Hasil Pencarian  ::  Simpan CSV :: Kembali

"RINGKASAN EKSEKUTIF Metode analisis harga saham ada dua yaitu analisis fundamental dan analisis teknik. Investor dengan berbagai motif membeli saham dapat melakukan analisis harga saham dengan mempergunakan kedua analisis secara bersamaan. Metode analisis fundamental dapat dilakukan dengan urutan analisis sebagai berikut a. Analisis rasio keuangan. b. Analisis produktifitas c. Analisis posisi perusahaan di industrinya. d. Analisis teknologi atau sistem operasi. e. Analisis manejemen dan sumber daya manusia. f. Public responsibility. Analisis teknis dapat dilakukan dengan membuat formulasi model penentuan daerah kritis harga saham menggunakan metode Box - Jenkins. Prosedur dari metoda ini dilakukan dengan tahapan: 1. Tahap identifikasi. 2. Tahap estimasi parameter. 3. Tahap uji diagnostik. 4. Tahap peramalan. Keuntungan metode ini adalah: a. Dapat mengidentifikasikan pola deret waktu harga saham. b. Dapat membuat ramalan harga saham dimasa mendatang baik peramalan jangka pendek (harian) maupun jangka panjang. c. Dapat mengidentifikasikan daerah dimana investor disarankan untuk menjual saham dengan acuan batas atas harga saham dan daerah dimana investor disarankan untuk membeli saham dengan acuan batas bawah harga saham. Alternatif-alternatif yang terjadi adalah sebagai berikut: 1. Apabila harga saham disekitar garis peramalan maka investor disarankan menunggu perkembangan, jadi pilihannya boleh membeli atau tidak membeli saham. 2. Apabila harga saham disekitar batas atas atau di atas batas atas maka investor disarankan untuk menjual sahamnya. 3. Apabila harga saham disekitas batas bawah atau dibawah batas bawah maka investor disarankan untuk membeli saham Untuk mengimplementasikan model yang dibangun, maka dilakukan pemrosesan data harga saham perbankan yang telah terdaftar di Bursa Efek Jakarta. Dibawah hipotesa hasil analisis fundamental akan sama dengan hasil analisis teknis, maka perbandingan kedua analisis dari industri perbankan adalah sebagai berikut: a. Analisis fundamental Bank-bank yang di rekomendasi baik adalah 1. BDNI 2. Bank Niaga. 3. Panin Bank. Sedangkan untuk bank lainya direkomendasikan untuk menunggu perkembangan lebih lanjut. b. Analisis teknis. Bank - bank yang direkomendasikan harganya cenderung naik adalah 1. BDNI 2. BII 3. Bank Danamon Berdasarkan perbandingan kedua analisis diatas maka BDNI merupakan bank yang oleh kedua analisis dinilai balk, Bank Bali, BUN, Bank Duta, Lippo Bank oleh kedua metode analisis disarankan untuk mengamati situasi lebih lanjut. Terdapat perbedaan penilaian antara analisis teknik dan fundamental terhadap Bank Niaga, Panin Bank dan Bank Danamon. Untuk Bank Danamon dapat dijelaskan bahwa volume transaksi untuk bulan terakhir relatif kecil oleh sebab itu disarankan untuk mengamati perkembangan lebih lanjut, jika volume transaksi tetap kecil maka lebih baik menunggu perkembangan dan disarankan untuk tidak melakukan transaksi terlebih dahulu. Untuk Bank Niaga dan Panin Bank oleh analisis fundamental direkomendasi baik sedang analisis teknis Box-Jenkins menunjukkan bahwa harga saham kedua bank tersebut cenderung menurun selama masa perama1an (12 hari), oleh sebab itu tindakan yang dapat disarankan bagi investor adalah sebaiknya investor menjual harga saham atau tidak membeli sampai situasi dimana analisis teknis memberikan informasi harga mulai cenderung naik, karena berdasarkan analisis fundamental menunjukkan bahwa Bank Niaga dan Panin Bank mempunyai penilaian yang baik sehingga dalam jangka panjang kedua bank ini akan dapat memberikan dividen atau capital gain yang besar. Dengan demikian dapat dilihat penggunaan kedua analisis secara bersamaan yang satu sama lainnya saling mengisi. "

"Energi matahari adalah salah satu energi terbarukan dengan potensi besar di negara tropis termasuk Indonesia. Pemanenan energi surya melalui sistem fotovoltaik memiliki tantangan besar karena intermittency dan ketidakpastian serta tidak tersedianya data yang diukur di setiap lokasi. Tujuan dari penelitian ini adalah untuk meramalkan radiasi matahari di lokasi tertentu dengan menggunakan model ASHRAE Clear-Sky dan informasi cuaca lokal melalui algoritma Jaringan Syaraf Tiruan (JST). Model ASHRAE Clear-Sky digunakan sebagai dasar penyinaran maksimum yang akan dikalibrasi dengan mempertimbangkan informasi cuaca setempat. Model peramalan dikembangkan dengan menggunakan algoritma backpropagation dari JST. Metode yang diusulkan disimulasikan di Departemen Teknik Elektro Fakultas Teknik, Universitas Indonesia. Hasil penelitian menunjukkan bahwa metode yang diusulkan dapat memberikan estimasi akurat dari penyinaran matahari dengan rata-rata kesalahan absolut dalam tiga hari yang berbeda adalah 58,30."

