Claim Missing Document
Check
Articles

Found 9 Documents
Search
Journal : Kubik

Penerapan Hukum Mortalita Gompertz untuk Perhitungan Dana Tabarru’ dengan Metode Cost of Insurance Fauziah Noor Hidayat; Rini Cahyandari; Asep Solih Awalluddin
KUBIK Vol 4, No 1 (2019): 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.v4i1.5676

Abstract

Berdasarkan cara pengelolaan dananya, asuransi syari’ah dibedakan menjadi dua, asuransi dengan unsur tabungan dan asuransi tanpa unsur tabungan. Didalam asuransi tanpa unsur tabungan, dana yang diberikan oleh peserta asuransi akan dimasukkan ke dalam satu rekening saja, yaitu rekening tabarru’. Sehingga adanya ketidakjelasan dalam presentase dana tabarru’. Cost of Insurance merupakan metode yang digunakan dalam perhitungan dana tabarru’ yang terdiri dari beberapa komponen yaitu: tabel mortalita yang digunakan, asumsi hasil investasi (i) dan asumsi biaya pengelolaan ( ). Didalam penelitian ini dilakukan perhitungan tabel mortalita dengan Hukum Gompertz yang memperhitungan risiko karena faktor usia, didalam perhitungannya dibutuhkan data acak usia yang berdistribusi Gompertz. Tabel mortalita dengan Hukum Gompertz ini yang akan digunakan untuk perhitungan dana tabarru’. Penulis menggunakan ilustrasi dengan usia peserta 41 tahun, tingkat investasi sebesar 5%, dan biaya pengelolaan sebesar 30%. Didapatkan dana tabarru’ dengan menggunakan metode Cost of Insurance sebesar Rp. 156.762/bulan.
Analisis Pengukuran Produk HKZL PT.Gradien Manufaktur Indonesia Menggunakan Multivariat Gage, Repeatability and Reproducibility (GRR) Melalui Analisis Faktor Selvi Marcelina; Asep Solih Awalluddin; Arief Fathcul Huda; Rismawati Ramdani; Esih Sukaesih
KUBIK Vol 6, No 2 (2021): 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.v6i2.14555

Abstract

Measurement data is often used in determining the quality of a product. Some of the results in measurement present multivariate properties, meaning that there are many characteristics of quality. Many variables are measured to be used as a reference in improving product quality on the company's predetermined standards. But in reality, there are variations in the size or size of products that do not meet the standard of measurement used by the company. In this case, the correlation structure between quality characteristics is often overlooked. Variables that correlate in a group, but with relatively small correlations between other groups are more suitable tasks for factor analysis. Therefore, to solve The purpose of multivariate GRR through factor analysis is to identify the covariance structure between several quality characteristics in improving product quality using multivariate Gage, Repeatability and Reproducibility (GRR) through factor analysis, and find out if the HKZL product measurement system is in PT. Indonesia's Manufacturing Gradient is accepted or does not use the multivariate Gage, Repeatability and Reproducibility (GRR) method through factor analysis. In practice, the analysis step has been prepared and applied to the measurement of HKZL products in PT. Indonesian Manufacturing Gradient. The results were obtained from the measurement system on HKZL products in PT. The Indonesian Manufacturing Gradient is not accepted, meaning that the resulting product is HKZL has quality beyond the company's standards (quality standards), so it can be concluded that the HKZL product making machine is in poor condition to use.
Estimasi Parameter Distribusi Eksponensial yang Dipangkatkan dan Distribusi Campuran Eksponensial untuk Data Masa Hidup Imas Sukarsih; Asep Solih Awalluddin; Elis Ratna Wulan
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.v1i1.320

