Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK Semakin meningkatnya kebutuhan masyarakat pada energi semakin mendorong berkembangnya teori manajemen permintaan energi. Indonesia sebagai negarayang mengalami peningkatan kebutuhan konsumsi premium masih membutuhkan perbaikan dalam tata kelolakebijakan energinya. Salahsatunya dalam melakukan peramalan. Oleh karena itu,Dibutuhkan suatu cara agar dapat melakukan peramalan konsumsi BBM premium di Indonesia.Dalam penelitian ini, peramalan dilakukandengan dua cara. Yaitu dengan menggunakan Multi Linear Regrresi dan Neural network. Hasil yang didapat menunjukkan bahwa metode Multi linear regresi memperoleh keakuratan yang lebih baik dibanding Neural network.

---

ABSTRACT The increasing of energy consumption encouraging the development of energy demand management theory. Indonesia as a country which have increasing consumption premium fuel in few years is need to improve their energy policy, especially in forecasting. Therefore, there are need a methode to forecast premium demand in Indonesia. In this research, forecasting is done with using Multi Linear Regression and Neural Network. The result is the accuration of Multi Linear Regression methode better than the accuration of Neural network methode.

Abstrak :
ABSTRAK
Integrasi data seismik dan log sumur dilakukan pada dataset lapangan Blackfoot untuk mengidentifikasi penyebaran litologi dan porositas pada zona target reservoar tipis di lapangan ini. Integrasi dilakukan menggunakan analisa inversi dan multi-atribut seismik. Dengan inversi seismik, tras seismik dapat diubah menjadi volume impedansi akustik yang kemudian dikonversikan menjadi porositas dengan suatu asumsi sedangkan dengan multiatribut seismik, volume porositas dapat diprediksi dengan transformasi linier dan non-linier antara properti log sumur dengan serangkaian atribut seismik. Tiga jenis metoda inversi impedansi akustik diterapkan pada dataset yaitu inversi rekursif, linear programming sparse-spike (LPSS) dan model-based. Hasil inversi kemudian dibandingkan satu sama lain melalui parameter cross correlation dan error log. Hasil dari inversi yang berbeda-beda ini secara konsisten menunjukkan reservoar dengan impedansi rendah didalam channel pada kedalaman kurang lebih 1060ms pada domain waktu. Inversi berbasiskan model menunjukkan pencitraan yang lebih baik dan koefisien korelasi yang paling tinggi (99.8%) dibandingkan kedua jenis inversi lainnya. Karenanya, hasil inversi impedansi akustik modelbased ini kemudian digunakan sebagai atribut eksternal pada analisa multi-atribut. Volume pseudo porositas dibuat dari fungsi regresi dari crossplot hubungan impedansi akustik hasil inversi dengan log porositas yang tersedia pada setiap sumur. Analisa multi-atribut digunakan untuk menghasilkan transformasi linier maupun non-linier antara properti log sumur?dalam hal ini adalah log impedansi akustik, densitas dan porositas?dengan serangkaian atribut seismik. Untuk model linier, dipilih transformasi pembobotan linear step-wise regression (SWR) yang diperoleh dari minimisasi least-square. Untuk mode non-linier probabilistic neural networks (PNN) di-training menggunakan atribut pilihan dari transformasi SWR sebagai input. PNN dipilih sebagai network yang akan diterapkan pada dataset karena umumnya menunjukkan korelasi yang lebih baik dan mempunyai algoritma matematis yang lebih sederhana.

---

Abstract
Integration of seismic and well log data of Blackfoot field dataset was conducted to identify the distribution of lithology and porosity of an interest thin reservoir zone in this field. The integration has been done using seismic and multiattribute analyses. With seismic inversion, seismic trace can be changed into acoustic impedance which represent the physical property of the reservoir layer and then converted to be a porosity volume. With seismic multiattribute, log property volumes are predicted using linear or non-linear transformations between log properties and a set of seismic atrributes. Three types of seismic inversion have been applied to the dataset i.e. recursive inversion, linear programming sparse-spike (LPSS) inversion and model-based inversion. The results then were compared each other through cross correlation and error log parameters. The difference inversion results show clearly the reservoir with its related low impedance within a channel at the depth of 1550m or moreless at 1060ms in time domain. The model-based inversion result shows smoothed image and the highest correlation coefficient (99.8%) compared to two other inversions. Therefore, the acoustic impedance of model-based inversion result was used for external attribute in multiattribute analyses. Pseudo-porosity volume was produced from regression function of a crossplot between the acoustic impedance as an inversion result with the original porosity log. Multiattribute analyses were used to derive a relationship between well log properties i.e. acoustic impedance, density and porosity logs?and a set of seismic attributes. The derived relationship can be linear (using step-wise regression transformation) or non-linear (using probabilistic neural network transformation). PNN is chosen as a network trained for final dataset because in general it shows better correlations and simpler matematic algorithms. The reliability of derived relationship is determined by cross-validation test.

