Kategori: Konsultasi Susun Skripsi

Kategori
Jasa Buat Peta Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Metode Penelitian Rancangan Nested Design pada SPSS

Software SPSS tentu sudah banyak penggunaannya termasuk dalam dunia perkuliahan statistik. Tidak heran jika dapat berguna untuk mempelajari penyajian, pengumpulan, peringkasan, serta analisis sebuah data. Salah satu metode yang dapat Anda gunakan dalam penelitian ini adalah rancangan nested design.

Mengenal tentang Software SPSS

Tahukah Anda bahwa, software SPSS termasuk sangat populer pada kalangan statiskawan. Penggunaannya sendiri sangat membantu untuk melakukan perhitungan yang berhubungan dengan analisis data. Terlebih, perangkat lunak satu ini sudah rilis sejak tahun 1968.

Kemudian mulai berkembang lagi berkat Norman H.Nie yakni seorang ilmuwan politik pascasarjana yang ada di Stanford University dan C. Hadlai Hull. SPSS ini sendiri sering orang gunakan juga untuk melakukan berbagai riset pemasaran, perbaikan mutu, hingga pengendalian.

Untuk pertama kalinya, SPSS hadir dalam versi desktop yang memiliki nama SPSS/PC+. Akan tetapi, semakin populer perangkat lunak tersebut maka versinya semakin bagus. Hingga saat ini software tersebut berkembang berkat SPSS Inc.

Metode Rancangan Nested Design pada SPSS

Nested design atau desain bersarang merupakan sebuah desain multifaktor memakai satu ataupun dua faktor sebuah situasi. Kedua faktor tersebut umumnya terlibat secara acak. Hal tersebut juga mempunyai beberapa tahapan dengan lebih dari satu tingkat bersarang.

Rancangan bersarang ini sendiri juga mempunyai karakteristik yang membedakannya dengan lainnya. Adapun karakteristik tersebut adalah kategori faktor bersarang di setiap tingkat faktor utamanya cenderung berbeda satu sama lain.

Dimana faktor utama tersebut dapat Anda perbaiki atau acak. Untuk faktor bersarang ini sendiri juga umumnya acak serta dapat mewakili tingkat subsampling. Umumnya rancangan tersebut memiliki sebutan lain yaitu rancangan hierarki.

Fungsi dan Kelebihan Rancangan Nested Design

Terdapat beberapa fungsi dalam penggunaan rancangan bersarang atau nested design pada sebuah penelitian yang Anda lakukan. Umumnya, fungsi tersebut seperti rancangan tersarang biasa ketika dalam sebuah eksperimentasi tingkat mirip tetapi identik.

Tidak hanya itu, keberadaan rancangan bersarang tersebut juga mempunyai kelebihan dalam penggunaannya. Saat memakainya, maka pengguna dapat meningkatkan ketepatan percobaan. Artinya, sub-sampling pada faktor tersarang akan meningkat ketepatannya.

Selain itu, rancangan ini juga dapat menguji keragaman sub-unit pada setiap perlakuan, menguji keragaman diantara perlakuan utama. Hanya saja, kekurangannya adalah dapat mengakibatkan kesalahan keputusan jika salah mengambil sub-sampelnya.

Itu tadi penjelasan lengkap mengenai rancangan nested design yang dapat Anda terapkan pada perangkat lunak SPSS. Rancangan ini sendiri tentu sudah banyak orang gunakan sehingga tidak ada salahnya juga apabila ingin menggunakannya.

Kategori
Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Multidimensional Scaling MDS dalam Software Rapfish

Pengguna software Rapfish dapat memanfaatkan metode multidimensional scaling MDS untuk melakukan visualisasi kumpulan data. Terlebih software tersebut software ini juga dapat menjadi salah satu alternatif untuk melakukan sebuah penelitian.

Apa itu Software Rapfish?

Rapfish atau Rapid Apraisal for Fisheries merupakan salah satu pendekatan alternatif yang dapat Anda manfaatkan dalam sebuah penelitian. Adapun tujuannya yakni untuk mengevaluasi atau menentukan status keberlanjutan perikanan.

Teknik tersebut sendiri sudah dikembangkan oleh University of British Columbia yang ada di Canada. Yakni untuk melakukan evaluasi sustainabiliti perikanan. Metode tersebut memerlukan analisis pada semua dimensi secara bersamaan sehingga memperoleh vektor skala.

