Article Per Year (5 Year)
p-Index From 2020 - 2025
1.633
P-Index
This Author published in this journals
All Journal Kubik Jurnal Teknik Informatika UNIKA Santo Thomas KUBIK: Jurnal Publikasi Ilmiah Matematika Enthusiastic : International Journal of Applied Statistics and Data Science Premium: Insurance Business Journal Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) RENATA Jurnal Pengabdian Masyarakat Kita Semua TeknoKreatif: Jurnal Pengabdian kepada Masyarakat
Listiani, Amalia
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Mathematics Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
ESTIMASI CADANGAN KLAIM MENGGUNAKAN METODE KALMAN FILTER DENGAN STATE SPACE MODEL SCALAR PADA PRODUK ASURANSI UMUM Manurung, Chintya Carissa; Yulita, Tiara; Listiani, Amalia
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

Abstract

Usually, there is a delay in reporting claims from the time of the incident which results in the insurance company having a responsibility or debt. Therefore, insurance companies need to prepare funds to cover these debts, namely with claims reserves. There are two types of claim reserves, namely Incurred But Not Reported (IBNR) and Reported But Not Settled (RBNS). This research focuses on determining the estimation of aggregate claim reserves using the Kalman Filter method with scalar State Space Models (SSMs) which is a model resulting from the development of the Chain Ladder (CL) method. The Kalman Filter method with SSMs is a stochastic method that takes into account the time series model so that it can predict the temporal dynamics of a system more accurately. The results of forecasting claim reserves using the Kalman Filter method with SSMs will be compared with the CL method. Variational Of Coefficient (VOC) is an error predictor to determine the best method. The calculation results using the Kalman Filter method with SSMs produce a smaller VOC value than the CL method, proving that the Kalman Filter method with SSMs is better than CL.
Pelatihan Pengolahan dan Analisa Data Statistik Untuk Meningkatkan Kompetensi Guru SMPN di Kalianda, Lampung Selatan Andirasdini, Indah Gumala; Sofia, Ayu; Lestari, Fuji; Listiani, Amalia; Yulita, Tiara; Julianty, Dila Tirta; Rivai, Muklas
TeknoKreatif: Jurnal Pengabdian kepada Masyarakat Vol 4 No 2 (2024): TEKNOKREATIF : Jurnal Pengabdian kepada Masyarakat Volume 4 No 2
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LP2M), Institut Teknologi Sumatera, Lampung, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35472/teknokreatif.v4i2.1875

Abstract

Salah satu wujud pengembangan diri seorang guru adalah dengan melakukan dan menulis laporan penelitian. Penelitian dan penulisan laporan hasil penelitian terkait kinerja pembelajaran seorang guru merupakan salah satu upaya evaluasi (refleksi) terhadap kinerja seorang guru di dalam kelas. Evaluasi ini dilakukan dengan melaksanakan Penelitian Tindakan Kelas (PTK). Permasalahan yang terjadi pada PTK adalah kurangnya kompetensi guru dalam melakukan pengolahan data, menggunakan tools, dan menerapkan model-model statistika yang cocok untuk kasus-kasus yang terjadi di kelas. Pada jurnal ini membahas peningkatan kompetensi guru-guru SMPN melalui pelatihan olah data dan analisis data statistik menggunakan JASP. Tingkat pemahaman dan kompetensi guru diukur menggunakan kuesioner yang diberikan pada sebelum dan setelah melakukan pelatihan. Pelatihan ini memberikan perubahan tingkat pemahaman dan kompetensi yang signifikan berdasarkan bidang kompetensi yang ditanyakan. Hal ini dapat dilihat dari gap responden yang diperoleh saat sebelum pelatihan dan setelah pelatihan dilakukan.
ESTIMASI CADANGAN KLAIM MENGGUNAKAN METODE KALMAN FILTER DENGAN STATE SPACE MODEL SCALAR PADA PRODUK ASURANSI UMUM Manurung, Chintya Carissa; Yulita, Tiara; Listiani, Amalia
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

