PROPOSAL PROGRAM RISET DESENTRALISASI DIKTI 2013
Model Prediksi Statistika Sebagai “Alarm Malnutrisi Anak” Untuk Mendeteksi Risiko Kejadian Malnutrisi Didapat di Rumah Sakit
Ketua Tim Peneliti: Khreshna I.A. Syuhada, MSc. PhD.
KK
: Statistika
Fakultas/Sekolah/Pusat/PP
: MIPA
INSTITUT TEKNOLOGI BANDUNG Maret, 2012
DAFTAR ISI Halaman IDENTITAS PROPOSAL ...................................................................................................... 1 1
RINGKASAN PROPOSAL .............................................................................................. 2
2
PENDAHULUAN .......................................................................................................... 2 2.1
Latar belakang masalah ................................................................................. 2
2.2
Tujuan riset ..................................................................................................... 4
3
METODOLOGI ............................................................................................................ 4
4
DAFTAR PUSTAKA...................................................................................................... 5
5
INDIKATOR KEBERHASILAN (TARGET CAPAIAN) ......................................................... 6
6
JADWAL PELAKSANAAN ............................................................................................. 6
7
PETA JALAN (ROAD MAP) RISET ................................................................................. 7
8
USULAN BIAYA RISET ................................................................................................ 8 8.1
Belanja pegawai ............................................................................................. 8
8.2
Belanja barang................................................................................................ 8
8.3
Belanja jasa .................................................................................................... 8
9
CV TIM PENELITI ....................................................................................................... 9
10
LAMPIRAN BUKTI CAPAIAN OUTPUT TAHUN 2010-2011 ............................................ 12
IDENTITAS PROPOSAL 1. Judul
: Model Prediksi Statistika Sebagai “Alarm Malnutrisi Anak” Untuk Mendeteksi Risiko Kejadian Malnutrisi Didapat Di Rumah Sakit
2. Tim Riset 2.1 Ketua Tim a. b. c. d. e. f.
:
Nama Lengkap Jabatan Fungsional/Golongan NIP Fakultas/Sekolah Kelompok Keahlian Alamat Kantor/Telp/Fax/E-mail
: : : : : :
Khreshna I.A. Syuhada, MSc. PhD. Lektor / III c 132206229 MIPA Statistika Jl. Ganesa 10 Bandung 40132 Telp. 2502545; Email.
[email protected] g. Alamat Rumah/Telp/Fax/HP/E-mail : Perumahan BDB 2 Blok FM 22 Cibinong 16913 Telp. 085720390297; Email.
[email protected]
2.2 Anggota Tim Riset: No.
Nama dan Gelar Akademik
Bidang Keahlian
Unit Kerja/ Lembaga
Alokasi Waktu Jam/mg bulan
1.
Dessie Wanda, MN
Keperawatan Anak
FIK UI
5
10
2.
Utriweni Mukhaiyar, MSi
Statistika
FMIPA ITB
5
10
2.3 Asisten Peneliti / Mahasiswa (sebutkan nama bila sudah ada): No.
Nama dan Gelar Akademik
Bidang Keahlian
Alokasi Waktu Jam/mg bulan
1.
Susi Hartati, SKp.
Keperawatan Anak
4
8
2.
Yuli Afrianti, MT. MBA.
