Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini adalah suatu studi untuk menentukan apakah M2 Piruvat Kinasedapat dipakai dalam menapis radang usus. Metode penelitian yang digunakanadalah uji diagnostik. Pada penelitian ini direkrut sampel sebanyak 76 orang dandilakukan pemeriksaan kolonoskopi sebagai baku emas dan pemeriksan M2-PKfeses sebagai pemeriksaan yang diuji.Dari hasil penelitian ini didapatkan peran penting M2 Piruvat Kinase untukmenapis radang usus dengan nilai titik potong 1,05 U/ml dibandingkan dengankolonoskopi sebagai baku emas dengan sensitivitas 86,2 %, spesifisitas 81,8%,nilai duga positif 96,6% dan nilai duga negatif 50%. Pemeriksaan M2 PiruvatKinase disarankan dari hasil studi ini untuk menapis radang usus pada pasiendengan masalah saluran cerna bagian bawah.

---

ABSTRACTThis is a study to evaluate possibility of M2-PK can be applied as a tool to screenof organic bowel inflammatory. Diagnostic test was used as a methode. In thisstudy 76 patient was recruited, colonoscopy was done as a gold standard and M2-PK faeces test was performed as a diagnostic test.As the result of this study, there is an important role of M2-PK test to screenorganic bowel inflammatory with cut off point >= 1.05 U/mL compared tocolonoscopy as a gold standard with sensitivity 86.2%, specificity 81,8%, positivepredictive value 96,6% and negative predictive value 50%. By this test result, it isstrongly recommended to performed M2-PK faeces test to screen organic bowelinflammatory."

"Penelitian ini bertujuan menganalisis pola hubungan antara suku bunga SBI-1 bulan, nilai tukar rupiah terhadap US$, inflasi dan money supply dalam arti luas (M2) dengan dana pihak ketiga dan pembiayaan dalam perbankan syariah. Dengan menggunakan Granger Causality Test, diketahui bahwa ada hubungan antara suku bunga SBI - 1 bulan dengan dana pihak ketiga. Kemudian, hasil uji tersebut diperkuat dengan hasil regresi model distribusi lag, di mana output-nya menunjukkan pengaruh yang sangat rendah di antara obyek penelitian ini. Persamaan tersebut memiliki koefisien determinasi yang sangat rendah dan tidak signifikannya variabel independen baik secara individu maupun secara bersama-sama. Meskipun hasil ini tidak diharapkan tetapi dalam kenyatannya nasabah masih mempertimbangkan suku bunga SBI-1 bulan untuk menabung di perbankan syariah. Sehingga, kesimpulan penelitian ini perlu ditanggapi secara hati-hati. Meskipun demikian, variabel ekonomi makro dengan perkembangan perbankan syariah tidak dapat diperbandingkan sebagaimana yang berkembang di masyarakat."

"Kondisi perekonomian selalu mengalami perubahan, dimana pada periode tertentu mengalami pertumbuhan yang pesat dan mengalami perlambatan pertumbuhan pada periode lainnya. Maka dari itu, Variabel ekonomi makro sebagai indikator dari perekonomian tersebut harus dijaga kestabilannya oleh pemerintah karena perubahannya dapat berdampak pada seluruh sektor perekonomian, tidak terkecuali perbankan syariah.Tesis ini bertujuan untuk mengetahui pengaruh variabel ekonomi makro dan equivalent rate terhadap pertumbuhan aset perbankan syariah di Indonesia (ceteris paribus). Variabel yang digunakan adalah pertumbuhan M2, pertumbuhan kurs, dan pertumbuhan GDP sebagai variabel makro serta equivalent rate. Faktor-faktor tersebut diperoleh melalui studi literatur, penelaahan terhadap teori, dan beberapa hasil penelitian yang telah dilakukan sebelumnya. Data yang digunakan dalam penelitian ini adalah data time series periode Maret 2004 sampai dengan September 2008. Data yang digunakan bersumber dari statistik perbankan syariah Bank Indonesia baik publikasi maupun non publikasi.Metode penelitian yang digunakan adalah regresi linier berganda karena metode ini dapat digunakan untuk melihat pengaruh dari variabel-variabel yang diteliti. Hasil penelitian ini menunjukkan bahwa pertumbuhan M2 dan pertumbuhan kurs secara signifikan mempengaruhi pertumbuhan aset perbankan syariah di Indonesia. Sedangkan pertumbuhan GDP dan equivalent rate tidak mempengaruhi secara signifikan.