Abstract

Tulisan ini membahas tentang estimasi parameter distribusi eksponensial yang dipangkatkan dan distribusi campuran eksponensial. Distribusi eksponensial yang dipangkatkan merupakan perluasan dari distribusi eksponensial standar yang fungsinya diambil dari fungsi distribusi kumulatif yang kemudian dipangkatkan. Distribusi lainnya adalah distribusi campuran eksponensial, distribusi campuran eksponensial merupakan kombinasi linier dari dua atau lebih distribusi eksponensial standar yang bobot dan parameternya berbeda. Estimasi parameter dari distribusi eksponensial yang dipangkatkan dan distribusi campuran eksponensial secara analitis diturunkan melalui metode maksimum likelihood, sehingga diperoleh hasil estimasi untuk masing-masing parameter kedua distribusi tersebut. Estimasi distribusi eksponensial yang dipangkatkan pada data masa hidup pendingin pesawat dilakukan dengan menggunakan metode Newton Raphson. Dari hasil estimasi tersebut selanjutnya dilakukan analisis keandalan untuk data masa hidup.
Estimasi Parameter pada Fungsi Produksi Cobb-Douglas Non-Linier Menggunakan Metode Least Square Ahfazh Fauzy Nurunnajib; Elis Ratna Wulan; Asep Solih Awalluddin
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.v1i1.321

Abstract

Industri Manufaktur merupakan salah satu sektor yang memiliki pengaruh terhadap perekonomian nasional. Membaiknya situasi ekonomi akan diikuti perbaikan sektor manufaktur, begitupula sebaliknya. Oleh karena itu, suatu industri perlu memilih kombinasi yang optimal dari input yang digunakan, yaitu kombinasi yang memungkinkan untuk menghasilkan tingkat output yang diinginkan. Model yang digunakan adalah fungsi produksi Cobb-Douglas. Fungsi produksi Cobb-Douglas adalah salah satu fungsi produksi yang menunjukkan hubungan antara tingkat output dan tingkat (kombinasi) input yang digunakan. Metode estimasi yang digunakan adalah least square estimation dengan penyelesaian menggunakan iterasi Newton Raphson. Fungsi produksi Cobb-Douglas ini diaplikasikan pada lima industri manufaktur terpilih di Sumatera Barat. Dari hasil penelitian diperoleh return to scale dari industri karet dan barang dari plastik adalah 0,8424 dan return to scale dari industri makanan dan minuman adalah 0,8496 yang mana kedua industri tersebut masing-masing menghasilkan RTS < 1. Sedangkan return to scale dari industri penerbitan dan percetakan adalah 1,0460, return to scale dari industri tekstil adalah 1,0018, dan return to scale dari industri galian bukan logam adalah 1,3384. Dari ketiga industri tersebut masing-masing menghasilkan RTS > 1.
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

Abstract

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.
Estimasi Parameter Distribusi Campuran BiWeibull Asep Solih Awalluddin
KUBIK Vol 3, No 2 (2018): 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.v3i2.4113

Abstract

Salah satu pendekatan distribusi yang banyak digunakan dalam analsis data statistik adalah Distribusi Weibull. Pendekatan distribusi Weibull tunggal untuk populasi yang didalamnya terdapat beberapa sub populasi kurang baik digunakan, karena adanya perbedaan karakteristik data antar sub populasi tersebut, sehingga memungkinkan memiliki parameter yang berbeda. Distribusi campuran (mixture distribution) diharapkan dapat mencadi solusi pendekatan bentuk distribusi dengan kondisi data berasal dari beberapa sub populasi. Sebagai contoh distribusi usia atau masa pengobatan (sampai mati) pasien kanker atau Aids, dengan sub populasi adalah ras atau kelompok usia. Tulisan ini membahas distribusi campuran Weibull, khususnya model distribusi campuran biWeibull yang akan digunakan dalam studi kasus data yang terdiri dari dua sub populasi. Metode estimasi parameter model yang digunakan Tahapan estimasi parameter model diuraikan dalam tulisan ini. Di lapangan, masalah yang timbul selanjutnya adalah bagaimana menaksir ketiga parameter model tersebut jika data ada di tangan. Dalam tulisan ini algoritma yang digunakan untuk menaksir parameter di atas adalah algoritma EM (Expectation Maximization). Studi kasus sebagai penerapan algoritma dilakukan untuk kasus pendekatan distribusi campuran biWeibull.
Peramalan Menggunakan Model Holt-Winters Exponential Smoothing Multiplikatif dengan Optimasi Parameter Menggunakan Particle Swarm Optimization (PSO) Martina, Annisa; Dewi, Apianti Setia; Awalluddin, Asep Solih
KUBIK Vol 9, No 2 (2024): 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.v9i2.31368

