Hasil Pencarian  ::  Simpan CSV :: Kembali

"[Penilaian kredit merupakan sistem atau cara yang digunakan oleh bank atau lembaga pembiayaan lainnya dalam menentukan calon debitur layak atau tidak mendapatkan pinjaman. Salah satu metode dalam penilaian kredit yang digunakan untuk mengklasifikasikan karakteristik calon debitur adalah Support Vector Machine (SVM). SVM mempunyai kemampuan generalisasi yang baik untuk menyelesaikan masalah klasifikasi dalam jumlah data yang besar dan dapat menghasilkan fungsi pemisah yang optimal untuk memisahkan dua kelompok data dari dua kelas yang berbeda. Salah satu keberhasilan menggunakan metode SVM adalah proses pemilihan fitur yang akan mempengaruhi tingkat akurasi klasifikasi. Berbagai metode dilakukan untuk pemilihan fitur, karena tidak semua fitur mampu memberikan hasil klasifikasi baik. Pemilihan fitur yang digunakan dalam penelitian ini adalah Variance Threshold, Univariate Chi – Square, Recursive Feature Elimination (RFE) dan Extra Trees Clasifier (ETC). Data dalam penelitian ini menggunakan data sekunder dari database dalam UCI machine learning responsitory. Berdasarkan simulasi untuk membandingkan nilai akurasi penggunaan metode pemilihan fitur pada SVM dalam klasifikasi penilaian risiko kredit, diperoleh bahwa metode Variance Threshold dan Univariate Chi – Square dapat mengurangi akurasi sedangkan metode RFE dan ETC dapat meningkatkan akurasi. Metode RFE memberikan akurasi yang lebih baik;Credit scoring is a system or method used by banks or other financial institutions to determine the debtor feasible or not get a loan. One of credit scoring method isused to classify the characteristics of debtor is Support Vector Machine (SVM). SVM has an excellent generalization ability to solve classification problems in a large amount of data and can generate an optimal separator function to separate two groups of data from two different classes. One of the success using SVM method is dependent on features selection process that will affect the level of classification accuracy. Various methods have done to features selection, because not all the features are able to give best classification results. Features selectionthat used this study is Variance Threshold, Univariate Chi - Square, Recursive Feature Elimination (RFE) and Extra Trees Classifier (ETC). Data in this study use secondary data from the database in UCI machine learning responsitory. Based on simulations to compare the accuracy of using feature selection method on SVM in classification of credit risk scoring, obtained that Variance Threshold and Univariate Chi – Square method can decrease accuracy while RFE and ETC method can increase accuracy. RFE method gives better accuracy., Credit scoring is a system or method used by banks or other financial institutionsto determine the debtor feasible or not get a loan. One of credit scoring method isused to classify the characteristics of debtor is Support Vector Machine (SVM).SVM has an excellent generalization ability to solve classification problems in alarge amount of data and can generate an optimal separator function to separatetwo groups of data from two different classes. One of the success using SVMmethod is dependent on features selection process that will affect the level ofclassification accuracy. Various methods have done to features selection, becausenot all the features are able to give best classification results. Features selectionthat used this study is Variance Threshold, Univariate Chi - Square, RecursiveFeature Elimination (RFE) and Extra Trees Classifier (ETC). Data in this studyuse secondary data from the database in UCI machine learning responsitory.Based on simulations to compare the accuracy of using feature selection methodon SVM in classification of credit risk scoring, obtained that Variance Thresholdand Univariate Chi – Square method can decrease accuracy while RFE and ETCmethod can increase accuracy. RFE method gives better accuracy.]"

"Pertidaksamaan Hermite-Hadamard merupakan pertidaksamaan yang melibatkan integral yang berlaku pada fungsi konveks. Pertidaksamaan Hermite-Hadamard-Fej r merupakan perumuman dari pertidaksamaan Hermite-Hadamard dengan memberi bobot sebuah fungsi dengan syarat-syarat tertentu. Pengembangan dari pertidaksamaan Hermite-Hadamard-Fej r selanjutnya dapat berupa perumuman dari pertidaksamaan tersebut yang berlaku untuk integral fraksional. Pada penelitian ini dibahas mengenai bentuk-bentuk pertidaksamaan tipe Hermite-hadamard-Fej r yang berlaku untuk fungsi terturunkan dengan mutlak dari fungsi turunannya konveks melalui integral fraksional Riemann-Liouville. Penelitian ini merupakan studi literatur dari hasil yang sudah ada. Pertidaksamaan pada hasil yang diperoleh menunjukkan eksistensi dari pertidaksamaan tipe Hermite-Hadamard yang berlaku untuk jenis fungsi yang sama.

