Article Per Year (5 Year)
p-Index From 2021 - 2026
4.449
P-Index
This Author published in this journals
All Journal JURNAL ELEKTRO Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Charity : Jurnal Pengabdian Masyarakat Jurnal Indonesia Sosial Teknologi eProceedings of Engineering LOGIC: Jurnal Penelitian Informatika
Deni Saepudin
Universitas Telkom Bandung, Indonesia
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 111 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 84 Documents
Search
Journal : eProceedings of Engineering

 2   3   4   5   6 
Pemodelan Dan Simulasi Penurunan Tekanan Pada Pipa Transmisi Menggunakan Metode Iterasi Titik Tetap Aisyah Aisyah; Deni Saepudin; Annisa Aditsania
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 penyebaran gas sebagai sumber energi alternatif, dibutuhkan suatu alat transportasi. Transportasi gas yang lebih sering digunakan adalah dengan pipa transmisi karena lebih ekonomis. Saat mengalir tekanan dan temperatur gas akan mengalami penurunan nilai dari inlet pipa outlet pipa. Sedangkan tekanan dan temperatur dapat mempengaruhi karakteristik dari gas alam yang dialirkan. Untuk itu, dibutuhkan suatu pemodelan untuk memprediksi distribusi  tekanan  dan  temperatur pada  pipa    tersebut.  Pada  tugas  akhir  ini  akan  dilakukan penelitian untuk mengukur distribusi tekanan pada pipa transmisi dengan menggunakan metode Iterasi Titik Tetap. Prediksi distribusi tekanan akan dilakukan baik untuk pipa dengan asumsi temperatur isotermal (konstan) maupun non isotermal. Kemudian hasil prediksi distribusi tekanan dan temperatur tersebut akan dibandingkan dan dianalisis dengan data lapangan yang diberikan. Berdasarkan pemodelan tersebut diperoleh hasil distribusi tekanan dengan kondisi temperatur tidak konstan dan dengan perubahan elevasi yang paling mendekati data lapangan. Sehingga nilai error yang dihasilkannya pun bernilai paling kecil jika dibandingkan dengan kondisi - kondisi yang lain. Kata kunci : gas alam, pipa transmisi, metode iterasi titik tetap, distribusi tekanan, distribusi temperatur
Prediksi Value-at-risk Menggunakan Markov Regime Switching Autoregressive Conditional Heteroscedasticity (studi Kasus Jakarta Composite Index) Kautsar Abdillah; 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

Investasi adalah penanaman modal sumber daya yang dimiliki dan diharapkan dimasa akan datang dapat memberikan keuntungan. Dalam mencapai keuntungan, investor juga menghadapi risiko dari investasi. Keuntungan dari investasi membutuhkan priode jangka panjang. Harapan investor adalah memperoleh tingkat pengembalian (return) sebesar besarnya dengan risiko tertentu, dalam hal ini tingkat risiko berbanding lurus dengan nilai return. Pada tugas akhir ini, dalam memprediksi risiko investasi digunakan metode Value at Risk (VaR). Value-at-Risk (VaR) merupakan salah satu metode yang dapat digunakan untuk membantu dalam prediksi risiko aset. Model yang dapat dilibatkan dalam prediksi risiko aset adalah Markov Regime Switching Autoregressive Conditional Heteroscedastic (MS-ARCH). Pada penelitian ini menggunakan metode correct VaR untuk mencari akurasi nilai dari VaR. Berdasarkan simulasi dari VaR MS-ARCH diperoleh correct VaR pada tingkat signifikansi 5% untuk MS-ARCH (0,1) adalah 2,3% dan MS-ARCH (1,1) adalah 2,5%. Model VaR yang optimal berdasarkan tingkat signifikansi yang ditentukan adalah VaR MS-ARCH (0,1).