"Peramalan merupakan bagian dari pengelolaan permintaan sebagai fungsi dalam perencanaan produksi sehingga dapat berguna dalam memberikan gambaran kegiatan produksi yang akan dilaksanakan. Tujuan dari penelitian ini adalah untuk memperoleh model peramalan yang akurat guna memproyeksikan permintaan produk sebagai fungsi dari perencanaan produksi. Oleh karena peramalan tidak mutlak benar dan akurat, pendekatan kesalahan peramalan merupakan kunci utama untuk menetapkan penentuan tingkat persediaan minimum (safety stock). Sehingga peramalan permintaan dapat diprediksi dan jumlah persediaan dapat ditentukan guna mengantisipasi jumlah permintaan yang variatif dan fluktuatif. Menggunakan analisis runtun waktu dengan metode ARIMA, didapatkanlah model peramalan permintaan dimana kesalahan peramalan turun hingga 19%.

---

Forecasting is part of demand management as production planning functions that could be useful in giving the description of production activities to be carried out. The purpose of this research is to obtain an accurate forecasting model to project the demand for the product as a function of production planning. Because forecasting is not absolutely true and accurate, the forecast error approach is a key to determine the set minimum inventory levels (safety stock). Thus the forecast demand can be predicted and the amount of inventory can be determined to anticipate the number of variety and fluctuative demand. Using time series analysis with ARIMA method, it is concluded that the demand forecasting model in which the forecast error falls to 19%."

"Permasalahan pencemaran udara memiliki urgensi yang tinggi karena telah menjadi penyebab dari sebagian besar beban kesehatan di seluruh dunia yang diketahui menjadi penyebab dari sekitar 7.000.000 kematian dini per tahun akibat berbagai airborne diseases dan penyakit degeneratif. Penelitian bertujuan untuk mengetahui tren dan dampak kesehatan dari kualitas udara ambien di Provinsi DKI Jakarta pada tahun 2019—2023. Desain studi ekologi time series digunakan untuk mengetahui tren dan hubungan antarvariabel dari tahun ke tahun menggunakan data sekunder. Hasil penelitian menunjukkan adanya tren fluktuatif dengan adanya konsentrasi SO2 dan PM10 yang melebihi baku mutu dan terjadinya penurunan jumlah kasus pneumonia, TB paru BTA (+), dan hipertensi pada awal pandemi COVID-19. Korelasi positif antara PM10 dengan TB paru BTA (+) didapatkan pada tahun 2019. Di sisi lain, SO2 dengan TB paru BTA (+) dan hipertensi serta PM10 dengan pneumonia menghasilkan adanya variasi arah korelasi dalam hubungan antara kedua variabel dari tahun ke tahun. Dampak kesehatan terhadap kualitas udara ambien memiliki hasil korelasi berbeda yang bergantung terhadap jenis dampak kesehatan yang dipengaruhi oleh dosis paparan serta interaksi dengan faktor-faktor risiko lain seperti variabilitas epidemiologis. Dengan ini, diperlukan upaya pengendalian pencemaran udara, optimalisasi surveilans penyakit, serta variabel epidemiologis yang berkemungkinan berperan dalam mempengaruhi hubungan antarvariabel.

---

Air pollution issues has become cause of the health burden worldwide, with approximately 7,000,000 premature deaths per year due to various airborne diseases and degenerative diseases. This study aimed to determine trends and health impacts of ambient air quality in DKI Jakarta in 2019-2023. Using secondary data, an ecological time series design was implemented to determine trends and relationships between variables from year to year. The results showed a fluctuating trend, especially with SO2 and PM10 concentrations known to exceed the quality standards. A decrease in pneumonia, AFB (+) pulmonary TB, and hypertension cases also happened at the beginning of the COVID-19 pandemic. A positive correlation between PM10 and AFB (+) pulmonary TB was found in 2019, while SO2 with AFB (+) pulmonary TB and hypertension and PM10 with pneumonia resulted variations in the direction between the two correlations of variables from year to year. The health impacts of ambient air quality have different correlation results depending on the diseases influenced by exposure dose and interactions with other risk factors, such as epidemiological variability. This requires air pollution control and optimization of disease surveillance. The result suggests that epidemiological variables may play a role in influencing the relationship between variables."