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

 2   3   4   5   6 
Pemodelan Dan Simulasi Peluang Kebangkrutan Perusahaan Asuransi Dengan Analisis Nilai Premi Dan Ukuran Klaim Diasumsikan Berdistribusi Eksponensial Farah Diba; 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

Perusahaan mempunyai dana untuk membayar klaim yang diperoleh dari akumulasi cadangan dana awal dan pendapatan perusahaan dari pembayaran premi. Jika dana perusahaan pada waktu ke-𝒕 lebih kecil sama dengan 0 maka perusahaan asuransi mengalami kebangkrutan. Oleh karena itu dianalisis premi yang harus dibayar oleh pelanggan asuransi. Semakin besar jumlah premi yang dibayar, maka semakin besar dana  perusahaan  asuransi  pada  waktu  ke-𝒕   untuk  menanggung  klaim  berikutnya.  Sehingga  dapat diestimasi peluang kebangrutan dengan simulasi model n-kali jika diasumsikan banyaknya klaim yang terjadi  pada  selang  waktu  antara  0  dan  𝒕         berdistribusi  Poisson  dan  ukuran  klaim  berdistribusi Eksponensial. Kata Kunci : peluang kebangkrutan, distribusi Eksponensial, distribusi Poisson, premi
Pemodelan Klaim Asuransi Untuk Mencari Data Ekstrim Dengan Pendekatan Mixture Exponential Dan Peaks-over-threshold Fikri Nur Hadiansyah; 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

Abstrak : Klaim asuransi merupakan indikator dalam menentukan tingkat risiko sebuah perusahaan asuransi. Semakin besar peluang klaim terjadi, maka semakin besar pula risiko yang dapat ditanggung oleh perusahaan asuransi. Peaks- Over-Threshold merupakan salah satu metode extreme value theory yang digunakan untuk mencari nilai ekstrim pada data dengan membuat suatu batas dari data tersebut. Selain itu, threshold merupakan nilai VaR sehingga nilai yang melebihi batas dari VaR tersebut dapat dikatakan sebagai nilai ekstrim. Kata kunci : Asuransi, pemodelan, extreme value theory, Peaks-Over-Threshold, Value-at-Risk
Pemodelan Besar Klaim Asuransi Menggunakan Model Exponential Autoregressive Conditional Amount (eaca) Rizki Ayudiah Kartika Paramita; 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 Perusahaan asuransi memerlukan informasi untuk mengetahui besar klaim asuransi yang akan ditanggung pada masa yang akan datang. Melakukan prediksi besar klaim dapat menjadi salah satu alternatif untuk mengetahui hal tersebut. Metode yang sering digunakan untuk prediksi biasnya menggunakan metode time series (deret waktu). Dalam penelitian ini membahas tentang memodelkan data besar klaim asuransi menggunakan model Exponential Autoregressive Conditional Amount (EACA). Model yang digunakan dalam penelitian ini yaitu EACA (1,1) berdasarkan cut off nilai ACF dan PACF. Berdasarkan hasil pengujian penelitian ini, diperoleh nilai estimasi parameter pada model EACA (1,1) menggunakan metode Maximum Likelihood Estimator (MLE). Nilai error dari hasil prediksi model EACA (1,1) dihitung menggunakan metode Root Mean Square (RMSE). Nilai RMSE dari hasil prediksi data besar klaim asuransi yaitu 1.453 × 𝟏𝟎𝟔 dengan nilai mean (rata-rata) dari data pengamatan sebesar 1.106 × 𝟏𝟎𝟔 . Kata kunci : asuransi, distribusi eksponensial, EACA, prediksi, MLE, RMSE Abstract Insurance companies need information to find out the amount of insurance claims that will be covered in the future. Predicting large claims can be an alternative to know that. Frequently used method for biased prediction using time series method. In this study discusses about modeling big data of insurance claim using Exponential Autoregressive Conditional Amount (EACA) model. The model used in this research is EACA (1,1) based on cut off value of ACF and PACF. Based on the result of this research, we get parameter estimation value in EACA model (1,1) using Maximum Likelihood Estimator (MLE) method. The error value of the predicted EACA model (1,1) is calculated using the Root Mean Square (RMSE) method. The RMSE value of the predicted data of insurance claims data is 1.453 × 𝟏𝟎𝟔 with mean (average) value from observation data is 1.106 × 𝟏𝟎𝟔 . Keywords: insurance, eksponential distribution, EACA, forcast, MLE, RMSE
Prediksi Crash Saham Menggunakan Log Periodic Power Law Dengan Algoritma Genetika (studi Kasus: Pasar Saham Indonesia) Irwan Ramadhana; 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

