Article Per Year (5 Year)
p-Index From 2021 - 2026
2.407
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Kubik Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JRSI (Jurnal Rekayasa Sistem dan Industri) JURNAL MEDIA INFORMATIKA BUDIDARMA Journal of Computer System and Informatics (JoSYC) KUBIK: Jurnal Publikasi Ilmiah Matematika Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering
Aniq Atiqi Rohmawati
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences

Published : 89 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 89 Documents
Search

 1   2   3   4   5 
Klasifikasi Data Microarray Menggunakan Discrete Wavelet Transform Dan Naive Bayes Classification Rizma Nurviarelda; Adiwijaya Adiwijaya; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Saat ini, kanker adalah salah satu penyakit paling mematikan. Sehingga, dibutuhkan sebuah program untuk deteksi kanker secara akurat. Pada data kanker biasanya data berupa data microarray. Dimana, atribut terdiri dari informasi gen seorang individu dan data objek adalah individu-individu yang terdeteksi kanker. Informasi gen terdiri dari jumlah yang sangat banyak hingga mencapai puluhan ribu. Sedangkan, jumlah individu berdasarkan jenis kanker namun hanya berkisar puluhan hingga ratusan individu. Tugas akhir ini bertujuan untuk melakukan proses klasifikasi deteksi kanker dengan mereduksi atribut menggunakan Discrete Wavelet Transform family daubechies4 (db4) kemudian dilakukan proses klasifikasi menggunakan Naive Bayes. Lalu hasil akan dibandingkan dengan menggunakan seleksi atribut Minimum-Redundancy Maximum-Relevance jenis F-Test Correlation Difference dengan metode klasifikasi Naive Bayes. Pengujian yang dilakukan mengambil jumlah atribut terbaik pada metode db4. Sistem yang dibuat menggunakan db4 dengan metode klasifikasi Naive Bayes mendapatkan hasil yang baik. Dimana, nilai akurasi mencapai 98,4126%.
Value-at-risk Berbasis Model Exponential Generalized Autoregressive Conditional Heteroscedasticity (egarch) Ihsan Hasanudin; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pergerakan aset saham dapat dilihat dari suatu indeks harga saham. Setiap investasi saham menghasilkan return. Return adalah imbal hasil yang didapatkan dari investasi saham, baik itu berupa keuntungan yang disebut capital gain atau berupa kerugian yang disebut capital loss. Tujuan utama dalam berinvestasi adalah mendapatkan keuntungan yang maksimum dengan tingkat risiko tertentu. Oleh karena itu, diperlukan manajemen risiko saat berinvestasi. Salah satu alat ukur risiko yang digunakan untuk memprediksi nilai kerugian adalah Value-at-Risk (VaR). VaR dengan tingkat kepercayaan (1-� ) dihitung dengan melibatkan parameter mean dan variansi. Dalam hal ini, nilai variansi yang digunakan adalah volatilitas EGARCH (1,1) dan volatilitas tipe 1. Volatilitas EGARCH (1,1) diestimasi dengan menggunakan metode maksimum likelihood. Prediksi VaR dengan metode VaR- EGARCH (1,1) menghasilkan nilai prediksi VaR yang lebih besar dibandingkan VaR-Tipe 1. Hasil validasi pada nilai VaR menggunakan VaR Violation menunjukan bahwa VaR-Tipe 1 lebih efisien dalam menyediakan dana untuk mengantisipasi kerugian, sedangkan VaR-EGARCH (1,1) lebih aman dalam mengantisipasi risiko, karena nilainya cenderung lebih besar dibandingkan VaR-Tipe 1. Kata Kunci : return, volatilitas, estimasi maksimum likelihood, Value-at-Risk, EGARCH (1,1), VaR Violation