Statistika
4
8
3. Biaya yang diusulkan
: Rp. 75 juta
4. Target output (keluaran) Riset No. 1. 2.
:
Nama/Jenis output Jurnal Internasional Prosiding Konferensi Internasional
Jumlah 1 1
Dengan ini saya menyatakan bahwa proposal ini belum pernah didanai oleh atau diusulkan ke sumber lain. Mengetahui, Ketua Kelompok Keahlian Statistika
Bandung, 27/3/2012 Ketua Tim Riset
Dr. Udjianna S. Pasaribu NIP. 196108061987032001
Khreshna I.A. Syuhada, MSc. PhD. Prof. Dr.rer.nat Umar Fauzi NIP. 196405041989031002 NIP. 132206229
Dekan/Ka. PP/Ka.Pusat FMIPA
1
1
RINGKASAN PROPOSAL
Anak yang dirawat di rumah sakit berisiko untuk mengalami malnutrisi yang terjadi selama periode anak dirawat di rumah sakit. Beberapa penelitian menyebutkan bahwa hal ini terjadi karena tim kesehatan kurang waspada terhadap kejadian malnutrisi yang didapat di rumah sakit. Penyebab lain adalah kondisi anak yang memang berisiko untuk mengalami malnutrisi karena usianya yang rentan dan kondisi penyakit anak yang membuat kebutuhan nutrisi menjadi meningkat. Penelitian ini bertujuan untuk mengembangkan model prediksi statistika sebagai “alarm malnutrisi anak” untuk deteksi dini dalam proses identifikasi risiko anak mengalami malnutrisi selama periode ia dirawat di rumah sakit. Penelitian kuantitatif ini terdiri dari 2 tahapan. Tahap pertama adalah identifikasi faktor penyebab malnutrisi didapat di rumah sakit dengan menggunakan metode penelitian cross sectional design dan menggunakan analisis faktor. Tahap kedua adalah penyusunan ‘alarm malnutrisi anak’ berdasarkan (1) model prediksi estimatif Kabaila dan Syuhada dan (2) analisis regresi logistik multinomial. Selanjutnya alarm tersebut akan diujicobakan menggunakan metode penelitian eksperimen. Sampel penelitian adalah anak berusia lebih dari 1 bulan - 18 tahun yang dirawat di ruang rawat anak penyakit dalam dan bedah di rumah sakit tipe A dan tipe B. Hasil penelitian ini akan membantu tim kesehatan, termasuk perawat, untuk bisa mendeteksi dini anak yang berisiko mengalami malnutrisi didapat di rumah sakit, sehingga dapat mencegah atau meminimalkan kejadian malnutrisi pada anak tersebut. Model deret waktu bernilai integer (integer-valued time series) memiliki perbedaan yang sangat signifikan dengan model deret waktu klasik (classical time series) dalam konteks nilai observasi dan prediksi yang selalu bernilai integer. Aplikasi model deret waktu bernilai integer terdapat dalam berbagai bidang seperti kesehatan, misalnya jumlah pasien di instalasi gawat darurat atau IGD. Dalam penelitian ini, model deret waktu bernilai integer yaitu Integer-Valued Autoregressive berorde satu atau INAR(1) akan digunakan untuk menentukan/memprediksi skor malnutrisi anak. Metode prediksi estimative dan improved yang dipakai adalah metode Kabaila dan Syuhada (2007, 2008, 2010). Asumsi distribusi yang digunakan adalah Poisson dan Geometrik. Model-model prediksi yang dibentuk akan diuji dengan menggunakan uji Rasio Likelihood untuk kemudian ditentukan model yang paling tepat. Model ini akan dibandingkan juga dengan model klasik regresi logistik. 2
PENDAHULUAN 2.1 Latar belakang masalah
Nutrisi adalah salah satu komponen terpenting dalam pertumbuhan dan perkembangan anak. Bila anak kekurangan atau kelebihan nutrisi, maka pertumbuhan dan perkembangannya akan terhambat. Keadaan kekurangan atau kelebihan nutrisi tersebut dinamakan malnutrisi. Saat ini malnutrisi adalah penyebab kematian utama di negara berkembang (van de Poel, et al., 2007). Kasus malnutrisi yang menjadi penyebab kematian biasanya terjadi di negara yang sedang berkembang. Di Kenya, malnutrisi menjadi kontributor utama bagi penyebab kematian pada anak (Bejon, et al., 2008). Bila dibandingkan dengan kondisi di Indonesia, malnutrisi menjadi penyebab kematian nomor dua setelah Infeksi Saluran Pernapasan Akut (ISPA). Tipe malnutrisi yang biasa menjadi penyebab kematian adalah kekurangan nutrisi. Insiden kasus malnutrisi pada anak meningkat beberapa tahun belakangan ini. Hal ini terjadi karena kondisi bangsa Indonesia yang sedang dalam krisis sejak tahun 1998. Krisis ekonomi menyebabkan masyarakat tidak mampu untuk membeli bahan makanan yang memiliki nilai nutrisi tinggi. Oleh karena itu, Pemerintah mentargetkan untuk mengurangi jumlah penderita malnutrisi