Saat menggunakan perangkat lunak Rapfish, maka akan mendapatkan gambaran secara komprehensif dan jelas tentang kondisi sumberdaya perikanan di daerah penelitian. Dengan begitu, dapat memanfaatkannya untuk menentukan kebijakan pembangunan di bidang perikanan.

Pengertian Metode Multidimensional Scaling MDS

Perlu Anda ketahui, bahwa penskalaan multidimensi atau yang lebih orang kenal dengan nama MDS merupakan sebuah cara yang berguna untuk melakukan visualisasi tingkat kesamaan kasus individual dalam kumpulan data tertentu.

Multidimensional scalling atau MDS ini sendiri dapat Anda gunakan untuk menerjemahkan informasi antara objek atau individu ke dalam konfigurasi poin. Pengguna tentu dapat menerapkan metode tersebut saat ingin menggunakan perangkat lunak seperti Rapfish.

MDS ini sendiri sangat cocok untuk Anda manfaatkan untuk menampilkan informasi dalam matriks jarak. Tentu akan sangat berguna dalam sebuah penelitian agar lebih jelas dalam memvisualisasikan informasi terhadap sebuah objek tertentu.

Fungsi Multidimensional Scaling

Jika melihatnya secara teknis, multidimensional scalling umumnya akan mengacu pada seperangkat teknik visualisasi informasi. Pengguna dapat menggunakan software Rapfish untuk menampilkan informasi dalam bentuk matriks jarak seperti pada penjelasan sebelumnya.

Tentu saja, hal tersebut juga dapat berguna sebagai bentuk pengurangan dimensi non-linear. Adanya matriks jarak dengan jarak pada setiap pasangan objek tersebut tentu akan memudahkan sebuah penelitian. Oleh sebab itu, tidak heran jika ada banyak orang memanfaatkan metode ini.

Dengan begitu, representasi akan memiliki dimensi lebih rendah sehingga jarak antara setiap objeknya dapat Anda pertahankan dengan lebih baik. Untuk titik-titik hasilnya sendiri dapat pengguna visualisasikan pada scatter plot.

Itu dia penjelasan lengkap tentang metode multidimensional scaling MDS yang bisa Anda gunakan saat ingin melakukan penelitian. Terlebih, tentu sudah ada banyak orang menggunakan metode tersebut untuk menganalisis dan meneliti sebuah data sesuai keperluan.

Kategori
Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Analisis Candle pada Software Matlab dan R

Banyak orang yang masih belum mengetahui tentang apa itu analisis candle. Analisis ini sendiri dapat Anda terapkan pada software Matlab maupun R. Terlebih kedua perangkat lunak tersebut sekarang ini memiliki jumlah pengguna sangat banyak karena memang keberadaannya sudah cukup populer.

Mengenal Software Matlab dan R

Perlu Anda ketahui, bahwa software Matlab dan R termasuk salah satu perangkat lunak paling populer penggunaannya. Tidak heran jika ada banyak orang sudah memanfaatkannya untuk melakukan berbagai aktivitas analisis data sesuai kebutuhan.

Untuk Matlab sendiri termasuk sebagai perangkat lunak pemrograman yang dirancang secara khusus bagi para ilmuwan maupun insinyur. Kegunaannya adalah untuk melakukan analisis sekaligus merancang sistem maupun produk dengan bahasa berbasis matriks.

Berbeda dengan R yang termasuk perangkat lunak sekaligus bahasa pemrograman yang dapat Anda manfaatkan untuk menganalisis grafik dan statistika. Software R ini sendiri merupakan buatan dari Ross Ihaka dan Robert Gentleman asal Universitas Auckland di Selandia Baru.

Apa itu Analisis Candle?

Termasuk sebagai analisis teknikal dalam bentuk grafik harga. Umumnya, analisis tersebut berguna untuk menganalisis dengan tampilan harga terendah, tertinggi, penutupan, maupun pembukaan dalam periode tertentu. Saat ini sendiri salah satu yang paling banyak digunakan adalah candlestick.

Yakni sebuah grafik harga saham yang dahulunya berguna bagi para trader untuk mencatat harga pasar dari waktu ke waktu. Nantinya pengguna akan memakai data tersebut dengan tujuan untuk memprediksi pergerakan harga di waktu mendatang.