---

The economic condition always changes. It can grow rapidly in certain period, while it also can grow slowly in some other period. Therefore, government should maintain the stability of macroeconomic variables as they become the indicator of economic condition. Changes in macroeconomic variables can impact the whole economic sectors, including the Islamic banking.This research is aimed to identify the influence of macroeconomics variables and equivalent rate to the Islamic banking assets growth in Indonesia (ceteris paribus). Variables used are M2 growth, exchange rate growth, GDP growth as macroeconomics variables, and also equivalent rate. These factors are obtained by carrying out literature study, exploring theories, and studying results of the previous researches. Data used in this research are time series data from March 2004 to September 2008. Data employed are taken from published and non-published Islamic Banking statistics announced by Bank Indonesia.Research method used in this study is Multi Linier Regression since this method is able to identify influence of the variables observed. The result of this research shows that M2 growth and exchange rate growth significantly influence the Islamic banking assets growth. But GDP growth and exchange rate growth do not significantly influence the islamic banking assets growth."

"Pada tahun 2009, flu babi kembali menyerang berbagai negara di dunia. Organisasi Kesehatan Dunia (WHO) menetapkan wabah virus influenza A H1N1 sebagai pandemi global pada 11 Juni 2009. Setidaknya ada sekitar 18.449 orang di seluruh dunia yang meninggal akibat serangan virus ini. Kemudian pada tanggal 10 Agustus 2010 Badan Kesehatan Dunia (WHO) secara resmi mengumumkan pandemi flu babi di dunia telah berakhir dan berganti menjadi fase post pandemic Fase post pandemic ini fase paling tepat untuk menemukan antiviral yang dapat mengatasi infeksi virus ini. Salah satu antiviral yang telah ada yaitu amantadine dan rimantadine dilaporkan telah mengalami resistansi. Oleh karena itu perlu ditemukan antiviral baru untuk menggantikan amantadine dan rimantadine sebagai inhibitor protein M2 channel virus influenza A H1N1. Belakangan dilaporkan bahwa senyawa (1R,2R,3R,5S)-(-)-isopinocampheylamine memiliki kemampuan untuk menginhibisi protein M2 channel virus influenza A H1N1. Pada penelitian ini akan dilakukan modifikasi (1R,2R,3R,5S)-(-)-isopinocampheylamine secara in silico untuk mendapatkan inhibitor yang lebih baik. Terhadap protein M2 channel, dilakukan docking dengan tiga inhibitor standar dan 52 inhibitor modifikasi, serta dilakukan drug scan terhadap modifikasi inhibitor. Hasil docking didapatkan 3 inhibitor modifikasi terbaik yang mempunyai afinitas ikatan dan potensi inhibisi yang lebih baik dibanding ligan standar. Berdasarkan analisa drug scan, inhibitor modifikasi mempunyai sifat farmakologi yang baik, ditunjukkan oleh nilai drug likeness, drug score, bioavailabilitas oral, dan toksisitas. ......In 2009, swine flu attacked various countries in the world. World Organization (WHO) set a pandemic of influenza A H1N1 virus as a global pandemic on June 11, 2009. At least there are approximately 18,449 people worldwide who die from this virus attack. Then on August 10, 2010 World Health Organization (WHO) officially announced the swine flu pandemic in the world has ended and changed into post-pandemic phase. Post-pandemic phase is the most appropriate phase to find antiviral that can overcome the infection with this virus. One of the existing antivirals amantadine and rimantadine are reported to have experienced resistance. Therefore it is necessary to find new antiviral to replace amantadine and rimantadine as the M2 channel protein inhibitor of influenza A H1N1 virus. Later it was reported that compound (1R, 2R, 3R, 5S )-(-)- isopinocampheylamine have the ability to inhibit channel M2 protein of influenza A H1N1 virus. This research will be modified (1R, 2R, 3R, 5S )-(-)-isopinocampheylamine in silico to obtain better inhibitors. Against the M2 protein channel, performed three inhibitor docking with standard and 52 inhibitors modifications, and also done a drug scan for modifications inhibitor. Docking results obtained three best binding affinity of modifications inhibitor and its potency of inhibition is much better than standard ligands. Based on drug analysis scan, the inhibitor of modification has a good pharmacological properties, indicated by the value of drug-likeness, drug score, oral bioavailability, and toxicity."