pada anak yang menjadi salah satu target Tujuan Perkembangan Milenium (Millenium Development Goals atau MDGs). Disamping berfungsi sebagai komponen penting dalam pertumbuhan dan perkembangan anak sehat, nutrisi pun sangat dibutuhkan bagi anak yang sedang mengalami sakit dan dirawat di rumah sakit. Bagi anak yang dirawat di rumah sakit, kebutuhan nutrisi akan meningkat karena nutrisi dibutuhkan untuk menyembuhkan penyakit dan sekaligus untuk tetap digunakan sebagai zat pembantu tumbuh kembangnya. Bila anak yang dirawat di rumah sakit tidak terpenuhi nutrisinya maka akan memperpanjang waktu rawatnya di rumah sakit (Kac, et al. 2000). Malnutrisi yang dialami anak yang dirawat di rumah sakit dapat meningkatkan angka kesakitan dan kematian pada hampir pada 50% anak yang dirawat di rumah sakit (Bejon, et. al, 2008). 2
Malnutrisi yang dialami oleh anak yang dirawat di rumah sakit dikategorikan menjadi dua kategori, yaitu malnutrisi yang memang telah dialami oleh anak sebelum dirawat dan malnutrisi yang dialami anak selama ia dirawat di rumah sakit. Beberapa penelitian menyebutkan istilah untuk keadaan malnutrisi yang dialami oleh anak saat mereka dirawat di rumah sakit, yaitu: in-hospital malnutririon, hospital-acquired malnutrition, atau hospital malnutrition. Dalam penelitian ini, istilah yang digunakan adalah malnutrisi didapat di rumah sakit. Insiden malnutrisi pada anak yang dirawat di rumah sakit jarang teridentifikasi oleh tim kesehatan di rumah sakit (Delgado, et al., 2008). Hal ini membuat jumlah nutrisi yang diberikan pada anak tidak sesuai dengan kebutuhannya, yang berakibat tidak terpenuhinya kebutuhan nutrisi anak. Keadaan ini akan dapat memperburuk status kesehatan anak, yang akan berakibat lanjut pada terhambatnya proses penyembuhan anak di rumah sakit. Berdasarkan data dari beberapa negara yang sedang berkembang di dunia, didapatkan bahwa kasus malnutrisi didapat di rumah sakit ini meningkat. Di Brazil, jumlah anak yang mengalami malnutrisi di rumah sakit adalah 29,4% dari total populasi untuk lama rawat 17-69 hari. Bahkan di negara maju seperti Eropa dan Amerika Utara, 40-50% anak yang dirawat di rumah sakit berisiko untuk mengalami malnutrisi di rumah sakit (Delgado, et al,2008). Namun, data tentang jumlah kasus malnutrisi pada anak yang dirawat di rumah sakit tidak mudah untuk ditemukan di Indonesia. Penelitian tentang malnutrisi di rumah sakit juga tidak banyak ditemukan di Indonesia. Hal inilah yang mendasari peneliti untuk melakukan penelitian terkait malnutrisi pada anak yang dirawat di rumah sakit di Indonesia. Model deret waktu bernilai integer (integer-value time series) mendapatkan perhatian yang besar dari praktisi dan akademisi. Alasannya tidak hanya karena kegunaannya dalam counting processes namun juga sifat-sifat statistiknya yang menarik. Selain itu keunggulan model deret waktu bernilai integer adalah terjaminnya (coherent) nilai observasi dan prediksi yang bernilai integer. Salah satu model deret waktu bernilai integer yang cukup populer adalah model Integer-Valued Autoregressive berorde satu atau INAR(1). Interpretasi model ini (untuk bidang kesehatan misalnya) adalah sebagai berikut: Misalkan di suatu ruang rawat anak seorang pasien memiliki skor nutrisi Yt pada waktu t. Pasien tersebut akan berubah nilai/skor nutrisinya dengan peluang skor naik (“sukses”) adalah θ. Skor nutrisi pasien anak tersebut pada waktu t+1 adalah jumlah dari skor nutrisi yang naik/turun dari waktu t ke t+1 ditambah dengan perubahan skor nutrisi εt pada waktu [t,t+1]. Misalkan {Yt} adalah model INAR(1) yang stasioner dan non-negatif sebagai berikut: Yt = Vt1 + ... + VtYt-1 + εt, t ≥ 1 dimana Vti adalah peubah acak-peubah acak yang saling bebas dan berdistribusi identik mengikuti suatu distribusi diskrit tertentu, dan εt peubah acak-peubah acak yang bernilai integer dan non-negatif serta tidak berkorelasi. Model diatas seringkali dituliskan sebagai Yt = θ o Yt-1 dimana “ o “ menyatakan operator thinning (Al-Osh dan Alzaid, 1987). Parameter θ menyatakan peluang “sukses” dari peubah acak Vti. Riset ini bertujuan untuk mengaplikasikan model INAR(1) di bidang kesehatan. Khususnya, memodelkan skor nutrisi anak sebagai “alarm malnutrisi”. Skor nutrisi adalah peubah acak atau random variable yang akan