Abstract

Usually, there is a delay in reporting claims from the time of the incident which results in the insurance company having a responsibility or debt. Therefore, insurance companies need to prepare funds to cover these debts, namely with claims reserves. There are two types of claim reserves, namely Incurred But Not Reported (IBNR) and Reported But Not Settled (RBNS). This research focuses on determining the estimation of aggregate claim reserves using the Kalman Filter method with scalar State Space Models (SSMs) which is a model resulting from the development of the Chain Ladder (CL) method. The Kalman Filter method with SSMs is a stochastic method that takes into account the time series model so that it can predict the temporal dynamics of a system more accurately. The results of forecasting claim reserves using the Kalman Filter method with SSMs will be compared with the CL method. Variational Of Coefficient (VOC) is an error predictor to determine the best method. The calculation results using the Kalman Filter method with SSMs produce a smaller VOC value than the CL method, proving that the Kalman Filter method with SSMs is better than CL.
Premi Kredibilitas Asuransi Kredit Usaha Rakyat dengan Model Buhlmann Straub Credibility Listiani, Amalia; Julianty, Dila Tirta
Premium Insurance Business Journal Vol. 9 No. 2 (2022): PREMIUM INSURANCE BUSINESS JOURNAL
Publisher : P3M Trisakti School of Insurance (TSI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35904/premium.v9i2.35

Abstract

Asuransi kredit merupakan penjaminan risiko terhadap risiko pembayaran akibat adanya kemungkinan gagal bayar. Salah satu produk dan merupakan program dari pemerintah adalah Kredit Usaha Rakyat (KUR) yang diperuntukkan untuk usaha mikro, kecil, dan menengah. Program ini memiliki risiko adanya gagal bayar dari debitur kepada peminjam dalam hal ini adalah Bank. Pada penelitian ini observasi yang dilakukan adalah pada Bank BNI, BRI, dan Mandiri dimana data diperoleh dari salah satu perusahaan Asuransi Kredit. Model yang digunakan adalah Model Buhlmann Straub yang merupakan model dengan pendekatan kredibilitas. Model ini banyak digunakan dalam perhitungan asuransi baik dalam asuransi jiwa maupun asuransi umum. Asuransi kredit merupakan lini asuransi umum, sehingga model ini dapat digunakan. Berdasarkan hasil dari penelitian, maka diperoleh premi kredibilitas untuk Bank BNI adalah sebesar Rp62.628.199 dengan faktor kredibilitas 0,9594. Bank BRI premi kredibilitas adalah Rp8.999.924 dengan factor kredibilitas adalah 0,9982, dan untuk Bank Mandiri premi kredibilitasnya adalah Rp23.693.664 dengan factor kredibilitasnya adalah 0,9625.
Prediksi Penyakit Daun Pisang Menggunakan Metode LSTM (Long Short-Term Memory) Ba’its, Alfian Kafilah; Bagaskara, Radhinka; Setiawan, Andika; Yulita, Winda; Harmiansyah, Harmiansyah; Listiani, Amalia; Untoro, Meida Cahyo; Drantantiyas, Nike Dwi Grevika; Faisal, Amir; Anggraini, Leslie; Febrianto, Andre; Aprilianda, Mohamad Meazza; Fitrawan, Mhd. Kadar
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Dalam sektor pertanian, tanaman yang memiliki peran signifikan dalam skala global adalah pisang, yaitu buah yang mudah didapatkan, dapat tumbuh dimana saja, memiliki gizi yang tinggi, serta memiliki nilai ekonomi & budaya yang tinggi. Pisang mempunyai kontribusi yang signifikan terhadap pendapatan nasional Indonesia, terutama di Provinsi Lampung sebagai penghasil pisang nasional terbesar. Tetapi, proses produksi pisang seringkali mengalami kendala, salah satunya karena faktor serangan penyakit Black Sigatoka. Penyakit tersebut memberikan kerugian pada tanaman pisang, seperti daun yang meranggas, panen tertunda, bakal buah rontok, dan kualitas buah yang rendah, dan dapat menyebar melalui aliran udara atau percikan air hujan. Tingkat keparahan penyakit Black Sigatoka perlu diprediksi agar penyakit tersebut dapat dikontrol dan dapat dicegah sedini mungkin. Model yang digunakan untuk memprediksi permasalahan ini dalam jangka panjang adalah model Long Short-Term Memory (LSTM), salah satu jenis dari arsitektur Recurrent Neural Network (RNN), yang mempunyai kinerja yang baik dan mempunyai model yang prediktif. Aplikasi LSTM diterapkan terhadap dataset pohon pisang yang terdampak penyakit Black Sigatoka. Hasil dari model LSTM dalam melakukan prediksi penyakit Black Sigatoka menghasilkan model dengan nilai error yang kecil, dengan nilai MAE dan MAPE masing-masing sebesar 0.084 dan 5.7%
Prediksi Penyakit Daun Pisang Menggunakan Metode LSTM (Long Short-Term Memory) Ba’its, Alfian Kafilah; Bagaskara, Radhinka; Setiawan, Andika; Yulita, Winda; Harmiansyah, Harmiansyah; Listiani, Amalia; Untoro, Meida Cahyo; Drantantiyas, Nike Dwi Grevika; Faisal, Amir; Anggraini, Leslie; Febrianto, Andre; Aprilianda, Mohamad Meazza; Fitrawan, Mhd. Kadar
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Dalam sektor pertanian, tanaman yang memiliki peran signifikan dalam skala global adalah pisang, yaitu buah yang mudah didapatkan, dapat tumbuh dimana saja, memiliki gizi yang tinggi, serta memiliki nilai ekonomi & budaya yang tinggi. Pisang mempunyai kontribusi yang signifikan terhadap pendapatan nasional Indonesia, terutama di Provinsi Lampung sebagai penghasil pisang nasional terbesar. Tetapi, proses produksi pisang seringkali mengalami kendala, salah satunya karena faktor serangan penyakit Black Sigatoka. Penyakit tersebut memberikan kerugian pada tanaman pisang, seperti daun yang meranggas, panen tertunda, bakal buah rontok, dan kualitas buah yang rendah, dan dapat menyebar melalui aliran udara atau percikan air hujan. Tingkat keparahan penyakit Black Sigatoka perlu diprediksi agar penyakit tersebut dapat dikontrol dan dapat dicegah sedini mungkin. Model yang digunakan untuk memprediksi permasalahan ini dalam jangka panjang adalah model Long Short-Term Memory (LSTM), salah satu jenis dari arsitektur Recurrent Neural Network (RNN), yang mempunyai kinerja yang baik dan mempunyai model yang prediktif. Aplikasi LSTM diterapkan terhadap dataset pohon pisang yang terdampak penyakit Black Sigatoka. Hasil dari model LSTM dalam melakukan prediksi penyakit Black Sigatoka menghasilkan model dengan nilai error yang kecil, dengan nilai MAE dan MAPE masing-masing sebesar 0.084 dan 5.7%
ESTIMASI CADANGAN KLAIM MENGGUNAKAN METODE KALMAN FILTER DENGAN STATE SPACE MODEL SCALAR PADA PRODUK ASURANSI UMUM Manurung, Chintya Carissa; Yulita, Tiara; Listiani, Amalia
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

