Hasil Pencarian  ::  Simpan CSV :: Kembali

"AIS sebagai alat yang diwajibkan digunakan kapal menurut SOLAS sebagai pencegah tabrakan antar kapal memiliki potensi yang lebih besar dalam penerapan ruang lingkup data analytics. Data posisi kapal dapat membantu menggambarkan perilaku kapal di lautan. Aplikasi data AIS bisa membantu mengoptimalkan operasional kapal. Penelitian ini akan menjelaskan tentang sebuah metode penerapan data AIS untuk menghasilkan prediksi waktu tunggu kapal. Algoritma Extreme Gradient Boosting (Xgboost) akan digunakan sebagai pendekatan melakukan prediksi dari data historis. Dengan xgboost, prediksi yang dihasilkan mendapatkan nilai RMSE sebesar 268.47 dan R2 sekitar 0.3 setelah dioptimalkan dengan hyperparameter tuning. Hasil prediksi ini dapat digunakan sebagai pertimbangan penerapan green steaming ataupun bahan evaluasi pelabuhan untuk mengembangkan pelayanannya.

---

AIS as a tool, according to SOLAS, used as a prevention of collisions between ships has more significant potential in the application of the scope of data analytics. Ship position data can help describe ship behavior at sea. AIS data applications can help optimize ship operations. This research will describe a method of applying AIS data to generate predictions of ship waiting times. The Extreme Gradient Boosting (Xgboost) algorithm will be used to make predictions from historical data. With xgboost, the resulting prediction gets an RMSE value of 268.47 and an R2 of about 0.3 after being optimized with hyperparameter tuning. The results of this prediction can be used as consideration for implementing green steaming or evaluating port evaluation materials to develop their services."

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali Model Predictive Control (MPC). Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Skripsi ini bertujuan untuk merancang jenis pengendali Model PredictiveControl (MPC) yang akan diterapkan pada sebuah sistem nyata Level/Flow and Temperature Process Rig 38-003 dengan metode Quadratic Programming. Dalam merancang pengendali MPC untuk Level/Flow and Temperature Process Rig 38-003 ini, penulis menggunakan model yang berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan untuk mengatur kondisi servo valve dan keluran yang akan dikendalikan adalah temperatur air hasil keluaran Heat Exchanger sebelum masuk ke sistem Radiator Cooler. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode pengendali Ruang Keadaan. Hal tersebut dapat dilihat dari tanggapan sistem hasil pengendalian MPC dengan constraints yang lebih halus dibandingkan dengan tanggapan sistem hasil pengendalian dengan metode pengendali Ruang Keadaan. Perubahan sinyal kendali pengendali MPC dengan constraints juga jauh lebih halus dibandingkan dengan perubahan sinyal kendali pengendali Ruang Keadaan. Kondisi ini akan meningkatkan ketahanan fisik sistem selama uji eksperimen.

---

In conventional control system, some constraints such as amplitude and control signal?s slew rate are not included in the controlling process. So, the result of the control process is not good enough especially if the control signal is forcibly cut before entering the plant. In order to overcome this problem, a Model Predictive Controller is designed. In this MPC control scheme, the few next steps of process output are going to be predicted and some constraints will be ignored so the system output will become precise. In other hand, the occurrence of constraints will improve system?s performance into an optimum condition.

The final purpose of this thesis is to design a Model Predictive Controller (MPC) using Quadratic Programming method which will be applied on a real time system of Level/Flow and Temperature Process Rig 38-003. In designing MPC controller for Level/Flow and Temperature Process Rig 38-003, the writer uses system?s model on state space form which is obtained by using Least Square method in the basis of input and state variables data of the plant. Input for the plant is voltage which will be used to control the position of servo valve whereas the controlled output is water temperature on the pipe that connects Heat Exchanger's output line and Radiator Cooler's input line.

Experiments conducted prove that MPC with constraints controlling scheme will give a better results than State Controller controlling scheme. Generally, it can be seen that system response to MPC controller is much smoother than system response to State Controller. MPC controller also has smoother control signal variance compared to State Controller control signal variance. This condition will actually raise the system's physical reliability during the experiment."