Pemodelan Klaim Yang Melebihi Threshold Random Untuk Dua Portofolio Asuransi Yang Saling Bebas Syaifrijal Zirkon Radion; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Besarnya Klaim pada produk asuransi adalah salah satu faktor yang mempengaruhi kinerja perusahaan asuransi. Jika pada perusahaan asuransi terdapat dua produk portofolio asuransi maka perlu diperhatikan besarnya klaim antara portofolio 1 dengan portofolio 2 misalkan M(t) adalah banyaknya klaim pada portofolio 2 yang melebihi klaim terbesar pada portofolio 1 dalam rentang w aktu 0 sampai t, maka dapat diketahui porposi besarnya klaim dari dua portofolio tersebut. Berdasarkan hal tersebut maka pada tugas akhir ini akan dibahas ekspektasi M(t) dengan menggunakan pendekatan analitik dan simulasi numerik dan diasumsikan portofolio 1 dan portofolio 2 independen. Selain itu ukuran klaim berdistribusi Pareto dan frekuensi kedatangan klaim berdistribusi Poisson. Berdasarkan nilai M(t) dapat diketahui kinerja perusahaan yang optimal untuk menghindari perusahaan dari kebangkrutan. Kata Kunci : Asuransi, Independen, M(t), Pareto, Poisson
Prediksi Harga Emas Di Indonesia Berdasarkan Nilai Tukar Dollar Terhadap Rupiah Dengan Menggunakan Regresi Dan Rantai Markov Multivariat Budi Ihsan Daulay; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini menggunakan metode gabungan regresi dan rantai markov multivariat. Regresi digunakan untuk mengestimasi parameter model, sedangkan rantai markov multivariat digunakan untuk menentukan pergerakan naik atau turunnya harga emas dan peluang. Pergerakan harga emas di pengaruhi permintaan pasar, semakin banyak permintaan akan emas maka harga emas akan naik begitu juga sebaliknya. Selain permintaan akan emas, emas juga dipengaruhi oleh nilai tukar dollar. Nilai tukar dollar memiliki hubungan negatif terhadap harga emas, jika nilai tukar dollar menurun, maka harga emas akan naik. Karena dibutuhkan lebih banyak dollar untuk membeli emas [7]. Sebaliknya jika nilai tukar dollar naik, maka harga emas turun.Tujuan dari penelitian ini adalah dapat membentuk model regresi dan rantai markov multivariat untuk prediksi harga emas di Indonesia berdasarkan nilai tukar dollar terhadap rupiah dan mendapatkan akurasi model regresi dan rantai markov multivariat untuk prediksi harga emas. Hasil prediksi harga emas menggunakan model regresi dan rantai markov multivariat mempunyai mean absolute percentage error (MAPE) sebesar 10,0738%. Kata kunci: Harga Emas, Nilai Tukar, Model Regresi, Rantai Markov Multivariat
Implementasi Singular Value Decomposition Untuk Prediksi Parameter Geometri Pada Persoalan Duplicated Region ZulvanFirdaus ZulvanFirdausImanullah; Rimba Whidiana Ciptasari; Aniq AtiqiRohmawati
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Duplicated region merupakan salah satu contoh kasus perusakan citra dengan cara menduplikatkan suatu objekdandipindahkanmenggunakantransformasigeometri,sehinggaobjektersebutdapatmenambahkan atau mengurangkan sebuah makna. Dengan sulitnya menemukan keaslian sebuah citra dalam kasus ini, dibutuhkansebuahsistemyangdapatmendeteksikasusduplicatedregion. Terdapat sebuah referensi sistem deteksi duplicated region yang memiliki kekurangan yaitu running time yang tergolong lambat. Proses yang mengkonsumsi banyak waktu adalah proses estimasi. Dalam tugas akhir ini, diusulkan proses estimasi yang dapat meminimalisir konsumsi waktu menggunakan Singular ValueDecomposition. Hasil evaluasi dataset MICC-F220 menunjukan bahwa sistem yang dibangun pada penelitian ini mampu meminimalisirrata-ratakonsumsiwaktusebesar16menit,denganwakturata-rata138menitdanakurasi mencapai96.82%.Katakunci: duplicatedregion,konsumsiwaktu,SingularValueDecompositionAbstract Duplicated region is one example of the case of destruction of an image by duplicating an object and transferred using a geometry transformation, so that the object can add or subtract a meaning. With the difficultyofdiscoveringtheauthenticityofanimageinthiscase,asystemthatcandetectthecaseofaduplicated regionisneeded. Thereisareferencetotheduplicatedregiondetectionsystemthatlacksrunningtimethatisrelativelyslow. A process that consumes a lot of time is a process of estimation. In this final project, proposed estimation processcanminimizetimeconsumptionusingSingularValueDecomposition. The results of the MICC-F220 dataset evaluation showed that the system built in this study minimized the averageconsumptiontimeof16minutes,withanaveragetimeof138minutesandanaccuracyof96.82%.Keywords: duplicatedregion,consumptiontime,SingularValueDecomposition
