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

 3   4   5   6   7 
Pemodelan Dan Simulasi Untuk Mengetahui Kebangkrutan Perusahaan Asuransi Berdasarkan Ukuran Klaim Nanda Putri Mintari; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Dalam jurnal ini membahas tentang bagaimana memodelkan pada klaim keberapa perusahaan asuransi mengalami kebangkrutan untuk pertama kalinya, dengan frekuensi klaim berdistribusi poisson dan ukuran klaim berdistribusi eksponensial. Data yang digunakan pada jurnal ini adalah data perusahaan asuransi kesehatan Z yaitu tanggal klaim dan pembayaran klaim. Perusahaan asuransi mendapatkan dana yang diperoleh dari akumulasi cadangan dana awal yang dimiliki perusahaan asuransi ditambah dengan premi konstan yang diterima perusahaan asuransi, dikurangi dengan jumlah klaim yang dikeluarkan. Dinyatakan mengalami kebangkrutan untuk pertama kalinya apabila dana yang dimiliki perusahaan asuransi yang disimbolkan dengan U(t) bernilai negatif. Untuk menghitung dana perusahaan asuransi, maka akan dilakukan simulasi dengan asumsi cadangan dana sebesar Rp 10.000.000.000 dan rate premi sebesar Rp 3000 sampai Rp 4000. Setelah menghitung dana perusahaan asuransi, maka akan diketahui pada hari keberapa dan klaim keberapa perusahaan asuransi mengalami kebangkrutan untuk pertama kalinya. Kata Kunci : cadangan dana, premi, ukuran klaim, frekuensi klaim, distribusi poisson, distribusi eksponensial, bangkrut
Pemilihan Portofolio Menggunakan Mean Semivariance Entropy Dengan Algoritma Genetika Fahmi Muhamad Fauzi; Deni Saepudin
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 Portofolio saham merupakan kombinasi dari beberapa saham. Untuk mendapatkan portofolio dengan hasil tingkat difersifikasi yang maksimal serta risiko yang minimal metode yang digunakan adalah Mean Semivariance Entropy, dimana Semivariance untuk mengukur tingkat risiko dan Entropy untuk tingkat difersifikasi. Optimasi multi-objective digunakan untuk mencapai dua tujuan tersebut. Masalah multiobjective tersebut dilakukan pembobotan agar masalah tersebut hanya menjadi satu objective saja. Pada tugas akhir ini akan dilakukan optimasi portofolio menggunakan model Entropy, Semivariance dan Semivariance Entropy, setiap model tersebut dibandingkan dengan model equal weight dengan memperhitungkan biaya transaksi. Algoritma yang digunakan untuk mengoptimasi permasalahan tersebut yaitu algoritma genetika. Beberapa parameter algoritma genetika adalah probabilitas crossover dan probabilitas mutasi. Hasil akhir yaitu berupa nilai bobot portofolio bagi investor yang mampu menawarkan tingkat total kekayaan tinggi dan cenderung naik pada setiap periodenya. Masing-masing model menghasilkan nilai rata-rata total kekayaan yang tidak jauh berbeda namun yang menghasilkan nilai rata-rata total kekayaan terbesar adalah model yang mempertimbangkan dua tujuan, yaitu risiko dan difersifikasi dengan nilai rata-rata total kekayaan sebesar Rp. 269.683.092 dari total kekayaan awal Rp. 200.000.000. Kata kunci : Portofolio, Mean Semivariance Entropy, biaya transaksi Abstract A stock portfolio is a group of financial assets which contain some stocks. To get the portofolio with maximum diversification degree and minimal risk, the model used is Mean Semivariance Entropy method, where Semivariance used for measuring the risk and Entropy used for measuring the diversification degree. Multiobjective optimization is used for achieving these two goals. The multiobjective problem is weighted so that the problem becomes only one objective. In this final project we execute portofolio optimization using Entropy, Semivariance, and Semivariance Entropy model, each model are compared with equal weight model by considering transaction cost. The algorithm that used is the genetic algorithm. Some genetic algorithm parameters are probability crossover and mutation. The final result is an optimal proportion invested in a portofolio where it is a set of the best option for the investor which offer the highest wealth in every single period. Each model generates not much different average value but the highest average value is generated by considering two objectives, that are risk and diversification with average value is Rp. 269.683.092 from the beginning period is Rp. 200.000.000. Keyword: Portfolio, Mean Semivariance Entropy, transaction cost