"Hal mendasar yang membedakan reksa dana syariah dengan reksa dana konvensional terletak pada pengelolaan portofolio investasinya. Reksa dana syariah melakukan screening process dan cleansing dari hal yang riba, dan hal lain yang diharamkan oleh Islam. Model pengolahan data dalam penelitian ini dilakukan dengan pendekatan indeks sharpe, treynor, jensen, appraisal ratio, m2 measure, dan t2 measure lalu membuat pemeringkatan kinerja reksa dana tersebut. Proses berikutnya membandingkan rata-rata kinerja reksa dana saham dan campuran konvensional dengan syariah untuk periode Januari 2012 sampai dengan April 2015 kemudian dilakukan analisis. Penelitian ini menggunakan data bulanan NAB/UP reksa dana, JII, IHSG, dan tingkat suku bunga SBI. Hasil penelitian menunjukkan bahwa kinerja reksa dana konvensional dan syariah selama periode tahun 2012-2015 tidak berbeda secara signifikan pada level α 5%.

---

The fundamental difference between Islamic and conventional mutual funds is the managing of their investment portfolio. Islamic mutual funds conducts screening process and cleansing from riba and any other elements that are forbidden by Islam. The data processing model of this research is done with sharpe, treynor, jensen index, appraisal ratio, m2 measure, and t2 measure approach, then the performance of the mutual funds is ranked. Next, the average of equity and balanced conventional mutual fund performance is compared and analyzed with Islamic mutual fund from January 2012 until April 2015 period. This research uses monthly data of NAB/UP mutual funds, JII, IHSG, and SBI interest rate. The result shows that the performance of conventional mutual funds and Islamic in 2012-2015 period are not significantly different at the α level of 5%."

"Jumlah produk reksa dana di Indonesia terus bertambah menunjukkan minat masyarakat yang tinggi untuk berinvestasi di reksa dana . Investor yang tidak memiliki cukup pengetahuan dan waktu untuk mengelola investasinya tidak perlu khawatir karena manajer investasi akan melaksanakan tugas manajemen reksadana. Namun, masih dibutuhkan pengetahuan reksadana yang baik untuk menganalisis produk. Penelitian ini membahas pola analisis kinerja reksa dana saham, reksadana pendapatan tetap, dan reksadana campuran di Indonesia dari tahun 2013 - 2017. Pengukuran kinerja dilakukan menggunakan pengukuran Sharpe, pengukuran Treynor, pengukuran Jensen, Appraisal, M², dan T² . Hasilnya menunjukkan bahwa tidak mudah untuk mempertahankan kinerja terbaik untuk setiap tahun memiliki kesamaan pada produk reksa dana tertentu. studi ini dilakukan untuk memberikan pandangan yang dapat membantu investor dalam memilih produk reksa dana yang tepat.......The number of mutual funds products in Indonesia continues to grow showing high interest of this investment instrument. Investors who don't have enough knowledge and time to manage his/her investment don't need to worry because investment manager will carry out the mutual fund management task. However, it still takes a good knowledge of mutual funds in order to analyze the product. This research discusses the performance analysis pattern of equity mutual fund, fixed-income mutual fund, and mixed mutual fund in Indonesia from 2013 – 2017. Performance measurement was conducted using Sharpe’s Measure, Treynor’s Measure, Jensen’s Measure, Appraisal Ratio, M² Measure, and T² Measure. The results show that it is not easy to maintain the best performance for each year have in common on certain mutual fund products. this study was conducted to provide a view that can help investors in choosing the right mutual fund products.

