Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tulisan ini membahas taksiran negative dari variansi kesalahan-kesalahan ukuran (Measurement Errors Variance) dimana data sampel diukur dengan 2 dan 3 metode ukuran. Dalam skripsi ini diberikan pembahasan mengenai kemungkinan terdapatnya taksiran negative dari vaniansi kesalahan-kesalahan ukuran dan bagaimana mengatasi masalah taksiran negatif tersebut, baik untuk data sampel yang diukur dengan 2 metode ukuran maupun data sampel yang diukur dengan 3 metode ukuran. Masing-masing pembahasan dimulai dengan model matematika, mencari taksiran dari vaniansi kesalahan-kesalahan ukuran, dan bagaimana mengatasi masalah taksiran negatif dari variansi kesalahan-kesalahan ukuran. Dibagian akhir tulisan diberikan sebuah contoh."

"Metode Conjugate Gradient merupakan salah satu cara untuk optimumkan fungsi f(x) untuk x tanpa kendala (unconstrained optimisation). Optimisasinya dijalankan secara iteratif dengan bantuan garis-garis arah yang saling conjugate. Karena metode ini sangat efisien dalam pemanfaatan storage, maka timbullah usaha untuk mengembangkannya. Salah satu pengembangannya adalah dengan menghubungkan metode CG ini dengan metode BFGS, yang kemudian menghasilkan suatu metode baru yang disebut VSGCG."

"Penentuan harga opsi (option pricing) memegang peranan penting pada perdagangan saham agar dapat membuat keputusan yang dapat memperoleh keuntungan yang optimal baik untuk pembeli maupun penjual opsi. Salah satu model pasar yang dapat digunakan pada option pricing ini adalah model Black-Scholes dengan volatilitas stokastik dari harga saham yang berdasarkan proses Ornstein-Uhlenbeck. Model ini digunakan agar dapat menggambarkan sifat dari volatilitas yang ada pada pasar saham sesungguhnya. Untuk mengaproksimasi harga opsi call Eropa berdasarkan model tersebut, digunakan metode Euler-Maruyama. Diteliti juga laju konvergensi dari aproksimasi tersebut. Kemudian, dilakukan analisis terhadap hasil simulasi harga opsi menggunakan beberapa fungsi volatilitas harga saham yang berdasarkan proses Ornstein-Uhlenbeck. Hasil simulasi menunjukkan bahwa pemilihan fungsi volatilitas pada model pasar perlu dipertimbangkan lebih lanjut karena berkaitan dengan konsep mean-reversion yang diharapkan dari volatilitas pasar saham di dunia nyata.

---

Option pricing holds a crucial role in trading to make decision that would lead to the best benefit for both the option buyer and seller. The market model that could be used for option pricing is Black-Scholes model with stochastic stock prices volatility driven by Ornstein-Uhlenbeck process. This model is used in order to reflect the properties of the volatility in the real market. In this short thesis, Euler-Maruyama method is used to approximate the price of the European call option based on that model. The rate of convergence of the approximation is also determined. The simulation of the option price approximation is performed with some Ornstein-Uhlenbeck-driven volatility functions for the stock price model. The result of the simulation shows that the choice of the volatility function for the stock price model needs to be scrutinized since it is related to the mean-reversion concept that is expected from the stock prices volatility in real market."

"Tren adalah suatu pola yang berulang, sementara analisis tren merupakan praktik pengumpulan dan analisis data dalam upaya untuk menemukan pola tersebut. Analisis tren adalah suatu metode untuk memproyeksikan kondisi masa depan berdasarkan data masa lalu hingga saat ini. Tinjauan literatur sistematis, bibliometrik, dan topic modeling adalah beberapa contoh pendekatan yang sering dipakai untuk menangkap fenomena perkembangan tren sains dan teknologi. Penelitian ini bertujuan untuk melakukan pengujian dan implementasi algoritma deteksi topik berbasis clustering yang dikombinasikan dengan analisis kualitatif dalam pendeteksian tren topik untuk mendapatkan gambaran yang menyeluruh mengenai konsep, struktur ilmiah, topik utama, dan perkembangan bidang teknologi big data dan smart sustainable city. Analisis topik dilakukan terhadap kumpulan data bibliografi publikasi ilmiah terkait kedua bidang tersebut yang didapat dari basis data Scopus dan CORE. Pengujian terhadap kinerja algoritma Deep-autoencoder based Fuzzy C-Means (DFCM) untuk deteksi topik dari corpus dokumen publikasi ilmiah menunjukkan bahwa algoritma DFCM menunjukkan kinerja yang baik serta dapat mengungguli kinerja algoritma-algoritma standar yang banyak dipakai untuk pendeteksian topik seperti Non-negatif Matrix Factorization (NMF) dan Latent Dirichlet Allocation (LDA) pada corpus dengan ukuran besar. Analisis hasil clustering terhadap data publikasi ilmiah memberikan gambaran perkembangan dan topik-topik yang menjadi “highlight” dalam periode tertentu, mencari research gap dan mengetahui karakteristik penelitian, serta memprediksi topik penelitian apa saja yang menjanjikan di masa depan.

