Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pola konsumsi pangan didefinisikan sebagai kebiasaan makan yang berbeda antara satu individu dengan individu lainnya. Perbedaan kebiasaan makan seseorang sejatinya dapat disebabkan oleh berbagai faktor, mulai dari faktor kesehatan, faktor harga, faktor agama, dan faktor budaya. Penelitian ini bertujuan untuk mengelompokkan individu dari lima kota besar di Indonesia berdasarkan pola konsumsi pangan. Terdapat 18 variabel yang digunakan dalam penelitian ini, 6 diantaranya merupakan variabel numerik dan 12 variabel lainnya merupakan variabel kategorik. Mengingat data yang digunakan terdiri dari dua jenis variabel yang berbeda, maka pengelompokan dilakukan secara terpisah. Variabel numerik dikelompokkan menggunakan metode K-Means Clustering, sementara variabel kategorik dikelompokkan menggunakan metode ROCK Clustering. Hasil kedua pengelompokan tersebut kemudian digabungkan dan dipandang sebagai data baru yang terdiri dari dua variabel bertipe kategorik. Variabel baru tersebut kemudian dikelompokkan kembali menggunakan metode pengelompokan data kategorik yang sebelumnya digunakan, yaitu ROCK Clustering. Proses pengelompokan data gabungan tersebut kemudian dikenal sebagai Ensemble Clustering. Hasil dari penelitian ini menunjukkan bahwa kelompok optimal yang terbentuk untuk data gabungan adalah sebanyak tiga klaster. Klaster satu terdiri dari 286 individu yang pola konsumsi pangannya cenderung dipengaruhi faktor harga, agama, dan budaya. Klaster dua terdiri dari 233 individu yang pola konsumsi pangannya cenderung dipengaruhi faktor kesehatan, agama, dan budaya serta cenderung netral akan faktor harga. Sementara itu, klaster tiga terdiri dari 191 individu yang pola konsumsi pangannya dipengaruhi faktor kesehatan, agama, dan budaya.

---

Food consumption patterns are defined as eating habits that differ from one individual to another. Differences in a person's eating habits can be caused by various factors, ranging from health factors, price factors, religious factors, and cultural factors. This study aims to clustering individuals from five cities in Indonesia based on food consumption patterns. There are 18 variables used in this study, 6 of them are numerical variables and 12 others are categorical variables. Since the data consists of two different types of variables, the clustering process will be done separately. Numerical variables were grouped using the K-Means Clustering, while categorical variables were grouped using the ROCK Clustering. The grouping result of numerical and categorical variables are then combined into a new data with two categorical variables. The new data then regrouped using the categorical data grouping method, namely ROCK Clustering. This process then known as Ensemble Clustering. The results of this study indicate that the optimal group formed for the new categorical data is three clusters. Cluster one consists of 286 individuals, where food consumption patterns in this cluster tend to be influenced by price, religion, and culture factors. Cluster two consists of 233 individuals, where food consumption patterns in this cluster tend to be influenced by health, religion, and cultural factors and tend to be neutral on price factors. Cluster three consists of 191 individuals, where food consumption patterns in this cluster are influenced by health, religion, and cultural factors."

"ABSTRAKDalam mendukung pendidikan di Indonesia, pemerintah telah memberikan perhatian dengan cara mengalokasikan Anggaran Pendapatan dan Belanja Negara (APBN). Namun, masalah pendidikan pada jenjang Sekolah Menengah Atas (SMA) masih ditemukan, dimana salah satu akar permasalahannya adalah kurangnya fasilitas pendidikan. Jumlah SMA yang relatif banyak merupakan salah satu penghambat dalam penyaluran dana APBN tersebut. Dengan demikian, analisis pengelompokan SMA berdasarkan fasilitas pendidikan di Indonesia diharapkan dapat menjadi salah satu alternatif bagi pemerintah dalam memprioritaskan penyaluran dana APBN secara cepat dan tepat. Banyaknya observasi yang digunakan adalah 13.486 SMA dengan 9 variabel kategorik fasilitas pendidikan yang tercatat di website Kementerian Pendidikan dan Kebudayaan pada bulan Agustus tahun 2019. Adapun metode yang digunakan adalah Robust Clustering Using Link (ROCK) yang diyakini mempunyai tingkat akurasi yang baik dan mampu menangani data kategorik dalam jumlah yang besar. Untuk mendapatkan profil kelompok yang lebih jelas, metode ROCK dimodifikasi dengan melakukan Nested Clustering. Hasil dari penelitian ini menunjukkan bahwa terbentuk 14 kelompok SMA yang memiliki karakteristik masing-masing. Diperoleh kelompok 3 merupakan kelompok yang relatif baik dan kelompok 1a merupakan kelompok yang relatif kurang baik. Secara umum, SMA di Indonesia membentuk kelompok yang memiliki kebutuhan fasilitas pendidikan yang berbeda dan memerlukan perhatian dari pemerintah.

