Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Bank dipersyaratkan oleh pemerintah untuk mengelola risiko-risiko perbankan, salah satunya adalah risiko operasional. Risiko operasional merupakan salah satu jenis risiko yang melekat pada setiap aktifitas fungsional bank. Bank mengelola risiko operasional dengan cara menghitung kerugian yang diperkirakan sebagai kebutuhan modal bagi risiko operasional (Economic Capital). Loss distribution Approach (LDA) merupakan salah satu metode untuk perhitungan Economic Capital (EC). Dalam metode LDA, bank harus mengestimasi loss severity distribution (distribusi severitas) dan frequency distribution (distribusi frekuensi) kemudian membentuk compound distribution (distribusi majemuk). Nilai EC diperoleh dari Value at Risk (VaR) dari distribusi majemuk dengan tingkat kepercayaan 99,9%. Estimasi distribusi severitas umumnya menggunakan model distribusi tertentu yang telah ada, namun pada banyak kasus kurang baik dalam menggambarkan data. Estimasi distribusi severitas berbasis data diharapkan mampu menjadi solusi permasalahan ini. Salah satu metode yang mengestimasi distribusi severitas dengan berbasis pada data adalah Gaussian Mixture Model (GMM). GMM merupakan suatu metode parametrik untuk mengestimasi fungsi distribusi probabilitas dari suatu variabel acak. Model GMM ini merupakan model kombinasi linear sederhana dari beberapa komponen distribusi Gaussian. Hasil penelitian menunjukkan bahwa GMM mampu menggambarkan data lebih baik dibandingkan dengan menggunakan model distribusi yang ada. Nilai EC yang dihasilkan oleh metode LDA yang distribusi severitasnya menggunakan GMM lebih kecil 2-2,8% dibandingkan nilai EC yang dihasilkan oleh metode LDA yang menggunakan model distribusi tersebut. ......Bank must be able to manage all of banking risk, on of them is operational risk. Operational risk is a risk that come from any functional activity of bank. Bank manage operational risk by calculate estimated risk (Economic Capital). Loss Distribution Approach (LDA) is a popular method to estimate Economic Capital (EC) of operational risk on banking. In LDA method, loss severity distribution (severity distribution) and loss frequency distribution (frequency distribution) must be estimated and then compound distribution is formed from both of them. Through LDA method, the value of EC can be gotten from Value at Risk (VaR) in compound distribution with the level of confidence reaches 99,9%. Severity distribution estimation that used a model on particular distribution cannot describe a data well through. So, Severity distribution estimation based on data is used to solved this problem. One of methode that estimated severity distribution based on data is Gaussian Mixture Model (GMM). GMM is parametric methode that estimate probability density of random variable. Model of GMM is a linear combination of many Gaussian distribution . The result on this research is estimation of severity distribution through GMM is better than existing distribution model in describing the data. The value at EC of LDA method using GMM is smaller 2 % - 2,8 % than the value at EC of LDA using existing distribution model.

Abstrak :
Misalkan graf G(V,£), sering ditulis sebagai G, terdiri dari himpunan tak kosong simpul V dan himpunan busur £. Penambahan busur pada graf Tangga L, (n= 2) yang diperluas, akan mengakibatkan diperolehnya suatu graf baru. Graf Tangga L, (n = 2) adalah hasil perkalian Cartesius graf lintasan P, x P,. Pada tesis ini dipelajari variasi dua graf tangga yaitu : graf Tangga Segitiga LS, dan graf Tangga Segitiga Variasi X,,. Pelabelan harmonis sesuai dari definisi Graham dan Sloane (1980) adalah fungsi injektif f:V(G)—>Z,;, yang menginduksi fungsi pelabelan busur bijektif f* : E(G)— Z, dimana f*(xy) = f(x) + f(y)(mod |E|). Pada tesis ini dibuktikan bahwa graf LS, dan graf X,, untuk n = 2 merupakan graf harmonis. ...... Let G(V,£), in short G, be a graph which consists of a non empty set of vertices Vand a set of edges &. By adding several edges in Ladder graph L,,(n = 2), we can obtain a new graph. A Ladder graph L,,(n = 2) is a graph product between two paths P,; X P,. In this tesis, we study on the construction of harmonious labeling of Triangular Ladder graph LS,, and Variation of Trianguler Ladder graph X,- A harmoniuous labeling, referred to Graham and Sloane ( 1980 ), is an injective function f:V(G) > Zz, which will induced bijection edge function f*:E(G) > Zg where f*: E(xy) > f(x) + fF”) (mod |E|). In this tesis, it will be proved that graph LS,, and graph X, for n => 2 is harmoniuous graphs.

