Garuda - Garba Rujukan Digital

PENGENALAN LAFAL HUKUM NUN MATI MENGGUNAKAN HIDDEN MARKOV MODEL Agus Jamaludin; Arief Fatchul Huda; Rini Cahyandari
LOGIK@ Vol 6, No 1 (2016)
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (814.039 KB)

Membaca Al-Qur’an wajib bagi setiap umat muslim sebagaimana firman Allah SWT Q.S. Al-Ankabut ayat 45. Selain itu, Al-Qur’an mempunyai aturan dalam membacanya. Aturan tersebut berhubungan dengan pelafalan huruf atau makhrojul huruf dan hokum tajwid. Dunia teknologi berkembang begitu pesat. Salah satunya penemuan sistem pengenalan suara dimana sebuah mesin dapat memahami informasi yang disampaikan oleh manusia melalui suara. Banyak metode yang digunakan pada sistem pengenalan suara baik itu metode ekstraksi ciri ataupun metode pengenalannya. Metode ekstraksi ciri yang sering dipakai adalah Mel Frequency Cepstral Coefficient (MFCC). Metode ini menggabungkan cara linier dan non linier. Hal ini disebabkan oleh persepsi pendengaran manusia yang tidak berada pada skala linier dalam bentuk frekuensi melainkan diukur dalam bentuk skala frekuensi mel. Pada tahap ekstraksi ciri ini sinyal suara dibentuk menjadi vektor-vektor ciri, kemudian pada tahap berikutnya vektor ciri ini akan dikuantisasi atau dipetakan menjadi codeword dan dikumpulkan menjadi codebook. Codebook ini kemudian digunakan pada proses pelatihan model Hidden Markov Model (HMM). Pada proses pelatihan HMM, parameter peluang transisi (A), peluang inisialisasi (p), dan peluang observasi (B) dihitung dan di cari parameter yang paling baik sehingga membentuk sebuah model yang optimum. Kemudian model ini digunakan pada proses kualifikasi. Pada penelitian ini diterapkan metode HMM pada pengenalan lafal hokum nun mati. Model terbaik didapat pada percobaan yang dilakukan adalah pada saat besar codebook M=128 dan banyak state S=6 dengan tingkat akurasi 51,7%.

ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF-GENERALIZED EKSPONENSIAL (BN-GE) PADA DATA OVERDISPERSI Annisa Ulfiyah; Rini Cahyandari; Asep Solih Awalluddin
LOGIK@ Vol 6, No 2 (2016)
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (520.073 KB)

Distribusi Binomial Negatif-Generalized Eksponensial (BN-GE) merupakan distribusi peluang gabungan antara distribusi Binomial Negatif (BN) dengan distribusi Generalized Eksponensial (GE). Distribusi Binomial Negatif-Generalized Eksponensial (BN-GE) ini cocok digunakan untuk memodelkan data cacah dengan nol berlebih, dimana data cacah yang memiliki nilai nol berlebih menjadi salah satu penyebab terjadinya overdispersi, tetapi tidak sebaliknya. Overdispersi merupakan keadaan yang timbul ketika varians data lebih besar dari mean dan umumnya sering terjadi dalam pengamatan suatu data cacah. Tulisan ini membahas tentang estimasi parameter distribusi Binomial Negatif-Generalized Eksponensial dengan metode maksimum likelihood dimana solusi dari fungsi likelihood-nya diselesaikan dengan optimisasi numerik menggunakan software statistika R dan hasil estimasi parameter digunakan dalam pencocokan (fitting) data yang diterapkan pada sampel data yang mengalami overdispersi, dalam hal ini data banyaknya penghargaan yang diterima oleh mahasiswa. Melalui pengujian hipotesis goodness of fit menggunakan uji chi-square dan berdasarkan pada -value dengan taraf signifikansi sebesar 0,05 diperoleh bahwa

Model Regresi Data Panel Terbaik untuk Faktor Penentu Laba Neto Perusahaan Asuransi Umum Syariah di Indonesia Delia Fatharani Durrah; Rini Cahyandari; Asep Solih Awalluddin
KUBIK Vol 5, No 1 (2020): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v5i1.8488

Data panel merupakan gabungan antara data cross section dengan data time series. Model regresi data panel terbaik pada penelitian ini adalah Random Effect Model (REM). Faktor penentu laba neto perusahaan asuransi umum syariah di Indonesia menunjukkan bahwa biaya klaim, hasil underwriting, dan pendapatan premi neto mempengaruhi laba neto perusahaan asuransi umum syariah di Indonesia selama periode pengamatan tahun 2014-2017.

