Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada pengamatan runtun waktu menggunakan alat monitor, sering kali tidak semua nilai runtun waktu tercatat dikarenakan adanya batas deteksi. Hal ini menyebabkan runtun waktu yang diperoleh tidak lengkap. Agar dapat dianalisis, perlu dibentuk runtun waktu tersensor dengan cara mensubtitusi nilai-nilai yang tidak tercatat dengan batas deteksi. Runtun waktu tersensor selanjutnya digunakan untuk mencari taksiran parameter model AR(1) dengan membentuk data yang diperluas yang memiliki distribusi serupa dengan runtun waktu yang diamati. Data yang diperluas dikonstruksi menggunakan metode imputasi dengan mem-fit runtun waktu tersensor ke model CENAR(1). Ide dasar metode imputasi adalah mensubtitusi observasi yang tersensor dengan sampel random yang dibangkitkan dari suatu target distribusi multivariat menggunakan Gibbs sampling.

---

In time series measurements using monitor devices, often times not all values are recorded due to detection limits. This causes the time series obtained to be incomplete. In order to analyze the incomplete time series, censored time series need to be formed by substituting values which are not recorded by detection limits. The censored time series will then be used to estimate parameters of the AR(1) model by forming an augmented data which has an equal distribution with the time series measured. The augmented data is constructed using the imputation method by adjusting censored time series into the CENAR(1) model. The basic idea of the imputation method is substituting the censored observation with a random sample which is generated from the multivariate distribution using the Gibbs sampling."

"Beberapa penelitian mengenai distribusi tingkat pengembalian menyatakan bahwa distribusi tingkat pengembalian memiliki modus yang lebih runcing dan ekor distribusi yang lebih gemuk dari distribusi normal. Honglin, Hong dan Yong (2013) melakukan pengacakan pada urutan nilai tanda dan nilai mutlak dari tingkat pengembalian untuk mengetahui pengaruh autokorelasi pada distribusi tingkat pengembalian sehingga didapat runtun waktu baru Shuffling Sign Value Series (SSVS) yaitu runtun waktu yang didapat dari hasil pengacakan urutan dari nilai tanda, tetapi tetap mempertahankan urutan nilai mutlaknya, Shuffling Absolute Value Series (SAVS) yaitu runtun waktu yang didapat dari hasil pengacakan urutan dari nilai mutlak, tetapi tetap mempertahankan urutan nilai tandanya, dan Shuffling Sign Absolute Value Series (SSAVS) yaitu runtun waktu yang didapatkan dengan melakukan pengacakan urutan baik pada nilai tanda maupun nilai mutlaknya. Menurut Honglin, Hon dan Yong (2013), skala waktu juga mempengaruhi bentuk dari distribusi tingkat pengembalian. Dalam tugas akhir ini akan dibahas mengenai pengaruh autokorelasi dan skala waktu pada distribusi tingkat pengembalian dengan menggunakan data dari Shanghai Composite Index.

---

Some researches about return distribution concluded that return distribution has more sharp on mode and more fat on tail than normal distribution. Honglin, Hong and Yong (2013) tried to disorder the sign and absolute value of return distribution to figure out the effect of autocorrelation in return distribution so that it will create some new series, which are, Shuffling Sign Value Series (SSVS) is a series that obtained by disordering the sign value of return but preserving the order of absolute value of return, Shuffling Absolute Value Series (SAVS) is a series that obtained by disordering the absolute value of return but preserving the order of sign value of return, and Shuffling Sign Absolute Value Series (SSAVS) is a series that obtained by disordering both the sign value and the absolute of return. Honglin, Hong and Yong (2013) also concluded that time scale has an impact in return distribution. This paper will be discussed about the effect of autocorrelation and time scale in return distribution by using Shanghai Composite Index data."

"Proses Poisson nonhomogen dengan fungsi intensitasnya merupakan fungsi periodik disebut sebagai proses Poisson nonhomogen siklik. Proses ini biasa digunakan untuk memodelkan suatu proses kejadian yang berulang. Pada tugas akhir ini dibahas mengenai penaksiran periode pada proses Poisson nonhomogen siklik, dengan asumsi bahwa periode berada dalam interval waktu yang diketahui. Penaksiran periode dilakukan dengan menggunakan M-Estimator, dimana dibutuhkan sebuah fungsi kriteria yang pada kasus ini dikonstruksi menggunakan pengetahuan mengenai teorema ergodik. Taksiran periode yang diperoleh merupakan taksiran konsisten untuk periode.