Value-at-risk Berbasis Model Weibull Autoregressive Conditional Amount (waca) Abdurrazaq Naufal; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Saat ini masyarakat Indonesia banyak yang menggunakan jasa asuransi untuk jaminan kesehatan mereka di masa mendatang. Dengan banyaknya masyarakat yang menggunakan jasa asuransi maka bisa menyebabkan adanya over claim yang merupakan salah satu risiko bagi perusahaan asuransi. Risiko kerugian dapat dicari dengan menentukan nilai Value-at-Risk (VaR) pada data besar klaim asuransi. Untuk menentukan VaR perlu melibatkan ekspektasi bersyarat model Autoregressive Conditional Amount (ACA). Dalam pemodelan ACA dilakukan pemilihan distribusi yang cocok untuk kerugian klaim yaitu distribusi Weibull yang menjadi landasan untuk model Weibull Autoregressive Conditional Amount (WACA). Pada tugas akhir ini model WACA yang digunakan berorde (1,1). Parameter model WACA diestimasi menggunakan metode Maximum Likelihood Estimator (MLE). Akurasi Correct VaR dengan melibatkan model WACA(1,1) adalah 95.45%, 97.86%, dan 99.46% dengan proporsi nilai observasi adalah 90%, 95%, dan 99%. Kata kunci : Klaim Asuransi, Value-at-Risk, ACA, Distribusi Weibull, WACA, Correct VaR Abstract Currently, most Indonesian people use insurance services for their health insurance in the future. With so many people who use the services of insurance, it can causes an over claim which is one of the risks for insurance companies. The risk of loss can be sought by determining the Value-at-Risk (VaR) on the large data of insurance claims. To determine the VaR, it needs to involve the conditional expectation of the Autoregressive Conditional Amount (ACA) model. The selection of suitable distributions of ACA for the claim losses is the Weibull distribution which is the basis for the Weibull Autoregressive Conditional Amount (WACA) model. In this research, WACA model which used is orde (1,1). WACA model parameters are estimated using the Maximum Likelihood Estimator (MLE) method.. Correct VaR accuracy involving WACA (1,1) models is 95.45%, 97.86%, and 99.46% with 90%, 95%, and 99% confidence levels. Keywords: Insurance claim, Value-at-Risk, ACA, Weibull Distribution, WACA, Correct VaR
Pemodelan Klaim Asuransi Yang Melebihi Threshold Random Untuk Dua Portofolio Asuransi Yang Tidak Independen Irfan Fauzan Prasetyo; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Kinerja dari perusahaan asuransi dipengaruhi oleh resiko dari portofolio asuransi. Resiko adalah kemungkinan klaim yang akan terjadi. Oleh karena itu, perlu dilakukan pemodelan untuk mengetahui resiko diportofolio asuransi. Digunakanlah perhitungan M(t) untuk mengetahui resiko dari satu portofolio berdasarkan acuan dari portofolio yang lain dengan M(t) adalah banyaknya klaim pada portofolio II yang melebihi klaim terbesar dari portofolio I. Ukuran klaim berdistribusi eksponensial dan frekuensi kedatangan klaim berdistribusi poisson. Pada Tugas Akhir ini dilakukan simulasi numerik M(t) untuk menghasilkan distribusi peluang M(t) untuk data klaim asuransi yang tidak independen. Kemudian membandingkannya dengan perumusan M(t) hasil analitik melibatkan penurunan rumus dari copula. Kata Kunci : Klaim asuransi, dependent, M(t), copula, analitik, simulasi, numerik, resiko, eksponensial, poisson.