Abstrak :
Teori coding merupakan ilmu yang mempelajari metode pengkodean informasi yang mampu mengontrol kesalahan yang terjadi selama pengiriman informasi tersebut. Tahapan pengiriman informasi dimulai dari proses encoding source, yaitu proses merubah informasi menjadi barisan simbol, yang disebut pesan dan berbentuk ^-tuple. Simbol yang digunakan adalah elemen-elemen dari suatu field hingga GF(q),q = 2 ,me.N. Selanjutnya, pesan diubah menjadi codeword yang berbentuk -tuple, n>k, melalui proses encoding. Himpunan semua codeword disebut code. Codeword tersebut dikirimkan melalui suatu channel dan diterima sebagai receivedword. Proses decoding memeriksa error yang mungkin terjadi selama proses pengiriman dan merubah kembali receivedword menjadi pesan awal. Pesan basil proses decoding diubah kembali menjadi informasi melalui proses decoding source. Kemampuan kontrol error dari metode pengkodean yang digunakan ditentukan oleh jarak minimum dari setiap pasang codeword di dalam code. Dalam perkembangannya, terdapat berbagai jenis code yang memiliki proses konstruksi dan sifat tertentu. BCH code dan Reed-Solomon code adalah jenis code yang tennasuk ke dalam cyclic code, dan banyak digunakan dalam bidang teknologi informasi dan komunikasi. Pada penelitian ini, dilakukan analisis terhadap konstruksi BCH code dan Reed-Solomon code serta sifat-sifat yang dimiliki oleh kedua jenis code tersebut dan perbandingan antar keduanya. Untuk mendukung pembahasan di dalam penelitian ini, dilakukan simulasi dengan menggunakan software MATLAB. ......Coding theory is the study of information coding method to control errors that occur during the information transmission. The stages of information transmission start with source encoding process, which converts information into a row of symbols, called the message with A:-tuples form. Symbols used are the elements of a finite field GF{q),q = 2"', me. N. Furthermore, the message is converted into codeword with n-tuple, n>k, form through the encoding process. The set of all codewords is called code. Codeword is delivered across a channel and received as the receivedword. Decoding process checks the errors that might occur during the transmission process and changes the receivedword back into the original message. The output message resulted in decoding process is converted back into the original information through the decoding source process. Error control capability of a coding method used is determined by the minimum distance of each pair of codewords in the code. During its development, there are different types of code which have particular construction process and properties. BCH codes and Reed-Solomon code are types of the cyclic code, and widely used in the information technology and communications field. This study analyzed the construction and the properties of BCH codes and Reed-Solomon code including the comparison between them. To support the discussion, this study carried out simulations using MATLAB software.

Abstrak :
Untuk sebarang bilangan bulat positif 𝑎≥2 dan 𝑛≥1 yang diberikan, dapat di-lakukan konstruksi graf de Bruijn yang didefinisikan sebagai graf berarah dengan banyaknya simpul 𝑎𝑛−1, panjang label simpulnya 𝑛−1, banyaknya busur berarah 𝑎𝑛, dan panjang label busurnya 𝑛. Karena setiap graf de Bruijn merupakan graf Euler maka dapat ditentukan sirkuit Euler dengan label minimal. Barisan de Bruijn yang dibangun oleh 𝑛 dinyatakan oleh Sirkuit Euler dengan label minimal. Graf de Bruijn tidak mudah dikonstruksi untuk 𝑛 yang berukuran besar, kesulitan selanjutnya dijumpai pada penentuan sirkuit Euler dengan label minimal. Oleh karena itu, pada tesis ini akan diberikan metode alternatif sebagai solusi konstruk-si barisan de Bruijn dengan menggunakan teorema Fredicksen dan Maiorana. Teo-rema ini menjamin keberadaan barisan de Bruijn untuk setiap 𝑛 yang diberikan dengan merangkai Lyndon word yang terurut secara Lexicographic. Hasil kajian ini memberikan kontribusi terhadap langkah-langkah untuk merangkai sebarang Lyndon word dari suatu alfabet 𝐴 dengan panjang 𝑛, sehingga diperoleh barisan de Bruijn yang dibangun oleh 𝑛. Sebagai akhir pembahasan akan diberikan kaitan antara graf de Bruijn dan barisan de Bruijn.