---

Nonhomogeneous Poisson Process with its intensity function is a periodic function is called as a cyclic nonhomogeneous Poisson process. This process is usually used to model some repeatedly process. In this paper we discuss about estimation of the period of a cyclic nonhomogeneous Poisson process, assuming that the period belongs to some known time interval. The estimation of the period uses M-Estimator, which need a criterion function that is constructed using the knowledge of ergodic theorem. This period estimator is a consistent estimator for the period."

"Skripsi ini membahas mengenai principal covariate regression pada suatu data runtun waktu. Principal covariate regression adalah suatu model regresi yang menggambarkan hubungan antara variabel respon dengan banyak variabel kovariat dengan taksiran parameternya diperoleh melalui peminimuman sebuah fungsi kriteria. Fungsi kriteria merupakan fungsi dari error peramalan dan error kompresi informasi variabel-variabel kovariat yang masing-masing sudah terboboti. Selanjutnya taksiran parameter ini disubstitusikan dalam Persamaan peramalan dan kemudian digunakan untuk meramal nilai variabel respon pada periode selanjutnya. Selain itu, pada tugas akhir ini juga diberikan contoh aplikasi peramalan runtun waktu dengan menggunakan principal covariate regression.

---

This paper discusses about principal covariate regression on time series data. Principal covariate regression is a regression model describes a relation between response variable and a large number of covariate variables with the estimation parameters are obtained by minimizing a single criterion. A single criterion is a weighted of forecast error and of predictor compression error. Furthermore, the estimation parameters are substituted in forecast equation and used to forecast value of response variable for next period. Besides, this paper also gives an application of time series forecasting by principal covariate regression."

"Analisis regresi merupakan salah satu teknik dalam statistika yang digunakan untuk menginvestigasi dan memodelkan hubungan antara variabel respon dan variabel regresor. Pada skripsi ini akan dimodelkan hubungan satu variabel respon dengan beberapa variabel regresor menggunakan model regresi linier berganda dimana antar variabel regresor tidak saling bergantung linier. Adanya multikolinieritas menyebabkan taksiran least square tidak stabil dan bisa memberikan informasi yang salah. Taksiran ridge adalah taksiran parameter model regresi yang umumnya digunakan untuk mengatasi hal tersebut. Tetapi ketika terjadi multikolinieritas yang kuat, variansi taksiran ridge tidak berbeda jauh dengan variansi taksiran least square. Masalah lainnya adalah konstanta taksiran ridge yang sulit untuk ditentukan. Untuk mengatasi masalah tersebut, Kejian Liu (1998) memperkenalkan taksiran Liu yang memiliki dua kelebihan dibandingkan taksiran ridge yaitu skalar mean square error (mse) yang lebih kecil dibandingkan mse taksiran ridge dan konstanta taksiran Liu yang mudah ditentukan.

---

Regression analysis is a statistical technique for investigating and modelling the relationship between the response variable and regressor variable. This skripsi modelling the relationship between one response variable and several regressor when there is no linear relationship between the regressors. In presence of multicollinearity, the least square estimator is unstable and may gives misleading information. Ridge estimator is the most common estimator to overcome this problem. But when there exist severe multicollinearity, variance of ridge estimator almost same with variance of least square estimator. The other problem is a constant of ridge estimator is difficult to specified. To solve this problem, Kejian Liu (1998) proposed Liu estimator that have two advantages over the ridge estimator are Liu estimator has less scalar mean square error (mse) than mse of ridge estimator and a constant of Liu estimator can specified easily."

"Dalam teori pengujian hipotesis Neyman-Pearson, keefisienan dari suatu uji hipotesis dinilai dari kekuatannya (power) dalam menolak hipotesis null (H0 ). Untuk mendapatkan bentuk power function dari pengujian perlu diketahui bentuk distribusi statistik uji di bawah hipotesis alternatif H1. Dalam uji chi square goodness of fit, bentuk distribusi statistik uji di bawah hipotesis alternatif H1 adalah distribusi noncentral chi square. Setelah power function dari uji chi square goodness of fit diperoleh maka nilai power untuk setiap nilai hipotesis H1 dapat ditentukan.Power dari suatu uji hipotesis tergantung dari tiga buah faktor, yaitu : tingkat signfikansi alpha, ukuran sampel, dan besar efek (effect size). Analisis power mempelajari hubungan di antara faktor-faktor tersebut dengan tujuan untuk mendapatkan suatu keseimbangan yang tepat di dalam sebuah pengujian hipotesis.Melalui suatu analisis power dalam sebuah pengujian hipotesis maka seorang penguji dapat menyusun suatu bentuk rancangan pengujian yang efektif dan efisien melalui pemilihan spesifikasi pengujian yang optimal. Kata Kunci : distribusi chi square; distribusi noncentral chi square; effect size; parameter noncentral; power; power function; transformasi ortogonal; uji chi square goodness of fit."