"Nilai transaksi perdagangan pada pasar valuta asing di seluruh dunia mencapai 3 Trilliun US Dollar setiap harinya. Dengan latar belakang seperti ini, wajar jika dibutuhkan sebuah sistem yang dapat memprediksi nilai kurs valuta asing dengan akurat. Dalam tugas akhir ini akan digunakan algoritma memetika untuk memprediksi kurs valuta asing. Algoritma memetika merupakan gabungan dari algoritma genetika dengan algoritma pencarian lokal. Model regresi yang digunakan yaitu model autoregressive, dimana untuk memprediksi nilai kurs pada hari ke n+1 digunakan data n hari sebelumnya.Tujuan dari penulisan tugas akhir ini adalah untuk melihat kemampuan dari algoritma memetika dalam memprediksi kurs valuta asing. Kemampuan dari algoritma memetika ini akan diukur berdasarkan persentase error yang relatif terhadap data kurs sebenarnya. Percobaan dilakukan menggunakan data kurs USD/IDR, USD/EUR, USD/GBP, USD/CHF, dan USD/JPY dari tahun 2000 sampai tahun 2007. Prediksi dilakukan dengan beberapa jenis data, yaitu data harian, mingguan, dan bulanan.Dari hasil percobaan, disimpulkan bahwa kemampuan algoritma memetika dalam memprediksi kurs valuta asing cukup baik. Persentase error terkecil didapat dari data 5 harian dengan kurs USD/IDR sebesar 0,3852 %, sedangkan persentase error terbesar didapat dari data 6 bulanan dengan kurs USD/EUR sebesar 4,4766 %.Kata kunci : algoritma genetika; prediksi; kurs valuta asingx + 46 hlm.; lamp;Bibliografi: 9 (1993 - 2007)"

"Financial distress dapat dianggap sebagai peringatan dini masalah yang dapat menyebabkan kebangkrutan. Memprediksi kebangkrutan menjadi salah satu hal yang dapat dilakukan perusahaan untuk menemukan keadaan kesehatan keuangan perusahaan. Sebanyak 585 firm-year pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dijadikan sampel untuk penelitian ini di mana 113 di antaranya dikategorikan dalam kondisi financial distress. Model prediksi kebangkrutan dapat diperiksa untuk menilai situasi ekonomi perusahaan untuk tujuan lebih lanjut. Altman dan Ohlson adalah beberapa peneliti terkenal yang modelnya dirujuk untuk mengevaluasi kesehatan perusahaan.

---

Financial distress can be regarded as an early warning of trouble that can lead to bankruptcy. Predicting bankruptcy becomes one thing that companies can do to discover the state of the company's financial health. A total of 585 firm-years of manufacturing companies that listed in Indonesia Stock Exchange are sampled for this research where 113 of them are categorized in financial distress state. Bankruptcy prediction models may be examined to assess a company's economic situation for further purposes. Altman and Ohlson are some of notable researchers to which their models are referred to evaluating the health of companies."

"Selama beberapa tahun terakhir, margin laba operasi dari operator jasa layanan telekomunikasi di Indonesia semakin berkurang. Situasi ini dominan dipicu oleh perang harga agresif yang dilakukan oleh semua operator untuk mendapatkan pelanggan baru. Oleh karena itu, suatu customer churn prediction modelling diperlukan untuk memetakan pelanggan dengan lebih baik agar strategi program retensi pelanggan dapat dieksekusi seefisien mungkin tanpa mengorbankan efektivitasnya. Penelitian ini bertujuan untuk memperoleh bukti empiris dan membangun customer churn prediction modelling dari berbagai faktor independen yang secara langsung maupun tidak langsung mempengaruhi pengambilan keputusan pelanggan untuk churn atau bertahan di sebuah operator jasa layanan telekomunikasi tertentu. Data penelitian yang digunakan fokus untuk memanfaatkan data sekunder dari penggunaan, perilaku, dan data demografis pelanggan dari sebuah operator jasa layanan telekomunikasi. Sampel diuji menggunakan analisis regresi logistik untuk melatih dan menghasilkan customer churn prediction modelling akhir yang relevan dengan karakteristik pelanggan telekomunikasi saat ini.

---

For several years, the operating profit margin of telecommunication operator in Indonesia have been diminished. The situation is mainly triggered by aggressive price war deployed by all operators to acquire new customers. Hence, the customer churn prediction modelling is needed to map customer better and make the retention program strategy as efficient as possible yet without comprimising its effectiveness. This research aims to obtain empirical evidence and build customer churn prediction modelling from various independent factors that possibly affect the decision making of customer to churn or retain at certain telecommunication provider in Indonesia. The research data are mainly focus in utilizing secondary data of real customer's usage, behaviour, and demographic data from a telecommunication company. The samples were tested using logistic regression analysis to train and produce final churn prediction model which relevant to current customer's characteristic at telecommunication industry."