Metode ini sendiri berkembang berkat Munehisa Honma. Kemudian populer kembali berkat Steven Nison di dunia barat. Candlestick sendiri mempunyai dua komponen utamanya diantaranya adalah tubuh candle atau body serta ekor candel atau shadow/wick.

Penggunaan Analysis Candlestick

Candlestick mempunyai dua warna yang ada pada komponen utamanya. Adapun warna tersebut adalah merah dan hijau. Pada warna merah berarti terdapat penurunan harga saham sehingga harga penutupannya jauh lebih rendah daripada harga pembukaan atau bearish.

Berbeda dengan warna hijau karena artinya terdapat peningkatan harga saham. Hal ini berarti harga penutupan jauh lebih tinggi daripada harga pembukaan atau bullish. Tentu saja akan sangat mudah dalam memahami komponen warna tersebut.

Akan tetapi, dalam beberapa kasus candlestick tersebut tidak memiliki tampilan berwarna, maka warna hitam akan memberi indikasi situasi bearish. Sedangkan warna putih akan mengindikasikan situasi bullish dalam sebuah grafik.

Itu tadi penjelasan lengkap tentang analisis candle yang dapat Anda gunakan pada software. Analisis ini sendiri sebenarnya dapat bermanfaat juga selain untuk mengetahui harga saham di pasar saham saja. Pasalnya, pengguna dapat memakainya sesuai kebutuhan dengan sistem sama.

Kategori
Jasa Buat Peta Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Penjelasan Metode K-Harmonic Mean pada Software R Studio

K-harmonic mean dapat Anda gunakan apabila ingin melakukan sebuah penelitian. Penelitian ini sendiri dapat memanfaatkan juga beberapa perangkat lunak cukup populer di berbagai belahan dunia. Tidak lain yakni software R Studio.

Kenali Dahulu Apa itu R Studio

R Studio adalah salah satu jenis perangkat lunak yang dapat Anda manfaatkan untuk mempermudah menulis sekaligus menggunakan bahasa R. Hal ini berarti software tersebut termasuk integrated development environment atau IDE untuk R.

Hal tersebut mencakup editor penyorotan sintaks, konsol, alat untuk merencanakan, debugging, riwayat, dan masih banyak lagi lainnya. Hingga sekarang ini sendiri pengguna software tersebut terbilang cukup banyak. Hal ini juga karena kepopulerannya di masyarakat.

Hingga saat ini sendiri RStudio tersedia dalam edisi open source serta komersial. Anda juga dapat menjalankannya pada beragam sistem operasi. Baik itu Linux, Mac, Windows, ataupun browser yang sudah terhubung langsung kepada RStudio Server.

Pengertian K-Harmonic Mean

Perlu Anda ketahui, bahwa K-Harmonic Mean sebenarnya termasuk sebagai metode pengembangan dari K-Means. Adapun fungsi dan kegunaannya adalah untuk mengatasi berbagai masalah K-Means saat ingin menentukan titik pusat cluster.

Tidak hanya itu, penggunaannya juga dapat meminimalisasi rata-rata harmonik pada semua titik data ke pusat cluster yang tersedia. Hasil pemetaan nantinya dapat tersimpulkan jika menggunakan metode tersebut dengan tepat dan teliti.

KHM ini sendiri termasuk salah satu metode pengelompokan baru yang dapat Anda gunakan untuk mengelompokkan data sedemikian rupa. Agar nantinya jumlah harmonik dari jarak setiap entitas sekaligus seluruh pusat dapat terminimalkan.

Penggunaan K-H Means

Seperti pada penjelasan di atas, K-means termasuk salah satu metode yang dapat Anda gunakan dalam sebuah penelitian. Dengan begitu, tentu akan semakin mudah dalam menemukan solusi dari sebuah data maupun cluster.

Jumlah cluster yang sudah ditentukan sebelumnya serta tekniknya sendiri umumnya akan sangat bergantung pada identifikasi awal elemen sehingga perlu mewakili cluster dengan baik. Penelitian dengan cara ini juga memerlukan area penelitian luas.

Adapun penggunaannya lebih fokus pada peningkatan proses pengelompokan sehingga dapat memecahkan masalah. Hingga saat ini sendiri ada banyak peneliti yang tertarik untuk mempelajari lebih lanjut mengenai K-H means tersebut.