"Untuk meningkatkan motivasi belajar anak didiknya, SMP XYZ di Solo bermaksud untuk melihat faktor-faktor yang mempengaruhi motivasi belajar anak didiknya, antara lain pengaruh pola asuh orangtua, pengaruh kepuasan siswa pada guru dan pengaruh beberapa faktor lainnya terhadap motivasi belajar. Dengan mengetahui faktor-faktor yang mempengaruhi motivasi belajar anak-didiknya, SMP XYZ akan dapat mengambil kebijakan untuk meningkatkan motivasi belajar anak didiknya. Dengan metode TwoStep Cluster Komponen-komponen pola asuh orang tua membentuk 3 tipe pola asuh orang tua siswa SMP XYZ Solo yaitu neglect, otoriter dan demokratis. Dan dengan pohon klasifikasi yang diperoleh dari metode CHAID dapat diketahui faktor yang paling mempengaruhi motivasi belajar siswa SMP XYZ Solo diantara tipe pola asuh, kepuasan pada guru dan beberapa fakror lainnya. Ternyata kepuasan pada guru memegang peranan penting dalam meningkatkan motivasi belajar siswa. Selain itu orang tua perlu meningkatkan responsiveness (menanggapi kebutuhan emosi anak) dan autonomy granting (tanggung jawab yang diberikan oleh orang tua terhadap kebebasan anak mengambil keputusan sendiri) kepada anak-anaknya sehingga diharapkan dapat meningkatkan motivasi belajar."

"Tugas akhir ini bertujuan mencari estimator parameter di small area, dimana small area adalah bagian dari suatu populasi yang terbatas. Metode yang digunakan untuk mencari estimator parameter di setiap small area adalah metode empirical Bayes. Di setiap small area diketahui direct survey estimator dan beberapa variabel prediktor. Dengan menggunakan metode empirical Bayes, informasi dari direct survey estimator dan variabel-variabel prediktor yang tersedia di setiap small area akan digunakan untuk membuat model Bayesian. Model Bayesian yang digunakan dalam pembahasan tugas akhir ini adalah model Fay-Herriot. Kata kunci: small area, direct survey estimator, probabilitas pemilihan sampel, ekspektasi dari probabilitas pemilihan sampel."

"Untuk dapat bersaing dalam dunia perdagangan, perusahaan harus menemukan cara untuk meminimalkan biaya produksi tanpa harus mengurangi kualitas produk atau sesuai dengan target yang diinginkan. Salah satu cara mewujudkannya adalah dengan melakukan optimisasi menggunakan metode Taguchi. Metode ini menggunakan rancangan percobaan orthogonal array dan signal-to-noise (S/N) ratio. Berdasarkan banyaknya nilai target, metode Taguchi diklasifikasikan menjadi statik dan dinamik. Statik mempunyai satu nilai target yang tetap sedangkan dinamik mempunyai lebih dari satu nilai target sesuai dengan input yang diberikan. Skripsi ini membahas metode Taguchi untuk kasus dinamik. Pada kasus dinamik respon dipengaruhi oleh faktor sinyal (input), faktor kontrol dan faktor noise. Untuk penyelesaian kasus dinamik diperlukan 2-tahap optimisasi (twostep optimization) yaitu tahap reduksi variansi dan tahap penyesuaian slope respon ke slope target sehingga akhirnya diperoleh kombinasi level dari faktor kontrol yang mengoptimumkan respon. Contoh penerapan dari metode ini berupa sirkit elektronik pengukur resistansi. "

"Tugas akhir ini bertujuan untuk mencari taksiran parameter pada Generalized Linear Mixed Model (GLMM). Parameter-parameter dalam GLMM merupakan parameter untuk melihat efek fixed dan efek random dari variabel-variabel prediktor terhadap variabel respon. Hal ini yang membedakan dengan Generalized Linear Regression Model (GLRM), yang hanya memperhatikan efek fixed. GLRM merupakan perluasan dari model regresi linier berganda dalam hal asumsi variansi errornya tidak konstan. Pada tugas akhir ini, metode yang digunakan untuk mencari taksiran parameter pada GLMM adalah metode Best Linear Unbiased Prediction (BLUP). Teori dasar yang dibutuhkan pada metode BLUP ini adalah metode Lagrange dan teorema invers matriks partisi. "