bergerak naik atau turun bergantung faktor-faktor yang mempengaruhinya. Skor nutrisi yang rendah akan menunjukkan informasi pada petugas kesehatan akan status nutrisi pasien sehingga dapat dilakukan tindakan yang tepat. Model INAR(1) sangat dipegaruhi oleh asumsi distribusi pada ∑ Vti dan εt. Dalam penelitian ini akan digunakan asumsi distribusi Binomial dan Geometrik untuk ∑ Vti, dan asumsi distribusi Poisson dan Geometrik untuk εt. Model-model INAR(1) yang dibentuk akan diuji dengan menggunakan uji Rasio Likelihood untuk menentukan model yang paling tepat. Selain itu, sifat-sifat statistik (momen ke-m, fungsi autokorelasi) akan dihitung baik analitik maupun numerik/simulasi. Prediksi satu langkah kedepan (one-step-ahead prediction) untuk banyaknya klaim nasabah akan dilakukan. Metode yang digunakan adalah metode Kabaila dan Syuhada (2007, 2008, 2010). Misalkan didapat data Y = (Y1, ...,Yn) dan kita menginginkan prediksi untuk observasi kedepan Yn+d, dimana d adalah suatu integer positif. 3
Khususnya, akan ditentukan limit prediksi 1-α dengan menentukan z sedemikian hingga Pθ( Yn+1 ≤ z | Y1, ...,Yn) = 1- α, dimana z adalah fungsi dari θ dan Y, atau g(θ,Y). Jika θ diketahui maka limit prediksi z=g(θ,Y) akan mudah dihitung dan memenuhi kondisi tersebut. Namun demikian, dalam praktiknya, θ tidak diketahui harus ditaksir dari data. Untuk penaksir tertentu, akan diperoleh limit prediksi z_e=g( ,Y), yang disebut estimative prediction limit. Nilai peluang selimutnya akan berbeda dengan 1-α secara signifikan kecuali banyak observasi n sangat besar. Dengan alasan tersebut, akan dihitung improved prediction limit dengan nilai peluang selimut lebih baik atau dekat 1-α dengan beda O(n-3/2) (Barndorff-Nielsen dan Cox (1996), Vidoni (2004), Kabaila dan Syuhada (2007, 2008, 2010)). 2.2 Tujuan riset 1. Mengidentifikasi status/skor nutrisi anak yang dirawat di rumah sakit. 2. Menganalisis faktor penyebab malnutrisi pada anak yang terjadi selama periode anak dirawat di rumah sakit. 3. Mengidentifikasi faktor dominan penyebab malnutrisi pada anak yang dirawat di rumah sakit. 4. Menentukan model prediksi estimative dan improved sebagai model batasan malnutrisi atau “alarm malnutrisi” pada anak yang dirawat di rumah sakit. 5. Uji coba “alarm malnutrisi anak” di rumah sakit. 3
METODOLOGI
Desain Penelitian
Penelitian ini terdiri dari dua tahapan penelitian. Tahap pertama adalah penelitian kuantitatif yang menggunakan cross sectional study. Desain penelitian digunakan untuk mengumpulkan data penelitian dalam waktu periode waktu (Everitt, 2002), sehingga desain ini sesuai dengan tujuan penelitian yaitu mengidentifikasi hubungan karakteristik internal dan eksternal klien anak dengan kejadian malnutrisi didapat di rumah sakit. Keuntungan dari menggunaan desain penelitian ini adalah dapat mengidentifikasi hubungan antara variabel (Elliot & Hayes, 2003). Walaupun desain penelitian ini digunakan untuk mencari hubungan antara variabel, tetapi tetap memiliki keterbatasan dalam menentukan hubungan penyebab antara variable. Selanjutnya, pada tahap kedua, setelah alarm malnutrisi disusun, akan dilakukan uji coba yang menggunakan desain penelitian eksperimen. Hasil uji coba ini akan dievaluasi untuk lebih menyempurnakan alarm yang telah di uji coba.
Populasi dan Sampel
Populasi adalah keseluruhan dari unit observasi (Everitt, 2002). Populasi penelitian ini adalah anak yang dirawat di rumah sakit. Sampel adalah sub himpunan dari populasi yang dipilih menggunakan proses pemilihan sampel tertentu (Everitt, 2002). Sampel dalam penelitian adalah anak yang dirawat di rumah sakit tipe A dan B yang menderita penyakit infeksi, bedah dan keganasan. Jumlah sampel yang diambil menggunakan teknik total sampling, yaitu seluruh klien anak yang dirawat di rumah sakit pada waktu pengambilan data. Dari penghitungan sampel, didapat jumlah 384 klien anak yang akan menjadi sampel dalam penelitian ini dengan selang kepercayaan 95%. Kriteria inklusi untuk sampel a) anak berusia > 1 bulan - 18 tahun; dan b) bersedia menjadi responden (bagi anak tertentu, dapat diwakili oleh orang tua). Kriteria ekslusi adalah a) tidak dalam keadaan gizi buruk saat masuk rumah sakit; dan b) diagnosa medis saat masuk tidak berhubungan dengan masalah gizi secara langsung.