Krisis ekonomi adalah peristiwa penurunan yang sangat drastis disetiap sektor ekonomi, salah satu dampak dari krisis ekonomi adalah terjadinya crash pada pasar keuangan. Crash yang terjadi di pasar keuangan adalah penurunan secara tiba-tiba dan drastis terhadap indeks harga saham selama periode waktu yang singkat. Ketidakpaastian waktu terjadinya crash saham membuat kekhawatiran bagi investor saham, karena adanya risiko kerugian yang besar terhadap modal yang mereka investasikan. Salah satu model matematika yang digunakan untuk memprediksi crash pada pasar keuangan adalah Log Periodic Power Law (LPPL). Penelitian ini menerapkan algoritma genetika untuk mengestimasi parameter dari model LPPL. Kemudian dilakukan analisis performasi menggunakan koefisien determinasi dari model Log Periodic Power Law (LPPL) yang diperoleh terhadap data acuan yang digunakan. Hasil prediksi crash saham menggunakan LPPL dengan algoritma genetika memprediksi waktu terjadinya crash saham untuk waktu observasi dari Januari 2005-Januari 2009 adalah pada tanggal 3-April- 2008 yang menandakan berakhirnya gelembung spekulatif pada indeks harga saham LQ45. Performansi dari model LPPL dalam memprediksi waktu kemungkinan terjadinya crash harga saham tergantung pada range waktu observasi diterapkan. Kata Kunci : Crash, Indeks Harga Saham, Algoritma Genetika, LPPL, Koefisien Determinasi
Pemodelan Dan Simulasi Kebangkrutan Perusahaan Asuransi Dengan Waktu Kedatangan Klaim Berdistribusi Pareto Laode Muhammad Ali Al-Qomar; Deni Saepudin; 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

Dalam Tugas Akhir ini dibahas tentang pemodelan dan simulasi peluang kebangkrutan perusahaan asuransi, saat menanggung klaim dari pelanggan. Frekuensi klaim diasumsikan berdistribusi Poisson dan ukuran klaim diasumsikan berdistribusi Pareto. Perusahaan asuransi memiliki dana untuk membayar klaim yang diperoleh dari akumulasi cadangan dana awal, dan pendapatan perusahaan asuransi dari pembayaran premi oleh pelanggan asuransi. Jika cadangan dana perusahaan asuransi pada waktu ke-lebih kecil atau sama dengan 0, maka perusahaan asuransi mengalami kebangkrutan. Oleh karena itu akan dianalisis nilai premi tepat yang harus dibayar oleh pelanggan asuransi. Semakin besar jumlah premi yang dibayar, maka semakin besar cadangan dana perusahaan asuransi pada waktu ke- untuk menanggung klaim berikutnya. Dalam hal menghitung cadangan dana perusahaan asuransi, maka dilakukan simulasi dengan asumsi cadangan dana sebesar Rp 10.000.000.000 dan rate premi sebesar Rp 3000 sampai Rp 4100. Berdasarkan hasil pengujian, maka analisis yang diperoleh yaitu dengan premi Rp.4100, maka peluang bangkrut perusahaan asuransi adalah 0 dengan rata-rata cadangan dana akhir yaitu Rp.67.668.738.046. Sedangkan dengan menggunakan distribusi Eksponensial hasil diperoleh jika premi Rp.3900 per hari, maka peluang bangkrutnya 0, tetapi nilai rata-rata cadangan dana akhirnya masih lebih kecil dibandingkan dengan distribusi Pareto, dengan keuntungan perusahaan asuransi yaitu Rp28.842.181.773 dengan perbandingan nilai premi yang sama.
Value-at-risk Pada Portofolio Berbasis Copula Tedo Hariscandra; Rian Febrian Umbara; 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