Analisis Dan Implementasi Elman Recurrent Neural Network Untuk Prediksi Harga Komoditas Pertanian Shabrina Nanggala; Deni Saepudin; Fhira Nhita
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

Harga komoditas pertanian yang terkadang tidak stabil seringkali membuat resah para petani maupun konsumen. Salah satu hal yang menjadi faktor utama adalah curah hujan di daerah penanaman bibit pertanian tersebut. Harga komoditas pertanian dapat diramalkan dengan mempelajari tingkah laku data time series harga historis komoditas pertanian dan curah hujannya. Sebelumnya telah dilakukan penelitian  yang  serupa  yaitu  prediksi  harga  komoditas  beras  dengan  menggunakan  metode  Fuzzy Cognitive Maps. Sama halnya dengan penelitian ini yaitu prediksi harga komoditas bawang merah dan cabai merah untuk 10 minggu kedepan dengan menggunakan salah satu arsitektur Artificial Neural Network (ANN) yaitu Elman Recurrent Neural Network (ERNN) dengan algoritma  Backpropagation. Setelah melakukan prediksi, akan dilakukan pula klasifikasi rekomendasi tanam-harga petani. Penelitian ini  menggunakan data  historis mingguan harga bawang merah dan cabai  merah dan curah  hujan mingguan selama 6 tahun. Performansi sistem diukur dengan menggunakan metode Mean Percentage Error (MAPE). Sistem ERNN dengan algoritma Backpropagation terkendala mendapatkan arsitektur yang  optimal  karena  terjebak di  lokal  optimum. Hasil  yang  didapatkan dari  penelitian ini  adalah prediksi harga bawang merah memperoleh akurasi diatas 75% sedangkan prediksi harga cabai merah memperoleh akurasi dibawah 75%. Sedangkan untuk klasifikasi rekomendasi tanam-harga petani, akurasi yang didapatkan untuk bawang merah kurang dari 75%, sedangkan untuk cabai merah lebih dari 75%. Kata Kunci : komoditas pertanian, ANN, Elman Recurrent Neural Network, Backpropagation, MAPE
Prediksi Saham Menggunakan Dbn ( Deep Belief Network ) Giali Ghazali; Jondri Jondri; Deni Saepudin
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

Dalam penelitian ini akan dibahas prediksi indeks harga saham dengan metode Deep Belief Network (DBN). Penelitian ini menggunakan indeks saham dari pasar saham Indonesia yaitu Indeks Harga Saham Gabungan (IHSG). Percobaan ini didasarkan pada data historis harian selama 5 tahun. Prediksi dilakukan dengan menggunakan Restricted Boltzman Machines (RBM) dua tahap dan RBM tiga tahap, dengan input data menggunakan (20 + ri) dan (40 + ri) dengan jumlah neuron (n = 10) dan (n = 50). Dengan menggunakan metode Deep Belief Network (DBN) didapatkan hasil Root Mean Square Eror (RMSE) sepuluh kali percobaan. Mendapatkan hasil data (20 + ri) dengan (n = 10) dengan RBM dua tahap 0,18291 dan RBM tiga tahap 0.17912. Pada data (40 + ri) dengan (n = 10) dengan RBM dua tahap 0,1804 dan tiga tahap RBM 0.17118. Pada data (20 + ri) dengan (n = 50) dengan RBM dua tahap 0,16996 dan tiga tahap RBM 0.05892. Pada data (40 + ri) dengan (n = 50) didapatkan RBM dua tahap 0,17781 dan tiga tahap RBM 0.16904. dapat disimpulkan bahwa RBM tiga tahap lebih baik dibandingkan RBM dua tahap, dan nilai neuron yang besar mempengaruhi hasil prediksi. Kata kunci : prediksi saham, Indeks Harga Saham Gabungan (IHSG), Deep Belief Network (DBN).