Kinerja, Reksa Dana Saham, Reksa Dana Campuran, Sharpe, Treynor, Jensen, Appratial Ratio, M², T²

 

"

"Baru-baru ini penyebaran virus influenza A subtipe H1N1 telah menjadi wabah pandemik dari virus influenza strain baru yang diidentifikasi pada bulan April 2009, yang sering kita sebut penyakit flu babi (swine flu). Protein M2 channel virus influenza A subtipe H1N1 merupakan target dari obat anti influenza amantadine dan rimantadine. Akan tetapi, kedua obat tersebut kehilangan 90% bioaktivitasnya karena mutasi virus yang terjadi selama dua puluh tahun belakangan ini. Terjadinya resistansi virus influenza A terhadap amantadine perlu dilakukan pengembangan obat antivirus adamantane-based drugs yang lebih efektif. Beberapa penelitian menggunakan metode molecular docking telah dilakukan untuk merancang dan menemukan ligan yang dapat berperan sebagai inhibitor potensial untuk protein M2 channel sehingga dapat menghambat replikasi virus influenza A. Pada penelitian ini dipelajari dan dievaluasi interaksi ligan terhadap enzim dalam keadaan terhidrasi menggunakan metode simulasi dinamika molekul pada dua temperatur berbeda. Analisis interaksi ligan menunjukkan bahwa ligan AM-L6-R6 merupakan ligan yang memiliki afinitas paling baik terhadap protein dibandingkan ligan T-R6-L6, T-L6-R12 dan standar. Ditunjukkan dengan interaksi ligan terhadap sisi aktif enzim yang tetap terbentuk selama simulasi dilakukan. Pada akhir simulasi temperatur 300 K, ligan AM-L6-R6 memiliki kontak residu dengan Arg45 dan berikatan hidrogen dengan Asp44. Kemudian pada akhir simulasi temperatur 312 K, ligan AM-L6-R6 dapat berikatan hidrogen dengan Asp44. Perubahan konformasi yang terjadi pada enzim memperlihatkan dinamisasi protein dalam pelarut dan adanya pengaruh kehadiran inhibitor. ......Recently, the outbreak of H1N1 influenza A virus is a pandemic of a new strain of influenza virus identified in April 2009, commonly referred to as 'swineflu'. M2 proton channel of H1N1 Influenza A virus is the target protein anti-flu drugs amantadine and rimantadine. However, the two once powerful adamantane-based drugs lost their 90% bioactivity because of mutations of virus in recent twenty years. The resistance of influenza A virus to amantadine need to develop more effective adamantane-based drugs. Several researchs by molecular docking method have been conducted to design and discover ligand which become potential inhibitors for the M2 channel protein of influenza virus in order to inhibit the replication of influenza virus. In this research was studied and evaluated the interaction of ligands towards the protein in the hydrated state using molecular dynamics simulations at two different temperatures. Analysis of ligand interaction yields that AM-L6-R6 ligand has best affinity towards the protein than the T-R6-L6, T-L6-R12 and the standard ligand. It is shown by the ligand interaction on the enzyme active site which remains to be formed during the simulation performed. At the end of simulation temperature of 300 K, AM-L6-R6 ligand has a residue contact with the Arg45 and formed hydrogen bond with Asp44. Then at the end of simulation temperature of 312 K, AM-L6-R6 ligands also could form a hydrogen bond with Asp44. Conformational changes of protein which occur during simulation showed the dynamicization of an protein in the presence of solvent and inhibitor."