Tiap investasi antar saham yang dilakukan akan memberikan keuntungan dan risiko yang berbeda meskipun dalam sektor industri yang sama. Membentuk sebuah portofolio merupakan usaha memaksimalkan tingkat pengembalian (return) yang diharapkan dari investasi yang dilakukan dengan risiko tertentu. Value-at-Risk (VaR) merupakan salah satu alat ukur risiko yang digunakan untuk memprediksi besarnya kerugian maksimum dari suatu portofolio yang dimiliki. Melakukan perhitungan VaR terhadap portofolio dua saham yang memiliki kebergantungan bukanlah hal yang mudah, karena tidak ditemukannya distribusi bersama yang cocok untuk memodelkan hal tersebut. Teori Copula merupakan alat yang sangat fundamental dan fleksibel dalam memodelkan suatu distribusi bersama. Dalam Tugas Akhir ini menggunakan metode keluarga Copula Archimedean yaitu Copula Clayton dan Copula Gumbel untuk menentukan Value-at-Risk pada data portofolio. Nilai VaR dengan tingkat kepercayaan 90% pada Copula Clayton dan Copula Gumbel yaitu 0,0158 dan 0,0168, nilai VaR dengan tingkat kepercayaan 95% pada Copula Clayton dan Copula Gumbel yaitu 0,0210 dan 0,0228, serta nilai VaR dengan tingkat kepercayaan 99% pada Clayton yaitu 0,0320 dan Copula Gumbel yaitu 0,0376. Diperoleh nilai mean error VaR violation Copula Clayton yaitu 31 dan Copula Gumbel yaitu 7. Hal ini menyatakan bahwa VaR Copula Gumbel dapat memprediksi risiko kerugian lebih baik pada portofolio. Kata kunci: Value-at-Risk, Copula, Archimedian, Clayton, Gumbel
Prediksi Harga Bitcoin Dengan Menggunakan Recurrent Neural Network Redha Arifan Juanda; Jondri Jondri; 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 Bitcoin adalah salah satu kurensi elektronik yang bersifat terdesentralisasi dan tidak diatur atau dijamin oleh otoritas pusat. Sebagai sebuah sistem yang masih berusia muda, mengakibatkan harga Bitcoin sangat fluktuatif dan sering kali membuat resah pengguna dan investor Bitcoin. Oleh karena itu, diusulkan sebuah metode atau sistem prediksi harga Bitcoin dengan mempelajari pola dan tingkah laku data time series harga historisnya. Sebelumnya telah dilakukan penelitian yang serupa yaitu prediksi harga Bitcoin dengan menggunakan Support Vector Machines. Teknik yang diusulkan pada penelitian ini yaitu prediksi harga Bitcoin dengan menggunakan salah satu arsitektur Artificial Neural Network (ANN) yaitu Recurrent Neural Network (RNN). Semakin optimal model yang dibangun maka akan semakin tinggi pula akurasi yang dihasilkan. Bobot RNN yang optimal dapat diperoleh dengan algoritma optimasi Backpropagation Through Time (BPTT). Dari proses pelatihan dan pengujian, didapatkan akurasi terbaik sebesar 98.76% pada data latih dan 97.46% pada data uji. Kata kunci : Bitcoin, Recurrent Neural Network, Data Time Series, Prediksi, Backpropagation Through Time Abstract Bitcoin is a decentralized digital currency, as the system works without a central bank or single administrator. As the system is still young, Bitcoin prices are very volatile and often make users and investors worried. Therefore, the author proposed a method or a system of Bitcoin prices prediction by studying the pattern and behavior of time series data. Previously, a similar study has been conducted, the prediction of Bitcoin prices using Support Vector Machines. The technique proposed in this research is Bitcoin prices prediction using one of Artificial Neural Network architecture (ANN) which is Recurrent Neural Network (RNN). The more optimal the model is built the higher the accuracy will be produced. The optimal RNN weight can be obtained with Backpropagation Through Time (BPTT) optimization algorithm. From the training and testing processes, the model archieves the highest accuracy of 98,76% on training data and 97,46% on testing data. Keywords: Bitcoin, Recurrent Neural Network, Time Series Data, Forecasting, Backpropagation Through Time
Model Prediksi Indeks Harga Saham Di Bursa Efek Indonesia (bei) Menggunakan Rantai Markov Dan Proses Stokastik Fuzzy A. Maulana Mukhsin; Rian Febrian Umbara; 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

Indeks harga saham atau stock prices indexes adalah harga atau nilai dari sekelompok saham yang dikumpulkan berdasarkan kategori tertentu. Indeks ini merupakan indikator pergerakan harga saham dari seluruh saham yang diwakilinya. Perubahan harga saham yang tidak menentu menjadi pertimbangan diperlukannya prediksi untuk harga saham di Indonesia pada Bursa Efek Indonesia. Salah satu model yang dapat digunakan untuk prediksi indeks harga saham adalah Rantai Markov dan Proses Stokastik Fuzzy. Tujuan dari penelitian ini adalah memprediksi indeks harga saham di Bursa Efek Indonesia dan perhitungan eror yang diperoleh dari Proses Stokastik Fuzzy dan Rantai Markov. Hasil prediksi indeks harga saham menggunakan Rantai Markov dan Proses Stokastik Fuzzy mempunyai MAPE (Mean Absolute Precentage Eror) dari data latih sebesar 1,40355% dan dari data uji sebesar 0,01900404%. Kata Kunci : Prediksi Indeks Harga Saham, Indeks Harga saham, Proses Stokastik Fuzzy, Rantai Markov, MAPE
Penentuan Optimal Selling Rules Untuk Saham Sektor Telekomunikasi Dengan Algoritma Genetika Jeshurun Eliezer Cussoy; 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