Tempat penelitian
Penelitian akan dilakukan di satu rumah sakit tipe A dan beberapa rumah sakit tipe B di ibukota Jakarta. Alasan pemilihan lokasi ini karena rumah sakit-rumah sakit tersebut adalah rumah sakit rujukan sehingga kasus yang akan didapat lebih banyak dan bervariasi.
Waktu Penelitian
Penelitian ini akan dilaksanakan dalam waktu 10 bulan, dengan urutan kegiatan adalah sebagai berikut: penyusunan proposal pengurusan ijin penelitian pengumpulan data analisis data penyusunan laporan penelitian desiminasi hasil penelitian. 4
Pemodelan
Riset ini akan dilakukan secara analitik dan diberikan ilustrasi secara numerik dengan data simulasi dan data riil. Analisis teoritis dilakukan dengan menggunakan konsep peubah acak, fungsi peluang, fungsi pembangkit momen dan ekspektasi. Menentukan peluang selimut untuk limit prediksi Yn+1 dengan syarat Yn = yn dilakukan dengan mengasumsikan bahwa data Y1, Y2, ..., Yn saling bebas dengan data yang digunakan untuk penaksiran parameter atau estimasi. Analisis data baik untuk data simulasi dan data riil dilakukan dengan menggunakan program dalam MATLAB. Data simulasi dibangkitkan mengikuti distribusi tertentu dan nilai parameter diambil yang menjamin proses stasioner. Dua metode penkasiran akan dipakai yaitu metode kuadrat terkecil dan metode likelihood. 4 DAFTAR PUSTAKA Bejon, P., Mohammed, S., Mwangi, I., Atkinson, S. H., Osier, F., Peshu, N., Newton, C. R., Maitland, K., & Berkley, J. A. (2008). Fraction of all hospital admissions and deaths attributable to malnutrition among children in rural Kenya. The American Journal of Clinical Nutrition, 88, pp. 1626-31. Delgado, A. F., Okay, T. S., Leone, C., Nichols B., del Negro, G. M., & Vaz, F. A. C. (2008). Hospital malnutrition and inflammatory response in critically ill children and adolescents admitted to a tertiary intensive care unit. Clinics, 63, pp. 357-62. Hulst, J., Joosten, K., Zimmermann, L., Hop, W., van Buuren, S., Buller, H., et al. (2004). Malnutrition in critically ill children: From admission to 6 months after discharge. Clinical Nutrition, 23, pp. 223-32. Kac, G., Kamacho-Dias, P., Silva-Coutinho, D., Silveira-Lopez, R., Vilas-Boas, V., & Pinheiro, A. B. V. (2000). Length of stay is associated with incidence of in-hospital malnutrition in a group of low-income Brazilian children. Salud Publica de Mexico, 42(5), 407-412. Kabaila, P., & Syuhada, K. (2007). The relative efficiency of prediction intervals. Communication in Statistics: Theory and Methods, 36(15), 2673-2686. Kabaila, P. and Syuhada, K., 2008, Improved prediction limits for AR(p) and ARCH(p) processes, Journal of Time Series Analysis 29(2), 213-223. Kabaila, P. and Syuhada, K., 2010, The asymptotic efficiency of improved prediction intervals, Statistics and Probability Letters 80(17-18), 1348-1353. Motil, K. J. (1998). Sensitive measures of nutritional status in children in hospital and in the field. International Journal of Cancer: Suplemen, 11, pp. 2-9. Rocha, G. A., Rocha, E. J., & Martins, C. V. (2006). The effects of hospitalization on the nutritional status of children. Jornal de Pediatria, 82(1), pp. 70-74. Sermet-Gaudelus, I., Poisson-Salomon, A., Colomb, V., Brusset, M., Mosser, F., Berrier, F., & Ricour, C. (2000). Simple pediatric nutritional risk score to identify children at risk of malnutrition. American Journal of Clinical Nutrition, 72, pp. 64-70. Tienboon, P. (2002). Nutrition problems of hospitalised children in a developing country: Thailand. Asia Pacific Journal Clinical Nutrition, 11(4), pp. 258-262.
5
5
INDIKATOR KEBERHASILAN (TARGET CAPAIAN) No.
1.
