Hasil Pencarian  ::  Simpan CSV :: Kembali

"Properti residensial atau yang biasa disebut sebagai rumah merupakan salah satu kebutuhan pokok manusia sebagai tempat berlindung, untuk dapat terus melanjutkan kehidupan. Meningkatnya jumlah penduduk di Indonesia, mengindikasikan bahwa kebutuhan akan properti residensial juga akan ikut bertambah. Pergerakan harga properti residensial di Indonesia dapat diamati dari Indeks Harga Properti Residensial (IHPR) yang dikeluarkan oleh Bank Indonesia. Harga properti residensial dapat dipengaruhi oleh beberapa faktor. Misalnya dalam faktor ekonomi, pergerakan harga properti residensial dapat dipengaruhi oleh beberapa faktor seperti inflasi, Indeks Harga Saham Gabungan (IHSG) dan suku bunga kredit. Forecasting Indeks Harga Properti Residensial (IHPR) dapat dilakukan dengan pemodelan times series. Pemodelan Indeks Harga Properti Residensial (IHPR) yang diketahui dipengaruhi oleh tiga variabel lainnya memerlukan model time series multivariat. Model fungsi transfer multi input adalah salah satu model time series multivariat yang dapat digunakan dalam memodelkan Indeks Harga Properti Residensial (IHPR). Pada model fungsi transfer multi input terdapat runtun output (yt) yaitu Indeks Harga Properti Residensial (IHPR) yang diperkirakan dipengaruhi oleh beberapa variabel input (xjt) yaitu inflasi, IHSG dan suku bunga kredit. Berdasarkan model yang telah didapatkan pada penelitian ini, dapat diketahui bahwa ramalan IHPR pada waktu ke-t dipengaruhi oleh besarnya inflasi pada dua bulan sebelumnya sampai lima bulan sebelumnya, dipengaruhi oleh suku bunga kredit tanpa penundaan sehingga dipengaruhi oleh waktu ke-t sampai tiga bulan sebelumnya. IHPR pada waktu ke t dipengaruhi oleh IHSG juga tanpa penundaan, yaitu dipengaruhi waktu ke-t sampai pada empat bulan sebelumnya. IHPR pada waktu ke-t juga dipengaruhi oleh dirinya sendiri pada waktu ke t-1 atau satu bulan sebelumnya hingga empat bulan sebelumnya

---

Residential property or commonly referred as home is one of the basic human needs as a shelter, to be able to continue to live. As the population in Indonesia increases, indicate the need for residential property will also increase. The movement of residential property prices in Indonesia can be observed from the Residential Property Price Index (IHPR) issued by Bank Indonesia. Residential property prices can be influenced by several factors. For example in economic factors, the movement of residential property prices can be influenced by several factors such as inflation, the Composite Stock Price Index (CSPI) and loan interest rates. Forecasting the Residential Property Price Index (IHPR) can be done with times series modeling. Modeling Residential Property Price Index (CPI) which is known to be influenced by three other variables requires a multivariate time series model. The multi-input transfer function model is a multivariate time series model that can be used in modeling the Residential Property Price Index (IHPR). In the multi-input transfer function model there is an output series (yt) which is the Residential Property Price Index (IHPR) which is estimated to be influenced by several input series (xjt), which are inflation, CSPI and loan interest rates. Based on the model obtained in this study, it can be seen that the prediction of IHPR at the t-time is influenced by the amount of inflation in the previous two months to the previous five months. Then also influenced by loan interest rates without delay so that it is influenced by the t-time until the previous three months. Then influenced by the CSPI also without delay, which is influenced by the t-time until the previous four months. IHPR at the t-time is also influenced by itself at the t-1 time or one month before to four months before."

"Viskometer yang dibangun memanfaatkan prinsip osilasi harmonik teredam, dengan menjadikan gaya gesek fluida sebagai salah-satu faktor redaman. Sampel yang diuji adalah oli industri dengan kode viskositas: ISO VG 32, ISO VG 46, ISO VG 68, ISO VG 100, ISO VG 220, dan ISO VG 320. Keenam sampel fluida harus diuji pada temperatur 40 C agar sesuai dengan referensi viskositas fluida tersebut. Untuk menjaga temperatur fluida tetap konstan, digunakan pengendali temperatur fluida dengan algoritma PID. Tuning dan penentuan konstanta PID dilakukan dengan metode Direct Synthesis, dengan konstanta waktu pengendalian model PID tc = 1000 s. Model fungsi transfer sistem pemanas fluida adalah G(s) = (1,99e-155s)(960s + 1)-1, sedangkan model respon waktu pengendalian adalah Gc = (0,485){1 + (1038 s)-1 + 71,7 s]. Pada penelitian ini dicari fungsi transfer viskositas referensi terhadap perubahan koefisien redaman osilasi, yang digunakan untuk mengukur viskositas fluida. Hasil pengukuran viskositas fluida referensi menyatakan bahwa persentase kesalahan literatur yang diperoleh bernilai: 7,65% (ISO VG 46), 4,39% (ISO VG 68), 0,0947% (ISO VG 100), 0,262% (ISO VG 220), dan 0,0429% (ISO VG 320). Ketika diuji dengan sampel lain (ISO VG 150), diperoleh nilai viskositas terukur sebesar 0,132±0,007 Pa s, dengan kesalahan literatur sebesar 2,39%. Berdasarkan fungsi transfer yang diperoleh, rentang kerja viskometer ini adalah 0,0400 hingga 0,256 Pa s.

---

The viscometer we built relies on damped harmonic oscillation principles, by assuming Stokes drag as a damping factor. The fluid samples are industrial oil (ISO VG 32, ISO VG 46, ISO VG 68, ISO VG 100, ISO VG 220 and ISO VG 320) which must be measured under a constant temperature of 40C, to compare the results with the reference viscosities. We used a PID temperature controller to maintain the sample temperature at a constant value. Direct Synthesis method was used to tune the PID controller, with the PID model time constant tc = 1000 s. The heater process model is G(s) = (1.99e-155s)(960s + 1)-1, while the PID controller function is Gc = (0.485)[1 + (1040 s)-1 + 71.7 s]. We obtained an equation of viscosity as a function of damping coefficient and used it as a measurement transfer function. Viscosity measurements of reference fluids generate relative error percentages of: 7.65% (ISO VG 46), 4.39% (ISO VG 68), 0.0947% (ISO VG 100), 0.262% (ISO VG 220) and 0.0429% (ISO VG 320). We measured the viscosity of another sample (ISO VG 150) and obtained measured viscosity value of 0.132±0.007 Pa s, with 2.39 % of relative error. This viscometer can measure viscosities in the range of 0.0400 to 0.256 Pa s.

"