Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Salah satu asumsi penting dari model regresi linier adalah bahwa kesalahan (error) tidak berkorelasi. Jika kesalahan pada satu pengamatan berkorelasi dengan pengamatan sebelumnya maka asumsi ini dilanggar. Pelanggaran ini disebut dengan Autokorelasi. Timbulnya masalah autokorelasi mengakibatkan penaksiran parameter dengan metode kuadrat terkecil tidak lagi memenuhi Teorema Gauss-Markov. Untuk model autoregresif tingkat satu masalah autokorelasi dideteksi dengan menggunakan uji Durbin-Watson dan kemudian diselesaikan dengan Iterasi Cochrane-Orcutt.

Abstrak :
Beberapa penelitian mengenai distribusi tingkat pengembalian menyatakan bahwa distribusi tingkat pengembalian memiliki modus yang lebih runcing dan ekor distribusi yang lebih gemuk dari distribusi normal. Honglin, Hong dan Yong (2013) melakukan pengacakan pada urutan nilai tanda dan nilai mutlak dari tingkat pengembalian untuk mengetahui pengaruh autokorelasi pada distribusi tingkat pengembalian sehingga didapat runtun waktu baru Shuffling Sign Value Series (SSVS) yaitu runtun waktu yang didapat dari hasil pengacakan urutan dari nilai tanda, tetapi tetap mempertahankan urutan nilai mutlaknya, Shuffling Absolute Value Series (SAVS) yaitu runtun waktu yang didapat dari hasil pengacakan urutan dari nilai mutlak, tetapi tetap mempertahankan urutan nilai tandanya, dan Shuffling Sign Absolute Value Series (SSAVS) yaitu runtun waktu yang didapatkan dengan melakukan pengacakan urutan baik pada nilai tanda maupun nilai mutlaknya. Menurut Honglin, Hon dan Yong (2013), skala waktu juga mempengaruhi bentuk dari distribusi tingkat pengembalian. Dalam tugas akhir ini akan dibahas mengenai pengaruh autokorelasi dan skala waktu pada distribusi tingkat pengembalian dengan menggunakan data dari Shanghai Composite Index.

---

Some researches about return distribution concluded that return distribution has more sharp on mode and more fat on tail than normal distribution. Honglin, Hong and Yong (2013) tried to disorder the sign and absolute value of return distribution to figure out the effect of autocorrelation in return distribution so that it will create some new series, which are, Shuffling Sign Value Series (SSVS) is a series that obtained by disordering the sign value of return but preserving the order of absolute value of return, Shuffling Absolute Value Series (SAVS) is a series that obtained by disordering the absolute value of return but preserving the order of sign value of return, and Shuffling Sign Absolute Value Series (SSAVS) is a series that obtained by disordering both the sign value and the absolute of return. Honglin, Hong and Yong (2013) also concluded that time scale has an impact in return distribution. This paper will be discussed about the effect of autocorrelation and time scale in return distribution by using Shanghai Composite Index data.

Abstrak :
Tugas akhir ini bertujuan untuk memperkenalkan model runtun waktu Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH), kemudian menggabungkannya dengan model runtun waktu stasioner yaitu model Autoregressive Moving Average (ARMA), menjadi model ARMA-ARCH atau ARMA-GARCH. Model ini akan dapat menangkap adanya fenomena pengelompokan volatilitas yang seringkali terjadi pada data runtun waktu finansial. Selain itu akan dijelaskan karakteristiknya, diantaranya adalah sifat kestasioneran dan fungsi autokorelasi, kemudian diperlihatkan berbagai simulasinya.