Pendekatan Fungsi Penalti Untuk Mengatur Suku Residual Alpha Pada Pembentukan Portofolio Saham Defy Ayu; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Pada jurnal ini akan dibahas pembentukan portofolio saham dengan menggunakan data yang terdapat pada data pasar dan umumnya mengandung noise (informasi fluktuasi harga yang tidak memberikan informasi penting tentang pergerakan harga saham). Untuk mengontrol noise tersebut akan digunakan fungsi penalti. Prinsip dasar dari fungsi penalti adalah mengubah suatu permasalahan dengan kendala menjadi permasalahan tidak berkendala dengan menambahkan parameter penalti (θ) ke dalam fungsi obyektif. Tujuan menambahkan θ pada fungsi obyektif untuk mengontrol noise atau disebut dengan residual alpha. Nilai θ yang dipilih yaitu 10 karena dengan nilai θ ini, risiko yang dihasilkan lebih kecil dibandingkan (θ=0.01, θ=0.1, θ=4 θ=7, θ=10). λ (ukuran perilaku investor untuk menghindari risiko). Nilai λ yang menghasilkan nilai risiko terkecil yaitu pada λ=10. Pada perhitungan teoritik λ=0.01 risiko yang dihasilkan 0.045321894 sampai dengan λ=10 nilai risiko yang dihasilkan 0.043919803. Dan pada data simulasi tanpa noise λ=0.01 risiko yang dihasilkan 0.068250803 sampai dengan λ=10 nilai risiko yang dihasilkan 0.067448832. Nilai λ=10 dan θ=10 dilakukan pengujian menggunakan data pasar pada saham AALI dan ADHI. Nilai λ=10 dengan mean variance (MV) menghasilkan risiko 0.049443196, dan λ=10 dan θ=10 dengan data yang diasumsikan mengandung noise menghasilkan risiko 0.049406612. Risiko portofolio pada data yang diasumsikan mengandung noise lebih kecil dibandingkan dengan risiko portofolio pada MV. Kata kunci: Fungsi Penalti, Residual Alpha, Portofolio
Pemodelan Mixture Of Mixture Dalam Pemilihan Portofolio Saham Bank Esther Laura Christy; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Penyusunan portofolio dilakukan sebagai salah satu strategi untuk mengurangi resiko yang mungkin akan terjadi dengan keuntungan yang didapat sebesar-besarnya pada saat melakukan investasi. Pendekatan model mixture merupakan salah satu metode yang digunakan untuk mengetahui besar proporsi return pada suatu instrumen. Model ini mampu memodelkan data yang tersusun dari beberapa grup dimana setiap grup merupakan komponen penyusun dan mempunyai proporsi yang berbeda untuk masing-masing komponen. Hasil dari Tugas Akhir ini berupa model mixture untuk portofolio saham Bank BCA dan BNI dengan resiko yang didapat dari model tersebut sebesar -0.2498413758. Kata kunci : Portofolio, Model Mixture, Return
Optimasi Portofolio Saham Dengan Memperhitungkan Biaya Transaksi Menggunakan Algoritma Genetika Multi-objective Almaya Sofariah; Deni Saepudin; Rian Febrian Umbara
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

Portofolio saham merupakan sekumpulan aset finansial yang berisi beberapa saham yang bisa dimiliki oleh perusahaan atau perorangan. Untuk mendapatkan portofolio yang optimal yaitu dengan menghasilkan return maksimal dan risiko minimal dilakukan dengan mengalokasikan bobot pada portofolio. Metode yang digunakan untuk meminimumkan risiko adalah mean-variance Markowitz. Pada tugas akhir ini akan dilakukan optimasi portofolio dengan memperhitungkan biaya transaksi. Optimasi multi-objective digunakan untuk mencapai tujuan portofolio yang optimal, karena terdapat lebih dari satu fungsi tujuan yang ingin dicapai. Algoritma optimasi yang digunakan yaitu algoritma genetika multi-objective NSGA-II. Beberapa parameter algoritma genetika multi- objective NSGA-II adalah ukuran populasi, jumlah generasi, probabilitas crossover dan probabilitas mutasi. Hasil akhir yaitu berupa nilai bobot portofolio dan grafik efficient frontier yang merupakan kumpulan dari pilihan terbaik bagi investor yang mampu menawarkan tingkat return maksimum untuk tingkat risiko tertentu. Pada grafik efficient frontier yang diperoleh dengan metode mean variance diasumsikan tidak terdapat transaksi jual maupun beli sedangkan pada grafik efficient frontier yang diperoleh dengan algoritma genetika multi-objective NSGA-II diasumsikan terdapat transaksi jual ataupun beli suatu saham. Kata kunci : optimasi portofolio, biaya transaksi, algoritma genetika multi-objective NSGA-II
