Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan Teknologi Informasi dan Komunikasi (TIK) telahmemberikan pengaruh terhadap dunia pendidikan khususnya dalam prosespembelajaran. Dalam tugas akhir ini diselidiki variabel yang mempengaruhitingkat perkembangan TIK pada Sekolah Menengah Atas dan Sederajat diBekasi. Untuk memperoleh variabel tingkat perkembangan TIK, dilakukananalisis two step cluster berdasarkan 2 variabel, yaitu kualitas guru dansarana prasarana TIK. Lalu, analisis regresi logistik biner dilakukan untukmengetahui variabel yang mempengaruhi tingkat perkembangan TIK padaSekolah Menengah Atas dan Sederajat di Bekasi. Diperoleh variabel yangmempengaruhi tingkat perkembangan TIK adalah jumlah komputer danjumlah printer dan atau scanner. Setelah itu, dengan menggunakan SistemInformasi Geografis (SIG), diperoleh gambaran penyebaran variabel jumlahkomputer dan jumlah printer dan atau scanner pada Sekolah Menengah Atasdan Sederajat di tiap kecamatan di Bekasi.Kata kunci : analisis two step cluster, analisis regresi logistik biner, SistemInformasi Geografis, Teknologi Informasi dan Komunikasi.ix + 60 hlm; lamp.Bibliografi: 7 (1996-2007)"

"

Permasalahan statistik di dunia nyata umum diselesaikan dengan menggunakan generalized linear model. Fleksibilitas model regresi tersebut menjadi nilai tambah yang meningkatkan utilitasnya. Akan tetapi, di tengah penerapan generalized linear model, ditemukan isu terkait estimasi parameter, yakni multikolinearitas. Kondisi multikolinearitas mengindikasikan adanya korelasi antarvariabel penjelas yang berpengaruh terhadap keakuratan koefisien parameter. Keadaan ini menyebabkan maximum likelihood estimator, metode yang sangat umum digunakan pada generalized linear model untuk mencari parameter, memiliki eror dan variansi yang tinggi. Berbagai alternatif estimator telah dibuat untuk mengatasi masalah ini, salah satunya adalah Liu estimator. Metode ini merupakan bentuk modifikasi dari metode yang sudah diciptakan sebelumnya, yakni maximum likelihood estimator. Penelitian ini menelusuri konsep dan metode Liu estimator dalam menentukan suatu parameter dan dibandingkan dengan metode maximum likelihood estimator. Konstruksi gamma regression model, yakni generalized linear model dengan variabel respons yang berdistribusi gamma, digunakan sebagai aplikasi dalam penerapan Liu estimator. Simulasi dalam penelitian ini menggunakan dataset hydrocarbon yang mengukur keefektifan pemulihan polusi yang bersumber dari tangki gas. Dengan menggunakan model regresi gamma dan estimator Liu untuk mengestimasi parameter didapatkan prediksi terhadap jumlah gas hydrocarbon yang keluar.

---

Generalized Linear Model, as the name says, is the general version for linear model, one of the method used to solve statistical and actuarial real-life problem, such as regression. In the midst of well-known generalized linear model utilization, researcher found issue related to parameter estimation. Multicolinearity, a condition which occur when there are two or more independent variabel with high correlation, has huge impact to the accuracy of parameter coeficient. This issue makes the maximum likelihood estimator, one of the most common method to estimate the parameter, produces high error and variance. To combat this issue, many other estimator has been proposed by various researcher all around the world, including Liu estimator. Liu estimator is a method that comes from the modification of maximum likelihood estimator. This research will explore the concept and method of Liu estimator for estimating model’s parameter and the difference when we compare it with maximum likelihood estimator. The model built in the research is gamma regression model, which is a generalized linear model with gamma distributed response variable. The application of the research is utilizing the data called hydrocarbon. The end product is the gamma regression model to predict the mass of hydrocarbon which escape to the air with the parameter estimated by Liu estimator method.