Itu tadi penjelasan lengkap yang dapat Anda ketahui mengenai K-harmonic mean pada software R Studio. Sebelum menerapkan metode ini, maka sangat penting bagi pengguna untuk mempelajari metode pengelompokannya terlebih dahulu.

Kategori
Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Pengaplikasian Metode Simplex lattice design

Pengaplikasian Metode Simplex lattice design – Dalam Ilmu Matematis, ada berbagai metode yang bisa digunakan untuk menghitung, hingga menganalisis interpretasi data yang dibutuhkan. Metode-metode tersebut memiliki cara kerja dan hasil akhir yang berbeda-beda.

Salah satu jenis metode yang dimaksud adalah metode simplex lattice design. Metode ini merupakan metode optimasi yang cukup sering digunakan dalam berbagai kebutuhan untuk menentukan formula optimal dari suatu campuran bahan.

Simplex lattice design ini dinilai menjadi metode optimasi yang paling sederhana diantara berbagai metode optimasi lainnya seperti metode trial and error. Metode ini juga dinilai jauh lebih efektif dari metode trial and error karena metode SLD tidak membutuhkan terlalu banyak bahan dalam pengerjaannya.

Metode SLD banyak digunakan untuk menghitung campuran bahan dalam dunia flora atau makanan. Menurut Bolton, metode SLD merupakan metode yang digunakan untuk mengetahui profil efek campuran terhadap suatu parameter. Metode simplex lattice design menggunakan dua variabel A dan B yang bebas untuk membuat rancangan campuran yang akan diamati. Variabel A dan B pada metode SLD nantinya akan berubah menjadi campuran AB.

Dengan kedua variabel lepas dan 1 variabel campuran, ada 3 model yang bisa digunakan untuk mengetahui respon ketiga variabel yang diamati. Model-model tersebut diantaranya :

  • Linear model
  • Quadratic model
  • Special Cubic

Setelah menggunakan ketiga model tersebut, metode SLD akan menghasilkan persamaan dan contour plot yang menggambarkan respon dari bahan yang dicampurkan tersebut. Setelah respon bahan diperoleh, selanjutnya campuran tersebut akan dicari formula optimumnya dengan memasukkan parameter yang akan dianalisis menggunakan metode SLD ini.

Beberapa parameter yang digunakan diantaranya floating lag time, durasi floating time, profil disolusi dan sifat fisik tablet. Setelah bahan di analisis dan dicari formula optimumnya, langkah selanjutnya dari metode SLD adalah langkah optimization dengan menggunakan metode numerical atau metode graphical.

Parameter yang digunakan dalam metode SLD juga akan dibuatkan analisa prediksi dalam proses optimization. Setelah semua proses metode simplex design dilakukan, akan diketahui apakah formula campuran bahan yang digunakan memiliki formula yang optimum atau tidak.

Metode SLD biasanya digunakan untuk meneliti beberapa campuran seperti campuran obat yang dibuat dari bahan herbal, hingga campuran bahan pangan seperti minyak nabati dan lain sebagainya. Hasil metode SLD ini nantinya bisa memberikan beberapa hasil seperti keterangan manfaat campuran yang dibuat hingga efek samping dan kandungan negatif dalam campuran tersebut.

Manfaat terbesar dari penggunaan metode SLD adalah mengurangi faktor trial and error yang terdapat dalam campuran bahan tersebut. Setelah diketahui berbagai faktor dari campuran yang ada, hasil tersebut bisa menjadi acuan untuk menentukan apakah campuran bahan tersebut bisa disebarluaskan atau tidak.

Menggunakan metode simplex design dinilai seringkali menguntungkan para penggunanya karena hasil perhitungan dan analisa yang cukup akurat. Dengan data yang akurat, pengaplikasian campuran bahan yang dibuat bisa dimaksimalkan sesuai kebutuhan.

Kategori
Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Mengenal Metode Uji Sobel Test

Apa itu Metode Uji Sobel Test?

Sobel test adalah uji yang digunakan untuk mengetahui apakah Terdapat hubungan melalui suatu variabel mediasi secara signifikan. Yang mana variabel tersebut diuji apakah mampu berperan sebagai mediator dalam hubungan tersebut. Sebagai contoh suatu variabel A apakah memiliki pengaruh terhadap B melalui variabel M.