Modifikasi Portofolio Mean-variance Dengan Melibatkan Model Keasimetrian Distribusi Sabilla Fitriyantini; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Portofolio mean-variance adalah salah satu metode yang digunakan dalam pembentukan portofolio. Portofolio mean-variance menekankan pada usaha memaksimalkan expected return dan meminimalkan ketidakpastian/ risiko (variance) untuk membentuk dan menyusun portofolio. Akan tetapi, metode mean-variance memiliki kekurangan. Copula merupakan salah satu metode estimasi pemodelan distribusi yang memiliki keunggulan dalam membentuk portofolio. Parameter 𝜌 merupakan salah satu yang digunakan dalam metode copula. Dengan 𝜌 maka dapat dibentuk portofolio. Copula yang digunakan pada tugas akhir ini adalah gaussian copula. Kinerja portofolio mean-variance classic dan portofolio mean-variance dengan gaussian copula diukur menggunakan Sharpe Ratio. Kata Kunci : mean-variance, copula, gaussian copula, sharpe ratio
Prediksi Google Search Engine Result Page (serp) Menggunakan Classification And Regression Tree (cart) Yanuar Ishaq; Rian Febrian Umbara; Deni Saepudin
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pertumbuhan pesat internet beberapa tahun terakhir memunculkan berbagai macam media online seperti website, blog, dan social media. Dari waktu ke waktu jumlah website yang ada di dunia semakin banyak. Website menjadi salah satu media informasi, hiburan, promosi dan lain-lain. Salah satu indikator dari suksesnya sebuah website adalah trafik. Trafik dapat berasal dari berbagai macam sumber, yang paling dominan adalah trafik yang berasal dari search engine. Penelitian dalam tugas akhir ini bertujuan untuk mencari parameter penting sebuah halaman web dalam Google search engine result page (SERP). Metode yang digunakan dalam penelitian ini adalah Classification and Regression Trees (CART) untuk mendapatkan parameter-parameter yang berpengaruh terhadap peringkat hasil pencarian suatu halaman web pada Google SERP. Data yang digunakan adalah hasil pencarian 25 kata kunci atau keyword yang masing-masing hasil pencarian halaman web tersebut memiliki parameter-parameter. Parameter dari data tersebut lalu dimodelkan dengan Classification and Regression Trees dengan bantuan software Matlab. Dari hasil matlab diperoleh 2 parameter yaitu Page Authority dan Domain Authority. Kata kunci : SERP, CART, PA, DA
Optimasi Portofolio Risiko Terkecil Efficient Frontier Mean Semivariance Dengan Metode Interior Point Triandini Nurislamiaty; Deni Saepudin; Aniq Atiqi Rohmawati
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 Portofolio yang diperlukan oleh para investor adalah portofolio optimal yang memiliki risiko kecil namun return yang diberikan lebih besar. Portofolio optimal diperoleh dengan mencari efficient frontier dari portofolio mean semivariance. Portofolio mean semivariance merupakan perbaikan dari portofolio sebelumnya yaitu portofolio mean variance dari segi nilai risiko yang diperoleh. Hal ini dikarenakan portofolio mean variance hanya mempertimbangkan risiko yang diukur hanya berdasarkan variansi atau rata-rata penyimpangan nilai return dari nilai acuan yaitu ekspektasi return. Baik penyimpangan nilai return lebih besar maupun lebih kecil. Sedangkan portofolio mean semivariace mempertimbangkan risiko berdasarkan penyimpangan nilai return yang lebih kecil. Pada tugas akhir ini dibahas mengenai implementasi metode Interior Point untuk mencari efficient frontier dari portofolio mean semivariance. Metode Interior Point digunakan untuk menyelesaikan masalah optimasi dengan kendala. Hasil dari eksperimen tugas akhir yaitu efficient frontier mean semivariance yang terbentuk berimpit dengan efficient frontier mean variance menggunakan portofolio semivariance. Tentunya pada efficient