"

"Partial Least Squares Regression adalah salah satu teknik regresi yang memerhatikan pola hubungan antara variabel respon dan variabel prediktor. Teknik tersebut dapat digunakan saat terdapat korelasi tinggi antara variabel prediktor, banyaknya variabel prediktor yang melebihi jumlah observasi dan efek random pada variabel prediktor. PLSR dengan menggunakan algoritma NIPALS, membentuk komponen yang merupakan kombinasi linier berbobot dari variabel prediktor yang digunakan untuk memprediksi variabel respon dengan metode Ordinary Least Squares, dimana komponen yang terbentuk ortogonal atau tidak saling berkorelasi dan banyaknya komponen yang terbentuk akan lebih sedikit dari banyaknya variabel prediktor.

---

Partial Least Squares Regression is one of technique that takes into account the pattern of relationship between response variable and predictor variables. The technique can be used when there is high correlation between predictors variables, the number of predictors variables exceed the number of observation and random effects on predictor variables. PLS using NIPALS algorithm, which is component forming a weigthed linear combination of predictor variables use to predict response variable by the method of Ordinary Least Squares, in which the component are formed orthogonal or not correlated each other and the number will be fewer than the number of predictor variables."

"Perkembangan ekonomi dunia saat ini sedang memasuki era-Industri 4.0. Industri 4.0 tidak dapat dihadapi hanya dengan pengembangan teknologi saja, namun harus melibatkan dinamika sosial di dalamnya. Setiap perusahaan dan instansi harus menciptakan sebuah strategi dalam menghadapi era ini, tak terkecuali dengan Badan Usaha Milik Negara (BUMN) dengan menetapkan nilai-nilai utama yang menjadi acuan perilaku seluruh sumber daya manusia yang ada di BUMN. Nilai-nilai utama tersebut terdiri dari Amanah, Kompeten, Harmonis, Loyal, Adaptif, dan Kolaboratif (AKHLAK). Pada praktiknya, AKHLAK belum diterapkan dengan baik, padahal corevalues AKHLAK ini perlu diimplementasikan oleh seluruh sumber daya manusia di BUMN. Skripsi ini meneliti faktor-faktor yang signifikan menjelaskan pengimplementasian corevalues AKHLAK pada karyawan PT TASPEN (Persero) dan untuk meneliti profil karyawan yang mempunyai pengimplementasian corevalues AKHLAK tinggi dan rendah berdasarkan faktor-faktor yang signifikan. Faktor yang digunakan dalam penelitian ini yaitu motivasi kerja, lingkungan kerja, kesejahteraan karyawan (employee’s well-being), sosialisasi, komitmen karyawan, religiusitas, stres kerja, umur, jenis kelamin, tingkat pendidikan, dan masa kerja. Metode yang digunakan dalam penyelesaian masalah penelitian ini yaitu metode Partial Least Square (PLS) dan metode Classification and Regression Tree (CART). Data yang digunakan adalah data primer sebanyak 209 karyawan PT TASPEN (Persero) yang diambil menggunakan purposive sampling. Hasil penelitian menunjukkan motivasi kerja, sosialisasi, religiusitas, dan tingkat pendidikan dapat menjelaskan secara signifikan pengimplementasian AKHLAK. Profil karyawan yang memiliki tingkat pengimplementasian AKHLAK tinggi yaitu karyawan dengan tingkat religiusitas yang tinggi, motivasi kerja tinggi, untuk semua kategori tingkat pendidikan, dan tingkat stres. Profil karyawan yang memiliki tingkat pengimplementasian AKHLAK rendah yaitu karyawan yang memiliki religiusitas rendah dan motivasi kerja rendah.