---

ABSTRACT

The government has given attention to support education in Indonesia by allocating the state budget (APBN). However, the problem of education at the senior high school level is still found, which one of the root problems is the lack of educational facilities. The large number of senior high schools in Indonesia becomes one of the barriers to distributing APBN funds. Thus, the analysis of the grouping of senior high schools based on educational facilities in Indonesia is expected to be an alternative for the government in prioritizing the distribution of APBN funds quickly and accurately. The number of observations is 13,486 with nine categorical variables recorded on a website of the Ministry of Education and Culture in August 2019. The method used is Robust Clustering Using Link (ROCK), which is believed has good accuracy and good to handle many categorical data. To get clearer profile of cluster, ROCK method modified with do Nested Clustering. The results of this study indicate that 14 clusters were formed and have their profiles. Cluster 3 is relatively good cluster while cluster 1a is relatively poor cluster. In general, high schools in Indonesia consist of groups that have different educational facility needs and require attention from the government."

"ABSTRAK

Nasionalisme merupakan elemen penting yang perlu dimiliki oleh seluruh rakyat Indonesia. Hal ini perlu dibina sejak remaja sebagai kader masa depan bangsa. Nasionalisme dibentuk oleh enam dimensi, yaitu cinta tanah air, keinginan untuk berpartisipasi dalam pembangunan nasional, keinginan untuk mengejar prestasi, keinginan untuk memanfaatkan ilmu pengetahuan dan teknologi, keinginan untuk menegakkan hukum dan keinginan untuk berpartisipasi dalam kompetisi internasional. Tinggi rendahnya tingkat dimensi nasionalisme pada remaja dapat sangat dipengaruhi oleh faktor keluarga seperti jenis kelamin, pendidikan orang tua, pekerjaan orang tua, status perkawinan orang tua dan waktu bersama orang tua. Penelitian ini merupakan studi kasus yang dilaksanakan di SMAN 3 Tambun Selatan. Pengambilan sampel dilakukan dengan kombinasi stratified sampling dan cluster sampling. Dalam penelitian ini akan dilihat dimensi mana yang mempengaruhi tingkat nasionalisme mahasiswa dan profil mahasiswa yang memiliki dimensi tingkat tinggi berdasarkan faktor keluarga. Metode analisis data yang digunakan adalah metode PLS, K-means Cluster dan CRT. Dari hasil penelitian diketahui bahwa dimensi yang mempengaruhi tingkat nasionalisme adalah rasa cinta tanah air, keinginan untuk berpartisipasi dalam pembangunan, keinginan untuk mengejar prestasi dan keinginan untuk mengikuti kompetisi internasional. Faktor keluarga yang mempengaruhi cinta tanah air adalah pendidikan terakhir ayah dan ibu. Faktor keluarga yang mempengaruhi keinginan untuk terlibat dalam pembangunan adalah jenis kelamin, pekerjaan ayah dan ibu. Faktor keluarga yang mempengaruhi keinginan mengejar prestasi adalah pekerjaan ibu. Faktor keluarga yang mempengaruhi keinginan untuk memasuki kompetisi internasional adalah pekerjaan ayah.

