Hasil Pencarian  ::  Simpan CSV :: Kembali

"Analisis survival telah banyak digunakan dalam berbagai bidang, termasuk aktuaria. Analisis survival hendak diketahui distribusi dari waktu hingga terjadi suatu kejadian yang diamati. salah satu parameter yang dapat menjelaskan distribusidari waktu hingga terjadi kejadian tersebut ..."

"Evolusi tingkat keparahan suatu penyakit terjadi secara acak sehingga dapat direpresentasikansebagai sebuah proses stokastik. Selain itu, karena transisi pada evolusi tersebutdapat terjadi kapan saja, diperlukan proses stokastik yang juga mempertimbangkan waktutunggu yaitu proses semi Markov. Penelitian ini bertujuan untuk mengkonstruksi prosessemi Markov untuk pemodelan evolusi keadaan atau tingkat keparahan pasien HIV/AIDSberdasarkan jumlah sel CD4 dalam tubuh. Konstruksi proses semi Markov dimulaidengan pemahaman konsep proses semi Markov, kemudian membangun fungsi distribusidan densitas dari waktu tunggu antar keadaan yang diasumsikan berdistribusi Weibull.Proses semi Markov yang dikonstruksi digunakan untuk membangun persamaan evolusisebagai dasar perhitungan probabilitas transisi interval seorang pasien HIV/AIDS danrata-rata total biaya pengobatan yang diperlukan oleh pasien tersebut. Hasil perhitungantersebut dianalisis dan diinterpretasikan agar kecenderungan seorang pasien HIV/AIDSmembaik atau memburuk seiring waktu dapat diketahui. Berdasarkan data pemeriksaanpasien HIV/AIDS di Ethiopia dari tahun 2005 sampai 2014 didapatkan bahwakecenderungan seorang pasien HIV/AIDS membaik atau memburuk akan meningkatselama sekitar dua tahun pertama kemudian akan menurun seiring waktu. Seorang pasienHIV/AIDS dengan jumlah sel CD4 < 350 sel~mm3 pada pemeriksaan awal, memilikirata-rata total biaya pengobatan yang lebih besar dibandingkan pasien lain dengan jumlahsel CD4 > 350 sel~mm3.

---

The evolution of disease severity occurs randomly so that it can be represented as a

stochastic process. Besides, because this transition can occur at any time in this evolution

or in other words, the duration of the individual being in the state (waiting time) is also

random, then a stochastic process is needed, which also considers the waiting time. The

semi-Markov process is a stochastic process that considers the conditions and waiting

times in these circumstances. This study aims to construct and apply a semi-Markov

process in modeling the evolution of HIV/AIDS patients’ state or severity based on

the number of CD4 cells in the body. The semi-Markov process construction begins

with understanding the semi-Markov process concept, then constructs the distribution

function and the waiting time density between states, which are assumed to have a

Weibull distribution. The semi-Markov process constructed was used to construct an

evolutionary equation as a basis for calculating the probability of the transition interval

between HIV/AIDS patients moving from one state to another and the total average cost

of treatment required by these patients. The results of these calculations are analyzed

and interpreted so that the tendency for HIV/AIDS patients to improve or worsen over

time can be identified. Based on examination data of people living with HIV/AIDS in

Ethiopia from 2005 to 2014, it was found that the tendency for people with HIV/AIDS to

get better or worse would increase during the first two years and then decrease over time.

An HIV/AIDS patient with a CD4 count < 350 cells~mm3 at baseline had a greater total

cost of treatment than another patient with a CD4 count > 350 cells~mm3."