---

Hermite Hadamard inequality is an integral inequality holds for convex function. Hermite Hadamard Fej r inequality is the generalization of Hermite Hadamard inequality by giving a weight such a function with certain criterions. The next developed version of Hermite Hadamard Fej r inequality might be it's generalization holds for fractional integral. This study is about Hermite Hadamard Fej r type inequalities for differentiable mappings whose derivatives in absolute value are convex via fractional integral. This research is literature study by results that already exist. The obtained inequalities provided existence of Hermite Hadamard type inequalities for the same type functions."

"ABSTRACTPada umumnya, kerugian pada sektor asuransi dihitung dengan asumsi bahwa komponen severitas kerugian dan frekuensi kerugian bersifat saling bebas. Akan tetapi, pada beberapa kasus, severitas kerugian bergantung pada tingkat frekuensi kerugian. Penelitian ini akan menunjukkan perhitungan agregat kerugian dengan memodelkan severitas kerugian dan frekuensi yang dependen. Untuk menandakan adanya pengaruh frekuensi kerugian pada severitas kerugian, penulis memodelkan rata-rata severitas kerugian dengan menggunakan frekuensi kerugian sebagai kovariat. Oleh karena itu, untuk memodelkannya, akan digunakan Generalized Linear Model. Selanjutnya, untuk menghitung taksiran parameter model, akan dilakukan estimasi parameter menggunakan metode maksimum likelihood.

---

ABSTRACTLoss in non-life insurance was calculated based on claim severity and frequency along with an assumption of independency. However, in some cases, claim severity is depend upon the claim frequency. This paper presents the derivation of aggregate loss calculation by modelling claim severity and frequency as the assumption of independence is eliminated. To induce the dependence among them, the authors model average claim severity by use claim frequency as the covariate. For that purpose, we use the Generalized Linear Model and maximum likelihood to estimate the parameters. Finally, we will obtain the calculated loss."

"Tugas akhir ini membahas Pembentukkan Skema Secret Sharing berdasarkan Fungsi Hash. Metode ini menggambarkan bagaimana proses pengamanan suatu pesan/informasi rahasia dengan membaginya kepada beberapa peserta berupa share. Aturan untuk memperoleh pesan rahasia adalah untuk sembarang himpunan bagian yang terdiri dari paling sedikit k peserta tertentu dapat merekonstruksi kembali pesan, sebaliknya jika kurang dari k peserta tertentu maka pesan tidak dapat direkonstruksi kembali. Dengan menggunakan fungsi hash (hash function) dalam proses perhitungan pada skema ini yang mana sulit secara matematis untuk menemukan preimagenya, serta penggunaan operasi XOR membuat skema ini aman dan effisien dalam hal waktu proses perhitungan. Selain itu, dalam tugas akhir ini juga diberikan ilustrasi bagaimana subbagian pesan/ informasi didistribusikan ke masing-masing peserta, dan proses penemuan kembali pesan/ informasi dalam Skema Secret Sharing berdasarkan Fungsi Hash.

---

This final task discusses on this skripsi is on the construction of secret sharing schemes based on hash function. This method illustrates how the process of securing secret message/ information by distribute share to several participant. The rule to reconstruct the secret message is as follow: any subset which consists of at least k certain participant can reconstruct the message, otherwise if less than k certain participant then the message cannot be reconstructed. By using hash function in the calculation process for this scheme which mathematically difficult to find preimage, and by using XOR operation made this scheme is safe and efficient in terms of processing time calculation. Moreover, in this skripsi also provided an illustration on how to subsections of message/ information is distributed to each participant, and recovery process of the message/ information of the secret sharing schemes based on hash function."

"Algoritma Diffie-Hellman digunakan dalam pembentukan kunci rahasia yang berdasarkan polinomial Chebyshev. Kemudian kunci rahasia tersebut digunakan pada proses enkripsi dan dekripsi.

