Hasil Pencarian  ::  Simpan CSV :: Kembali

"Untuk dapat bersaing dalam dunia perdagangan, perusahaan harus menemukan cara untuk meminimalkan biaya produksi tanpa harus mengurangi kualitas produk atau sesuai dengan target yang diinginkan. Salah satu cara mewujudkannya adalah dengan melakukan optimisasi menggunakan metode Taguchi. Metode ini menggunakan rancangan percobaan orthogonal array dan signal-to-noise (S/N) ratio. Berdasarkan banyaknya nilai target, metode Taguchi diklasifikasikan menjadi statik dan dinamik. Statik mempunyai satu nilai target yang tetap sedangkan dinamik mempunyai lebih dari satu nilai target sesuai dengan input yang diberikan. Skripsi ini membahas metode Taguchi untuk kasus dinamik. Pada kasus dinamik respon dipengaruhi oleh faktor sinyal (input), faktor kontrol dan faktor noise. Untuk penyelesaian kasus dinamik diperlukan 2-tahap optimisasi (twostep optimization) yaitu tahap reduksi variansi dan tahap penyesuaian slope respon ke slope target sehingga akhirnya diperoleh kombinasi level dari faktor kontrol yang mengoptimumkan respon. Contoh penerapan dari metode ini berupa sirkit elektronik pengukur resistansi. "

"Proses pengendalian mutu statistik berperan penting dalam pemantauan proses produksi. Pemantauan proses yang melibatkan beberapa peubah secara bersama-sama disebut dengan pengendalian mutu statistik multivariat. Pemantauan proses dapat dilakukan dengan menggunakan bagan kendali multivariate. Tujuan dari bagan kendali multivariat adalah untuk mengetahui apakah proses yang dilakukan terkendali atau tidak dan salah satu bagan yang sering digunakan dalam pengendalian mutu statistik multivariat adalah bagan kendali Hotelling T 2 . Pada skripsi ini akan membahas bagan kendali Hotelling T 2 yang digunakan untuk memantau proses pada fase I dan fase II. Namun bagan kendali Hotelling T 2 tidak dapat mengidentifikasi penyebab masalah jika pada bagan terdapat outlier. Oleh karena itu digunakan dekomposisi dari T 2 ( dekomposisi MYT ) untuk mengidentifikasi peubah mana yang secara signifikan menyebabkan proses tidak terkendali. "

"Analisis tingkat kepuasan pelanggan merupakan cara untuk mengetahui keinginan dan kebutuhan pelanggan serta faktor-faktor yang mempengaruhi tingkat kepuasan pelanggan. Dalam tugas akhir ini diselidiki faktor-faktor yang mempengaruhi tingkat kepuasan pelanggan restoran cepat saji X. Penelitian dilakukan pada pengunjung cabang-cabang restoran cepat saji X yang terletak di pulau Jawa pada Agustus 2005 hingga September 2006. Untuk memperoleh variabel tingkat kepuasan, dilakukan analisis cluster berdasarkan variabel-variabel friendly, responsiveness, assurance, empathy, tangible quality, dan tangible cleanliness. Kemudian analisis regresi logistik ordinal dilakukan untuk mengetahui faktor-faktor manakah antara waktu kunjungan pelanggan, hari kunjungan pelanggan, lokasi cabang restoran yang dikunjungi pelanggan, dan jenis kelamin petugas counter yang mempengaruhi tingkat kepuasan pelanggan. Diperoleh faktor-faktor yang mempengaruhi tingkat kepuasan pelanggan restoran cepat saji X ialah jenis kelamin petugas counter dan wilayah cabang restoran yang dikunjungi oleh pelanggan. "

"Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel yang diekspresikan dalam bentuk persamaan antara variabel dependen dengan variabel bebas. Dalam analisis regresi terdapat beberapa asumsi yang harus dipenuhi. Spasial dependen pada suatu kumpulan data sampel berarti observasi pada suatu lokasi berkorelasi dengan observasi pada lokasi lain. Sehingga asumsi error antar observasi yang saling bebas tidak terpenuhi. Oleh karena itu, dibutuhkan suatu model yang memperhitungkan adanya korelasi spasial yaitu model spasial dependen. Model spasial dependen terbagi dua yaitu spasial lag dan spasial error. Model spasial lag merupakan model regresi linier dimana pada variabel dependennya terdapat korelasi spasial sedangkan model spasial error merupakan model regresi linier dimana pada errornya terdapat korelasi spasial. Penaksiran parameter menggunakan metode maksimum likelihood. "