ABSTRACT

Nationalism is an important element that all Indonesian people need to have. This needs to be nurtured from adolescence as a cadre for the future of the nation. Nationalism is formed by six dimensions, namely the love of the country, the desire to participate in national development, the desire to pursue achievements, the desire to take advantage of science and technology, the desire to enforce the law and the desire to participate in international competitions. The level of nationalism dimension in adolescents can be greatly influenced by family factors such as gender, parental education, parental work, parental marital status and time with parents. This research is a case study conducted at SMAN 3 Tambun Selatan. Sampling was done by a combination of stratified sampling and cluster sampling. In this study, it will be seen which dimensions affect the level of student nationalism and the profile of students who have high-level dimensions based on family factors. The data analysis methods used are PLS, K-means Cluster and CRT methods. From the research results, it is known that the dimensions that influence the level of nationalism are the love of the country, the desire to participate in development, the desire to pursue achievements and the desire to participate in international competitions. The family factor that affects the love of the motherland is the last education of the father and mother. Family factors that influence the desire to be involved in development are gender, father's and mother's occupation. The family factor that affects the desire to pursue achievement is the mother's job. The family factor that influences the desire to enter international competition is the job of the father."

"Penyakit Parkinson adalah penyakit neurodegeneratif kedua yang paling umum dan menyerang sekitar 2-3% populasi di atas 65 tahun di seluruh dunia. Salah satu gejala yang sering muncul pada penderita Parkinson adalah depresi. Depresi terjadi pada sekitar 40 - 50% penderita Parkinson dan sangat umum terjadi pada tahap awal perkembangan Penyakit Parkinson. Terdapat berbagai perbedaan dalam mengidentifikasi faktor-faktor risiko depresi dalam berbagai studi yang telah dilakukan dan belum diketahui mekanisme depresi secara rinci pada Penyakit Parkinson. Oleh karena itu, akan dilakukan identifikasi faktor-faktor risiko depresi dengan metode klasifikasi, yaitu metode Decision Tree dan regresi logistik. Namun, depresi sangat umum terjadi pada Penyakit Parkinson stadium awal sehingga dapat menimbulkan masalah data yang tidak seimbang, yaitu proporsi kelas tidak depresi yang terlalu kecil dibandingkan dengan proporsi kelas depresi. Hal ini mengakibatkan model klasifikasi yang dihasilkan memiliki tingkat kepekaan yang minimum terhadap kelas minoritas. Salah satu strategi rebalancing untuk mengatasi masalah kelas data tidak seimbang adalah SMOTE (Synthetic Minority Over-sampling TEchnique). Pada tugas akhir ini, akan dilakukan analisis data mengenai depresi pada penderita Parkinson stadium awal dengan metode decision tree, dimana data tidak seimbang akan diatasi dengan metode SMOTE. Kuantifikasi risiko untuk setiap faktor teridentifikasi akan dilakukan dengan regresi logistik. Performa model diukur dari nilai precision, recall, AUC, dan F1-score . Data sejumlah 257 penderita Parkinson stadium awal pada database Parkinson’s Progression Markers Initiative (PPMI) digunakan pada tugas akhir ini. Berdasarkan analisis, diperoleh secara keseluruhan faktor-faktor risiko penting yang berasosiasi dengan depresi pada penderita Parkinson stadium awal adalah kadar alpha synuclein (α-syn), jenis kelamin, skor SEADL (Schwab & England – Activities on Daily Living), skor STAI-State, binding ratio putamen pada bagian kiri otak, skor RBDSQ (REM Sleep Behavior Disorder-Questionnaire), dan umur saat terdiagnosis Parkinson. Model classification tree dengan rebalancing menggunakan SMOTE memberikan nilai akurasi, precision, recall, AUC dan F1-score masing – masing sebesar 95.18%, 0.9215, 0.9412, 0.949, dan 0.9312. Peningkatan kadar alpha synuclein (α-syn), perempuan, penurunan skor SEADL, penurunan skor STAI-State, penurunan binding ratio putamen pada bagian kiri otak, peningkatan skor RBDSQ, dan usia lebih tua saat terdiagnosis Parkinson secara rata-rata memiliki risiko lebih tinggi untuk terdiagnosis depresi pada Penderita Parkinson