---

Given any integer 𝑎≥2 and 𝑛≥1, de Bruijn graph can be constructed. De Bruijn graph is a digraph with 𝑎𝑛−1 vertices, each has 𝑛−1 length label, and 𝑎𝑛 arc, each has 𝑛 length label. Since each of de Bruijn graph is an Eulerian graph, then we can find an Eulerian circuit with minimal label. De Bruijn sequence which is spanned by 𝑛 can be representated by Eulerian circuit with minimal la-bel. It is not easy to construct de Bruijn graph for 𝑛 large, it is implied difficulties to find Eulerian circuit with minimal label. In this ?thesis? will be presented alter-native method on how to construct de Bruijn sequence using Fredicksen and Mai-orana Theorem. This theorem guarantees the existence of de Bruijn sequence for any given 𝑛 using concatenation Lexicographic ordered of Lyndon word. The re-search result has contributed on construct step by step to obtain concatenation any Lyndon word of length 𝑛 of alphabet 𝐴, so we obtain de Bruijn sequence span by 𝑛. For conclusi, will be given correlations between de Bruijn graph and de Bruijn sequences.

Abstrak :
ABSTRAK
Penyakit campak merupakan penyakit menular dan sangat berbahaya. Oleh karena itu, perlu dilakukan suatu upaya untuk mencegah terjadinya penyebaran penyakit ini. Salah satu cara yang efektif untuk mengatasi penyebaran penyakit ini adalah vaksinasi campak. Strategi vaksinasi dibedakan menjadi dua, yaitu strategi constant vaccination dan strategi pulse vaccination. Tesis ini membahas pengaruh strategi pulse vaccination terhadap pencegahan penyebaran penyakit campak dengan menggunakan model epidemik SIR (Susceptible, Infectious, Recovered). Berdasarkan pembentukan model tersebut, diperoleh suatu nilai ambang batas epidemik yang digunakan sebagai batasan untuk analisis selanjutnya. Analisa sistem dinamik pada model dengan menentukan solusi periodik bebas infeksi, yang menggunakan pemetaan stroboskopik dan titik tetap. Selain itu, ditentukan kestabilan dari solusi periodik bebas infeksi dengan menggunakan metode linierisasi dan teori Floquet. Hasil penelitian menunjukkan bahwa kestabilan solusi periodik bebas infeksi bergantung pada pengambilan nilai dari periode pulse vaccination (T) yang kestabilannya bersifat lokal. Berdasarkan kriteria kestabilan tersebut diperoleh bahwa strategi pulse vaccination akan berhasil mencegah terjadinya penyebaran penyakit campak jika nilai dari T < Tmax . Untuk mendukung pembahasan teori di dalam penelitian ini, dilakukan simulasi dengan menggunakan software Matlab.

---

Abstract
Measles is a highly infectious and dangerous disease. Therefore, there should be an attempt to prevent the spread of this disease. One effective way to tackle the spread of this disease is measles vaccination. Vaccination strategies can be divide into two, that are constant vaccination and pulse vaccination. In this thesis, it is discussed the influence of pulse vaccination strategy against measles prevention of the spread of disease by using the SIR (Susceptible, Infectious, Recovered) epidemic model. Based on the model building, it is obtained an epidemic threshold values that are used as constraints for further analysis. Analysis of dynamical systems on the model by determining the infection-free periodic solution by using a stroboscopic map and fixed point. Furthermore, we determine the stability of infection-free periodic solution by using the linearization method and Floquet theory. The results of this study showed that the stability of infection-free periodic solution depends on the uptake values of pulse vaccination period (T) which is local stability. Based on the stability criteria is obtained that the pulse vaccination strategy will successfully prevent the spread of measles disease if the value of T < Tmax. To support the discussion of the theory in this study, we perform simulations using the software Matlab.