"Tujuan dari penelitian ini adalah untuk mengetahui pengaruh dari perubahan variabel makro ekonomi terhadap kecukupan modal perbankan, yang diproksikan oleh Capital Adecuecy Ratio (CAR). Variabel makro yang digunakan dalam penelitian ini adalah BI rate, jumlah uang beredar dalam arti luas (M2), nilai kurs rupiah terhadap dollar Amerika Serikat, produk domstik bruto, inflasi, dan harga minyak dunia. Data yang digunakan dalam penenilitian ini adalah data sekunder yang dipublikasikan oleh Bank Indonesia dari Maret 2005 s/d Desember 2011. Pengolahan data dalam penelitian ini menggunakan teknik analisi regresi linear berganda menggunakan data time series. Hasil dari pegolahan data menunjukkan bahwa variabel mikro yang paling berpengaruh terhadap CAR adalah jumlah uang beredar (M2).

---

This research is aimed to identify the influence of macro economic variables to Capital Adequecy Ratio of Conventional Baning, which is proxide by CAR. The Macro variables used are rate of certified of Bak Indonesia, the money supply (M2), inflation, the exchange rate of rupiah to dollar US, and crued oil price. Data used in this research is secondary data, and data are taken from published banking statistic announced by Bank Indonesia from March 2005 to December 2011. Research method used in this study is Multi linear regression and used time series data. The result of this research shows that M2 significantly influence to CAR."

"

Grammatical Error Correction (GEC) merupakan bagian dari Natural Language Processing yang membahas suatu task untuk mendeteksi dan setelahnya mengoreksi suatu teks. Pekerjaan tersebut mencakup pendeteksian dan pengoreksian kesalahan tata bahasa, kesalahan ortografi, dan semantik. Perkembangan GEC untuk bahasa Indonesia terkendala oleh sedikitnya dataset yang dapat digunakan untuk melatih model GEC. Penelitian ini mengusulkan pendekatan rule-based untuk membangun sebuah dataset sintetik yang mengandung kalimat salah secara tata bahasa baku bahasa Indonesia beserta koreksinya. Hal tersebut dapat dilakukan dengan memanfaatkan kamus tesaurus bahasa Indonesia dan alat bantuan NLP seperti tokenizer, part-of-speech tagger, morphological analyzer, dan dependency parser untuk mengekstrak informasi konteks dari kalimat. Kumpulan data sintetik dibangkitkan dengan menggunakan kalimat yang benar secara tata bahasa dari halaman0halaman situs Wikipedia sebagai kalimat input. Dataset ini menyediakan data dalam dua format yang berbeda, yaitu dalam format M2 dan dalam bentuk pasangan kalimat salah dan benar. Pembangkitan kesalahan tata bahasa akan memiliki 17 kemungkinan jenis kesalahan tata bahasa yang berbeda dengan total 16.898 kalimat salah yang dibentuk. Pengujian Gramatika dilakukan dengan melakukan evaluasi secara manual mengenai ketepatan pembangkitan tiap kesalahan pada kalimat. Pengujian manual dilakukan dengan melakukan stratified random sampling untuk mengambil sampel 100 kalimat. Sampel tersebut minimal memiliki 5 contoh untuk setiap jenis kesalahan tata bahasa. Dari pengevaluasian yang dilalukan oleh dua penguji, didapatkan nilai accuracy sebesar 91,1%.