---

Parkinson's disease is the second-most common neurodegenerative disease and affects about 2-3% of the population over 65 years worldwide. One of the symptoms that often occurs in patients with Parkinson's is depression. Depression occurs in about 40-50% of Parkinson's sufferers and is very common in early stages of the development of Parkinson's Disease. Various difference in identifying risk factors for depression in various studies that have been conducted and the mechanism of depression is not yet known in detail in Parkinson's Disease. This study identifies risk factors for depression using decision tree and logistic regression methods. However, depression is common in early-stage Parkinson's disease causing unbalanced data problems, that is the proportion of non-depressed classes is too small compared to the proportion of depressed classes. This resulted in classification model having a minimum level of sensitivity to the minority class. One of rebalancing strategy to overcome the problem of unbalanced data classes is SMOTE (Synthetic Minority Over-sampling TEchnique). In this final project, data analysis on depression in patients with early stage Parkinson's was conducted using decision tree method, with SMOTE to handle imbalanced data. Risk quantification for each of the identified factors was carried out using logistic regression. Model performance is measured by the values of precision, recall, AUC, and F1-score. Data on 257 patients with early stage Parkinson's in the Parkinson's Progression Markers Initiative (PPMI) database were used in this final project. Based on the analysis, the overall important risk factors associated with depression in patients with early-stage Parkinson's are alpha synuclein (α-syn) levels, gender, SEADL (Schwab & England - Activities on Daily Living) scores, STAI-State scores , putamen binding ratio on the left side of the brain, RBDSQ (REM Sleep Behavior Disorder-Questionnaire) score, and age at diagnosis of Parkinson's. Classification tree model with rebalancing using SMOTE produced the accuracy, precision, recall, AUC and F1-score of 95.18%, 0.9215, 0.9412, 0.949, and 0.9312, respectively. Increased levels of alpha synuclein (α-syn), women, decreased SEADL scores, decreased STAI-State scores, decreased putamen binding ratio on the left side of the brain, increased RBDSQ score, and older age when diagnosed with Parkinson's on average have a higher risk for being diagnosed with depression in Parkinson's sufferers"

"Fear of Missing Out (FoMO) dapat dijelaskan sebagai ketakutan akan kehilangan momenberharga individu maupun kelompok lain di mana individu tersebut tidak bisa hadir didalamnya. Selain itu seorang individu yang memiliki tingkat FoMO yang tinggi akan memilikikeinginan untuk tetap terhubung ke sesuatu yang melibatkan teknologi digital sebagaimedianya. FoMO berkaitan juga dengan tingkat sosialitas dalam hal kecemburuan sosial danpengucilan sosial. Penelitian ini bertujuan untuk mengetahui variabel-variabel yangmenjelaskan kecanduan media sosial dan keterkaitannya dengan Fear of Missing Out (FoMO)pada Mahasiswa Universitas Indonesia. Variabel yang di duga signifikan menjelaskankecanduan media sosial adalah variabel neurotisme, pola asuh orang tua, kondisi pernikahanorang tua, jenis kelamin, dan kepuasan terhadap hidup. Sedangkan variabel kecanduan mediasosial diduga dapat menjelaskan variabel Fear of Missing Out (FoMO). Penelitian inimenggunakan metode Partial Least Square (PLS) dan Classification and Regression Tree(CRT). Data yang digunakan adalah data primer yaitu sebanyak 1027 mahasiswa UniversitasIndonesia angkatan 2018, 2019, 2020 dan 2021 yang aktif pada tahun akademik 2021/2022semester genap. Pengambilan sampel dilakukan dengan menggunakan teknik purposivesampling. Hasil dari penelitian ini adalah variabel neurotisme, pola asuh orang tua, statuspernikahan orang tua, jenis kelamin, dan kepuasan terhadap hidup berpengaruh secarasignifikan terhadap variabel kecanduan media sosial. Variabel kecanduan media sosial jugaberpengaruh secara signifikan terhadap variabel Fear of Missing Out (FoMO). Profilmahasiswa yang mengalami Fear of Missing Out (FoMO) yang tergolong tinggi adalahmahasiswa dengan tingkat kecanduan media sosial yang tinggi, mendapatkan pola asuh yangcenderung tidak ideal, serta tingkat neurotismenya yang tinggi.

---

Fear of Missing Out (FoMO) can be explained as the fear of losing precious moments of

individuals or other groups in which the individual cannot be present. In addition, an individual

who has a high level of FoMO will have a desire to stay connected to something that involves

digital technology as a medium. FoMO is also related to the level of sociality in terms of social

jealousy and social exclusion. This study aims to determine the variables that explain social

media addiction and its relationship to Fear of Missing Out (FoMO) in Universitas Indonesia

students. The variables that were suspected to be significant in explaining social media

addiction were neuroticism, parenting styles, parental marital conditions, gender, and life

satisfaction. The variable of social media addiction is thought to be able to explain the Fear of

Missing Out (FoMO) variable. This research uses Partial Least Square (PLS) and Classification

and Regression Tree (CRT) methods. This study uses primary data, which is as many as 1027

students of Universitas Indonesia batch 2018, 2019, 2020, and 2021 who are active in the even

semester 2021/2022 academic year. Sample was taken using purposive sampling technique.