Prediksi Indeks Harga Saham Menggunakan Kombinasi Algoritma Particle Swarm Optimization (pso) Dan Time Variant Fuzzy Time Series Nathan Sukmawan; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

ABSTRACT Stock price index is an indicator that serves to determine the fluctuations (condition) of the stock price whether goes up or down. Prediction is done to estimate fluctuations of stock price index. One of the prediction algorithm are Time Variant Fuzzy Time Series (TVFTS). TVFTS has been developed and combined with the Particle Swarm Optimization (PSO) algorithm. In this study, a combination of TVFTS and PSO algorithm will be applied to predict LQ45 and IHSG index. The prediction results are compared with the prediction result of then we compare the result with Time Variant Fuzzy Time Series Algorithm without PSO. Results of several trials in this study suggest that the stock price index prediction using combination of PSO and the TVFTS algorithms has Mean Absoute Deviation of 3.73492 and Mean Absolute Percentage Error of 1,461%. While TVFTS without PSO has Mean Absoute Deviation of 3.90169 and Mean Absolute Percentage Error of 1,557%. From the experimental results it can be concluded that the combination of TVFTS with PSO algorithms has better results than TVFTS algorithm without PSO. Key Word: Fuzzy Time Series, Particle Swarm Optimization, Prediction, Stock Index Price.
Sifat Asimetris Model Prediksi Generalized Autoregressive Conditional Heteroscedasticity (garch) Dan Stochastic Volatility Autoregressive (svar) (studi Kasus: Indeks Harga Saham Gabungan) Hadyatma Dahna Marta; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Dalam dunia investasi saham, ada beberapa indikator penting yang dibutuhkan oleh investor untuk mengantisipasi aset dari kerugian. Salah satu indikator penting yang harus diamati adalah volatilitas. Volatilitas sering digunakan sebagai penanda naik atau turunnya harga saham. Salah satu sifat dari volatilitas adalah asimetris, yaitu volatilitas akan lebih tinggi jika harga saham turun dan akan lebih rendah jika harga saham naik. Sifat asimetris ini berkaitan dengan leverage effect yang berarti volatilitas cenderung meningkat saat terjadi berita buruk (bad news) dan cenderung menurun saat terjadi berita baik (good news). Sebagai investor, kita susah memprediksi naik turunnya harga melalui berita, karena terlalu banyaknya berita yang dirilis oleh media. Namun, volatilitas dapat dilihat dari pergerakan data historis. Dari data historis dapat diambil beberapa informasi, seperti harga, return dan volatilitas. Pada tugas akhir ini dilakukan analisis sifat asimetris model volatilitas Generalized Autoregressive Conditional Heteroscedasticity (GARCH) dan Stochastic Volatility Autoregressive (SVAR). Selain itu, ditentukan model prediksi pada Indeks Harga Saham Gabungan (IHSG) menggunakan kedua model volatilitas tersebut. Berdasarkan hasil analisis, model SVAR dapat mengakomodasi sifat asimetris daripada model GARCH dan kedua model memberikan hasil prediksi return yang baik pada kondisi data yang tidak memiliki fluktuasi ekstrim. Kata Kunci : Asimetris, return, volatilitas, GARCH, SVAR.