---

A trend is a recurring pattern, while trend analysis is the practice of collecting and analyzing data to find that pattern. Trend analysis is a method for projecting future conditions based on past to present data. Systematic literature review, bibliometrics, and topic modeling are examples of approaches that are often used to capture the phenomenon of the development of science and technology trends. This study examined and implemented clustering-based topic detection algorithms, combined with qualitative analysis, to comprehensively picture the concept, scientific structure, main topics, and developments in big data technology and smart and sustainable city. The topic analysis is performed on collecting bibliographic data from scientific publications related to these two fields obtained from the Scopus and CORE database. In this research, the deep-autoencoder based on the Fuzzy C-Means (DFCM) algorithm's performance for topic detection from the corpus of scientific publication documents was examined. Based on the experiment's results, it can be concluded that the DFCM algorithm shows good performance and can outperform standard algorithms that are widely used for topic detection, such as Non-negative Matrix Factorization (NMF) and Latent Dirichlet Allocation (LDA) on topic detection tasks in huge corpus text. The clustering results analysis on scientific publication data provides an overview of research topics and developments that become "highlights" in a certain period, discover research gaps and characteristics, and predict what research topics are promising in the future."

"Berdasarkan standar prevalensi stunting yang ditetapkan oleh WHO, yaitu sebesar 20%,tingkat prevalensi stunting di Indonesia masih cukup tinggi. Oleh sebab itu, pada tahun2018 pemerintah menetapkan 100 kabupaten prioritas penurunan angka stunting.Penentuan 100 kabupaten tersebut hanya didasarkan pada kriteria jumlah dan prevalensibalita stunting yang dibobot dengan tingkat kemiskinan provinsi (desa-kota). Akibatnya,akan tidak efektif apabila pemerintah memberikan alokasi APBN, APBD, dan perhatianyang merata pada 100 daerah prioritas tanpa melihat kondisi pada masing-masingkabupaten untuk indikator yang lain. Dengan demikian, diperlukan analisispengelompokan 100 kabupaten prioritas intervensi stunting pada tahun 2018 berdasarkanpada indikator-indikator yang telah ditetapkan oleh Tim Nasional PercepatanPenanggulangan Kemiskinan untuk melihat kondisi keparahan stunting. Analisispengelompokan ini diharapkan dapat dijadikan acuan bagi pemerintah dalam penentuankelompok kabupaten prioritas dan diharapkan pemerintah dapat mengambil kebijakanyang tepat sesuai dengan kondisi masing-masing kelompok. Banyaknya observasi yangdigunakan adalah 100 kabupaten prioritas intervensi stunting tahun 2018 dengan terdapatdelapan variabel numerik dan enam variabel kategorik. Adapun metode yang digunakanadalah metode Partitioning Around Medoids (PAM) dengan menggunakan Gowerdistance yang mampu menangani pengelompokan pada tipe data campuran. Hasil daripenelitian ini menunjukkan bahwa terbentuk lima kelompok kabupaten yang memilikikarakteristik masing-masing. Diperoleh bahwa Cluster 5 memiliki kondisi yang relatifpaling buruk di antara cluster lainnya untuk setiap indikator, sehingga sebaiknya menjadikelompok kabupaten prioritas pertama dalam penanganan kasus stunting. Cluster yangmenjadi prioritas kedua adalah cluster 4, prioritas ketiga adalah cluster 2, dan prioritaskeempat adalah cluster 3. Cluster 1 memiliki kondisi yang relatif paling baik di antaracluster lainnya, sehingga menjadi prioritas terakhir. Kabupaten-kabupaten yang berasaldari Provinsi Papua dan Provinsi NTT secara garis besar merupakan kabupatenkabupatenyang memiliki kondisi keparahan stunting yang buruk, dengan mayoritasmerupakan anggota cluster 2, cluster 4, dan cluster 5. Secara umum untuk lebihmeningkatkan upaya penurunan angka stunting pada 100 kabupaten prioritas, pemerintahperlu mengoptimalkan upaya penurunan angka kemiskinan, meningkatkan proporsipenduduk dengan perilaku BAB di jamban, meningkatkan akses masyarakat terhadap airbersih dan akses masyarakat terhadap sanitasi yang baik, meningkatkan jumlah posyanduper desa, dan meningkatkan ketersediaan jumlah dokter pada masing-masing kabupaten