Abstrak :
ABSTRACT
Kanker payudara adalah pertumbuhan sel-sel abnormal di jaringan pada payudara yang berkembang secara tidak terkendali. Perkembangan sel-sel abnormal secara tidak terkendali ini menyebabkan kanker menjadi salah satu penyakit paling mamatikan yang umumnya dialami oleh wanita di seluruh dunia. Salah satu cara untuk mengurangi berkembangnya sel kanker ini adalah dengan melakukan pendeteksian dini menggunakan machine learning. Beberapa metode machine learning berhasil melakukan klasifikasi kanker. Clustering merupakan salah satu metode dari machine learning yang bertujuan untuk mengelompokkan suatu dataset ke dalam subset berdasarkan ukuran jarak. Kernel Spherical K-Means (KSPKM) adalah salah satu metode clustering dengan mengganti hasil kali dalam yang ada pada Spherical K-Means (SPKM) dengan fungsi Kernel. Data kanker payudara yang digunakan pada penelitian ini adalah data kanker payudara Coimbra. Data kanker payudara Coimbra ini merupakan hasil dari pengambilan tes laboratorium yang dapat mendeteksi kanker payudara pada tubuh. Hasil klasifikasi data kanker payudara Coimbra dengan menggunakan metode SPKM memiliki hasil akurasi sebesar 81,82% dengan running time selama 0,16 detik, sensivicity sebesar 100%, dan specificity sebesar 65,62% sedangkan hasil akurasi dengan menggunakan KSPKM dengan Radial Basis Function (RBF) adalah 72,41% dengan running time 0,98 detik, sensivicity sebesar 61,54%, dan specificity sebesar 81,25% . Berdasarkan hasil akurasi pada 10% sampai 90% data yang digunakan, metode KSPKM menghasilkan akurasi yang lebih stabil dibandingkan hasil akurasi pada metode SPKM.

---

ABSTRACT
Breast cancer is the growth uncontrollably of abnormal cells in the tissue in the breast. The development of abnormal cells uncontrollably causes cancer to become one of the most deadly diseases commonly among women the worldwide. One way to reduce the development of cancer cells is by early detection using machine learning. Some machine learning methods successfully classify cancer. Clustering is one of the methods of machine learning that aims to grouping of a dataset into subsets based on distance measurement.. Kernel Spherical K-Means (KSPKM) is one of the clustering methods by replacing the inner products in the Spherical K-Means (SPKM) by Kernel functions. The breast cancer data used in this study were Coimbra breast cancer data. The Coimbra breast cancer data is the result of taking laboratory tests that can detect breast cancer in the body. The classification results for Coimbra breast cancer data using the SPKM method has highest accuracy 81,82% with running time for 0,16 seconds, sensivicity 100%, and specificity 65,62% while the highest accuracy results using KSPKM with Kernel radial basis function (RBF) are 72,41% with running time 0,98 seconds, sensivicity 61,54%, and specificity 81,25%. Based on the results of the accuracy of 10% to 90% of the training data used, the KSPKM method produces more stable accuracy than the accuracy results of SPKM method.

Abstrak :
ABSTRACT
Kanker serviks adalah salah satu penyebab kematian wanita terbanyak di Indonesia. Kanker serviks memiliki progresi yang lambat, sehingga pada beberapa kasus kanker serviks masih dapat disembuhkan. Maka dari itu, pendeteksian dini sangat diperlukan untuk dapat mengetahui pengobatan yang tepat. Berbagai metode machine learning telah digunakan untuk mengklasifikasi kanker serviks karena kemampuannya untuk mendiagnosis secara efektif. Pada penelitian ini digunakan metode klasifikasi Gauss-Newton Representation Based Algorithm (GNRBA). Pengukuran jarak Euclidean digunakan dalam pemilihan data training. Data yang digunakan adalah data faktor risiko Hospital Universitario de Caracas yang diambil dari Kaggle dataset. Kami menggunakan 4 label tes kanker serviks sebagai variabel target klasifikasi. Berdasarkan hasil uji coba, klasifikasi kanker serviks dengan metode GNRBA mencapai akurasi tertinggi 95,35%, sehingga metode GNRBA dapat menjadi salah satu alternatif untuk membantu praktisi medis dalam mendeteksi kanker serviks.