"ABSTRAK RELIABILITAS SUATU SISTEM DENGAN ASUMSI WAKTU KEGAGALAN BERDISTRIBUSI EKSPONENSIAL Reliabilitas adalah suatu metode statistik dan merupakan bagian dari pengendalian kualitas produk. Reliabilitas digunakan untuk menghitung probabilitas usia suatu produk mencapai suatu waktu tertentu. Produk-produk manufaktur sebagian besar adalah sistem karena merupakan rangkaian dari komponen-komponen. Dalam skripsi ini akan diuraikan tentang bagaimana menentukan reliabilitas suatu sistem. Skripsi ini membahas fungsi reliabilitas, fungsi tingkat kegagalan, distribusi waktu kegagalan eksponensial dan reliabilitas pada beberapa jenis sistem rangkaian dengan waktu kegagalannya berdistribusikan eksponensial. Sebagai aplikasi mengenai penentuan reliabilitas pada beberapa jenis sistem dengan waktu kegagalannya berdistribusi eksponensial. Diberikan pula beberapa contoh masalah. Kata Kunci : Sistem Rangkaian, distribusi eksponensial, reliabilitas. iv + 46 (2001) Bibl. 4 (1982 - 1995)"

"Pada sistem tenaga listrik memiliki bagian yang saling berkaitan antara satu dengan yang lainnya yaitu sistem pembangkitan, sistem transmisi dan sistem distribusi. Untuk menyalurkan listrik ke konsumen dari sistem distribusi digunakan transformator. Apabila transformator terkena gangguan, maka konsumen dapat langsung merasakan dampaknya. Gangguan-gangguan ini dapat merusak transformator. Sehingga memprediksikan waktu kegagalan transformator sangat penting untuk dilakukan. Terdapat beberapa cara untuk memprediksikan waktu kegagalan transformator yaitu dengan menggunakan distribusi weibull dan distribusi eksponensial. Dengan membuat program aplikasi berbasis Microsoft Excel untuk kedua distribusi ini, dapat langsung memprediksikan waktu kegagalan transformator. Hasil dari program ini adalah kapan transformator akan mengalami waktu kegagalan. Apabila kedua distribusi ini dapat digunakan, program ini dapat menentukan distribusi yang paling akurat untuk digunakan. Sehingga waktu kegagalan yang didapat akan lebih akurat.

---

On an electric power system there are three parts interconnected between one and another and that is generation system, transmission system and distribution system. To distribute electricity to consumer from distribution system used transformer. When a transformer affected by disruption, the consumers can feel the impact. This disruption can damage the transformer. So, predicting the time of the failure of a transformer is very important to do. There are several ways to predict the time of the failure of a transformer is to use and distribution of the exponential and weibull distribution. By making an application program based on Microsoft excel for this distribution, a transformer failure can be directly predicted time. The result of this program will have the time when the transformer is going to failure. If both the distribution can be used, this program can determine the most accurate distribution to use. Therefore the time failure which were found would be more accurate."

"ABSTRAKCount data biasanya merupakan hasil dari suatu count process pada waktu yang kontinu. Salah satu distribusi yang sering digunakan untuk memodelkan count data adalah Poisson count model yang interarival times-nya berdistribusi eksponensial. Namun demikian, Poisson hanya valid untuk data yang memilliki sifat equidispersion. Menerapkan Poisson count model terhadap data yang tidak memenuhi asumsi equidispersion data yang overdispersed maupun underdispersed dapat mengakibatkan kesalahan spesifikasi distribusi dari data. Sebuah count model dikembangkan pada penelitian ini dengan memperluas interarrival times yang digunakan, yaitu Weibull sebagai generalisasi dari eksponensial. Weibull interarrival times dapat mengatasi overdispersion dengan parameter shape 0.

---

ABSTRACTCount data are usually the outcomes of an underlying count process in continuous time. One of the distributions often used to fit count data is Poisson count model. However, Poisson count model is only valid if the data satisfy equidispersion assumption. Applying Poisson count model to the significantly non equidispersed data overdispersed or underdispersed could lead to misspesification of the distribution of the data. A count model would be derived in this thesis by expanding the interarrival times used, that is Weibull interarrival times as the generalization of exponential. Weibull interarrival times could handle overdispersed data with shape parameter 0."