APLIKASI PROSES POISSON PERIODIK (STUDI KASUS: ANTRIAN NASABAH BANK BRI) Rini Cahyandari; Agus Tinus Setianto
JURNAL ISTEK Vol 8, No 2 (2014): ISTEK
Publisher : JURNAL ISTEK

Show Abstract | Download Original | Original Source | Check in Google Scholar

Pada umumnya aplikasi proses Poisson mengasumsikan bahwa banyaknya kejadian pada suatu interval waktu yang panjangnya t dan tidak saling tumpang tindih, memiliki distribusi yang sama. Sehingga laju kejadian yang dinotasikan dengan dianggap konstan, dan prosesnya dinamakan proses Poisson homogen. Akan tetapi, sering dijumpai dalam kehidupan sehari-hari bahwa laju kejadian konstan sebenarnya kurang tepat dikarenakan laju kejadian biasanya berupa fungsi dari waktu t yang disebut dengan fungsi intensitas dan prosesnya dinamakan proses Poisson nonhomogen. Selanjutnya, pada contoh kasus kedatangan pelanggan, fungsi intensitasnya lebih tepat dianggap fungsi periodik sehingga prosesnya dinamakan proses Poisson periodik. I Wayan Mangku (2002) secara teoritis telah menemukan estimator yang berguna untuk menduga , fungsi intensitas global dan periodenya secara non parametris karena bentuk fungsinya tidak diketahui. Dalam aplikasi proses Poisson periodik permasalahan yang timbul adalah bagaimana menduga karakteristik-karakteristik proses Poisson periodik seperti fungsi intensitas , fungsi intensitas global yang merupakan laju rata-rata keseluruhan, dan periode. Sebagai studi kasus, akan diambil data antrian nasabah bank BRI Cabang Ujung Berung Bandung, di mana pengamatan dilakukan selama 2 hari dan sistem yang digunakan yaitu sistem pelayanan empat loket ( Single Channel Multiserver)

ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II Asep Solih; Rini Cahyandari; Tarkinih Tarkinih
JURNAL ISTEK Vol 10, No 1 (2017): ISTEK
Publisher : JURNAL ISTEK

Show Abstract | Download Original | Original Source | Check in Google Scholar

Tulisan ini bertujuan untuk menentukan prosedur estimasi interval kepercayaan (confidence interval) parameter model proses geometrik pada analisis uji hidup (life testing) untuk data tersensor tipe II yang berdistribusi Weibull. Metoda kemungkinan maksimum (maximum likelihood) digunakan dalam penaksiran parameter, penyelesaian taksiran interval kepercayaan diselesaikan dengan metoda numerik Newton Raphson dan bootstrap percentile CI dengan selang kepercayaan 95%

Peramalan Kurs Jual Uang Kertas Mata Uang Singapore Dollar (SGD) terhadap Rupiah Menggunakan Model ARFIMA (Autoregressive Fractionally Integrated Moving Average) Rini Cahyandari; Rima Erviana
KUBIK Vol 1, No 1 (2015): KUBIK : Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v1i1.323