The results of this study are the variables of neuroticism, parenting styles, parental marital

status, gender, and life satisfaction statistically significant effect the social media addiction

variable. The social media addiction variable also statistically significant effect the Fear of

Missing Out (FoMO) variable. The profile of students who experience high Fear of Missing

Out (FoMO) are students with a high level of social media addiction, tend to have non-ideal

parenting styles, and have high levels of neuroticism."

"Perusahaan Daerah Air Minum (PDAM) adalah salah satu unit usaha milik daerah, yang bergerak dalam distribusi air bersih bagi masyarakat umum yang terdapat di setiap provinsi, kabupaten, dan kotamadya di seluruh Indonesia. Setiap tahunnya dilakukan penilaian kerja PDAM oleh Badan Peningkatan Penyelengaraan Sistem Penyediaan Air Minum (BPPSPAM). Penilaian kerja Badan Usaha Milik Daerah (BUMD) penyelenggara SPAM merupakan upaya untuk melihat dan mengukur tingkat kinerja manajemen dalam mengelola perusahaan yang bertujuan untuk mengetahui sejauh mana efisiensi dan efektifitas pengelolaannya. Penilaian kinerja ini menggunakan empat aspek dimana setiap aspeknya memiliki indikator-indikator penilaian. Aspek yang pertama adalah aspek keuangan dengan indikator Return of Equity (ROE), rasio operasi, rasio kas, efektivitas penagihan, dan solvabilitas. Selanjutnya adalah aspek pelayanan dengan indikator-indikator, yaitu cakupan pelayanan teknis, pertumbuhan pelanggan, tingkat penyelesaian pengaduan, kualitas air pelanggan, dan konsumsi air domestik. Aspek yang ketiga adalah aspek operasional dengan indikator efisiensi produk, tingkat kehilangan air, jam operasi layanan, tekanan air pada sambungan pelanggan, dan penggantian dan (atau) kalibrasi meter air pelanggan. Aspek yang terakhir adalah aspek sumber daya manusia dengan indikator rasio pegawai, rasio diklat pegawai, dan rasio beban diklat terhadap beban pegawai. Indikator-indikator tersebut kemudian dihitung dan setiap unit PDAM dikelompokkan menjadi tiga kelompok yaitu sehat, kurang sehat, dan sakit. Pada penelitian ini dilakukan pengelompokan ulang dengan menggunakan metode clustering untuk menentukan berapa kelompok yang mungkin dihasilkan berdasarkan indikator-indikator tersebut. Indikator-indikator yang dipakai pada penelitian ini adalah Return of EquityROE), efektivitas penagihan, jam operasional, rasio pegawai, cakupan pelayanan teknis, pertumbuhan pelanggan, tingkat kehilangan air, tarif rata-rata, profit margin, rasio pelayanan, dan rasio kas. Penelitian ini menghasilkan kelompok-kelompok yang lebih rinci dibandingkan dengan kelompok yang sebelumnya. Penelitian ini juga membandingkan hasil clustering tersebut dengan pengelompokan yang sudah diterapkan oleh BPPSPAM.

---

Regional Water Use Company (Perusahaan Daerah Air Minum/PDAM) is one of the regional-owned business unit, which is engaged in the distribution of clean water for the general public in Indonesia. Every year a PDAM work assessment is carried out by the BPPSPAM. This work assessment is an effort to see and measure the level of management performance in managing the company which aims to determine the extent of efficiency and effectiveness of its management. This performance appraisal uses four aspects where each aspect has assessment indicators. The first aspect is the financial aspects with the indicators of Return of Equity (ROE), operating ratio, cash ratio, collection effectiveness, and solvency. The second one is the service aspects with indicators, namely technical service coverage, customer growth, complaint resolution rate, customer water quality, and domestic water consumption. The third one is the operational aspects with indicators of product efficiency, non-revenue water, service operating hours, water pressure at customer connection, and replacement (or) calibration of customer water meters. And the last one is the human resources aspects with indicators of employee ratio, employee training ratio, and the ratio of training expenses to employee expenses. These indicators are then calculated and PDAM units are grouped into three groups, namely healthy, unhealthy, and sick. In this study, regrouping was carried out using the clustering method to determine how many groups might be generated based on some of these indicators. The indicators used in this study are Return of Equity (ROE), billing effectiveness, operation hours, employee ratio, technical service coverage, customer growth, water loss rate, average fee, profit margin, service ratio, and cash ratio. This study also compares the results of the clustering with the grouping by BPPSPAM. This study resulted in more detailed groups than the previous groups."