"ABSTRAKAplikasi-aplikasi transformasi wavelet telah banyak digunakan, terutamaaplikasi yang berhubungan dengan sinyal gambar, suara, video, dan sinyal elektriklainnya. Pada skripsi ini dibahas aplikasi transformasi wavelet untuk memprediksifluktuasi trafik internasional. Besarnya trafik internasional sangat dipengaruhi olehfaktor teknologi, ekonomi, hubungan bilateral negara satu dengan yang lain dankerjasama antar operator internasional.Fluktuasi trafik internasional berupa sinyal satu dimensi. Sinyal ini akandidekomposisi dari level I sampai dengan level 3 dengan menggunakan metodeDiscrete Wavelet Transform (DWT) untuk fungsi dasar Daubechies 18, Daubechies12, Daubechies 8 dan Haar . Hasil dekomposisi ini akan berupa sinyal aproksimasi darifilter lowpass dan sinyal detail dari filter highpass. Sinyal aproksimasi inimenggambarkan gambaran umum dari keseluruhan sinyal asli. sedangkan sinyal detailakan menentukan seberapajauh tingkat naik dan turunnya fluktuasi sinyal asli. Sinyalaproksimasi ini nantinya akan menjadi model sinyal pendekatan yang akandiprediksikan pada masa ke depan dengan asumsi kondisi keadaan yang hampir sama.Bentuk sinyal demi pada masa depan akan ditentukan oieh sinyal-siyal detail padamasa sebelumnya demikian pula dengan sinyal aproksimasinya yang dalam hal inidiprediksikan secara polinomial. Metode yang digunakan adalah Regresi PolinomialSelanjutnya proses prediksi fluktuasi sinyal merupakan proses rekonstruksi dari sinyalaproksimasi dan detail hasil prediksi. Untuk mendapatkan fluktuasi yang lebih smoothditambahkan proses denoising dengan menggunakan metode soft thresholding modelDonoho yang telah dimodifikasi dengan menggunakan harga rata-rata dan standartdeviasi pada koefisien sinyal detailnya.Dari hasil simulasi dapat diketahui bahwa dengan penerapan dekomposisi levelI untuk fungsi dasar Daubechies 18 dengan kombinasi denoising metode softthresholding model Donoho modifikasi dengan menggunakan nilai standart deviasiakan didapatkan nilai error prediksi yang terkecil.

---

"

"ABSTRAKAda kecenderungan bagi orang untuk melakukan regresi ke arah mean dalam melakukan prediksi (Kahneman 8. Tversky, 1973). Tetapi kadang hal ini tidak terjadi. Dalam suatu situasi dimana ada informasi yang berurutan (series)kadang prediksi yang dilakukan regresif kadang anti-regresif. Andreassen (1987) menemukan bahwa dalam suatu series (urutan) perdagangan saham munculnya berita (news) akan menyebabkan orang mengatribusikan perubahan harga saham dengan berita tersebut. Akibatnya prediksi yang diiakukan menjadi anti- regresif.Di Fonzo & Bordia (1997) menemukan jika berita itu diberi label rumor akan menghasilkan efek yang sama. Rumor menyebabkan prediksi yang anti regresif. Penelitian ini memodifikasi penelitian Di Fonzo & Bordia (1997) dan mencoba untuk mengetahui manakah bentuk informasi yang paling berpengaruh dalam penggunaan prediksi regresif. Diajukan pemikiran bahwa nomor akan memberikan pengaruh yang paling besar terhadap penggunaan prediksi regresif menjadi prediksi yang anti regresif.Penelitian ini menggunakan meiode simulasi komputer, dimana satu orang partisipan menghadapi sebuah komputer. Yang akan dilihat adalah besarnya koefisien tracking (tc) yang dipergunakan sebagai acuan untuk mengukur besarnya prediksi regresif yang dilakukan. Hasil kemudian dianalisis menggunakan metode Anova kemudian dilakukan analisa Contrast.Dari 4 hipotesa yang didirikan, 1 hipotesa diterima dan 3 hipotesa Iainnya ditolak. Penelitian ini menunjukkan bahwa informasi (baik dalam bentuk Berita, Rumor yang dipublikasikan serta Rumor) memberikan pengaruh terhadap penggunaan prediksi partisipan sehingga prediksi yang digunakan berubah dan regresif menjadi anti-regresif. Berita memberikan pengaruh yang paling kecil terhadap penggunaan prediksi regresif dibandingkan Rumor (baik yang dipublikasikan maupun tidak dipublikasikan). memberi pengaruh yang terbesar terhadap perubahan penggunaan prediksi regresif menjadi anti-regresif.Saran-saran yang diberikan mencakup saran-saran untuk penelitian selanjutnya, terutama dalam mengembangkan bidang psikologl ekonomi. Untuk pelaku pasar modal dapat diberikan masukan bahwa informasi apapun bentuknya sekalipun itu rumor tetap akan diproses dalam kognisi manusia. Sehingga informasi tersebut akan mempengaruhi keputusan seseorang dalam berinvestasi."