---

Grammatical Error Correction (GEC) is a part of Natural Language Processing which deals with the task of detecting and correcting a text. This includes correcting grammatical errors, semantic errors, and orthographic errors. GEC development in Indonesian language has been hindered by the lack of suitable dataset that can be used to train GEC models. This research proposes a rule-based approach to develop a synthetic dataset that contains sentences in Indonesian with grammar errors and its corresponding corrections. It’s done with the help of dictionaries such as Indonesian thesaurus and NLP tools such as a tokenizer, part of speech tagger, morphological analyzer, and dependency parser to extract contextual information of sentences. The synthetic dataset is generated by using grammatically correct sentences from Wikipedia pages as the input. The resulting dataset is formatted to M2 format and pairs of correct and false sentences, containing 17 types of errors with a total of 16.898 sentences. The evaluation of Gramatika is done by manually assessing the accuracy of the sentence modifications. To do this, stratified random sampling is conducted to select 100 sentences with a minimum of 5 examples for each error type. From the manual evaluation by two evaluators, an average accuracy score of 91.1% is obtained.

"

"Grammatical Error Correction (GEC) merupakan bagian dari Natural Language Processing yang membahas suatu task untuk mendeteksi dan setelahnya mengoreksi suatu teks. Pekerjaan tersebut mencakup pendeteksian dan pengoreksian kesalahan tata bahasa, kesalahan ortografi, dan semantik. Perkembangan GEC untuk bahasa Indonesia terkendala oleh sedikitnya dataset yang dapat digunakan untuk melatih model GEC. Penelitian ini mengusulkan pendekatan rule-based untuk membangun sebuah dataset sintetik yang mengandung kalimat salah secara tata bahasa baku bahasa Indonesia beserta koreksinya. Hal tersebut dapat dilakukan dengan memanfaatkan kamus tesaurus bahasa Indonesia dan alat bantuan NLP seperti tokenizer, part-of-speech tagger, morphological analyzer, dan dependency parser untuk mengekstrak informasi konteks dari kalimat. Kumpulan data sintetik dibangkitkan dengan menggunakan kalimat yang benar secara tata bahasa dari halaman0halaman situs Wikipedia sebagai kalimat input. Dataset ini menyediakan data dalam dua format yang berbeda, yaitu dalam format M2 dan dalam bentuk pasangan kalimat salah dan benar. Pembangkitan kesalahan tata bahasa akan memiliki 17 kemungkinan jenis kesalahan tata bahasa yang berbeda dengan total 16.898 kalimat salah yang dibentuk. Pengujian Gramatika dilakukan dengan melakukan evaluasi secara manual mengenai ketepatan pembangkitan tiap kesalahan pada kalimat. Pengujian manual dilakukan dengan melakukan stratified random sampling untuk mengambil sampel 100 kalimat. Sampel tersebut minimal memiliki 5 contoh untuk setiap jenis kesalahan tata bahasa. Dari pengevaluasian yang dilalukan oleh dua penguji, didapatkan nilai accuracy sebesar 91,1%.......Grammatical Error Correction (GEC) is a part of Natural Language Processing which deals with the task of detecting and correcting a text. This includes correcting grammatical errors, semantic errors, and orthographic errors. GEC development in Indonesian language has been hindered by the lack of suitable dataset that can be used to train GEC models. This research proposes a rule-based approach to develop a synthetic dataset that contains sentences in Indonesian with grammar errors and its corresponding corrections. It’s done with the help of dictionaries such as Indonesian thesaurus and NLP tools such as a tokenizer, part of speech tagger, morphological analyzer, and dependency parser to extract contextual information of sentences. The synthetic dataset is generated by using grammatically correct sentences from Wikipedia pages as the input. The resulting dataset is formatted to M2 format and pairs of correct and false sentences, containing 17 types of errors with a total of 16.898 sentences. The evaluation of Gramatika is done by manually assessing the accuracy of the sentence modifications. To do this, stratified random sampling is conducted to select 100 sentences with a minimum of 5 examples for each error type. From the manual evaluation by two evaluators, an average accuracy score of 91.1% is obtained."