Penerapan Algoritma Genetika Multiobjective Spea-2 Pada Optimasi Portofolio Saham Sheila Nur Fadhila; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Algoritma Genetika multi-objective (SPEA-II) merupakan salah satu bagian dari evolutionary algorithm yang dapat digunakan untuk menemukan atau mendekati himpunan pareto-optimal pada permasalahan optimisasi multi-objective. Pada penelitian ini Algoritma Genetika multi-objective (SPEA-II) digunakan untuk menyelesaikan permasalahan optimasi portofolio yang terdiri dari saham-saham yang tergabung dalam Indeks LQ45. Beberapa Parameter yang digunakan antara lain ukuran populasi, ukuran arsip, maksimum generasi, probabilitas crossover, dan probabilitas mutasi. Adanya penambahan jumlah populasi dan generasi akan berdampak pada semakin besarnya kesempatan setiap individu untuk mendapatkan solusi yang dicari. Hasil akhir dari penelitian ini berupa efficient frontier yaitu kumpulan dari pilihan terbaik bagi investor yang mampu menawarkan tingkat return yang maksimum untuk tingkat risiko tertentu. Semakin banyak jumlah saham yang digunakan dalam portofolio akan berpengaruh terhadap error yang diperoleh. Hal tersebut dapat dilihat dari hasil kinerja Algoritma Genetika multi-objective SPEA-II yang memberikan hasil cukup baik untuk 5 sampai 10 saham dan kurang baik untuk 11 saham ke atas dilihat dari konvergensinya. Kata kunci: Strenght Pareto Evolution Algorithm (SPEA-II), multi-objective, portofolio saham
Penentuan Nilai Volatilitas Melalui Model Black Scholes Dengan Metode Newton Raphson Dan Steepest Descent Fazlur Rahman Amri; Jondri Jondri; Deni Saepudin
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

Volatilitas merupakan instrument penting dalam opsi saham. Hal tersebut dikarenakan volatilitas memiliki hubungan yang kuat dengan harga opsi saham. Dengan menentukan nilai volatilitas di masa mendatang, maka kita dapat mengetahui harga opsi di waktu mendatang. Salah satu cara menentukan nilai volatilitas dengan menggunakan data volatilitas yang ada, disebut sebagai implied volatility. Implied volatility dapat ditentukan dengan menyamakan harga teoritis dengan harga pasar. Model Black-Scholes adalah salah satu model teoritis untuk menentukan harga opsi saham. Fungsi implisit dari harga teoritis dengan harga pasar, maka dapat ditentukan nilai volatilitas. Untuk mengoptimalkan nilai volatilitas, maka digunakan metode newton raphson dan steepest descent. Metode newton raphson merupakan salah satu metode paling populer untuk penyelesaian persamaan. Metode steepest descent merupakan metode yang memerlukan informasi turunan – turunan dalam bentuk vektor gradient jacobian. Dalam metode ini juga memerlukan informasi turunan kedua dalam bentuk matrik hess. Kata Kunci : Implied Volatility, Model Black-Scholes, Newton Raphson, Steepest Descent
Optimasi Portofolio Mean-semivariance Dengan Algoritma Genetika Multiobjective Evolutionary Nsga Ii Anjar Pratiwi; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam investasi saham seorang investor sebaiknya membuat portofolio optimal agar memperoleh hasil yang memuaskan dengan nilai return tinggi atau nilai risiko rendah. Maka dari itu sebagai investor harus dapat berkompromi dalam menangani 2 objektif, objektif yang dimaksud adalah objektif 1 expected return sedangkan untuk objektif 2 adalah risiko dan untuk menyelesaikan problem tersebut dapat menggunakan algoritma Multiobjective NSGA (Non - Dominated Shorting Genetic Algorithm). Sudah ada beberapa penelitian yang terkait dengan Algortima Multiobjective NSGA – II dan terbukti bahwa algoritma ini merupakan algortima yang cukup baik untuk menangani problem optimasi 2 objektif. Data yang digunakan pada tugas akhir ini adalah data saham yang tergabung dalam index LQ45. Hasil akhir dari penerapan Algortima Genetika Multiobjective NSGAII akan menghasilkan bobot yang nantinya bobot tersebut akan digunakan untuk menghitung return portofolio dan risiko kemudian akan membentuk efficient frontier. Pada penelitian ini