Penjualan saham menjadi perhatian yang sangat penting di kalangan pemilik saham atau investor saham. Permasalahan yang sering dijumpai oleh para investor adalah optimal selling rules. Dengan adanya pendekatan metode analitik dibantu dengan metode algoritma genetika, permasalahan optimal selling rules dapat dianalisa dan hasil dari perhitungan dapat menjadi analisa keputusan para investor. Tujuan secara umum dari tugas akhir ini adalah dapat menentukan optimal selling rules dengan algoritma genetika. Dasar-dasar pengerjaan optimal selling rules meliputi metode Gerak Brown Geometrik yang digabungkan dengan metode rantai markov. Dalam membuat optimal selling rules, parameter untuk menghitung target price dan stop loss limit dapat diperoleh dengan membuat intervalnya terlebih dahulu. Parameter-parameter tersebut digunakan untuk memaksimalkan fungsi reward sebagai fungsi objektif. Pada algoritma genetika, parameter-parameter yang dipilih untuk memaksimalkan fungsi reward adalah �� 1 dan �� 2 dengan interval yang sudah dibuat sebelumnya. �� 1 untuk menghitung stop loss limit dan �� 2 untuk menghitung target price. Dalam tugas akhir ini dihitung juga perkiraan waktu menahan saham untuk dijual (expected holding time) serta probabilitas keuntungan dan probabilitas kerugiannya untuk rencana investasi modal di masa depan. Dari penelitian ini dapat disimpulkan bahwa ketika discount factor ditetapkan dan dirubah nilainya, target price tidak bergantung pada discount factor dikarenakan pada saat proses algoritma genetika sudah mencapai titik optimalnya sedangkan stop loss limit tetap bergantung pada discount factor. Untuk expected holding time dengan probabilitas keuntungan dan kerugian juga akan mengalami kebergantungan pada discount factor. Kata kunci: Gerak Brown Geometrik, Rantai Markov, Optimal Selling Rules, Algoritma Genetika.
Pemodelan Besar Klaim Asuransi Menggunakan Model Weibull Autoregressive Conditional Amount (waca) Lola Yolanda Ruth Herinis Lumbanraja; 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 Pada perusahaan asuransi, diperlukan informasi penting untuk mengetahui besar klaim yang akan ditanggung oleh perusahaan di masa depan, yaitu dengan melakukan prediksi (forecast) besar klaim. Metode prediksi yang sering digunakan adalah metode analisis time series (deret waktu). Dalam penelitian ini membahas tentang memodelkan data besar klaim asuransi menggunakan model Weibull Autoregressive Conditional Amount (WACA). Model WACA yang digunakan adalah WACA (1,1). Berdasarkan hasil pengujian pada penelitian ini, diperoleh nilai estimasi parameter model WACA (1,1) menggunakan metode Maximum Likelihood Estimator (MLE) sehingga dapat memprediksi besar klaim asuransi. Nilai Root Mean Square Error (RMSE) dari hasil prediksi besar klaim asuransi adalah 7947964.6879 dengan rata-rata dari data pengamatan adalah 8046671.5508. Kata kunci : WACA, distribusi Weibull, besar klaim asuransi, prediksi, MLE, RMSE Abstract On the insurance company, important information required to know the great claims that will be paid by the company in the future by doing prediction (forecast) large claims. Prediction method that is often used is the method of analysis of time series. In this research discuss about are modeling large data insurance claims using Weibull Autoregressive Conditional Amount (WACA) model. WACA model used is the WACA (1,1). Based on the results of the test on this research, obtained the value of the estimation of model parameters WACA (1,1) using Maximum Likelihood Estimator (MLE) method so that can predict large insurance claims. The value of the Root Mean Square Error (RMSE) from the results of the great prediction is 7947964.6879 insurance claims with an average of from the observation data is 8046671.5508. Keywords: WACA, Weibull distribution, forecast, MLE, RMSE
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