dilakukan untuk melihat konektivitas dari setiap variabel terhadap perubahan kondisi terumbu karang. Analisis yang digunakan dalam penelitian ini adalah analisis keruangan secara deskriptif. Hasil penelitian menunjukkan terumbu karang hidup tersebar di setiap sekeliling pulau, dengan bagian terluas terdapat pada bagian utara Gili Air dan barat laut Gili Trawangan; sedangkan terumbu karang mati tersebar luas di sekeliling setiap pulau dengan luas yang lebih besar. Dari semua variabel, lokasi TPS merupakan satu-satunya faktor yang tidak mempengaruhi kondisi terumbu karang di kawasan ini.

---

Coral reef is highly susceptible to the environmental condition change of its surroundings, especially to human activities. This research aims to find the impact of human activities on the coral reef in Gili Matra Aquatic Tourism Park Conservation Region, Lombok. In order to achieve the research objectives, the variabels used are the distances from a variety of human activities factors, which are: licensed fishing locations, illegal fishing areas, snorkeling areas, biorock planting areas, residential areas and dock locations, as well as the temporary disposal sites. The distances from each variabels to the coral reef are then calculated and observed how big the influence is.

This research is conducted by analyzing Landsat and ASTER images that are obtained in 2002, 2008 and 2015 to see the coral reef?s condition change by using the Lyzenga method. Furthermore, field survey that is consisting of interviews, mental maps and observations are also conducted to see the connectivity from each variabels towards the coral reef's condition change. The analysis method used in this research is spatial analysis that is conducted descriptively.

The results show the live coral reefs are spread around each island, with the widest parts are located on northern part of Gili Air and northwestern part of Gili Trawangan; while the dead coral reefs are spread evenly around each island in a larger area. From all variabels, temporary disposal sites is the only factor that doesn't give an impact on coral reef's condition in this region."

"Ketidakpastian jumlah penumpang pesawat meningkat karena kenaikan tren penggunaan pesawat sebagai pilihan moda transportasi di Indonesia beberapa tahun kebelakang. Hal ini menyebabkan dibutuhkannya kemampuan untuk mengakomodasi kenaikan tersebut bagi perusahaan penerbangan untuk mempertahankan posisinya dalam industri. Pembuatan strategi sangat dipengaruhi oleh keakuratan prediksi. Karena itu, model prediksi yang akurat sangat dibutuhkan. Penelitian ini menggunakan metode neural networks yang telah teruji sebagai metode berbasis data mining dengan hasil akurasi lebih tinggi dibandingkan dengan metode tradisional untuk membuat model terbaik untuk memprediksi jumlah penumpang pesawa. Sebagai perbandingan, metode Autoregressive Integrated Moving average (ARIMA) akan digunakan. Objek dari penelitian ini adalah data jumlah penumpang bulanan dari salah satu perusahaan penerbangan di Indonesia, berfokus pada dua rute utama dengan keuntungan terbesar yaitu rute Jakarta-Yogyakarta (CGK-JOG) dan rute Jakarta-Singapura (CGK-SIN), dimana masing-masing rute ini merepresentasikan rute domestik dan rute internasional. Prediksi selama 12 periode ke depan akan dilakukan dengan model terbaik dari masing-masing metode. Nilai mean absolute percentage error (MAPE) akan dibandingkan dan Theil’s U Statistic akan dilihat untuk menilai apakah model sudah representatif. Pada kedua rute, dapat dilihat bahwa metode neural networks menghasilkan nilai error yang lebih baik daripada ARIMA dengan nilai MAPE sebesar 1.29% untuk rute CGK-JOG dan 1.66% untuk rute CGK-SIN.

---

Demand uncertainty has been increasing as a result of the rising trend of using airplanes as a transportation mode option in Indonesia over the years. This condition results in the need for the ability to accommodate the rise for airline companies to withstand within the industry. Strategy formulation is highly determined by the forecast accuracy. Thus, accurate forecasting models are highly required. In this study, neural network is proposed to create the best-fitted model to predict future values. Neural network is a data mining-based approach that has already been tested to result in more accurate predictions than traditional methods. As a comparison with the traditional model, Autoregressive Integrated Moving Average (ARIMA) model is applied. This study used monthly passenger data from Indonesian airlines, focused on Jakarta-Yogyakarta (CGK-JOG) and Jakarta-Singapore (CGK-SIN) routes which are the representatives of the most profitable route for both domestic and international flight. MAPE of both methods were then compared and Theil’s U Statistic were calculated to see whether the models are suitable. Forecasted future demand for the next 12 months were calculated, where in both routes neural network produced better value than ARIMA with MAPE of 1.29% for CGK-JOG route and 1.66% for CGK-SIN route.

"

"This book presents collaborative research presented by experts in the field of nonlinear science provides the reader with contemporary, cutting-edge, research works that bridge the gap between theory and device realizations of nonlinear phenomena. The conference provides a unique forum for applications of nonlinear systems while solving practical problems in science and engineering. Topics include: chaos gates, social networks, communication, sensors, lasers, molecular motors, biomedical anomalies, and stochastic resonance. This book provides a comprehensive report of the various research projects presented at the International Conference on Applications in Nonlinear Dynamics (ICAND 2018) held in Maui, Hawaii, 2018. It can be a valuable tool for scientists and engineering interested in connecting ideas and methods in nonlinear dynamics with actual design, fabrication and implementation of engineering applications or devices."

"Skripsi ini mengevaluasi bagaimana faktor-faktor makroekonomi memengaruhi kredit macet (NPL) pada UMKM Indonesia dari Jan 2011 hingga Mar 2023. Dengan menggunakan model Autoregressive Distributed Lag (ARDL), penelitian ini menyelidiki NPL bersama dengan tujuh variabel: NPL tertunda, tingkat suku bunga, inflasi, PDB riil, kurs mata uang, pengangguran, dan jumlah uang beredar (M2), ditambah dengan variabel dummy kebijakan KUR. Temuan menyoroti hubungan signifikan antara variabel-variabel ini dan NPL, dengan menekankan dampak NPL tertunda, kebijakan KUR, suku bunga, kurs mata uang, pengangguran, dan M2. Efek asimetris juga teramati, berdasarkan besaran dan keterlambatan. Namun demikian, studi ini tidak mengesahkan sebab-akibat atau generalisabilitasnya karena keterbatasannya.

---

This thesis assesses how macroeconomic factors affect non-performing loans (NPL) in Indonesian MSMEs from Jan 2011 to Mar 2023. Employing the Autoregressive Distributed Lag (ARDL) model, it investigates NPL alongside seven variables: lagged NPL, interest rates, inflation, real GDP, exchange rates, unemployment, and money supply (M2), plus a KUR policy dummy variable. The findings highlight significant relationships between these variables and NPL, emphasizing the impact of lagged NPL, KUR policy, interest rates, exchange rates, unemployment, and M2. Asymmetrical effects are also observed, based on magnitude and lag. This study, however, refrains from establishing causation or generalizability due to its limitations."

"This book arises as the natural continuation of the International Spring School "Advances and challenges in space-time modelling of natural events," which took place in Toledo (Spain) in March 2010. This Spring School above all focused on young researchers (Master students, PhD students and post-doctoral researchers) in academics, extra-university research and the industry who are interested in learning about recent developments, new methods and applications in spatial statistics and related areas, and in exchanging ideas and findings with colleagues."