Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAK Pada tabel kontingensi 2p, uji goodness of fit pada model seringkali tidak dapat dilakukan. Hal ini disebabkan oleh banyaknya sel yang kosong pada tabel yang melanggar rule of thumb dari distribusi khi-kuadrat. Untuk itu dikembangkan uji goodness of fit berdasarkan perbandingan antara frekuensi observasi dan frekuensi harapan dengan metode two-way margins. Sebagai pengganti distribusi khi-kuadrat yang tidak akurat, digunakan aproksimasi linier dari distribusi khi-kuadrat yaitu a + b 2 c ? yang dibentuk dengan momen asimptotik. Sebagai penerapannya, metode ini akan diaplikasikan pada data SASSI (The Substance Abuse Subtle Screening Inventory) dengan tujuan untuk melihat apakah sepuluh pertanyaan untuk menentukan skor variabel komposit FRISK pada alat tes SASSI dapat dijawab dengan baik oleh responden. Hasil pegujian menunjukkan terdapat satu pertanyaan yang bias sehingga hanya sembilan pertanyaan yang dianggap layak untuk menentukan skor variabel komposit FRISK. Kata kunci : Uji goodness of fit, two-way margins, distribusi Khi-kuadrat vii + 52 halaman; lamp. Bibiliografi : 7 (1980 - 2002)"

"Penelitian tentang distribusi dan keanekaan jenis burung Kampus UI Depok pada berbagai subtipe habitat telah dilakukan pada bulan Agustus--Oktober 2006. Sensus burung dan pengambilan data struktur vertikal vegetasi dilakukan dengan metode titik, sedangkan pengambilan data stratifikasi horizontal habitat dilakukan dengan metode transek. Analisis data dilakukan dengan melihat data distribusi dan keanekaan jenis burung dengan profil subtipe habitatnya. Hasil penelitian menunjukkan bahwa distribusi 39 jenis burung yang ditemukan di Kampus UI Depok ditentukan oleh jenis sistem, perbedaan lapisan tajuk, struktur horizontal habitat, komposisi jenis tumbuhan, pembagian sumberdaya dan kompetisi antar jenis burung yang berkerabat dekat. Subtipe-subtipe habitat yang ada di Kampus UI Depok terbagi menjadi dua kelompok berdasarkan komposisi jenis burungnya yaitu kelompok subtipe-subtipe habitat dengan komposisi jenis burung yang menyukai habitat terestrial dan kelompok dengan komposisi jenis burung yang menyukai habitat perairan. Tingginya nilai indeks keanekaan jenis burung disebabkan oleh tingginya nilai indeks keanekaan lapisan tajuk, tingginya kekayaan jenis tumbuhan, dan luas wilayah."

"ABSTRAKIndonesia terletak pada daerah dengan intensitas gempa yang begitutinggi. Dalam pembangunan bangunan-bangunan tahan gempa di Indonesia,diatur oleh peraturan-peraturan, yaitu : Peraturan Perencanaan Tahan GempaIndonesia Untuk Gedung 1983 dan Tata Cara Penghitungan Struktur BetonUntuk Bangunan Gedung (SK SKNI T-15-1991-03), tetapi tidak ada ditegaskanbagaimana gaya gempa pada tiap lantai gedung didistribusikan pada masing-masing kolom. Penulisan ini diiakukan untuk rnendapatkan pengetahuan tentangcara pendistribusian gaya lateral akibat beban gempa yang akan dipikul olehmasing-masing kolom pada struktur gedung tahan gempa.Beban gempa statis total maupun beban gempa statis pada tiap lantaididapat dengan menggunakan analisa statik ekuivalen. Pendistribusian bebangempa statis dilakukan dengan 3 cara, yaitu : membagi gaya gempa perlantaidengan cara sama besar tiap joint, membagi gaya gempa perlantai berdasarkantributary area massa tiap joint perlantai, dan terakhir membagi gaya gempa totalke tiap joint berdasarkan pola getar pertama.Pengambilan kesimpulan penelitian dilakukan dengan cara membandingkan hasil analisa struktur akibat beban gempa statis yang didistribusikan dengan hasil analisa dinamis struktur.Analisa struktur pada penelitian ini menggunakan software SAP 90."