Abstrak :
Putus sekolah merupakan permasalahan yang terjadi di berbagai wilayah Indonesia pada seluruh jenjang pendidikan, termasuk jenjang pendidikan SMA. Provinsi Nusa Tenggara Timur (NTT) merupakan salah satu wilayah yang mengalami masalah putus sekolah jenjang pendidikan SMA. Pada tahun ajaran 2019/2020 hingga 2021/2022, Provinsi NTT selalu menduduki peringkat 9 besar untuk angka putus sekolah jenjang pendidikan SMA tertinggi di Indonesia. Selain itu, pada tahun ajaran 2019/2020 dan 2021/2022 angka putus sekolah jenjang pendidikan SMA di Provinsi NTT berada di atas angka putus sekolah jenjang pendidikan SMA se-Indonesia. Hal ini terjadi, meskipun Provinsi NTT memiliki fasilitas pendidikan dan tenaga pendidik SMA yang memadai. Putus sekolah merupakan permasalahan yang dapat dipengaruhi oleh unsur wilayah (spasial) dan tidak terjadi pada satu waktu saja, sehingga dibutuhkan penelitian yang dapat mengakomodir pengaruh spasial dalam beberapa waktu yaitu dengan penggunaan data spasial berstruktur panel. Penggunaan data tersebut memungkinkan adanya pengaruh spasial berupa heterogenitas spasial. Analisis regresi merupakan metode untuk menjelaskan pengaruh variabel independen terhadap variabel dependen. Geographically Weighted Panel Regression (GWPR) merupakan metode analisis regresi bersifat lokal yang memperhatikan adanya pengaruh heterogenitas spasial pada data spasial berstruktur panel. Oleh karena itu, penelitian ini bertujuan untuk menganalisis faktor – faktor yang menjelaskan angka putus sekolah jenjang pendidikan SMA di Provinsi NTT pada tahun 2019-2021 menggunakan GWPR. Berdasarkan pengujian heterogenitas spasial didapatkan bahwa terdapat heterogenitas spasial, sehingga dilakukan analisis lebih lanjut menggunakan GWPR. Model GWPR dibentuk dengan fungsi pembobot kernel Fixed Boxcar, Fixed Bisquare, Fixed Gaussian, Fixed Tricube, Fixed Exponential, Adaptive Boxcar, Adaptive Bisquare, Adaptive Gaussian, Adaptive Tricube dan Adaptive Exponential. Hasil penelitian menunjukkan model GWPR dengan fungsi pembobot kernel Fixed Exponential merupakan model terbaik dalam memodelkan data putus sekolah di Provinsi NTT pada tahun 2019-2021 dengan sebesar 0,9999852 dan AIC sebesar -585,1535. Kepadatan penduduk, rasio murid dan guru, upah minimum regional, tingkat pengangguran terbuka, rasio murid terhadap sekolah, rata-rata lama sekolah, dan anggaran Program Indonesia Pintar berpengaruh signifikan dalam menjelaskan angka putus sekolah jenjang pendidikan SMA pada minimal 21 kabupaten/kota di Provinsi NTT. Pengelompokkan kabupaten/kota berdasarkan variabel yang berpengaruh signifikan terhadap angka putus sekolah jenjang pendidikan SMA menggunakan k-modes clustering menghasilkan 4 kelompok di mana pada kelompok pertama, kedua, dan ketiga terdiri dari 1 anggota, dan kelompok keempat terdiri dari 19 anggota kabupaten/kota. ......Dropping out of school is a problem that occurs in various regions of Indonesia at all levels of education, including high school education. The province of East Nusa Tenggara (NTT) is one of the areas experiencing the problem of dropping out of high school education. In the academic year 2019/2020 to 2021/2022, the Province of NTT has always been ranked in the top 9 for the highest high school dropout rate in Indonesia. In addition, in the 2019/2020 and 2021/2022 school years the high school dropout rate in NTT Province is greater than the high school dropout rate throughout Indonesia. This happened, even though the Province of NTT had adequate educational facilities and high school teaching staff. Dropping out of school is a problem that can be influenced by regional (spatial) elements and does not occur at one time, so research is needed that can accommodate spatial influences over time, namely by using panel-structured spatial data. The use of these data allows for spatial influences in the form of spatial heterogeneity. Regression analysis is a method for explaining the effect of the independent variables on the dependent variable. Geographically Weighted Panel Regression (GWPR) is a local regression analysis method that considers the effect of spatial heterogeneity on panel-structured spatial data. Therefore, this study aims to analyze the factors that explain the high school dropout rate in NTT Province in 2019-2021 using the GWPR. Based on the spatial heterogeneity test, it was found that there was spatial heterogeneity, so further analysis was carried out using the GWPR. The GWPR model is formed with the Fixed Boxcar, Fixed Bisquare, Fixed Gaussian, Fixed Tricube, Fixed Exponential, Adaptive Boxcar, Adaptive Bisquare, Adaptive Gaussian, Adaptive Tricube and Adaptive Exponential kernel weighting functions. The results showed that the GWPR model with the Fixed Exponential kernel weighting function was the best model for modeling dropout data in the Province of NTT in 2019-2021 with an of 0.9999852 and an AIC of -585.1535. Population density, student-teacher ratio, regional minimum wage, open unemployment rate, student-to-school ratio, average length of schooling, and Indonesia Pintar Program budget have a significant effect on explaining the high school dropout rate in at least 21 districts/cities in the province NTT. District/city grouping based on variables that have a significant effect on high school dropout rates using k-modes clustering produces 4 groups where the first, second, and third groups consist of 1 member, and the fourth group consists of 19 district/city members.