Dalam hubungan tersebut, metode uji sobel test menggunakan variabel M sebagai mediator hubungan dari A ke B. Hal ini digunakan untuk menguji seberapa besar peran variabel dalam memediasi pengaruh A terhadap B yang digunakan dengan uji sobel test.

terdapat contoh lain dari hasil model regresi dengan menggunakan SPSS yang mana digunakan tiga variabel yaitu insentif sebagai variabel independen, motivasi digunakan sebagai mediator, serta kinerja digunakan sebagai variabel dependennya. Apakah regresi pun dilakukan sebanyak 2 kali yaitu regresi pertama dilakukan antara insentif terhadap motivasi dan kinerja. Kemudian untuk yang kedua meregresikan antara motivasi terhadap kinerja.

Kegunaan Metode uji sobel test

Digunakan untuk dapat mengetahui pengaruh variabel mediasi berupa kepuasan. Menurut Baron dan Kenny di dalam Ghazali dinyatakan bahwa suatu variabel dapat disebut intervening apabila variabel tersebut dapat ikut mempengaruhi hubungan antara variabel yang independen dan juga variabel yang dependen.

Uji sobel ini digunakan untuk menguji kekuatan dari pengaruh tidak langsung dari variabel independen berupa X ke variabel dependen berupa Y2 melalui variabel intervening berupa Y1. Cara perhitungannya adalah dengan mengalikan pengaruh tidak langsung dari X ke Y2 melalui Y1, yang kemudian menggunakan cara mengalihkan jalur X- Y1 (menjadi a) dengen jalur Y1 – Y2 (menjadi b) atau jalur ab.

Di dalam metode ini tersebut terdapat koefisien ab = (c-c’) yang mana c adalah pengaruh dari X terhadap Y2 tanpa menghubungkan Y1,  dan c’ merupakan koefisien pengaruh X terhadap Y2 setelah menghubungkan Y1.

Kategori
Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Penjelasan Metode VARX pada Model GSTAR

Apa itu Metode VARX pada Model GSTAR?

Model VAR  memiliki pengembangan atau bentuk lain yang disebut dengan VARX. Metode ini merupakan singkatan dari vector autoregressive with exogenous. Istilah ini termasuk sebuah model peramalan yang digunakan untuk mengetahui hubungan satu variabel dengan variabel lainnya.

Untuk model VARX ini terdapat proses pengembangan dengan menggunakan input X di mana x merupakan variabel eksogen. Salah satu bagian dari variabel eksogen ialah variasi kalender dimana model tersebut termasuk model multivariat time series yang dapat menangkap efek variasi tersebut. Metode ini dapat diterapkan dan diimplementasikan terhadap model GSTAR atau GeneralizedSpace Time Autoregressive yang merupakan salah satu model yang bisa digunakan untuk mengatasi data deret dalam waktu dan lokasi.

Manfaat Metode VARX pada Model GSTAR

Metode VARX pada model GSTAR  ini sangat bermanfaat untuk memodelkan beberapa jenis kondisi terutama yang berhubungan dengan model runtun waktu. Runtun waktu yang dimaksud bisa berupa harian, mingguan, bulanan bahkan mencapai tahunan. Syarat utamanya tentu ada pada penggunaan data dan juga runtunan waktu yang terukur.

Penerapan metode tersebut dapat menyelesaikan studi kasus dengan data yang bersifat kumulatif. Berbagai data yang memiliki jumlah cukup banyak dan kompleks dapat terselesaikan dengan menggunakan perpaduan metode tersebut. Hal tersebut bisa lebih terselesaikan jika diselesaikan dengan runtun waktu yang sesuai.

Menariknya berbagai data yang bersifat variatif dan terdiri dari beberapa jenis bisa menggunakan metode tersebut sehingga penyelesaian dengan runtun waktu yang baik bisa sangat jelas dan terukur. Hal tersebut sangat penting untuk dipelajari agar bisa menyelesaikan analisa dan penelitian tertentu.

Metode VARX pada model GSTAR pada dasarnya dapat digunakan untuk analisis dan penelitian dengan penggunaan data tertentu. Hal tersebut harus menggunakan runtun waktu yang pasti dengan metode dan sistem yang terukur.

Kategori
Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Mengenal Metode Stress Testing

Apa Itu Metode Stress Testing?

sebuah teknik simulasi komputer, yang banyak digunakan berbagai aspek, salah satunya adalah strategi bisnis, manajemen risiko, juga keputusan manajemen modal. Dimana metode ini bisa menguji ketahanan institusi dan portofolio investasi terhadap berbagai kemungkinan situasi keuangan yang akan terjadi di masa yang akan datang.