"Distribusi Poisson adalah distribusi yang biasa digunakan untuk memodelkan count data dengan asumsi nilai mean dan variansi memiliki nilai yang sama (ekuidispersi). Dalam kenyataannya, sebagian besar count data memiliki nilai mean yang lebih kecil dari variansi (overdispersi) dan distribusi Poisson tidak cocok digunakan untuk memodelkannya. Dengan demikian, beberapa distribusi alternatif telah diperkenalkan untuk mengatasi masalah ini. Salah satunya adalah distribusi Shanker yang hanya memiliki satu parameter. Namun, distribusi Shanker adalah distribusi kontinu, sehingga tidak dapat digunakan untuk memodelkan count data. Oleh karena itu, distribusi baru ditawarkan yaitu distribusi Poisson-Shanker. Distribusi Poisson-Shanker diperoleh dengan mencampurkan distribusi Poisson dan Shanker, dengan distribusi Shanker sebagai mixing distribution. Hasil yang diperoleh adalah distribusi campuran yang memiliki satu parameter dan dapat digunakan untuk memodelkan count data yang overdispersi. Dalam tugas akhir ini, diperoleh bahwa distribusi Poisson-Shanker memiliki beberapa sifat yaitu unimodal, overdispersi, hazard rate naik, serta diperoleh koefisien kurtosis dan skewness. Selain itu, diperoleh pula empat raw momen dan momen sentral pertama. Metode yang digunakan untuk menaksir parameter adalah metode maximum likelihood dan diselesaikan dengan menggunakan iterasi numerik. Dilakukan ilustrasi pada data untuk menggambarkan distribusi Poisson-Shanker. Karakteristik parameter dari distribusi Poisson-Shanker diperoleh dengan simulasi numerik dengan beberapa variasi nilai parameter dan ukuran sampel. Hasil yang diperoleh adalah rata-rata nilai MSE dan bias taksiran parameter akan naik seiring pertambahan nilai parameter untuk suatu nilai n dan akan turun seiring pertambahan nilai n untuk suatu nilai parameter.

---

Poisson distribution is a common distribution for modelling count data with assumption mean and variance has the same value (equidispersion). In fact, most of the count data have mean that is smaller than variance (overdispersion) and Poisson distribution cannot be used for modelling this kind of data. Thus, several alternative distributions have been introduced to solve this problem. One of them is Shanker distribution that only has one parameter. Since Shanker distribution is continuous distribution, it cannot be used for modelling count data. Therefore, a new distribution is offered that is Poisson-Shanker distribution. Poisson-Shanker distribution is obtained by mixing Poisson and Shanker distribution, with Shanker distribution as the mixing distribution. The result is a mixture distribution that has one parameter and can be used for modelling overdispersion count data. In this paper, we obtain that Poisson-Shanker distribution has several properties are unimodal, overdispersion, increasing hazard rate, and right skew. The first four raw moments and central moments have been obtained. Maximum likelihood is a method that is used to estimate the parameter, and the solution can be done using numerical iterations. A real data set is used to illustrate the proposed distribution. The characteristics of the Poisson-Shanker distribution parameter is also obtained by numerical simulation with several variations in parameter values and sample size. The result is average MSE and bias of the estimated parameter will increase when the parameter value rises for a value of n and will decrease when the value of n rises for a parameter value."

"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."

"Tugas akhir ml membahas tentang uji kehomogenanmarginal dengan model log linier pada tabel kontingensi 2 dan3 dimensi yang mempunyal kategori dengan jumlah dan definisiyang sama. Untuk menguji kehomogenan marginal dengan modellog linier mi diperlukan syarat bahwa tabel kontingensitidak simetri tapi simetri semu."

"Penelitian ini dilakukan untuk memvalidasi Coefficient of Variation sebagai alat ukur yang memenuhi kriteria uji Goodness of Fit dengan menggunakan prosedur uji analisis sensitivitas yaitu Morris dan Fourier Amplitude Sensitivity Test (FAST) sebagai pembanding. Penelitian ini dilakukan dengan bantuan perangkat lunak MATLAB® vR2020b dan GraphPad Prim 8 menggunakan data sekunder berupa data farmakokinetik 63 pasien yang melakukan terapi radiomolekuler ginjal dengan menggunakan radiofarmaka 177Lu-PSMA-617. Pengujian diawali dengan seleksi model terbaik dari hasil fitting 12 fungsi SOE menggunakan pemodelan NLME yang memenuhi kriteria Goodness of Fit (visualisasi grafis dan %CV) dan seleksi model AICc. Selanjutnya melakukan analisis sensitivitas parameter dari masing-masing fungsi fitting menggunakan metode Morris dan FAST sebagai pembanding. Diperoleh final model dari hasil analisis sensitivitas sama dengan final model yang memenuhi kriteria seleksi model Goodness of Fit dan AICc yaitu fungsi f6a. Dari hasil penelitian ini, diperoleh korelasi %CV dengan indeks sensitivitas uji Morris dan FAST penting dalam seleksi model dilihat dari koefisien gradien fungsi fitting yang memiliki korelasi positif yaitu pada fungsi f5a, f6b dan f6d. Pada penelitian ini, fungsi fitting f6d terpilih sebagai threshold karena memiliki hubungan positif secara statistik menggunakan regresi linier dan tidak memenuhi batas acceptable %CV<50%. Disimpulkan pada penelitian ini bahwa %CV masih menjadi parameter estimasi penting kriteria Goodness of Fit dalam seleksi model berdasarkan hasil analisis dari uji sensitivitas.

