Hasil Pencarian  ::  Simpan CSV :: Kembali

"Efisiensi merupakan suatu hal yang sangat diperhatikan oleh setiap organisasi, terlebih bagi industri perbankan, efisiensi menjadi suatu tolak ukur dari kinerja manajemen bank. Tolak ukur dari kinerja manajemen sering dikaitkan dengan hasil serta kemampuan bank dalam mendapatkan profit. Tujuan penelitian ini adalah mengetahui pengaruh efisiensi yang di ukur menggunakan metode DEA terhadap rasio ROA dan ROE bank konvensional yang terdaftar di Bursa Efek Indonseia periode 2011-2015. Penelitian ini menggunakan metode purposive sampling untuk menentukan sampel yang akan diuji. Dari metode tersebut terpilih 20 bank umum konvensional yang akan menjadi sample penelitian ini. Analisis dilakukan dengan menggunakan metode regresi linear sederhana serta statistik deskriptif. Hasil penelitian menemukan bahwa variabel efisiensi secara konsisten tidak berpengaruh signifikan terhadap ROA dan ROE. Secara konstan variabel efisiensi yang dihasilkan dari pengolahan metode DEA tidak berpengaruh signifikan terhadap variabel ROA dan ROE.

---

Efficiency is a matter of great concern to every organization, especially for the banking industry, efficiency becomes a benchmark of bank management performance. The benchmark of performance management is often associated with the results as well as the ability of banks to earn profits. The purpose of this research is to know the effect of efficiency measured using DEA method to ROA and ROE ratio of conventional bank listed in Indonesia Stock Exchange period 2011 2015. This research uses purposive sampling method to determine the sample to be tested. And will be selected 20 conventional commercial banks that will be the sample of this study. The analysis was done by using simple linear regression method and descriptive statistic. The results of the study found that efficiency variables consistently have no significant effect on ROA and ROE. Constantly the efficiency variables resulting from the DEA method of processing did not significantly affect the ROA and ROE variables."

"SARS-CoV-2 adalah virus yang menyebabkan pandemi COVID-19 pada 2019 kemarin. Hingga saat ini, belum ditemukan obat yang efektif dalam mengobati penyakit COVID-19. Senyawa flavonoid memiliki banyak khasiat salah satunya inhibitor virus. Hanya saja dengan banyak senyawa flavonoid menyebabkan pencarian senyawa dapat menghabiskan banyak waktu dan sumber daya untuk dilakukan pengujian berdasarkan in-vitro dan in-vivo, sehingga digunakanlah metode in-silico. Salah satu metode in-silico yang umum digunakan adalah penambatan molekuler. Akan tetapi proses penambatan molekuler ini juga masih memakan kekuatan komputasi yang tinggi. Pada Penelitian ini bertujuan untuk mengembangkan metode prediksi nilai penambatan molekuler dari senyawa flavonoid terhadap protein target SARS-CoV-2 menggunakan model pembelajaran mesin. Model yang dikembangkan yakni K-Nearest Neighbor, ExtraTrees, Gradient Boosting, dan Artificial Neural Network. Dalam penelitian ini, dibandingkan dua jenis input model, yaitu SMILES dan Alvadesc deskriptor, untuk memprediksi interaksi antara senyawa flavonoid dan protein target SARS-CoV-2. Hasil penelitian menunjukkan deskriptor AlvaDesc memiliki akurasi yang lebih tinggi dan waktu pengembangan yang lebih singkat dibandingkan dengan deskriptor SMILES.

---

SARS-CoV-2, the virus responsible for the COVID-19 pandemic in 2019, has not yet been effectively treated with any drug. Flavonoid compounds exhibit various properties one of it is virus inhibition. However, the search for effective compounds requires extensive time and resources due to the need for in-vitro and in-vivo testing. To expedite this process, the in-silico method, particularly molecular docking, is commonly employed. Nevertheless, molecular docking itself is time-consuming and computationally demanding. Therefore, this study aims to develop a method for predicting the molecular binding affinity of flavonoid compounds to SARS-CoV-2 target proteins using machine learning and deep learning models. Two types of input model, namely SMILES and AlvaDesc descriptors, were compared to predict the interactions between flavonoid compounds and SARS-CoV-2 target proteins. The results indicate that the AlvaDesc descriptor achieves higher accuracy and shorter development time compared to the SMILES descriptor."