Abstrak :
Kota Surabaya memiliki potensi bahaya amplifikasi yang disebabkan dari aktifitas tektonik akibat adanya dua segmen Sesar Kendeng yaitu Segmen Surabaya dan Segmen Waru. Penelitian ini dilakukan di bagian barat Kota Surabaya dengan menerapkan metode mikrotremor array yaitu Autokorelasi Spasial (SPAC), dengan delapan titik tengah (base) yang telah ditentukan. Tujuan dari penelitian ini adalah untuk menggambarkan kondisi struktur batuan bawah permukaan di bagian barat Kota Surabaya yang berpotensi menyebabkan amplifikasi menggunakan metode mikrotremor array. Data yang digunakan dalam penelitian ini merupakan data primer hasil akuisisi lapangan dengan metode mikrotremor array konfigurasi equilateral triangle yang dikumpulkan oleh BMKG pada tahun 2020 dan 2023. Metode SPAC memanfaatkan korelasi spasial antara kecepatan gelombang mikrotremor pada berbagai titik pengamatan untuk mengidentifikasi struktur bawah permukaan. Metode SPAC mampu menunjukkan variasi nilai kecepatan gelombang geser (Vs) dan kedalaman bedrock engineering di setiap titik pengamatan. Hasil penelitian menunjukkan bahwa metode mikrotremor array dengan konfigurasi equilateral triangle efektif digunakan untuk mengestimasikan struktur bawah permukaan di bagian barat Surabaya, yaitu struktur perlipatan antiklin sinklin, serta identifikasi awal adanya sesar naik yang merupakan mekanisme dari Sesar Kendeng Segmen Surabaya. ......Surabaya city faces potential amplification hazards due to tectonic activities resulting from the presence of two Kendeng Fault segments, namely the Surabaya Segment and the Waru Segment. This study was conducted in the western part of Surabaya city, employing the microtremor array method, specifically Spatial Autocorrelation (SPAC), with eight predetermined base points. The objective of this research is to depict the subsurface rock structure conditions in the western part of Surabaya that may lead to amplification using the microtremor array method. The data utilized in this study are primary field acquisition results with the equilateral triangle configuration of the microtremor array, collected by BMKG in 2020 and 2023. The SPAC method leverages spatial correlation between microtremor wave velocities at various observation points to identify subsurface structures. The SPAC method is capable of indicating variations in shear wave velocity (Vs) values and bedrock engineering depth at each observation point. Research findings reveal that the microtremor array method with an equilateral triangle configuration is effective in estimating subsurface structures in the western part of Surabaya, specifically, anticline syncline folding structures, and provides an initial identification of an reverse fault, which is a mechanism of the Surabaya Segment of the Kendeng Fault.