---

Diffie-Hellman algorithm is used in generating the secret key based on Chebyshev polynomials. Then the secret key is used for encryption and decryption process."

"Tensor yang dipandang sebagai multidimensional array adalah bentuk umum dari suatu matriks. Oleh karena itu, dapat dikonstruksi bentuk umum dari hasil kali matriks yang disebut sebagai hasil kali tensor. Tujuan dari tulisan ini adalah menjelaskan inversi kiri dan inversi kanan suatu tensor. Pada tulisan ini disajikan karakteristik eksistensi inversi kiri dan inversi kanan orde k dari suatu tensor. Disajikan pula hasil terkait keserupaan suatu tensor.

---

Tensor, which is seemed as multidimensional array, is a general form of matrix. Therefore, tensor could be constructed into general form of matrix product which is called tensor product. The aim of this writing was to explain the right and left inversion of tensor. In this research, there were characteristics of right and left extension of orde k of tensor provided, in addition, there was also a result involved of the tensor similarity."

"Set-valued function (fungsi bernilai himpunan) adalah salah satu jenis fungsi yang banyak diteliti oleh para ahli dewasa ini. Salah satu sifat pemetaan yang menjamin titik tetap pada set-valued function yang sudah dikenal adalah sifat kontraktif. Pada tesis ini, dikaji eksistensi titik tetap set-valued function dengan sifat pemetaan C-kontraktif menggunakan konsep metrik Hausorff. Dari hasil penelitian didapat bahwa eksistensi titik tetap set-valued function dengan sifat pemetaan C-kontraktif masih dapat dipertahankan.

---

Set-valued function is a kind of function that has an improvement in research. One kind of a famous mapping that guarantee a fixed point in a setvalued function is contractive mapping. In this thesis an analyse of fixed point of set-valued function with C-contractive mapping using Hausdorff metric is done. From the research, the existence of fixed point in a set-valued function with Contractive mapping still be remained."

"Magnetic Resonance Spectroscopy (MRS) membantu ahli radiologi untuk mengetahui apakah pasien mengalami glioma otak atau infeksi otak. Dalam tugas akhir ini dibahas proses klasifikasi terhadap data hasil MRS untuk mengetahui apakah pasien mengalami glioma otak atau infeksi otak. Metode yang digunakan untuk klasifikasi adalah metode AdaBoost dengan base learner K-Nearest Neighbor dan metode K-Nearest Neighbor. Hasil Percobaan yang dilakukan menunjukkan bahwa metode AdaBoost dengan base learner K-Nearest Neighbor dengan K=3 mempunyai nilai akurasi 97% pada data training 80% sementara nilai akurasi dari metode K-Nearest Neighbor 94.4 % pada data training 80%. Hasil akhir dari pembuatan tugas akhir ini adalah sebuah perangkat lunak pendukung keputusan ( Decision Support System) yang membantu memberikan informasi apakah pasien mengalami glioma otak atau infeksi otak.

---

Magnetic Resonance Spectroscopy (MRS) helps the experts of radiology to detect the brain glioma or brain infection in patients. In this final project, the classification process on the result of MRS data is discussed to detect the brain glioma or brain infection in patients. The used classification methods are AdaBoost with base learner K-Nearest Neighbor and K-Nearest Neighbor methods. The result of research shows that the AdaBoost method with base learner K-Nearest Neighbor with K=3 has 97% accuracy value on 80% training data, while the accuracy value from K-Nearest Neighbor method is 94.4 % on 80%training data. The result from the writing of this final project is the software for making decision (Decision Support System) that supports the giving of information on the existence of brain glioma or brain infection in patients."

"Integral Henstock-Kurzweil merupakan hasil dari perkembangan integral Riemann. Dalam tulisan ini akan ditunjukkan bagaimana sifat-sifat integral Riemann dan Integral Henstock-Kurzweil dari fungsi bernilai di ruang Banach. Selain itu, akan ditunjukkan perbandingan antara integral Riemann dan integral Henstock-Kurzweil untuk fungsi bernilai di ruang Banach berdimensi takhingga.

---

Henstock-Kurzweil integrable is Generalized Riemann integrable. In this paper, will show the property of Riemann integrable and Henstockk-Kurzweil integrable of function Banach-valued. And comparison Riemann integrable and Henstock-Kurzweil integrable for infinite Banach space."