---

This study was conducted to validate the Coefficient of Variation as a measuring instrument that meets the Goodness of Fit test criteria by using sensitivity analysis test procedures, namely Morris and Fourier Amplitude Sensitivity Test (FAST) as comparisons. This study was conducted with the help of MATLAB® vR2020b and GraphPad Prim 8 software using secondary data in the form of pharmacokinetic data of 63 patients who underwent renal radiomolecular therapy using radiopharmaceutical 177Lu-PSMA-617. The test begins with the selection of the best model from the results of fitting 12 SOE functions using NLME modeling that meets the Goodness of Fit criteria (graphic visualization and %CV) and AICc model selection. Next, perform parameter sensitivity analysis of each fitting function using the Morris and FAST methods as a comparison. The final model obtained from the results of sensitivity analysis is the same as the final model that meets the selection criteria of the Goodness of Fit and AICc models, namely the f6a function. From the results of this study, the correlation of %CV with the sensitivity index of the Morris test and FAST is important in model selection seen from the gradient coefficient of the fitting function which has a positive correlation, namely f5a, f6b and f6d. In this study, the fitting function f6d was chosen as the threshold because it has a statistically positive relationship using linear regression and does not meet the acceptable limit of %CV<50%. It was concluded in this study that %CV is still an important estimation parameter of Goodness of Fit criteria in model selection based on the results of analysis from sensitivity tests."

"Tulisan ini hendak berargumen bahwa kekhawatiran Amerika Serikat atas SWFs, khususnya SWFs Cina didorong oleh distribusi power SWFs dan juga iliberalisme Amerika Serikat. Dengan menggunakan Cina sebagai studi kasus, tulisan ini berusaha untuk mengidentifikasi distribusi power melalui perpindahan SWFs Cina agar diperoleh pemahaman mengenai munculnya kekhawatiran Amerika Serikat atas SWFs, khususnya SWFs Cina. Namun dalam perjalanannya, ternyata juga ditemukan bahwa iliberalisme yang terkandung dalam liberalisme Amerika Serikat juga berperan penting dalam pembentukan kekhawatiran itu sendiri.

---

This paper will argue that U.S. concerns over SWFs, especially China's SWFs are driven by the distribution of power of SWFs and also U.S. illiberalism. By using China as a case study, this paper attempts to identify the distribution of power of SWFs from the China's SWFs movement in order to obtain an understanding about the rise of U.S. concerns over SWFs, especially China's SWFs. But in the middle of the process, it was also found that illiberalism contained in U.S. liberalism also play an important role in the formation of that concerns."

"Tugas akhir ini bertujuan membahas model asosiasi yang merupakan pengembangan Model Loglinier, untuk dua variabel kategorik yang salah satu atau keduanya berskala ordinal; yaitu nominal-ordinal, ordinal-nominal dan ordinal-ordinal. Model-model yang sesuai untuk kombinasi variabel tersebut adalah Model Uniform (Model U), Model Efek Baris (Model R), dan Model Efek Kolom (Model C). Model-model asosiasi tersebut bertujuan untuk menganalisis asosiasi antara dua variabel kategorik, dengan memasukkan sifat keterurutan dari variabel berskala ordinal dalam analisis. Masing-masing model akan memuat taksiran nilai harapan dan statistik goodness of fit. Contoh penggunaan masing-masing model dilakukan pada data kategorik dengan skala pengukuran ordinal-ordinal, nominal-ordinal, dan ordinal-nominal, disertai interpretasi hasil-hasil pemodelan. "