2.
Indikator Keberhasilan Keluaran (output) Hasil Riset Minimal Salah Satu dari: 1. 1 Publikasi di Jurnal Internasional dengan impact factor lebih besar dari 0.5 2. 1 Publikasi di Jurnal Internasional dan 1 Publikasi di Proceeding Internasional terindex 3. Prototipe/desain produk skala industri 4. Kebijakan yang Diimplementasikan di tingkat nasional 5. HKI (Paten) Dampak (outcome) Hasil Riset
Target capaian adalah sebuah artikel di jurnal internasional terindeks dan sebuah artikel di prosiding konferensi internasional.
Alarm malnutrisi anak berupa skor nutrisi
3.
Seorang mahasiswa S1 di bidang statistika dan seorang mahasiswa S2 keperawatan anak akan dilibatkan dalam pengambilan data dan pemodelan INAR(1). Mahasiswa S1 bidang statistika akan sekaligus menyelesaikan Tugas Akhir.
4.
Model prediksi deret waktu bernilai integer akan dipromosikan di level KK Statistika dan KK Keperawatan Anak termasuk pada mahasiswa di kedua KK tersebut
Keterlibatan Mahasiswa S1, S2, S3
Pembinaan peer
Networking nasional dan internasional 5.
6
Deskripsi
Penelitian ini akan menjalin kontak dengan kolega di Universitas Indonesia dan Universitas King Saud (Prof Alzaid, pembimbing PostDoktoral) dan Universitas La Trobe (Prof Kabaila, pembimbing Doktor) dari Ketua Tim Peneliti (Khreshna Syuhada)
JADWAL PELAKSANAAN
Riset ini akan dilakukan selama 10 bulan (Maret-Desember 2013). Detil rencana penelitian adalah sebagai berikut: • Maret-Mei 2013: pengurusan ijin penelitian dan pengambilan data untuk dianalisis menggunakan analisis faktor (penentuan faktor risiko malnutrisi) • Juni-Juli 2013: pemodelan prediksi skor nutrisi dengan model INAR(1) serta menentukan sifat-sifat statistik (fungsi pembangkit momen, momen ke-m) dari model-model INAR(1) dan penaksiran parameter • Agustus 2013: penentuan “alarm malnutrisi” dan membandingkan dengan model klasik regresi logistik • September-Oktober 2013: uji coba model disamping melakukan analisis data simulasi • November 2013: presentasi pada Konferensi Internasional • Desember 2013: penulisan laporan
6
7
PETA JALAN (ROAD M AP ) RISET
Riset pada model deret waktu bernilai integer merupakan bagian penting riset KK Statistika , khususnya pada bagian TAHAP LANJUTAN pada area deret waktu keuangan (stokastik keuangan), seperti pada diagram berikut: Tahap Lanjutan
Tahap Pengembangan
Kasus 2: Stochastic Volalitity and NIGSV models
Prediction Intervals for Integer Time Series Data
Kasus 1:
Misspecified AR and ARCH models
Tahap Awal
Seleksi Model Prediksi
Menentukan
estimative and improved prediction intervals or limits
2007-2009
2009-2011
2010-2012
2012-2014
7
8
USULAN BIAYA RISET 8.1 Belanja pegawai No. 1. 2. 3.
Pelaksana Kegiatan Peneliti Utama Anggota Peneliti Anggota Peneliti
Jumlah Orang 1 1 1
Honor per Jumlah Jumlah Jam Jam/Bulan Bulan/Tahun 50.000 40 10 45.000 20 10 45.000 20 10 Jumlah total biaya honor (Rp)
Jumlah Biaya (Rp) 20.000.000 9.000.000 9.000.000 38.000.000
8.2 Belanja barang No. 1. 2. 3.
Peralatan/Bahan Timbangan Pengukur Tinggi Badan Suvenir
Biaya Satuan (Rp) 2 buah 150.000 2 buah 100.000 1 paket 120.000 Jumlah total biaya barang (Rp)
Volume
Satuan
Jumlah Biaya (Rp) 300.000 200.000 120.000 620.000
8.3 Belanja jasa a. Honor pihak ketiga non PNS ITB dan ITB-BHMN atau asisten mahasiswa Jumlah Honor per Jumlah Jumlah Jumlah Biaya No. Pelaksana Kegiatan Orang Jam Jam/Bulan Bulan/Tahun (Rp) 1. Mahasiswa 2 20.000 16 8 5.120.000 2. Sekretariat 1 260.000 260.000 Jumlah total biaya honor (Rp) 5.380.000 b. Perjalanan No. 1. 2.