"ABSTRACTModel Generalized Space Time Autoregressive adalah suatu model spatio temporal yang merupakan pengembangan model Space Time Autoregressive (STAR). Model STAR adalah model spatio temporal dengan asumsi parameter-parameter sama untuk setiap lokasi. Model GSTAR dibentuk sebagai pengembangan dari model STAR yang memungkinan untuk mengestimasi parameter yang berbeda untuk setiap lokasinya. Borovkova, Lopuhaa dan Ruchjana (2002) mengembangkan model Generelized Space Time Autoregressive (GSTAR) dimana paramater-parameter pada model, berbeda untuk setiap lokasi. Metode kuadrat terkecil (least square method) digunakan untuk mengestimasi parameter pada model GSTAR. Metode kuadrat terkecil merupakan metode pendugaan parameter yang meminimumkan jumlah kuadrat error. Penggunaan model GSTAR pada data penyakit Hepatitis A di 5 kotamadya DKI Jakarta pada tahun 2011-2017 menghasilkan model GSTAR(4,1) sebagai model yang dipilih.

---

ABSTRACTGeneralized Space Time Autoregressive(GSTAR) model is a spatio temporal model which is the development of the Space Time Autoregressive (STAR) model. The STAR model is a spatio temporal model assuming the same parameters for each location. The GSTAR model was formed as a development of the STAR model which makes it possible to estimate different parameters for each location. Borovkova, Lopuhaa and Ruchjana (2002) developed the Generelized Space Time Autoregressive (GSTAR) model where parameters in the model differ for each location. The least square method is used to estimate the parameters in the GSTAR model. The least squares method is a parameter estimation method that minimizes the number of squared errors. The use of the GSTAR model on Hepatitis A data in 5 DKI Jakarta municipalities in 2011-2017 produced the GSTAR (4.1) model as the chosen model."

"Indonesia masih mengalami bonus demografi pada tahun 2020 dan diprediksi masih berlangsung pada 2038 hingga 2041. Untuk itu perlu dilakukan peningkatan kualitas sumber daya manusia Indonesia, di antaranya melalui pendidikan tinggi di luar negeri. Komponen biaya pendidikan kuliah di luar negeri penting untuk diperhatikan terutama bagi pihak-pihak yang akan memberikan bantuan biaya pendidikan pada mahasiswa yang terpilih. Penelitian ini membahas pengelompokan universitas berdasarkan empat komponen biaya pendidikan program Magister (S2) di kampus luar negeri dengan metode K-Means, serta pemetaan hasil kelompok dan peringkat universitas dengan metode Biplot. Objek penelitian ini adalah universitas di luar negeri berdasarkan QS World University Rankings (WUR) 2020. Berdasarkan hasil penelitian yang didapatkan terdapat tiga kelompok dengan nilai Silhouette sebesar 0.39. Hasil pengelompokan terdiri dari kelompok A (merah) sebanyak 302 universitas, kelompok B (oranye) sebanyak 110 universitas, dan kelompok C (hijau) sebanyak 478 universitas. Hasil pemetaan tiga kelompok dan peringkat universitas dengan menggunakan metode Biplot mampu menerangkan keragaman data sebesar 65.2 persen. Kelompok A (merah) cenderung memiliki kedekatan dengan variabel Visa, SPP, dan Biaya Hidup. Kelompok B (oranye) cenderung berdekatan dengan variabel Transportasi dan QS WUR 2020. Kelompok C (hijau) cenderung memiliki jarak yang jauh dengan empat variabel komponen biaya pendidikan dan QS WUR 2020.