Abstract

Usually, there is a delay in reporting claims from the time of the incident which results in the insurance company having a responsibility or debt. Therefore, insurance companies need to prepare funds to cover these debts, namely with claims reserves. There are two types of claim reserves, namely Incurred But Not Reported (IBNR) and Reported But Not Settled (RBNS). This research focuses on determining the estimation of aggregate claim reserves using the Kalman Filter method with scalar State Space Models (SSMs) which is a model resulting from the development of the Chain Ladder (CL) method. The Kalman Filter method with SSMs is a stochastic method that takes into account the time series model so that it can predict the temporal dynamics of a system more accurately. The results of forecasting claim reserves using the Kalman Filter method with SSMs will be compared with the CL method. Variational Of Coefficient (VOC) is an error predictor to determine the best method. The calculation results using the Kalman Filter method with SSMs produce a smaller VOC value than the CL method, proving that the Kalman Filter method with SSMs is better than CL.
ESTIMASI CADANGAN KLAIM MENGGUNAKAN METODE KALMAN FILTER DENGAN STATE SPACE MODEL SCALAR PADA PRODUK ASURANSI UMUM Manurung, Chintya Carissa; Yulita, Tiara; Listiani, Amalia
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

Abstract

Usually, there is a delay in reporting claims from the time of the incident which results in the insurance company having a responsibility or debt. Therefore, insurance companies need to prepare funds to cover these debts, namely with claims reserves. There are two types of claim reserves, namely Incurred But Not Reported (IBNR) and Reported But Not Settled (RBNS). This research focuses on determining the estimation of aggregate claim reserves using the Kalman Filter method with scalar State Space Models (SSMs) which is a model resulting from the development of the Chain Ladder (CL) method. The Kalman Filter method with SSMs is a stochastic method that takes into account the time series model so that it can predict the temporal dynamics of a system more accurately. The results of forecasting claim reserves using the Kalman Filter method with SSMs will be compared with the CL method. Variational Of Coefficient (VOC) is an error predictor to determine the best method. The calculation results using the Kalman Filter method with SSMs produce a smaller VOC value than the CL method, proving that the Kalman Filter method with SSMs is better than CL.
Pension Funding Calculation Using the Benefit Prorate Method of the Constant Percent Type and Vasicek Interest Rates: Pension Fund Using Vasicek Model Based-Interest Rate Khafifa , Laili Nur; Julianty, Dila Tirta; Listiani, Amalia
Enthusiastic : International Journal of Applied Statistics and Data Science Volume 5 Issue 2, October 2025
Publisher : Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/enthusiastic.vol5.iss2.art3