Abstrak :
ABSTRAK
Peningkatan jumlah kendaraan di Indonesia terbilang cukup tinggi dari tahun ke tahun memiliki dampak pada berbagai aspek seperti kemacetan, polusi udara, kecelakaan lalu lintas dll. Penelitian ini bertujuan untuk mendapatkan model terbaik dan hasil peramalan untuk pertumbuhan kendaraan bermotor berupa mobil dan motor dalam 11 tahun ke depan. Data yang digunakan dalam penelitian ini adalah data jumlah mobil dan jumlah motor dari tahun 2005 sampai 2019. Metode yang digunakan adalah metode Multi Linear Regression dan ARIMA. Variabel yang digunakan dalam metode Multi Linear Regression adalah jumlah mobil, jumlah motor, harga premium, harga solar, jumlah rumah tangga, indeks harga konsumen, produk domestik bruto, jumlah penduduk, pertumbuhan jalan, jumlah pekerja dan pendapatan perkapita Dengan menggunakan Multi Linear Regression didapatkan nilai MAPE yang lebih kecil dibandingkan dengan nilai MAPE ARIMA.

---

ABSTRACT
The number of vehicles in Indonesia has increased quite high from year to year having an impact on various aspects such as traffic jams, air pollution, traffic accidents etc. The purpose of this study is to obtain the best model and the results of forecasting an increase in the number of cars and the number of motorcycles in the next 11 years. The data used in this study are data on the number of cars and the number of motorcycles from 2005 to 2019. The method used is the Multi Linear Regression and ARIMA methods. The variables used in the Multi Linear Regression method are the number of cars, number of motorcycles, premium prices, diesel prices, number of households, consumer price index, gross domestic product, population, road growth, number of workers and per capita income. By using Multi Linear Regression obtained MAPE value is smaller than the MAPE ARIMA value.

Abstrak :
Penelitian ini mengkaji kemampuan tingkat daya beli masyarakat serta faktor faktor yang mempengaruhinya terhadap Rumah Sejahtera Tapak yang layak huni dan terjangkau di Kabupaten Tangerang. Metode penelitian dalam tesis ini adalah metode penelitian deskriptif dan dengan menggunakan pendekatan perhitungan angsuran yang digunakan bank pada umumnya yang layak memperoleh Kredit Pemilikan Rumah untuk estimasi daya beli dan regresi linear berganda untuk melihat faktor-faktor yang mempengaruhi. Hasil penelitian ini menyimpulkan bahwa tingkat daya beli masyarakat terhadap Rumah Sejahtera Tapak sebesar Rp. 675.167 untuk angsuran per bulan dengan harga jual rumah sebesar Rp.79,905,000dengan asumsi uang muka 10% dan suku bunga 7,5% serta faktor yang mempengaruhi daya beli rumah sejahtera tapak adalah angsuran terjangkau, jarak ke tempat kerja, bantuan uang muka serta kualitas bangunan. Oleh karena itu, untuk meningkatkan keterjangkauan daya beli rumah sejahtera tapak, dalam penelitian ini perlu adanya peran pemerintah untuk meningkatkan keterjangkuan daya beli rumah dengan cara memperinganangsuran KPR serta menekan harga jual rumah sejahtera tapak, atau menambah komposisi dana pemerintah pada blended financing Kredit Pemilikan Rumah Fasilitas Likuiditas Pembiayaan Perumahan dengan sektor perbankan untuk lebih menekan tingkat suku bunga, sehingga angsuran yang dibayarkan masyarakat berpenghasilan rendah menjadi lebih terjangkau.

---

This study discusses the landed housing affordability of decent at Tangerang Region. The research method in this thesis is a descriptive research method and banking credit installment analysis to estimate housing affordability and to analyze housing affodability influencing factorsvalue is used multiple regression analysis. The result of this study concluded that the housing affordability of landed housing trough housing welfare mortgage programme is Rp 675.167 (monthly mortgage installment) with assumption, 10% mortgage installment and interest rate is 7,25%. The housing price projected is Rp.79.905.000 and the influencing factors are affordable monthly mortgage installment, distance to working place, initial installment and the house quality. Therefore to solve these housing affordability problems in this study suggest the need for the role of government to lower monthly mortgage installment and landed housing selling price. It also needed to raise government share of composition in blended financing with banking sector to lower monthly mortgage installment in order to support low-income people affordability.

