Hasil Pencarian  ::  Simpan CSV :: Kembali

"Level atau tingkatan antusiasme seseorang merupakan tolak ukur yang penting bagi performa sebuah perusahaan. Level antusiasme tersebut dapat dimodelkan melalui face recognition yang nantinya digunakan sebagai sebuah acuan untuk mengetahui apakah seseorang termasuk dalam kelas antusias, sedikit antusias, atau tidak antusias. Pengklasifikasian face recognition ini berbasis supervised machine learning. Klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine SVM dengan metode one-vs-one karena kelas pada data terdiri lebih dari dua kelas. Adapun, dalam upaya peningkatan performa classifier, perlu dilakukan pemilihan fitur. Pemilihan fitur yang digunakan pada skripsi ini adalah Fisher rsquo;s Ratio dan Information Gain. Hasil yang diberikan di akhir tulisan ini berupa perbandingan akurasi dan running time dari klasifikasi SVM tanpa pemilihan fitur dan klasifikasi SVM dengan menggunakan masing-masing pemilihan fitur Fisher rsquo;s Ratio dan Information Gain. Pada klasifikasi SVM tanpa pemilihan fitur, didapatkan akurasi dan running time masing-masing sebesar 80,95238 dan 2,125 detik; dengan pemilihan fitur Fisher rsquo;s Ratio didapatkan akurasi dan running time masing-masing sebesar 88,89 dan 5,47 detik; sedangkan dengan pemilihan fitur Information Gain didapatkan akurasi sebesar 80,95238 dengan running time 1,265625 detik.

---

Enthusiasm level of a person is an important measurement for a company performance. Enthusiasm level can be modeled by face recognition that in the future will be used as standard to distinguish whether someone is classified as enthusiast, tend to enthusiast, or not at all. This face recognition classification is based on supervised machine learning. This paper uses Support Vector Machine SVM as a classifier with one vsone method because the data consists of more than two classes. In order to increase classifier performance, it is necessary to do feature selection. This paper uses Fisher rsquo s Ratio and Information Gain as feature selection. The conclusion at the end of this research is in the form of comparison of running time and accuracy between SVM classification without feature selection and with Fisher rsquo s Ratio and Information Gain feature selection, respectively. In SVM classification without feature selection, the accuracy and running time are 80,95238 and 2,125 seconds, respectively with Fisher rsquo s Ratio feature selection the accuracy and running time are 88,89 and 5,47 seconds, respectively whilst with Information Gain feature selection the accuracy and running time are 80,95238 , and 1.265625 seconds, respectively. "

"Menanggapi isu unit link yang merebak pada tahun 2021, OJK menetapkan regulasi yang mengatur mengenai produk asuransi unit link, yaitu SEOJK Nomor 5 /SEOJK.05/2022, yang dianggap cukup transformasional. Munculnya SEOJK Nomor 5 /SEOJK.05/2022 menyebabkan seluruh perusahaan asuransi jiwa di Indonesia harus mengembangkan emergent strategies, karena beberapa intended strategies yang sebelumnya disusun terkena dampak dari adanya kewajiban mengimplementasikan regulasi ini, ditambah lagi kelonggaran waktu implementasi yang ditetapkan dari OJK cukup singkat. Penelitian ini membahas mengenai bagaimana beliefs system dan interactive control system diterapkan dalam menciptakan dan mendukung implementasi emergent strategies dalam menghadapi strategic uncertainties terkait kebijakan SEOJK Nomor 5 /SEOJK.05/2022 pada salah satu perusahaan asuransi di Indonesia, yaitu PT Asuransi Jiwa X. Dengan menggunakan pendekatan penelitian studi kasus kualitatif, data utamanya diperoleh melalui wawancara dan distribusi kuesioner. Hasil penelitian menunjukkan bahwa perusahaan berhasil dan sukses mengimplementasikan SEOJK Nomor 5 /SEOJK.05/2022 dan menghadapi segala strategic uncertainties yang berkaitan, karena penekanan yang kuat pada beliefs system, dan melakukan interactive control system secara efektif dan efisien dalam mengembangkan dan menerapkan emergent strategies, ditambah core values yang juga benar-benar mengakar pada budaya yang tercipta di dalam perusahaan. Mitigasi risiko telah dengan baik dilakukan serta berbagai faktor penghambat dan kendala yang muncul juga dapat dengan baik dikelola oleh perusahaan.

---

In response to the unit link issue that broke out in 2021, OJK established regulations governing unit link insurance products—SEOJK No. 5 /SEOJK.05/2022, which is considered quite transformational. The emergence of SEOJK No. 5 /SEOJK.05/2022 had caused all life-insurance companies in Indonesia must develop emergent strategies, because several intended strategies that were previously prepared were affected by the obligation to implement SEOJK No. 5 /SEOJK.05/2022. In addition, the implementation time constraints were also quite short. This research discusses how beliefs systems and interactive control systems were applied in creating and supporting the implementation of emergent strategies in dealing with strategic uncertainties related to the SEOJK No. 5 /SEOJK.05/2022 at one of the insurance companies in Indonesia—PT Asuransi Jiwa X. Using a qualitative case study research approach, data was primarily obtained through interviews and questionnaires. The research result shows that the company succeeded in implementing SEOJK No. 5 /SEOJK.05/2022 and in responding the related strategic uncertainties were because of the strong emphasis on the beliefs system, and interactive control system that has been implemented effectively and efficiently, also core values which has rooted in the culture created within the company. Risk mitigation had been carried out well and various inhibiting factors and obstacles that arose could also had been well managed by the company."