Model ARFIMA (Autoregressive Fractionally Integrated Moving Average) merupakan pengembangan dari model ARIMA yang pertama kali dikenalkan oleh Granger dan Joyeux (1980). Sedangkan Hosking (1981) memperkenalkan sifat jangka panjang (long memory) pada data dengan ciri hasil plot ACF (Autocorrelation Function) turun lambat secara hiperbolik dan memiliki nilai Statistik Hurst antara 0.5 < H < 1 . Model ARFIMA memiliki tiga parameter yaitu p, d, dan q. Dimana p adalah parameter autoregressive, d adalah parameter differencing dan q adalah parameter moving average. Dimana parameter d berupa bilangan riil antara -0.5 < d < 0.5 dan dapat dicari mengguakan metode regresi spektral. Penelitian terhadap kurs uang kertas mata uang Singapore Dollar terhadap rupiah dilakukan untuk mengetahui hasil estimasi parameter d dengan menggunakan regresi spektral untuk peramalan menggunakan model ARFIMA dan memperoleh kesimpulan bahwa model tersebut telah memenuhi dan memadai untuk dijadikan model peramalan. Dimana pada tahap identifikasi data memiliki nilai statistik Hurst sebesar 0.967 yang menunjukan H > 0.5 sehingga pola long memory. Model terbaik berdasarkan nilai MSE dan AIC terkecil sebesar MSE = 2173.33 dan AIC = -1238.81 yang dihasilkan yaitu pada data kurs uang kertas SGD terhadap rupiah dengan ARFIMA (7, d=-0.42, 7) dengan d=-0.42 menyatakan ARFIMA proses stasioner dengan ACF dan PACF semua negatif menunjukan turun lambat secara hiperbolik menuju nol dengan lag meningkat.

Table of Integration Model for Motor Vehicle Sharia Insurance Rini Cahyandari; Asep Solih Awalluddin; Dara Selvi Mariani; Sukono Sukono; Puspa Liza Ghazali
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol 2, No 1 (2020)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

AbstractMotor vehicle insurance is one of the general insurance types that provide coverage for loss, damages, and disappearance of a motor vehicle due to risks experienced by the covered object. The product illustration of motor vehicle insurance is generally presented in a condensed form, containing few pages and limited information. Based on a product illustration of motor vehicle sharia insurance issued by PT. Asuransi Tri Pakarta (TRIPA) treated as a case study, an alternative version of product illustration in form of a table of integration model was designed to not only provided general information but also vehicle prices, values of premiums, tabarru, ujrah, investment, insurance costs, and surplus (if any). The partitions also performed on the additional protection offered by TRIPA so that the benefits that would be received by the insured would be greater. The generated table of integration model presents richer information regarding the insurance products, better scheme, and transparency in the management of total premiums.Keywords: general insurance; product illustration; management of total premiums; integration model; benefits. AbstrakAsuransi kendaraan bermotor merupakan salah satu jenis asuransi umum yang memberikan jaminan terhadap kerugian, kerusakan dan kehilangan kendaraan bermotor akibat terjadinya risiko yang menimpa obyek pertanggungan. Umumnya ilustrasi produk asuransi kendaraan bermotor disajikan dalam bentuk ringkasan yang beragam dalam beberapa halaman dan hanya menjelaskan informasi secara umum saja. Mengambil studi kasus berupa ilustrasi produk asuransi syariah kendaraan bermotor dari PT. Asuransi Tri Pakarta (TRIPA), dirancang bentuk alternatif penyajian berupa tabel model integrasi yang memberikan informasi tidak hanya harga kendaraan dan besaran premi, tetapi juga informasi tentang tabarru, ujrah, investasi, biaya asuransi, surplus (jika ada). Selanjutnya, dilakukan partisi terhadap perlindungan tambahan sehingga manfaat yang diperoleh tertanggung lebih luas. Melalui tabel model integrasi ini, informasi yang tertulis tentang produk asuransi lebih lengkap dan skema pengelolaan premi total asuransi syariah kendaraan bermotor juga lebih jelas.Kata Kunci: asuransi umum; ilustrasi produk; pengelolaan premi total; model integrase; manfaat.