"Tingkat mortalitas merupakan salah satu faktor yang mempengaruhi perhitungan premi asuransi jiwa. Pada tesis ini, model Cox Proportional Hazard digunakan untuk menaksir  tingkat mortalitas berdasarkan faktor-faktor risiko yang dapat diamati seperti jenis kelamin dan status merokok. Parameter-parameter pada model Cox Proportional Hazard ditaksir dengan menggunakan metode Maximum Partial Likelihood Estimation dan metode Newton Raphson, sedangkan penaksiran tingkat mortalitas dilakukan setelah fungsi kumulatif baseline hazard pada model Cox Proportional Hazard ditaksir dengan menggunakan Breslow Estimator. Hasil penaksiran tingkat mortalitas digunakan untuk menentukan besar premi asuransi jiwa. 

---

The mortality rate is one of the factors that effect the calculation of life insurance premium. In this thesis, Cox Proportional Hazard model is used to estimate mortality rates based on observable risk factors such as gender and smoking status. The parameters in the Cox Proportional Hazard model are estimated using the Maximum Partial Likelihood Estimation method and the Newton Raphson method, while assessment of mortality rates is carried out after the cumulative baseline hazard function in the Cox Proportional Hazard model is estimated using Breslow Estimator. The results of estimating mortality rates are used to determine the life insurance premium."

"Tugas akhir ini membahas mengenai Jeffrey prior dalam penaksiran parameter scale distribusi Weibull menggunakan data yang tersensor kanan maupun yang tidak tersensor. Pada Jeffrey prior, posterior yang akan didapatkan hanya berdasarkan data yang diketahui. Pada tugas akhir ini juga akan dibahas mengenai Bayesian Central Limit Theorem yang dapat dipakai untuk mencari credible interval. Sebagai pembanding untuk taksiran dengan Jeffrey prior, akan dicari juga taksiran parameter scale distribusi Weibull dengan conjugate prior. Sebagai ilustrasi, akan dilakukan simulasi dengan data yang berdistribusi Weibull. Setelah taksiran telah didapatkan, akan dihitung MSE dan MIL pada masing-masing taksiran. Hal tersebut dilakukan untuk mengetahui seberapa baik taksiran yang dihasilkan oleh Jeffrey prior.

---

This paper discusses about Jeffrey prior in estimating the scale parameter of Weibull distribution using right censored data well as exact data. In Jeffrey prior, the posterior will be obtained only based on data. This paper will also discuss about the Bayesian Central Limit Theorem that can be used to find a credible interval. As a comparison of the Jeffrey prior estimate,the estimator using conjugate prior will also be considered. For the illustration, simulation with Weibull distributed data (θ, τ) will be performed. Once the estimate have been obtained, MSE and MIL on each estimate will be calculated. This is done to measure the performace of the estimate produced by Jeffrey prior."

"AbstrakMeramalkan produksi bordir untuk penjualan periode berikutnya merupakan hal yang selalu dilakukan oleh para produsen bordir Tasikmalaya. Biasanya para pengusaha bordir menggunakan intuisi diri sendiri berdasarkan data historis dan pengalaman mereka sendiri untuk menentukan jumlah produksi bordir mereka dan menulis sendiri di buku catatan penjualan bordir. Peramalan jumlah produksi merupakan salah satu kunci dalam keberhasilan penjualan karena dengan nilai peramalan penjualan bisa dijadikan acuan untuk menentukan suatu penjualan produk dimasa yang akan datang. Dalam menentukan nilai peramalan dalam sistem aplikasi ini menggunakan tiga metode penghalusan eksponensial yakni metode penghalusan eksponensial tunggal untuk menentukan peramalan bulan berikutnya, metode penghalusan eksponensial ganda dua parameter dari Holt untuk menentukan nilai peramalan berdasarkan trend, dan metode penghalusan eksponensial tiga kali untuk menentukan nilai peramalan berdasarkan musiman. Selain berisi tentang penghitungan nilai peramalan untuk di masa mendatang, sistem aplikasi ini juga digunakan sebagai media penyimpanan data hasil peramalan dan penjualan bordir serta dapat mencetak data hasil peramalan dan data penjualan."