Begitu juga dengan perusahaan yang bergerak di bidang pengelolaan aset dan investasi. Selain untuk menentukan risiko portofolio, Metode stress testing juga akan membantu menetapkan strategi lindung nilai yang diperlukan untuk meminimalisir kerugian.

Yang pasti, setiap perusahaan yang ingin memastikan bahwa mereka telah memiliki kontrol serta prosedur internal yang tepat, maka bisa menerapkan metode ini. Begitu juga dengan berbagai model penilaian, model risiko individu atau model yang menggabungkan risiko individu.

Cara kerja metode Stress Testing sendiri, akan melakukan pengujian yang dilakukan dengan memberikan beban pada perangkat lunak atau software, hingga akhirnya diketahui titik maksimum performansinya. Untuk melakukan pengujian, biasanya digunakan aplikasi yang membutuhkan konkurensi ataupun akses acak yang hampir bersamaan, yang jumlahnya sangat banyak.

Untuk mengidentifikasi kerentanan yang tidak terlihat, metode Stress Testing biasanya akan melibatkan simulasi yang tengah berjalan. Dan berbagai literatur strategi bisnis juga tata kelola perusahaan mencoba menggunakan pendekatan dengan metode ini.

Berikut ini beberapa kondisi atau skenario yang menggunakan metode tersebut:

Pengujian Histori Stres

Di dalam skenario histori, baik bisnis, aset, invetasi individu ataupun portofolio, dijalankan berdasarkan simulasi dari krisis yang terjadi sebelumnya. Contoh kasusnya adalah kehancuran pasar saham yang terjadi di bulan Oktober 1987. Kemudian krisis Asia pada tahun 1997, hingga gelembung teknologi yang meledak pada kurun waktu 1999 hingga 2000 lalu.

Pengujian Stres Hipotetis

Berikutnya adalah pengujian stres hipotetis, yang umumnya lebih spesifik dan seringkali berfokus pada bagaimana sebuah perusahaan bisa mengatasi kondisi krisis tertentu. Dalam skenario ini, bergaya lebih ilmiah, dimana hanya akan digunakan satu atau beberapa variabel uji yang disesuaikan.

Adapun contoh kasusnya adalah sebuah perusahaan di sebuah kota besar yang melakukan uji stres terhadap bencana alam seperti gempa bumi hipotetis. Atau sebuah perusahaan minyak yang melakukan pengujian terhadap pecahnya perang yang terjadi di Timur Tengah.

Pengujian Simulasi Stres

Simulasi Monte Carlo merupakan metologi dari Metode Stress Testing ini. Dimana pengujian stress ini menggunakan model probabilitas dari berbagai hasil yang didapat dari variabel tertentu. Adapun faktor-faktor yang dipertimbangkan dalam simulasi Monte Carlo seperti, berbagai variabel ekonomi.

Demikianlah penjelasan singkat mengenai Metode Stress Testing yang bisa dijadikan sebagai alat analisis yang cukup efektif, untuk mengidentifikasi apakah sebuah perusahaan telah memiliki modal dan aset yang cukup kuat. Juga apakah sudah memiliki rencana yang efektif dalam menghadapi badai ekonomi yang bisa terjadi kapan saja.

Kategori
Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Mengenal Metode Teori Antrian

Salah satu metode analisis yang sering digunakan untuk menganalisis suatu data yaitu biasa dikenal dengan metode Metode Teori Antrian. Seperti yang kita ketahui bahwa metode tersebut merupakan salah satu metode yang sudah banyak digunakan. Dalam artikel ini akan dijelaskan secara singkat mengenai Metode Teori Antrian.

Definisi Metode Teori Antrian

Dalam kehidupan sehari-hari, anda pasti akan dihadapkan pada keadaan yang dimana harus menunggu giliran agar bisa mendapatkan sebuah pelayanan.

Untuk itu terciptalah metode sistem antrian yang bisa digunakan untuk mengoptimalkan layanan di banyak area layanan. Sehingga akan berguna dalam memecahkan sistem masalah dunia nyata. Teori ini diperkenalkan pertama kali oleh A.K Erlang pada tahun 1909. Dimana komponen dasar dari sistem ini menyangkut kedatangan, pelayanan, juga antrian.