---

ABSTRACT
Cervical cancer is one of woman leading cause of death disease in Indonesia. Cervical cancer has slow progression, in some cases it can be prevented by effective treatment. So, timely detection is important to know the effective treatment. Machine learning techniques are being largely use to classify cervical cancer because of its precision and its capability to diagnose effectively. In this research, to identify the classification of cervical cancer, we have proposed a Gauss-Newton Representation Based Algorithm (GNRBA) methods. Euclidean distance measure is used in the subset selection for training samples. This GNBA method is examined on the Hospital Universitario de Caracas cervical cancer database from Kaggle dataset. We have used 4 cervical cancer test labels as the target variables of cervical cancer classification. The experimental results show that the proposed GNRBA method give the 93% accuracy. So, GNRBA method could be an alternative for helping the clinical experts to classify cervical cancer.

Abstrak :
Tren kenaikan frekuensi dan severitas klaim untuk klaim asuransi kendaraan bermotor menyebabkan dibutuhkannya metode otomatisasi baru untuk memprediksi probabilitas seorang pemegang asuransi kendaraan akan mengajukan klaim jika diberikan data historis mengenai pemegang asuransi tersebut, agar perusahaan asuransi dapat memilah dan memproses lebih lanjut para pemegang polis yang kemungkinan mengajukan klaimnya tinggi. Masalah ini dapat diselesaikan dengan berbagai metode, salah satunya dengan machine learning, yang mengkategorisasikan masalah tersebut sebagai masalah supervised learning. Volume data yang besar dan banyaknya kemungkinan adanya missing values pada data pemegang asuransi menjadi dua aspek yang mempengaruhi pemilihan model machine learning yang tepat. XGBoost merupakan model gradient boosting machine learning baru yang dapat mengatasi missing value dan volume data besar sehingga XGBoost diklaim merupakan metode yang tepat untuk digunakan pada masalah tersebut. Dalam skripsi ini akan diaplikasikan metode XGBoost kepada masalah ini, dan akan dibandingkan hasilnya dengan berbagai metode machine learning lainnya, seperti AdaBoost, Stochastic Gradient Boosting, Random Forest, Neural Network, dan Logistic Regression. ......The increasing trend of claim frequency and claim severity for auto-insurance result in a need of new methods to predict whether a policyholder will file an auto-insurance claim or not, given historical data about said policyholder, so that insurance industries can further process policyholders with high claim probability. This problem can be solved with many methods, one of which is machine learning, which categorizes this problem as a supervised learning problem. The high data volume and the existence of missing values on a policyholders historical data are aspects that the chosen machine learning model must be able to handle. XGBoost is a novel gradient boosting machine learning problem that is able to inherently handle missing values and high volume of data, which should make the model suitable for this problem. In this thesis, XGBoost will be applied to this problem, and its performance will be compared by other machine learning models, such as AdaBoost, Stochastic Gradient Boosting, Random Forest, Neural Network, and Logistic Regression.