---

Based on the stunting prevalence standard set by WHO, which is 20%, the stunting

prevalence rate in Indonesia is still quite high. Therefore, in 2018 the government set 100

priority districts to reduce stunting rates. The determination of the 100 regencies only

based on the criteria of the number and prevalence of stunted children weighted by the

provincial (rural-urban) poverty rate. As a result, it will be ineffective if the government

allocates the state budget, regional budget, and equal attention to 100 priority areas

without looking at each district’s conditions for other indicators. Therefore, an analysis

of the 100 priority districts for stunting intervention needed in 2018 based on indicators

established by the National Team for the Acceleration of Poverty Reduction to see the

condition of the severity of stunting. This grouping analysis expected to use as a reference

for the government in determining priority district groups and expected the government

to take appropriate policies by each group’s conditions. The number of observations used

was 100 priority districts for stunting intervention in 2018 with eight numerical variables

and six categorical variables. The method used is the Partitioning Around Medoids (PAM)

method using a Gower distance that believed to handle grouping on mixed data types.

The results of this study indicate that five district groups formed that have their respective

characteristics. It found that cluster 5 had the relatively worst condition among the other

clusters for each indicator, so it should be the priority group in handling stunting cases.

The second priority cluster is cluster 4, the third priority is cluster 2, and the fourth priority

is cluster 3. Cluster 1 has the relatively best condition among other clusters, so it becomes

the last priority. Districts originating from Papua Province and East Nusa Tenggara

Province are generally districts that have reduced stunting severity, with the majority

being members of cluster 2, cluster 4, and cluster 5. In general, to further increase efforts

to reduce stunting rates at 100 priority districts, the government needs to optimize efforts

to reduce poverty, increase the proportion of the population with defecation behavior in

latrines, increase community access to clean water and community access to proper

sanitation, increase the number of posyandu per village, and increase the availability of

doctors in each district"

"Teorema binomial bentuk khusus 0 ( ) (1 ) ! k k k x x k ??? ?? ?? = ? = ?? mempunyai koefisien binomial ( ) ! k k ?? yang berupa bilangan riil. Jika diasumsikan yx = qxy , yq = qy dan xq=qx, dimana q disebut parameter maka koefisien dari teorema binomial tersebut menjadi berbentuk deret-q. Teorema binomial bentuk khusus dengan koefisien binomial berupa deret-q dinamakan teorema q-binomial. Selain dengan menggunakan metode asumsi, deret-q juga akan muncul pada saat menghitung integral suatu fungsi dengan menggunakan rumus q-integral. Pemakaian q-integral untuk menyelesaikan integral beta (0,1) akan menghasilkan deret-q. Deret-q yang diperoleh analog dengan deret-q pada teorema q-binomial. Sedangkan pemakaian q-integral pada integral beta (0,??) menghasilkan deret-q yang berupa deret bilateral. Nilai konvergensi dari deret bilateral tersebut sulit untuk dihitung secara langsung. Untuk memudahkan penyelesaian digunakan teorema formula jumlahan Ramanujan. Pada tugas akhir ini akan dibahas bagaimana menyelesaikan integral beta (0,??) dengan menggunakan teorema formula jumlahan Ramanujan."

"This book treats the numerical analysis of finite element computational fluid dynamics. Assuming minimal background, the text covers finite element methods; the derivation, behavior, analysis, and numerical analysis of Navier-tokes equations; and turbulence and turbulence models used in simulations. Each chapter on theory is followed by a numerical analysis chapter that expands on the theory. The chapters contain numerous exercises."

"This book provides a thorough, rigorous presentation of kinematics and dynamics while using MATLAB as an integrated tool to solve problems. Topics presented are explained thoroughly and directly,allowing fundamental principles to emerge through applications from areas such as multibody systems, robotics, spacecraft and design of complex mechanical devices. This book differs from others in that it uses symbolic MATLAB for both theory and applications. Special attention is given to solutions that are solved analytically and numerically using MATLAB. "