Dalam hal ini, kedatangan bisa disebut sebagai proses input, yang terdiri dari berbagai sumber kedatangan atau calling population. Dimana akan terjadi proses random pada pola tersebut.

Pada pola kedatangan yang bersifat deterministik, bisa dipastikan pola antriannya tetap dan tidak berubah dan dapat ditentukan interarrival time-nya. Selain karateristik kedatangan pelanggan, juga bisa didapat dari karakterisik atau pola lainnya, seperti, desain pelayanan dan juga pola pelayanan.

Disiplin antrian sendiri terbagi menjadi 4, yaitu:

  1. First come first served (FCFS) atau first in first out (FIFO) atau Pertama Masuk Pertama Keluar
  2. Last come first served (LCFS) atau last in first out (LIFO) atau Yang Terakhir Masuk Yang Pertama Keluar
  3. Service in random order (SIRO) atau random selection for service (RRS) atau Pelayanan dalam Urutan Acak
  4. Priority service (PS) atau Pelayanan Berdasarkan Prioritas

Berikut Model Metode Teori Antrian:

  1. Single Channel, Single Phase atau Satu Jalur, Satu Tahap
  2. Single Channel, Multi Phase atau Satu Jalur, Banyak Tahap
  3. Multi Channel, Single Phase atau Banyak Jalur, Satu Tahap
  4. Multi Channel, Multi Phase atau Banyak Jalur, Banyak Tahap

Demikianlah sekilas penjelasan mengenai Metode Teori Antrian. Semoga dapat membantu anda dalam memahami mengenai metode tersebut.

Kategori
Jasa Olah Data Jasa Skripsi Tesis Disertasi Konsultasi Susun Skripsi

Mengenal Metode VECM Vector Error Correction Model

Metode VECM Vector Error Correction Model – VECM adalah salah satu metode yang biasa digunakan di dalam sebuah penelitian. Penelitian VECM ini tentu melibatkan variabel-variabel seperti independen dan dependen. Pada pembahasan kali ini akan dijelaskan secara lengkap mengenai definisi, fungsi, hingga perhitungan VECM dalam sebuah penelitian.

Pada awalnya, metode VECM ini adalah bentuk dari metode VAR yang terestriksi. Penyebab adanya restriksi ini karena keberadaan data-data yang tidak stasioner. Itulah sebabnya mengapa VECM sering dikenal dengan desain VAR bagian series non stasioner yang mempunyai hubungan kointegrasi.

Apa itu Metode VECM Vector Error Correction Model?

VECM merupakan singkatan dari Vector Error Correction Model. Metode ini digunakan dalam analisis hubungan jangka panjang dan pendek. Hubungan yang diteliti yaitu antara variabel independen dan dependen pada data time series. Untuk mengetahui hubungan jangka panjang dalam penelitian, maka peneliti harus menganalisis melalui persamaan kointegrasi pada hasil tes VECM. Disisi lain, untuk mengetahui analisa jangka pendek peneliti menggunakan uji Wald Statistics dari persamaan variabel pada hasil tes VECM.

Asumsi yang harus dipenuhi dalam analisis ini yaitu semua variabel harus bersifat stasioner pada orde/derajat yang sama. Dalam hal ini ditandai dengan semua sisaan bersifat white noise, yang mana memiliki rataan nol, varians konstan dan diantara variabel dependen tidak ada korelasi.

Langkah-langkah Mengestimasi VECM, sebagai berikut :

  1. Uji Stasioneritas Data
  2. Penentuan Lag Optimal
  3. Uji Kointegrasi
  4. Analisis Kausalitas (Uji Granger)
  5. Pemodelan Vector Error Correction Model
  6. Impulse Response Function (IRF)
  7. Variance Decomposition (VD)

Itulah penjelasan lengkap mengenai metode VECM Vector Error Correction Model. Adanya metode ini membantu peneliti untuk mengetahui hubungan antar variabel dalam jangka panjang dan pendek. Jika Anda adalah seorang peneliti, maka metode ini bisa dijadikan terapan sesuai dengan fungsinya.

Dalam menganalisa data, usahakan setiap penghitungannya dapat diteliti dengan baik dan teliti. Dengan begitu, Anda dapat mengambil kesimpulan dari hasil data yang sudah dianalisa.