Abstrak :
ABSTRAK
Gas alam adalah salah satu energi utama yang banyak digunakan di Indonesia. Pemanfaatan gas alam di berbagai aspek masyarakat telah mendorong gas alam untuk mendorong pertumbuhan ekonomi nasional. Pemanfaatan ini juga didorong oleh dukungan pemerintah untuk pengembangan infrastruktur gas alam dan tata kelola kebijakan energi. Untuk mendukung pengaturan pasokan dan pemanfaatan gas alam, diperlukan perencanaan alokasi gas alam jangka panjang. Langkah awal dalam merencanakan alokasi adalah untuk memperkirakan tingkat konsumsi gas alam di Indonesia. Penelitian ini memberikan gambaran tentang perkiraan konsumsi gas dengan dua metode yaitu menggunakan jaringan saraf tiruan dan regresi linear berganda. Berdasarkan hasil penelitian, diperoleh hasil nilai error menggunakan mean square error MSE adalah 0,0154 untuk regresi linear berganda dan 0,0117 untuk metode jaringan saraf tiruan sehingga dapat disimpulkan bahwa metode jaringan saraf tiruan lebih baik dalam memprediksi nilai konsumsi gas bumi. Serta dari hasil peramalan dengan kedua metode, terlihat adanya peningkatan permintaan gas alam untuk kebutuhan domestik Indonesia.

---

ABSTRACT
Natural gas is one of the main energy that is widely used in Indonesia. Utilization of natural gas in various aspects of society has encouraged natural gas to boost national economic growth. This utilization is also driven by government support for the development of natural gas infrastructure and energy policy governance. To support the regulation of supply and utilization of natural gas, long term natural gas allocation planning is required. The first step in plotting allocations is to estimate the level of natural gas consumption in Indonesia. This study will provide an overview of the estimated gas consumption by two methods, namely using Artificial Neural Network and Multiple Linear Regression. Based on the result of research, error value using mean square error MSE is 0.0154 for multiple linear regression method and 0,0117 for artificial neural network method so it can be concluded that artificial neural network method is better in predicting the value of natural gas consumption. As well as from the results of forecasting with both methods, there is an increase in demand for natural gas for domestic needs of Indonesia

Abstrak :
Akurasi peramalan permintaan sangat mempengaruhi kinerja sistem rantai pasok yang pada akhirnya berdampak langsung terhadap kesuksesan bisnis perusahaan. Peramalan yang akurat akan mampu memanfaatkan sumber daya perusahaan secara effisien. Namun, banyak perusahaan yang mengakui bahwa proses peramalan mereka tidak berjalan sebaik yang mereka harapkan. Kebanyakan perusahaan hanya menggunakan data masa lalu untuk meramalkan permintaan dimasa mendatang. Padahal data permintaan masa lalu tidak cukup untuk dijadikan dasar perkiraan permintaan dimasa mendatang. Terdapat beberapa independent variabel yang mempengaruhi jumlah permintaan produk seperti iklim, promosi, kanibalisasi, hari raya, harga produk, jumlah toko, jumlah penduduk dan pendapatan yang selalu berubah seiring waktu. Oleh karena itu perlu dibangun model yang mampu mengakomodasi fenomena tersebut. Metode yang diusulkan adalah regresi linier berganda, fuzzy regresi linier berganda dan jaringan saraf tiruan. Makalah ini menyajikan langkah-langkah peramalan yang disertai studi kasus pada produk insektisida. Hasilnya menunjukan bahwa peramalan yang dihasilkan metode ini lebih baik dari pada hasil peramalan yang dilakukan perusahaan.

---

The accuracy of demand forecasting greatly influences the performance of the supply chain system which ultimately has a direct impact on the business perfomance. Accurate forecasting will be able to utilize company resources efficiently. However, many companies admit that their forecasting process is not going as well as they expected. Most companies only use historical data to forecast future demand. Whereas past demand data is not enough to be used as the basis for future forecasts. There are several independent variables that affect the number of product demand such as climate, promotion, cannibalization, holidays, product prices, number of stores, population and income that always change over time. Therefore it is necessary to build a model that is able to accommodate this phenomenon. The proposed method is multi linear regression, fuzzy multi linear regression and artificial neural networks. This paper presents forecasting steps accompanied by case studies on insecticide products. The results shown that the proposed forecasting method more accurate than company forecast.