---

Indonesia is still experiencing a demographic bonus in 2020 and is predicted to continue in 2038 to 2041. For this reason, it is necessary to improve the quality of Indonesia's human resources, including through higher education abroad. The cost of studying abroad is essential to pay attention to, especially for those who will provide tuition assistance for selected students. This study discusses the clustering of universities based on the four components of the cost of education for Masters (S2) programs at overseas campuses using the K-Means method and mapping group results and university rankings using the Biplot method. The object of this research is universities abroad based on the QS World University Rankings (WUR) 2020. Based on the research results, there are three clusters with Silhouette value are 0.39. The clustering result consisted of cluster A (red) with 302 universities, cluster B (orange) with 110 universities, and cluster C (green) with 478 universities. The results of mapping the three clusters and university rankings using the Biplot method were able to explain the diversity of the data by 65.2 percent. The cluster A (red) tends to have closeness to the Visa, Tuition Fee, and Cost of Living variables. The cluster B (orange) tends to be close to the Transportation variable and QS WUR 2020. The cluster C (green) tends to have a long-distance with the four component variable costs of education and QS WUR 2020."

"Masalah yang akan dijumpai dalam pengambilan sampel di alamterbuka dengan objek pengamatan hewan yaitu tidak semua objekpengamatan dapat terdeteksi. Salah satu metode untuk mengatasinya adalahmetode Detectability Sampling, yaitu metode pengambilan sampel denganmempertimbangkan probabilitas terdeteksinya suatu objek pengamatan. Jikametode Detectability Sampling diterapkan pada Simple Random Sampling,maka metode pengambilan sampel ini disebut Detectability Simple RandomSampling. Taksiran total populasi yang didapat dari metode DetectabilitySimple Random Sampling merupakan taksiran yang tak bias. Probabilitasterdeteksinya suatu objek pengamatan dapat diketahui atau ditaksir daripenelitian sebelumnya.Dalam tugas akhir ini, probabilitas terdeteksinya suatu objekpengamatan ditaksir dari penelitian sebelumnya yang menggunakan metodeDirect Sampling. Studi kasus penerapan metode ini digunakan dalammenaksir total banyak katak di sekeliling Danau Agatis, UniversitasIndonesia. Hasil analisa data menunjukkan bahwa total banyak katak disekeliling Danau Agatis adalah sebesar 266 katak. Jika banyak katak perluas di sekeliling Danau Agatis dibandingkan dengan banyak katak per luasyang didapat dari penelitian sebelumnya di sekeliling danau yang bersih,dimana memberikan hasil bahwa banyak katak per luas di sekeliling DanauvAgatis lebih kecil dibandingkan banyak katak per luas di danau yang bersih,maka dapat disimpulkan bahwa Danau Agatis, Universitas Indonesia telahmulai tercemar.kata kunci : taksiran tak bias, total populasi, simple random sampling,probabilitas terdeteksinya objek pengamatan, directsamplingx + 64 hlmn.Bibliografi : 8 (1977-2009)"

"Dalam tugas akhir ini akan dibahas suatu metode pada regresikalibrasi yang berguna untuk estimasi nilai aktual dan interval kepercayaannilai aktual dari nilai observasi yang diberikan. Berdasarkan Vocabulary OfInternational Metrology (VIM), kalibrasi merupakan serangkaian kegiatanyang membentuk hubungan antara nilai yang ditunjukkan oleh instrumen(alat) ukur atau nilai observasi, dengan nilai-nilai yang sudah diketahui ataunilai aktual yang berkaitan dengan besaran yang diukur dalam kondisitertentu. Metode yang digunakan untuk menaksir nilai aktual adalah metodeclassic dan metode inverse, sedangkan metode yang digunakan untukmenaksir interval kepercayaan nilai aktual adalah metode Graybill. Data yangdigunakan dalam penelitian ini adalah data kalibrasi alat pengukur suhu yaituthermocouple yang berasal dari buku Montgomery (2001). Hasil analisis datamenunjukkan bahwa hasil taksiran nilai aktual pada metode inverse lebihdekat dengan rata-rata nilai aktual bila dibandingkan dengan hasil taksirannilai aktual yang diperoleh pada metode classic.Kata kunci : Kalibrasi, Metode Classic, Metode Graybill, Metode Inverse,Regresi Kalibrasix + 74 hlm.; gbr.; tab.; lamp.Bibliografi: 10 (1967 - 2006)"