"Scan statistic merupakan suatu analisis untuk mendeteksi daerah yang merupakan kejadian luar biasa atau KLB (outbreak). Salah satu metode yang mendasari analisis scan statistic adalah metode Bayesian Scan Statistic. Metode ini menerapkan prinsip teorema bayesian, yaitu memanfaatkan informasi prior untuk menghasilkan informasi posterior yang dapat memperbaiki informasi prior. Metode Bayesian Scan Statistic memilih keadaan atau kondisi yang memiliki posterior probability yang terbesar sebagai daerah KLB-nya. Fungsi marginal likelihood dan prior probability merupakan dua komponen penting yang digunakan dalam metode ini untuk menghitung posterior probability untuk tiap-tiap daerah. Fungsi marginal likelihood didapat dari data historis dan modelnya merupakan gabungan antara distribusi poisson dan distribusi gamma. Sedangan untuk prior probability juga didapat dari data historis atau berdasarkan pada pengalaman seseorang. Metode bayesian scan statistic ini dapat digunakan jika terdapat data masa lalu. Kata kunci : bayesian scan statistic, bayesian cluster detection, prior probability, posterior probability. x + 54 hlm. ; gamb. ; lamp. ; tab. Bibliografi : 9 (1986-2006)"

"Berkson Measurement error model merupakan model regresi dimana nilai dari variabel prediktor yang terobservasi telah ditentukan sebelumnya dan mengandung error pengukuran atau error observasi. Penaksiran parameter model regresi dengan kasus Berkson Measurement error dapat dilakukan dengan beberapa metode diantaranya dengan metode OLS dan metode Minimum Distance. Metode yang digunakan dalam tugas akhir ini adalah metode Minimum Distance berdasarkan momen pertama dan kedua dari variabel respon diberikan variabel prediktor terobservasi yang diperkenalkan oleh Wang (2003). Berdasarkan teorema kekonsistenan yang dinyatakan Wang (2003), penaksir Minimum Distance bersifat konsisten dan dibuktikan berdasarkan lemma dari kekonsistenan Ekstremum Estimator. Dalam tugas akhir ini, metode Minimum Distance diterapkan untuk menaksir parameter model regresi polinomial Berkson. Penaksir parameter model diperoleh dengan mensubstitusikan taksiran dari parameter-parameter baru yang muncul pada momen pertama dan kedua dari variabel respon diberikan nilai variabel prediktor terobservasi.

---

Berkson measurement error model is a regression model where the value of the observed predictor variable was determined and contained error of measurement or error of observation.The parameter estimation of regression model with Berkson measurement error case can be estimated with several methods such as by OLS method and Minimum Distance methods. The method used in this minithesis is the Minimum Distance based on the first two conditional moment of the response variable given the value of ​​observed predictor variable that introduced by Wang (2003). Based on the theorem of consistency that was stated by Wang (2003), the Minimum Distance estimator was consistent and it was proved based on the consistency of Ekstremum Estimator theorem. In this minithesis, the Minimum Distance method is applied to estimate parameters polinomial Berkson regression model. Parameter estimator model is obtained by substituting the value of new parameter estimators that appear on the first two conditional moment of the response variable given the value of ​​observed predictor variable."

"Data Panel merupakan kombinasi dua jenis data yaitu data cross section dan data time series. Tujuan dari penulisan tugas akhir ini adalah mencari taksiran parameter pada model regresi untuk data panel yang tidak lengkap (incomplete panel data regression models) dengan komponen error satu arah (one-way error component). Selain itu model regresi tersebut merupakan random effect models, yang berarti perbedaan karakteristik individu dan waktu diakomodasikan pada komponen error dari model.Metode yang digunakan untuk menaksir parameter adalah metode Feasible Generalized Least Squares (FGLS). Pada metode tersebut, matriks kovarians error tidak diketahui, sehingga perlu dilakukan penaksiran terhadap komponen variansi yang terdapat pada matriks kovarians error tersebut. Metode yang digunakan untuk menaksir komponen variansi adalah modifikasi metode penaksiran ANOVA yang diusulkan oleh Wallace dan Hussain."

"Data panel merupakan gabungan dari dua jenis data, yaitu data cross section dan data longitudinal. Model regresi linier yang melibatkan data panel disebut dengan model regresi data panel. Pada saat melakukan observasi, sering ditemui bahwa nilai observasi di suatu lokasi bergantung pada nilai observasi di lokasi sekitarnya, yang dikenal dengan spasial dependen. Model regresi data panel yang turut melibatkan aspek ketergantungan lokasi (spasial dependen) dikenal dengan model spasial data panel. Model spasial lag data panel menunjukkan adanya ketergantungan antara variabel dependen di suatu lokasi dengan variabel dependen di lokasi sekitarnya. Pada tugas akhir ini akan dibahas penaksiran parameter pada Random Effects Spatial Lag Panel Data Model dengan komponen error satu arah menggunakan metode maksimum likelihood."

"Dalam model panel data dinamis terdapat lag dari variabel dependen yang menyebabkan variabel eksplanatori berkorelasi dengan error. Lag dari variabel dependen tersebut dinamakan variabel endogen eksplanatori. Dengan adanya variabel endogen eksplanatori, estimasi secara OLS menjadi bias dan inkonsisten. Oleh karena itu sebelum menaksir parameter pada model panel data dinamis harus dilakukan first-difference untuk menghilangkan efek individu dan selanjutnya dilakukan instrumental variabel pada variabel endogen eksplanatori. Kemudian untuk mendapatkan taksiran yang unbiased, konsisten, dan efisien, model ini ditaksir dengan metode Arellano dan Bond yang menggunakan prinsip GMM optimal."