Prediksi Crash Saham Menggunakan Log Periodic Power Law Dengan Nonlinear Optimization (studi Kasus: Pasar Saham Indonesia) Ditta Febriany Sutrisna; Jondri Jondri; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pergerakan indeks harga saham menjadi tolak ukur para investor untuk membuat keputusan yang akan diambil seperti menjual, mempertahankan, atau membeli saham tersebut. Akan tetapi kondisi harga saham yang tidak menentu atau naik turun, mengakibatkan pasar keuangan rentan terhadap crash harga saham. Pada tugas akhir ini, digunakan model Log Periodic Power Law dengan Nonlinear Optimization untuk memprediksi crash terhadap harga saham. Nonlinear Optimization terdapat dua tahap yaitu metode Tabu Search dan algoritma Levenberg-Marquardt kuadrat terkecil nonlinier. Metode Tabu Search untuk mendapatkan tebakan awal dari parameter model LPPL, dan algoritma Levenberg-Marquardt kuadrat terkecil nonlinier untuk mendapatkan nilai parameter dari model LPPL. Hasil prediksi crash saham dilihat dari distribusi perkiraan waktu krisis dengan peluang paling besar. Berdasarkan informasi dari data IHSG, krisis terjadi pada bulan Oktober 2008. Hasil prediksi menggunakan model LPPL dengan Nonlinear Optimization menunjukkan waktu crash harga saham mendekati nilai pada tanggal 23 Januari 2008. Nilai harapan dengan probabilitas waktu paling besar terjadi pada tanggal 31 Januari 2008. Kata Kunci: Crash, Log Periodic Power Law, Tabu Search, Levenberg-Marquardt
Co-Authors A. Maulana Mukhsin Abdurrazaq Naufal Abi Rafdhi Hernandy Abi Rafdhi Hernandy Adhitya Aldira Hardy Adiwijaya Agri Pratomo Alfian Yudha Iswara Ananda Affan Fattahila Annisa Aditsania Arifin Dwi Kandar Saputro Arnasli Yahya Ayu Wulandari Bagas Yafitra Pandji Bambang Eko Supriyadi Benedikto Krisnandy Wijaya Budi Ihsan Daulay Cipta Rahmadayanti Danar Satrio Aji Dara Ayu Lestari Deni Saepudin Dian Tiara Didit Adytia Dinda Fitri Irandi Dini Apriliani Lestari Ditta Febriany Sutrisna Elvina Oktavia Ergon Rizky Perdana Purba Erick Anugrah Prihananta Farah Diba Febry Triyadi Fendi Irfan Amorokhman Fhira Nhita Fikri Nur Hadiansyah Fiqi Ruli Setiawan Fitriaini Amalia Gharyni Nurkhair Mulyono Hadyatma Dahna Marta Hasbi Rabbani I Komang Gede Rusmawan Ihsan Hasanudin Ilma Mufidah Imannda Kusuma Putra Indwiarti Irandi, Dinda Fitri Irfan Fauzan Prasetyo Irwan Ramadhana Jeshurun Eliezer Cussoy Jondri Jondri Justinus Dedy Handyka Simanjuntak Kaenova Mahendra Auditama Kautsar Abdillah Lani Rohaeni Laode Muhammad Ali Al-Qomar Lola Yolanda Ruth Herinis Lumbanraja Mailia Putri Utamil Muhamad Lutfi Chandra Muhammad Akmal Afghani Muhammad Fadhil Maulana Muhammad Hafidh Raditya Muhammad Iqbal Cholil Muhammad Irfan Fathurrahman Nanda Putri Mintari Nathan Sukmawan Ni Luh Ketut Dwi Murniati Nisrina Nur Faizah Novelya Nababan Nur Nining Aulia Putu Harry Gunawan Rabbani, Hasbi Rahmadayanti, Cipta Rahmattullah, Rizky Raisa Betha Meiliza Rangga Arya Pamungkas Redha Arifan Juanda Reima Agustina Kusumawardani Reiza Krisnaviardi Reza Pratama Rian Febrian Umbara Rimba Whidiana Ciptasari Rizki Ayudiah Kartika Paramita Rizky Pujianto Rizky Retno Utami Rizma Nurviarelda Sabilla Fitriyantini Shuni’atul Ma’wa Siti Saadah Sri Suryani Prasetiyowati Suhendar, Annisya Hayati Susy Sundari Syahrizal Rizkiana Rusamsi Syaifrijal Zirkon Radion Tasya Salsabila Tedo Hariscandra Triandini Nurislamiaty Yahya, Arnasli ZulvanFirdaus ZulvanFirdausImanullah