Tujuan Seminar International Akomodasi
Volume
Biaya Satuan (Rp)
2 10.500.000 2 5.000.000 Jumlah total biaya perjalanan (Rp)
Jumlah Biaya (Rp) 21.000.000 10.000.000 31.000.000
8
9
CV TIM PENELITI PENELITI UTAMA
Name: Khreshna Imaduddin Ahmad SYUHADA DOB: Bandung, 20-02-1975 Address:
Office
Statistics Research Group FMIPA INSTITUT TEKNOLOGI BANDUNG (ITB) Jalan Ganesa 10 Bandung 40132 T: +62 22 2502545, M: +62 85720390297, F: +62 22 2506450 E:
[email protected] Education: • Feb – Des 2009, Postdoctoral Fellow, King Saud University, Arab Saudi • Mei 2008, Visiting Research Fellow, Curtin University of Technology, Australia • Feb 2005 – Mar 2008, PhD, La Trobe University, Australia • Jan 2001 – Mar 2003, MSc (Thesis), Curtin University of Technology, Australia • Ags 1998 – Des 2000, Magister, Institut Teknologi Bandung, Indonesia • Ags 1992 – Mei 1997, Sarjana, Universitas Gadjah Mada, Indonesia Work Experience: • Feb – Des 2009, Assistant Professor, King Saud University, Saudi Arabia • Sep 2008 – Jan 2009, Casual Lecturer, UIN Syarif Hidayatullah, Indonesia • Feb 2005 – Des 2007, Teaching Assistant, La Trobe University, Australia • Feb – Dec 2002, Teaching Assistant, Curtin University of Technology, Australia • Oct 1997 – present, Lecturer, Institut Teknologi Bandung, Indonesia Papers: • Kabaila, P. and Syuhada, K., 2010, The asymptotic efficiency of improved prediction intervals, Statistics and Probability Letters 80(17-18), 1348-1353. • Syuhada, K. and Alzaid, A., 2009, Prediction limits for INAR(1) process, Working Paper. • Nair, G. and Syuhada, K., 2009, Stochastic volatility model with Burr distribution error: Experience from Australian stock returns, Working Paper. • Kabaila, P. and Syuhada, K., 2008, Improved prediction limits for AR(p) and ARCH(p) processes, Journal of Time Series Analysis 29(2), 213-223. • Syuhada, K., 2008, An improved prediction limit for the Stochastic Volatility Autoregressive model, Working Paper. • Syuhada, K., 2008, Prediction intervals for financial time series and their assessment, PhD. Thesis, La Trobe University. • Kabaila, P. and Syuhada, K., 2007, The relative efficiency of prediction intervals, Communications in Statistics: Theory and Methods 36(15), 2673-2686. • Syuhada, K., The autocorrelation function of Stochastic Volatility models, 2004, Proceeding Indonesia National Mathematics Conference XII. • Syuhada, K. and Nair, G., 2003, Statistical properties of Indonesian daily stock returns and stochastic volatility, Proceeding SEAMS-GMU International Conference on Mathematics and Its Applications. • Syuhada, K. and Nair, G., 2003, Stochastic Volatility models with AR(2) volatility process, Proceeding 23rd International Symposium on Forecasting. • Syuhada, K., 2003, Neo-normal Stochastic Volatility models, MSc. Thesis, Curtin University of Technology. • Nair, G. and Syuhada, K., 2002, Stochastic Volatility Models using Neo Normal distributions, Proceeding QMF Conference. Awards/Scholarships/Grants: • (2011) ITB Research Grant (Riset dan Inovasi KK ITB) • (2010) ITB Teaching Grant (Hibah Inovasi Pengajaran ITB) • (2010) ITB Research Grant (Riset Peningkatan Kapasitas ITB) 9
• • • • • • • •
(2009) PostDoctoral Research Grant, King Saud University, Saudi Arabia (2008) Visiting Reseach Fellowship, Curtin University of Technology, Australia (2005) Endeavour International Postgraduate Research Scholarships (EIPRS), Australian Government (2005) La Trobe University Postgraduate Research Scholarships (LTUPRS) (2004) QUE-Project Teaching Grant ITB (2003) International Symposium on Forecasting (ISF) 2003 Travel Grant, International Institute of Forecaster (2000) Australian Development Scholarships (ADS), Australian Government (1998) Postgraduate Scholarships (BPPS), Indonesian Government