Abstrak :
Investor mempunyai tujuan untuk mendapatkan keuntungan setiap melakukan investasi. Saham adalah salah satu instrumen investasi yang menawarkan tingkat keuntungan yang menarik. Di Indonesia, saham sudah menjadi salah satu instrumen investasi yang populer. Namun, walaupun saham mempunyai keuntungan yang tinggi, saham juga mempunyai risiko yang tinggi. Hal ini disebabkan karena harga saham fluktuatif dan dipengaruhi oleh faktor-faktor yang rumit. Akibat dari harga saham yang fluktuatif, investor sulit untuk mendapatkan sebuah prediksi yang akurat. Jika investor dapat memprediksi pergerakan harga saham di masa depan, investor dapat membuat keputusan yang tepat untuk beli, jual, atau hold. Dalam skripsi ini digunakan tiga jenis data perusahaan berbeda yang tercatat di dalam Bursa Efek Indonesia dengan data historis dari tahun 2017 sampai 2018. Umumnya, investor menggunakan indikator teknikal untuk memprediksi pergerakan saham. Pada skripsi ini, sebanyak tujuh belas teknikal indikator digunakan dan indikator teknikal tersebut diproses ke dalam dua jenis pendekatan. Pendekatan pertama memanfaatkan nilai-nilai indikator teknikal dan pendekatan kedua menggunakan sifat-sifat tertentu dalam menggambarkan pergerakan saham. Dua jenis data tersebut dijadikan data input bagi model prediksi dengan menggunakan metode Fuzzy Kernel Robust C-Means yang mengkelompokkan data harga saham ke dalam dua kelas, yaitu naik atau turun. Pada skripsi ini digunakan sebanyak tiga jenis label kelas yang berbeda, yaitu label kelas berdasarkan harga harian penutupan saham, label kelas yang bergantung pada rata-rata harga mingguan penutupan saham, dan label kelas yang bergantung pada rata-rata keseluruhan harga penutupan saham. ...... Investors must achieve a goal to obtain benefit from every investment they made. Stock offers an interesting amount of benefit. In Indonesia, stock has becoming one of the most popular investment tools. Even though stock offers an interesting amount of benefit, stock is also have a high risk. The reason behind this is because stock movement has fluctuating nature and affected by complicated factors. Due to this situation, investors hardly obtain an accurate prediction. If investors could oversee the stock price movement, investors could make right decision whether to buy, sell, or hold. Three different companies stock price data listed in Bursa Efek Indonesia from 2017 to 2018 used in this undergraduate thesis. Investors usually use technical indicators to predict the stock price movement. In this undergraduate thesis, seventeen technical indicators are used and processed into two different approaches. The first approach use the values of technical indicators and the scond one utilizes certain criteria owned by each technical indicator in describing stock price movement. Both approaches are then used as input data for prediction model using the Fuzzy Kernel Robust C-Means method which classifies the stock price data into two classes, i.e. up and down. Three different class labels are used in this undergraduate thesis, i.e. day stock price movement class label, weekly average stock price movement class label, and whole average stock price movement class label.

Abstrak :
ABSTRAK
Knapsack Problem KP adalah masalah penempatan item barang ke dalam suatu tempat biasa disebut Knapsack yang mempunyai kapasitas tertentu dimana setiap item memiliki berat dan nilai sehingga total berat dari item item yang ditempatkan tidak melebihi kapasitas Knapsack dan nilai yang didapatkan maksimum 0 1 Knapsack Problem 0 1 KP adalah kasus khusus dari KP dimana setiap item hanya tersedia 1 unit sehingga keputusannya adalah untuk memasukkan item tersebut ke dalam Knapsack atau tidak Algoritma Soccer League Competition SLC akan digunakan untuk menyelesaikan 0 1 KP yang ide dasarnya berasal dari kompetisi yang terjadi di liga sepak bola Penyelesaian 0 1 KP menggunakan algoritma SLC ini kemudian akan disimulasikan pada 10 permasalahan 0 1 KP dengan menggunakan perangkat lunak pada komputer Lalu hasilnya akan dibandingkan dengan solusi yang diperoleh dari algoritma NGHS.

---

ABSTRACT
Knapsack Problem KP is an optimization problem to placed some item into a place called Knapsack that have certain capacity which each item has a weight and a value so that the total weight of the chosen items does not exceed the capacity of knapsack and the total value is as large as possible 0 1 Knapsack Problem 0 1 KP is a case of KP which is only one unit available for each item so that the decision is to put these items to knapsack or not Soccer League Competition algorithm will be used to solving 0 1 KP The basic idea of SLC algorithm is from the competition that happen on a soccer league Then SLC algorithm will be simulated on 10 solved 0 1 KP problem with software on computer to solve 0 1 KP and will be compared with solutions from NGHS.