Abstract

Peramalan merupakan suatu metode yang digunakan untuk memprediksi kejadian di masa yang akan datang berdasarkan pada sekumpulan data historis. Adanya pola trend dan musiman multiplikatif pada suatu data memerlukan metode peramalan yang sesuai agar peramalan yang dilakukan dapat memberikan hasil yang baik. Model Holt-Winters Exponential Smoothing Multiplikatif merupakan salah satu yang dapat mengatasi data dengan pola tersebut. Pada Holt-Winters Exponential Smoothing Multiplikatif terdapat nilai parameter pemulusan yang biasanya diperoleh dengan menggunakan trial and error. Namun, metode trial and error dirasa kurang efektif karena akan ada banyak kombinasi parameter pemulusan yang mungkin memberikan hasil peramalan optimal. Oleh karena itu, metode Particle Swarm Optimization digunakan untuk mengoptimasi parameter pemulusan Holt-Winters Exponential Smoothing Multiplikatif dengan nilai MAPE sebagai nilai akurasi peramalan. Dari hasil simulasi yang dilakukan diperoleh bahwa metode Particle Swarm Optimization memiliki kinerja yang baik dalam memperoleh nilai parameter pemulusan Holt-Winters Exponential Smoothing Multiplikatif dalam meramalkan data jumlah kunjungan wisatawan mancanegara ke Indonesia.
Peramalan Menggunakan Model Holt-Winters Exponential Smoothing Multiplikatif dengan Optimasi Parameter Menggunakan Particle Swarm Optimization (PSO) Martina, Annisa; Dewi, Apianti Setia; Awalluddin, Asep Solih
KUBIK Vol 9 No 2 (2024): 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.v9i2.31368

Abstract

Peramalan merupakan suatu metode yang digunakan untuk memprediksi kejadian di masa yang akan datang berdasarkan pada sekumpulan data historis. Adanya pola trend dan musiman multiplikatif pada suatu data memerlukan metode peramalan yang sesuai agar peramalan yang dilakukan dapat memberikan hasil yang baik. Model Holt-Winters Exponential Smoothing Multiplikatif merupakan salah satu yang dapat mengatasi data dengan pola tersebut. Pada Holt-Winters Exponential Smoothing Multiplikatif terdapat nilai parameter pemulusan yang biasanya diperoleh dengan menggunakan trial and error. Namun, metode trial and error dirasa kurang efektif karena akan ada banyak kombinasi parameter pemulusan yang mungkin memberikan hasil peramalan optimal. Oleh karena itu, metode Particle Swarm Optimization digunakan untuk mengoptimasi parameter pemulusan Holt-Winters Exponential Smoothing Multiplikatif dengan nilai MAPE sebagai nilai akurasi peramalan. Dari hasil simulasi yang dilakukan diperoleh bahwa metode Particle Swarm Optimization memiliki kinerja yang baik dalam memperoleh nilai parameter pemulusan Holt-Winters Exponential Smoothing Multiplikatif dalam meramalkan data jumlah kunjungan wisatawan mancanegara ke Indonesia.
Panel Data Analysis of Two Level Mixed Linear Models for Factors Affecting The Health Index in West Java Awalluddin, Asep Solih; Khumaeroh, Mia Siti; Amalia, H.; Wahyuni, Inge
KUBIK Vol 9 No 1 (2024): 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.v9i1.31369

Abstract

The purpose of this study is to construct a multilevel mixed linear model for panel data by estimating parameters and testing the hypothesis of fit of the model with case studies in determining the prediction of the health index for the marginal and conditional models on the factors that influence the prediction of the health index in West Java for 2016 data. -2021, with time (year) and region (district and city) variables as factors involved in the model. Multilevel mixed linear model is the development of a mixed linear model that can be used to analyze correlated panel data. Parameter estimation uses the Maximum Likelihood (ML) method to estimate fixed effect parameters and Restricted Maximum Likelihood (REML) to estimate covariance parameters. The results obtained by the health index prediction model in West Java, both for the marginal and conditional prediction models and goodness of fit model.