Model Regresi Data Panel Terbaik untuk Faktor Penentu Laba Neto Perusahaan Asuransi Umum Syariah di Indonesia Delia Fatharani Durrah; Rini Cahyandari; Asep Solih Awalluddin
KUBIK Vol 5, No 1 (2020): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v5i1.8488

Data panel merupakan gabungan antara data cross section dengan data time series. Model regresi data panel terbaik pada penelitian ini adalah Random Effect Model (REM). Faktor penentu laba neto perusahaan asuransi umum syariah di Indonesia menunjukkan bahwa biaya klaim, hasil underwriting, dan pendapatan premi neto mempengaruhi laba neto perusahaan asuransi umum syariah di Indonesia selama periode pengamatan tahun 2014-2017.

Peramalan Kurs Jual Uang Kertas Mata Uang Singapore Dollar (SGD) terhadap Rupiah Menggunakan Model ARFIMA (Autoregressive Fractionally Integrated Moving Average) Rini Cahyandari; Rima Erviana
KUBIK Vol 1, No 1 (2015): KUBIK : Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v1i1.323

Model ARFIMA (Autoregressive Fractionally Integrated Moving Average) merupakan pengembangan dari model ARIMA yang pertama kali dikenalkan oleh Granger dan Joyeux (1980). Sedangkan Hosking (1981) memperkenalkan sifat jangka panjang (long memory) pada data dengan ciri hasil plot ACF (Autocorrelation Function) turun lambat secara hiperbolik dan memiliki nilai Statistik Hurst antara 0.5 < H < 1 . Model ARFIMA memiliki tiga parameter yaitu p, d, dan q. Dimana p adalah parameter autoregressive, d adalah parameter differencing dan q adalah parameter moving average. Dimana parameter d berupa bilangan riil antara -0.5 < d < 0.5 dan dapat dicari mengguakan metode regresi spektral. Penelitian terhadap kurs uang kertas mata uang Singapore Dollar terhadap rupiah dilakukan untuk mengetahui hasil estimasi parameter d dengan menggunakan regresi spektral untuk peramalan menggunakan model ARFIMA dan memperoleh kesimpulan bahwa model tersebut telah memenuhi dan memadai untuk dijadikan model peramalan. Dimana pada tahap identifikasi data memiliki nilai statistik Hurst sebesar 0.967 yang menunjukan H > 0.5 sehingga pola long memory. Model terbaik berdasarkan nilai MSE dan AIC terkecil sebesar MSE = 2173.33 dan AIC = -1238.81 yang dihasilkan yaitu pada data kurs uang kertas SGD terhadap rupiah dengan ARFIMA (7, d=-0.42, 7) dengan d=-0.42 menyatakan ARFIMA proses stasioner dengan ACF dan PACF semua negatif menunjukan turun lambat secara hiperbolik menuju nol dengan lag meningkat.

Markov Chain Analysis of Problematic Financing in Sharia Banks Cahyandari, Rini; Rahmawati, Weni; Saepuloh, Aep
International Journal of Global Operations Research Vol. 5 No. 2 (2024): International Journal of Global Operations Research (IJGOR)m May 2024
Publisher : iora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47194/ijgor.v5i2.292

Indonesia is the country with the largest Muslim population in the world, which makes people start to switch to sharia banking services because they do not use the usury system. This can be seen from the role of the community in using sharia banking services, including in distributing funds. From financing activities, the more funds distributed, the greater the potential for risk to arise. If there are customers who do not comply with installment payments, this will create a problem in financing in sharia banking, which is called problematic financing. The classification and criteria for problematic financing are divided into three, namely substandard, doubtful and nonperforming. To overcome this risk, preventive measures are taken, one of which is by knowing the possibility of financing problems in the future, which can be calculated using Markov chain analysis. This research uses secondary data on substandard, doubtful and non-performing problematic financing in the period 2016 to 2021 at several sharia banks in Indonesia. The opportunity value is searched until it meets the balance condition (steady state). Based on the research results, it was found that Sharia Commercial Banks (BUS) will experience a state of balance at step 5, Sharia Business Units (UUS) will experience a state of balance at step 11, Sharia Rural Banks (BPRS) will experience a state of balance at step 6.

Title

Found 24 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 24 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 24 Documents
Search