Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pemodelan runtun waktu banyak digunakan dalam berbagai bidang seperti keuangan, kesehatan, dan asuransi. Model runtun waktu yang sering digunakan adalah model runtun waktu kontinu. Akan tetapi di dunia nyata, diperlukan model runtun waktu yang bisa memodelkan data diskrit. Model INAR(1) adalah salah satu model runtun waktu yang bisa menangani data diskrit dengan asumsi inovasi atau error berdistribusi Poisson. Namun, distribusi Poisson mempunyai mean yang sama dengan variansinya sehingga distribusi Poisson memiliki asumsi equidispersi. Hal ini membatasi fleksibilitas model runtun waktu yang dapat dikonstruksi untuk data diskrit karena bisa terjadi overdispersi. Dalam artikel ini dikonstruksi sebuah model yang dapat mengatasi masalah overdispersi, yaitu model BL-INAR (1), yang merupakan model INAR(1) dengan inovasi yang berdistribusi Bell serta sifat dari model BL-INAR(1). Distribusi Bell adalah distribusi yang menggunakan satu parameter dengan basis ekspansi deret dari bilangan Bell. Parameter model BL-INAR(1) diestimasi menggunakan metode Conditional Least Squares. Model BL-INAR(1) selanjutnya diimplementasikan pada data mogok kerja di Amerika Serikat. ......Time series models are used frequently in other field such as finance, medicine, and insurance. Models that were often used for time series are continuous time series models. Nonetheless, time series models that can handle discrete data are also needed. INAR(1) is one example of time series models that is able to deal with discrete data and its innovation are using Poisson distribution. However, Poisson distribution has a mean of same value with its variance which means Poisson distribution assumed equidispersion. This assumption limits the flexibility of time series models that can be built because overdispersion happen often in time series. In this paper, we will analyse a model that will solve overdispersion, BL-INAR(1)model which is an INAR(1) model with Bell inovations. Bell distribution is a distribution that use one parameter with the basis of series expansion of Bell numbers. Parameters of BL-INAR(1) model will be estimated using Conditional Least Squares. As an example, BL-INAR(1) model will be tested using strikes data in United States.

Abstrak :
Penurunan harga batu bara menyebabkan perusahaan pertambangan mengalami kesulitan untuk meningkatkan keuntungan. Salah satu cara yang dapat dilakukan untuk dapat mengambil keuntungan adalah dengan menurunkan biaya operasional. Pada proyek pertambangan, alat produksi pengantar material berkontribusi besar dalam tingginya biaya operasional, terutama dump truck sebagai alat yang berperan penting dalam transportasi material. Namun, upaya menurunkan biaya penggunaan dump truck mengalami kendala akibat dari penjadwalan operasi dump truck yang belum optimal dan masih menggunakan cara konvensional. Sehingga, penelitian ini bertujuan untuk mengoptimalkan kerja dump truck dengan menentukan jumlah dan jenis dump truck yang digunakan serta alokasi waktu operasi pada masing-masing dump truck setiap bulannya. Optimalisasi pekerjaan dump truck dilakukan dengan membentuk model matematis untuk meminimumkan biaya penggunaan dump truck. Metode yang digunakan dalam penelitian ini adalah Mixed Integer Linear Programming (MILP) dengan bantuan perangkat lunak LINGO 18. Hasil penelitian berupa penjadwalan dump truck selama satu tahun dalam bentuk alokasi waktu operasi setiap bulannya. Optimasi model penjadwalan dump truck dapat meminimumkan biaya sebesar Rp2.530.490.039,51 atau melakukan penghematan sebesar 3,19%. ......The degradation of coal prices caused the mining industry to face difficulty in increasing its profit. Reducing operational costs is a way a company could do to gain profit while the revenue is stagnant. In a mining project, material haulage equipment has a big contribution on operational cost, especially dump truck that plays a significant role in transporting material. However, the conventional method of scheduling the dump truck operation interferes the effort to reduce dump truck operational costs. Thus, the study aims to optimize dump truck operation by deciding the number and types of dump trucks, also the monthly allocation of dump truck operation time. A mathematical model was developed to optimize dump truck operation that leads to minimizing dump truck operation cost. This research method is Mixed Integer Linear Programming (MILP) with the support of LINGO 18 software. The result of this study is a one-year schedule of dump truck operation in the form of monthly allocation time operation. The optimization of the dump truck operational schedule reduced cost by Rp2.530.490.039,51 or save money by 3,19%.