Conferences/Workshops: • International Conference on Mathematical Finance and Economics (ICMFE), 6-8 July 2011, Istanbul TURKEY • Challenges in Statistics and Operation Research (CSOR) Conference, 8-10 March 2011, Kuwait • Australian Statistical Conference (ASC) 6-10 December 2010, Perth AUSTRALIA • La Trobe University (Department of Statistical Science) Postgraduate Students Research Seminar, 26 May 2006, Melbourne AUSTRALIA • Indonesia National Mathematics Conference XII, 23-27 Juli 2004, Denpasar INDONESIA • SEAMS – GMU International Conference on Mathematics and Its Applications, 14-17 Juli 2003, Yogyakarta INDONESIA • 23rd International Symposium on Forecasting (ISF), 15-18 Juni 2003, Merida MEXICO • Quantitative Methods in Finance (QMF), 9-13 December 2002, Cairns AUSTRALIA
ANGGOTA PENELITI Name: Dessie WANDA DOB: Bengkalis, 17-12-1973 Address:
Office
Fakultas Ilmu Keperawatan UI Kampus Depok Depok, Jawa Barat 16424 T: +62 21 78849120, M: +62 85595482947, F: +62 21 7864124 E:
[email protected]
Home
Perumahan BDB 2 FM 22 Sukahati Cibinong 16913 T: +62 21 87913611 E:
[email protected] Education: • 2007, Master of Nursing (Research), ACU National, Australia • 2001, Postgraduate Diploma in Nursing, Curtin University of Technology, Australia • 1997, Sarjana, Universitas Indonesia, Indonesia Work Experience: • 2010 – present, Head of Academic Quality Assurance Unit, Universitas Indonesia, Indonesia • 2007 – 2010, Head of Pediatric Nursing Staff, Universitas Indonesia, Indonesia • 2005, Secretary of Undergraduate Nursing Program, Universitas Indonesia, Indonesia • 1997 – present, Lecturer, Universitas Indonesia, Indonesia
10
Papers/Books: • 2011 Mengamati dan Membangun Karakter Anak berdasarkan Golongan Darahnya. Penerbit Cerdas Sehat/ISBN 978-602-98578-7-0. • 2009 An investigation of clinical assessment processes of student nurses in Jakarta, • Indonesia. International Nursing Conference Proceeding, Faculty of Nursing Universitas Indonesia. • 2007 Panduan Bimbingan dan Konseling Mahasiswa. Fakultas Ilmu Keperawatan. • 2007 Studi Kualitatif Pengalaman Anak Usia Sekolah Pasca Rawat Inap. Jurnal Keperawatan Indonesia Vol 11 No. 1 Maret 2007/ISSN 1410-4490. • 2005 Hubungan antara Perilaku Instruktur Klinik dan Pencapaian Tujuan Mata Ajar oleh Mahasiswa. Jurnal Keperawatan Indonesia Vol 9 No. 1 Maret 2005/ISSN 1410-4490 • 2004 Panduan Praktik Keperawatan Anak untuk Mahasiswa Keperawatan. Penerbit FE UI. Awards/Scholarships/Grants: • (2011) HPEQ-DIKTI Project (Hibah Riset Komponen 1, HPEQ-DIKTI) • (2010) UI Competency-Based Cluster Grant (Hibah Riset Kelompok Berbasis Kompetensi UI) • (2007) Young Researcher Grant (Hibah Riset Peneliti Muda UI) • (2006) Faculty Research Student Support Scheme, ACU National Australia • (2004) SP-4 Research Grant (Hibah Riset SP-4 DIKTI) • (2000) Australian Development Scholarships (ADS), Australian Government Conferences/Workshops: • International Conference on Mathematical Finance and Economics, 6-8 July 2011, Istanbul TURKEY • Rapid Design eLearning Program, University of Queensland and World Bank, 2010, Jakarta, INDONESIA • 3rd International Nursing Conference, 29-30 October 2009, Jakarta, INDONESIA • Endeavour to Better Quality of Health System in Indonesia, 16-17 December 2008, Indonesian Pediatric Nurses Association, Jakarta, INDONESIA • Victorian and Tasmanian Deans of Nursing and Midwifery 2nd Collaborative Research School, 18-19 September 2008, The University of Melbourne, Victoria, AUSTRALIA
11
10 LAMPIRAN BUKTI CAPAIAN OUTPUT TAHUN 2010-2011 Kabaila, P. and Syuhada, K., 2010, The asymptotic efficiency of improved prediction intervals, Statistics and Probability Letters 80(17-18), 1348-1353. Syuhada, K., 2011, Forecasting with NIGSV model, Proceeding of International Conference on Mathematical Finance and Economics 6-8 July 2011, Istanbul, Turkey.
12