"Aplikasi metode Multiatribut pada data poststack seismik dan hasil inversinya telah dilakukan untuk mengestimasi kecepatan interval melalui pendekatan Neural Network. Estimasi kecepatan interval yang dihasilkan tersebut digunakan untuk memprediksi tekanan formasi di Lapangan Texaco 3D, Louisiana. Tujuan dari studi ini adalah untuk mengaplikasikan pendekatan geostatistik dan analisis Multiatribut dengan keterbatasan data yang dimiliki untuk memprediksi tekanan formasi. Hasil estimasi kecepatan interval menggunakan Multiatribut (10 atribut) menunjukkan korelasi yang sangat baik yaitu rata-rata korelasi prediksi log hasil atribut dan log validasi mencapai 79%, dengan tingkat kesalahan yang kecil berkisar rata-rata 175 - 292 m/s dari kecepatan validasi. Pendekatan Neural Network menghasilkan atribut polaritas semu (apparent polarity) sebagai atribut terbaik dalam estimasi kecepatan dengan error berkisar 108 m/s (berdasarkan hasil PNN) hingga 166 m/s (berdasarkan hasil MLFN). Anomali kecepatan rendah terdeteksi pada kedalaman 2800 - 2900 m dan sekitar kedalaman 3000 m, dengan gradient tekanan rata-rata mencapai 18 ? 22 ppg.

---

Application of Multiattribute to poststack seismic data and the the seismic inversion result has been carried out to estimate the interval velocity, by using Neural Network approach. The result of estimated interval velocity is used to predict formation pressure in Texaco 3D Field, Louisiana. The purpose of this study is to apply the geostatistical approach and Multiattribute analysis to predict the formation pressure.

The results of estimated interval velocity using Multiattribute (10 attributes) show excellent correlation of the average correlation between predicted log and the real log reached 79%, with an error training and validation of a fairly small range from an average of 175-292 m/s validation of the velocity. The Neural Network approachment generating apparent polarity attribute as the best attribute of velocity estimation with errors ranging from 108 m/s (based on PNN) up to 166 m/s (based on the results of MLFN). Low velocity anomaly was detected at a depth of 2800 - 2900 m and approximately 3000 m depth, with the pressure gradient averaged 18-22 ppg."

"Sebagai negara kepulauan yang saangat luas dengan keaneka-ragaman sumber daya alam dan lingkungan, serta dinamika kehidupan masyarakat, sudah jelas bahwa Indonesia memerlukan pemanfaatan antariksa daalam mempercepat proses pembangunan kesejahteraan rakyat. Salah satu pemanfaatan antariksa yang sangat penting adalah pengamatan Bumi oleh satelit penginderaan jauh. Kemajuan teknologi elektronika, telekomunikasi, zat padat dan pengolahan data telah memberikan peluang pembangunan teknologi dan produksi satelit mikro penginederaan jauh yang mudah, dengan biaya rendah serta efektif. Suatu analisis fungsi berbagai sub-sistem satelit mikro penginderaan jauh dilakukan, yang berkaitan dengan seluruh fungsi satelit dalam mendukung operasi perolehan data oleh sensor penginderaan jauh muatan satelit di orbit. Fungsi penting yang lain berbagai sub-sistem satelit adalah menjaga kesehatan dan keselamatan operasi satelit di orbit selama waktu perkiraan usia satelit. Uraian pembahasan diharapkan dapat memberikan diskripsi tentang seluruh fungsi sub-sistem satelit penginderaan jauh secara umum. "