risiko menggunakan semivariance terbukti menghasilkan risiko yang optimal jika dibandingkan dengan variance. Kata kunci : NSGA-II , Multiobjective , Optimasi portofolio , semivariance, efficient frontier Abstract In stock investment an investor should make optimal portfolio in order to obtain satisfactory results with high return value or low risk value.Therefore, as an investor must be able to compromise in dealing with 2 objectives, the intended purpose is objective 1 which is expected return while for objective 2 is the Risk and to solve the that problem can be used Multiobjective NSGA (Non-Dominated Shorting Genetic Algorithm) algorithm. Therefore, as an investor must be able to compromise in dealing with 2 objectives, the intended purpose is objective 1 which is expected again while for objective 2 is the problem and to solve the problem that can be used Multiobjective NSGA (Non-Dominated Shorting Genetic Algorithm) algorithm.There have been several studies related to the Algortima Multiobjective NSGA-II and it is evident that this algorithm is a pretty good recipient for the problem of 2 goal optimization problems. The data used at this time is the data belonging to the LQ45 index. The final result of the application of the Multi-objective Genetic Algorithm of NSGA-II will result in a weight that the weight will be used to calculate portfolio return and risk using semivariance then establish an efficient frontier. In this study the risk of using semivariance proved to produce an optimal risk when compared with the variance. Keywords: NSGA-II , Multiobjective , Optimasi portofolio , semivariance, efficient frontier
Co-Authors Abdurrahman Muttaqiin Achmad Fadholy Achmad Rizal Aditya Firman Ihsan Adiwijaya Aisyah Aisyah Alberila Fraida Loceseima Putri Almaya Sofariah Andhika Rama Putra Anggia Parsaoran Exaudi Aniq Antiqi Rohmawati Aniq Atiqi Rohmawati Aniq Rohmawati Anjar Pratiwi Annas Wahyu Ramadhan Annisa Aditsania Annisa Resnianty Anton Sri Haryanto Arfananda, Muhammad Ghifari Arifin Dwi Kandar Saputro Ayunda Firsty Trisnowati Azizah , Nakhwa Benedikto Krisnandy Wijaya Caramoy, Senza Danar Satrio Aji Dara Ayu Lestari Defy Ayu Dewa Made Rai Widyadarma Diah Fitri Wulandari Diani Sarah Kamilial Diani Sarah Kamilial Didit Adytia Dimas Rizqi Guintana Dini Apriliani Lestari Dio Navialdy Egi Shidqi Rabbani Elvina Oktavia Erlina Febriani Esther Laura Christy Fadhlika Hadi Fahmi Muhamad Fauzi Farah Diba Faturachman Nugraha Sasmita Fazlur Rahman Amri Febry Triyadi Fhira Nhita Fikri Nur Hadiansyah Fitriaini Amalia Freyssenita Kanditami P Furqon Hidayat Gharyni Nurkhair Mulyono Ghufron, Sayid Giali Ghazali Gilang Rachman Perdana Gilang Rachman Perdana Hadyatma Dahna Marta Hario Adi Ghufron Herlansyah, Ridhwan Rifky Himatul Zulfa Husain Athfal Hidayat Ihsan Hasanudin Irfan Fauzan Prasetyo Irma Palupi Isman Kurniawan Izzata Izzata Jondri Jondri Kaisa Sekaring Pertiwi Kautsar Abdillah Kemas Muslim Lhaksmana Khoirunnisa Ulayya Kuntjoro Adji Sidarto Lani Rohaeni Laode Muhammad Ali Al-Qomar Lesmana, Rangga Made Larita Ditakristy Mailia Putri Utamil Maulid Fathurachman, Rizaldi Mayriskha Isna Indriyani Mega Silvia Desvi Muhamad Aziz, Reihan Muhammad Fadhil Maulana Muhammad Iqbal Cholil Muhammad Rifqi Arrahim Natadikarta Muhammad Taufiq Raihan Nanda Putri Mintari Narestha Adi Pratama, Putu Agus Naufal Abdurrahman Burhani Nisrina Nur Faizah Novelya Nababan Novi Syafira, Muthia Nur Roza Fitriyana Putri Nuvaisiyah Putu Harry Gunawan Rahmi Putri Amalia Raisa Betha Meiliza Ratih Puspita Furi Rauf, Khalifatur Razaq, Kukuh Sanddi Reima Agustina Kusumawardani Reiza Krisnaviardi Resi Annisa Nur Reza Pratama Rian Febrian Umbara Ridhwan Rifky Herlansyah Rizaldi Maulid Fathurachman Rizq Athariq, Muhammad Sabilla Fitriyantini Saputra, Muhammad Ridho Semeidi Husrin Shabrina Nanggala Sheila Nur Fadhila Sofyan, Denny Sri Rezeki Hardiyanti Susy Sundari Syaifrijal Zirkon Radion Tasya Salsabila Tifani Intan Solihati Triandini Nurislamiaty Triyana Kadarisman Uggi Stivani Savitri Vina Putri Damartya Widyasari, Felicia Dina Yanuar Ishaq Zhafran, I Kamil Elian Zhafran, Kamil Elian