Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL Statistika Kubik
Dedy Dwi Prastyo
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENGUJIAN LAGRANGE MULTIPLIER PADA SPESIFIKASI SPATIAL MODEL PERTUMBUHAN EKONOMI INDONESIA Abdul Karim; Akhmad Fathurrohman; Suhartono Suhartono; Dedy Dwi Prastyo
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2018: SEMINAR NASIONAL PENDIDIKAN SAINS DAN TEKNOLOGI
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (38.204 KB)

Abstract

Beberapa model ekonometrika didasari pada teknik asimtotik dan terdapat tiga prinsip untuk pembangunan tes hipotesis parametrik. Pengujian tersebut diantaranya : (i) metode Wald, (ii) metode maximum likelihood ratio (LR) dan (iii) metode Lagrange Multiplier (LM). Terdapat uji diagnostik untuk penilaian model yang disebabkan dependensi spatial dan heterogenitas spatial sebagai aplikasi dari prinsip Lagrange Multiplier. Tujuan dari paper ini adalah mempertimbangkan penggunaan uji Lagrange Multiplier untuk menyusun spesifikasi model spatial pertumbuhan ekonomi di Indonesia. Data yang digunakan  adalah  produk  domestic  regional  bruto  (PDRB)  untuk  masing- masing provinsi serta faktor-faktor yang mempengaruhinya bersumber dari Badan Pusat Statistik Republik Indonesia (BPS RI) tahun 2017. Berdasarkan hasil  pengujian  LM  mengindikasikan  bahwa  parameter  rho  dan  lamda (SARMA) berpengaruh signifikan. Dengan demikian, spesifikasi model spatial terbaik adalah model yang menambahkan parameter rho dan lamda, seperti model spatial SAC dan SAC mixed.Keywords:   Lagrange   Multiplier,   Uji   Diagnostik  Spatial,   Spatial   Model, pertumbuhan ekonomi, infrastruktur transportasi.
Pemilihan Arsitektur Terbaik pada Model Deep Learning Melalui Pendekatan Desain Eksperimen untuk Peramalan Deret Waktu Nonlinier Novri Suhermi; Suhartono Suhartono; I Made Gde Meranggi Dana; Dedy Dwi Prastyo
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 2 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i2.4545

Abstract

Penentuan arsitektur model deep learning yang tepat merupakan hal yang sangat esensial untukmendapatkan hasil ramalan dengan tingkat kesalahan minimum. Arsitektur deep learning meliputijumlah input dan variabel apa saja yang digunakan, jumlah hidden layer, jumlah neuron pada setiaphidden layer, dan fungsi aktivasi. Pada penelitian ini dilakukan studi simulasi pada salah satu modeldeep learning, yaitu deep feedforward network, dengan berbagai kombinasi arsitektur untukmendapatkan arsitektur paling optimum. Data yang digunakan merupakan data bangkitan yangmengikuti model nonlinier Exponential Smoothing Transition Auto-regressive (ESTAR) sebanyak 1000data, di mana 900 data digunakan sebagai data training dan 100 data digunakan sebagai datatesting. Ukuran evaluasi model yang digunakan adalah root mean square error of prediction (RMSEP).Hasil empiris yang didapatkan di antaranya, pemilihan input yang tepat dapat meningkatkanakurasi peramalan, serta pemilihan fungsi aktivasi dan kedalaman arsitektur sangat diperlukanuntuk mendapatkan hasil ramalan yang semakin optimum.
Identification of Banking Stock Risk Factors through Stochastic Search Variable Selection in a CoVaR Models Based on Quantile Regression and Quantile Autoregressive Luqyana Almas; Dedy Dwi Prastyo; Santi Puteri Rahayu
KUBIK Vol 10 No 2 (2025): IN PRESS
Publisher : Department of Mathematics, Faculty of Science and Technology, UIN Sunan Gunung Djati Bandung

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

Abstract

The stability of the banking sector is crucial for maintaining economic balance, particularly in Indonesia where banks play a central role in the financial system. Conventional risk measures such as Value-at-Risk (VaR) mainly capture individual bank risk and are limited in assessing systemic risk arising from interbank spillovers. This study proposes an integrated systemic risk framework that combines Quantile Autoregressive (QAR) based VaR estimation with Conditional Value-at-Risk (CoVaR) derived from quantile regression, while incorporating Stochastic Search Variable Selection (SSVS) to identify key risk factors. The QAR approach accommodates asymmetry and heavy-tailed characteristics of bank return distributions, whereas CoVaR measures the conditional impact of bank distress on the overall financial system.  The SSVS is implemented within a Bayesian framework to select significant market and macroeconomic variables based on posterior inclusion probabilities. Model performance is evaluated using the Kupiec Proportion of Failures (POF) test. The results show that QAR-based VaR effectively captures tail risk at the 5% and 1% quantiles. CoVaR estimates reveal heterogeneity in systemic risk exposure, with medium-sized and digital banks exhibiting greater sensitivity to systemic stress than large banks. Overall, the CoVaR–SSVS model demonstrates superior validation performance and estimation stability compared to the conventional CoVaR approach.
Co-Authors Akhmad Fathurrohman I Made Gde Meranggi Dana Karim, Abdul Luqyana Almas Novri Suhermi Santi Puteri Rahayu Suhartono Suhartono