Abstract

Pension funds are financial programs established by individuals or companies to secure the future of employees by providing benefits during their retirement years. Pension funds are built up through contributions made by both the participants (employees) and the employer. To calculate the amount of pension benefits, normal costs, and actuarial liabilities, various method are used, including the constant percent benefit prorate method. A key factor influencing these calculations is the interest rate. This study employs the Vasicek model, a stochastic interest rate model, to analyze the Unfunded Actuarial Liability (UAL). The analysisi reveals that the amount of normal cost (annual contributions) will vary, and both contributions and actuarial liabilities that are calculated using vasicek interest rate for each participant will adjust based on the interest rate during their retirement period. The amount of UAL is derived from the discrepancy between the total amount of actuarial liabilities from all the participant in certain period and the accumulated funds. The UAL is sufficient to cover future pension fund payments when calculated using the Vasicek interest rate model.
Pelatihan Pembuatan Laporan Keuangan Pelaku Usaha Mikro, Kecil, Dan Menengah (UMKM) Di Desa Badran Sari Julianty, Dila Tirta; Listiani, Amalia; Lestari, Fuji; Sofia, Ayu; Rivai, Muklas; Mahrani, Dwi; Fitriawati, Andi
RENATA: Jurnal Pengabdian Masyarakat Kita Semua Vol. 3 No. 3 (2025): Renata - Desember 2025
Publisher : PT Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/1.renata.140

Abstract

Hingga saat ini terdapat sekitar 15 Usaha Mikro, Kecil, dan Menengah yang ada di Desa Badran Sari. Kegiatan usaha yang dilakukan oleh UMKM tidak terlepas dari transaksi keuangan baik transaksi masuk maupun keluar. Apabila transaksi tersebut diolah dengan baik maka dapat menghasilkan laporan keuangan yang tepat untuk berbagai periode waktu. Dengan adanya laporan keuangan yang tepat, maka bisa didapatkan informasi yang tepat mengenai kondisi keuangan dari suatu usaha sehingga bisa membuat keputusan yang tepat untuk masa yang akan datang. Dengan rendahnya kemampuan masyarakat desa dalam mengolah informasi sehingga menjadikan para pelaku UMKM tidak dapat memanfaat informasi keuangan yang mereka miliki sebagai dasar dalam pengambilan keputusan dan pengembangan usahanya. Oleh karena itu perlu diadakannnya suatu pelatihan terkait pembuatan laporan keuangan untuk meningkatkan kemampuan masyarakat Desa Badran Sari yang memiliki UMKM sehingga tercapainya masyarakat informasi dan berbasi pengetahuan. Hal ini diharapkan dapat meningkatkan ukuran usaha UMKM dan meningkatkan kegiatan perekonomian di Desa Badran Sari, Kecamatan Punggur, Kabupaten Lampung Tengah. Setelah dilaksanakannya pelatihan mengenai penyusunan laporan keuangan, jumlah peserta yang memiliki tingkat pemahaman rendah mengalami penurunan dari semula 68,18% menjadi 36,36% dan jumlah responden dengan tingkat pemahaman sedang mengalami peningkatan lebih dari dua kali lipat dari semula 27,27% menjadi 59,09%
Co-Authors Andi Fitriawati Andika Setiawan, Andika Andirasdini, Indah Gumala Anggraini, Leslie Aprilianda, Mohamad Meazza Bagaskara, Radhinka Ba’its, Alfian Kafilah Dila Tirta Julianty Drantantiyas, Nike Dwi Grevika Dwi Mahrani Faisal, Amir Febrianto, Andre Fitrawan, Mhd. Kadar Fuji Lestari Fuji Lestari Harmiansyah Harmiansyah, Harmiansyah Khafifa , Laili Nur Manurung, Chintya Carissa Rivai, Muklas Sofia, Ayu Untoro, Meida Cahyo Yulita, Tiara Yulita, Winda