---

The development of the global economy is currently entering the era of Industry 4.0. Industry 4.0 cannot be faced only with technological development, but must involve social dynamics in it. Every company and agency must create a strategy in dealing with this era, including Badan Usaha Milik Negara (BUMN) by establishing main values that become the reference for the behavior of all human resources in BUMN. These corevalues consist of Trustworthy, Competent, Harmonious, Loyal, Adaptive, and Collaborative (AKHLAK). In practice, AKHLAK has not been implemented properly, even though the corevalues of AKHLAK need to be implemented by all human resources in BUMN. This thesis examines the significant factors explaining the implementation of AKHLAK corevalues on PT TASPEN (Persero) employees and to examine the profile of employees who have implementation corevalues high and low are based on significant factors. The factors used in this study are work motivation, work environment, employee welfare, socialization, employee commitment, religiosity, work stress, age, gender, education level, and years of service. The methods used in solving this research problem are the Partial Least Square (PLS) method and the Classification and Regression Tree (CART) method. The data used is primary data of 209 PT TASPEN (Persero) employees taken using purposive sampling. The results showed that work motivation, socialization, religiosity, and education level can significantly explain the implementation of AKHLAK. The profile of employees who have a high level of implementation of AKHLAK are employees with high level of religiosity, high work motivation, for all categories of educational levels, and work stress levels. The profile of employees who have a low level of implementation of AKHLAK are employees who have low religiosity and work motivation."

"

Setiap peristiwa, objek, atau individu dalam kehidupan saling terkait dan saling mempengaruhi. Untuk mengetahui bagaimana hubungan antara variabel acak dapat menggunakan copula. Copula dapat menghubungkan antara fungsi distribusi bivariat dengan fungsi distribusi marginal tanpa harus ada informasi keterkaitan tertentu antar variabel acak. Terdapat beberapa jenis copula, seperti copula elliptical, copula Archimedean, dan copula extreme value. Namun, dalam pemodelan multivariat, masing-masing jenis copula memiliki keterbatasan dalam memodelkan struktur ketergantungan yang kompleks dalam hal simetri dan sifat ketergantungan ekor. Kelas vine copula mengatasi keterbatasan ini dengan membangun model multivariat menggunakan copula bivariat dalam struktur berbentuk pohon. Copula bivariat yang digunakan dalam penelitian ini meliputi keluarga copula Clayton, Gumbel, Frank, Gaussian, dan student’s t. Penelitian ini membahas tentang konstruksi model vine copula, penaksiran parameter, dan aplikasinya. Konstruksi vine copula dilakukan melalui dekomposisi fungsi kepadatan peluang bersyarat dan melakukan substitusi fungsi kepadatan  copula bivariat ke dalam hasil dekomposisi tersebut. Data yang digunakan adalah data logaritma konsentrasi dari unsur kimia dalam sampel air di Colorado. Karena data yang digunakan merupakan data empiris yang tidak diketahui distribusi marginalnya, metode estimasi parameter yang digunakan adalah pseudo-maximum likelihood dengan estimasi sequential. Lalu, dilakukan pemilihan model yang paling sesuai dengan menggunakan kriteria informasi Akaike (AIC). Hasilnya menunjukkan bahwa Sesium dan Titanium memiliki hubungan dependensi terhadap Skandium. Selain itu, Skandium dan Titanium memiliki ketergantungan paling kuat dibandingkan dengan pasangan variabel lainnya.

---

Every event, object, or individual in life is interconnected and influences each other. To understand the relationships between random variables, one can use copulas. Copula can link the bivariate distribution function with marginal distribution functions without requiring specific information about the interdependence among random variables. There are several types of copulas, such as elliptical copulas, Archimedean copulas, and extreme value copulas. However, in multivariate modeling, each type of copula has limitations in modeling complex dependence structures in terms of symmetry and tail dependence properties. The class of vine copulas overcomes these limitations by constructing multivariate models using bivariate copulas in a tree-like structure. The bivariate copulas used in this study include the Clayton, Gumbel, Frank, Gaussian, and Student’s t copula families. This study discusses the construction of vine copula models, parameter estimation, and their applications. The construction of vine copulas is done through the decomposition of conditional probability density functions and substituting bivariate copula density functions into the decomposition results. The data used in the study is the logarithm of the concentration of chemical elements in water samples in Colorado. Since the data used are empirical data with unknown marginal distributions, the parameter estimation method used is pseudo-maximum likelihood with sequential estimation. Model selection is then performed using the Akaike information criterion (AIC) to determine the most suitable model. The results indicate that Caesium and Titanium have a dependency relationship with Scandium. Moreover, Scandium and Titanium exhibit the strongest dependence compared to other variable pairs.

"