frontier tersebut, portofolio mean semivariance kondisinya berada dibawah portofolio mean variance karena nilai semivariance dari portofolio mean semivariance lebih kecil dibanding nilai semivariance pada portofolio mean variance. Kata kunci : efficient frontier, mean semivariance, metode interior point Abstract Portofolio required by the investors is an optimal portofolio that has a small risk but the return is given greater. The optimal portofolio is obtained by finding efficient frontier of the mean semivariance portofolio. The mean semivariance portofolio represents an improvement over the previous portofolio of the mean variance portofolio in terms of the risk value obtained. This is because the mean variance portofolio only considers the risks measured only by the variance or the average deviation of the return value of the reference value ie the expectation return. Both deviations of return value are greater or smaller. While the portofolio mean semivariace consider the risk based on the deviation of the smaller return value. In this final project, we discussed the implementation of Interior Point method to find efficient frontier of portofolio mean semivariance. Method of Interior Point is used to solve the problem of optimization with constraints. The result of the final duty experiment is efficient frontier mean semivariance formed coinciding with efficient frontier mean variance using semivariance portofolio. Of course, in the efficient frontier, the portofolio of mean semivariance is below the mean variance portofolio because the semivarian value of the mean semivariance portofolio is smaller than the semivarian value of the mean variance portofolio. Keywords: efficient frontier, mean semivariance, interior point method
Value-at-risk Menggunakan Markov Regime Switching Generalized Autoregressive Conditional Heteroskedasticity (studi Kasus Saham Pt. Indofood Sukses) Raisa Betha Meiliza; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pesatnya perkembangan pasar modal tidak dapat dipisahkan dari peran investor yang melakukan transaksi di pasar modal. Salah satu informasi penting yang dibutuhkan investor sebelum menginvestasikan dananya adalah prediksi risiko terhadap investasi pembelian saham karena kenaikan dan penurunan harga saham yang fluktuatif. Salah satu metode yang digunakan pada pengukuran risiko adalah Value-at-Risk (VaR). VaR ditentukan dengan melibatkan model volatilitas dan dalam Tugas Akhir ini menggunakan model volatilitas Generalized Autoregressive Conditional Heteroskedasticity (GARCH) dan Markov Regime Switching yang disebut model Markov Regime Switching Generalized Autoregressive Conditional Heteroskedasticity (MRS-GARCH). Pada Tugas Akhir ini menentukan akurasi nilai VaR menggunakan metode correct VaR dan model GARCH yang digunakan adalah GARCH dengan orde (1,1). Berdasarkan hasil analisis, metode VaR dengan menggunakan model MRS-GARCH (1,1) 𝑠𝑡 = 0 dapat mengantisipasi risiko lebih baik dibandingkan model GARCH (1,1) 𝑠𝑡 = 1. Seperti pada tingkat kepercayaan 95% model MRS-GARCH (1,1) mengalami kegagalan sebesar 0.3% sedangkan model GARCH (1,1) mengalami kegagaln sebesar 0.8%. Kata Kunci : Return, Value-at-Risk, GARCH, Markov regime switching, MRS-GARCH, correct VaR
Efficient Frontier Mean – Semivariance Menggunakan Metode Sequential Quadratic Programming (sqp) Reiza Krisnaviardi; Deni Saepudin; Aniq Atiqi Rohmawati
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 Pada tugas akhir ini dibahas mengenai penerapan metode SQP (Sequential Quadratic Programming) untuk mencari efficient frontier dari portofolio mean-semivariance. Portofolio mean-semivariance merupakan perbaikan dari portofolio mean-variance karena portofolio mean-variance hanya mengukur risiko berdasarkan variansinya. Artinya rata – rata penyimpangan nilai return dari nilai acuannya (ekspektasi return) dapat bernilai lebih besar atau pun lebih kecil. Efficient frontier yang dibentuk pada tugas akhir ini menggunakan saham – saham yang tergabung dalam LQ45 dengan mengambil data harga saham per minggu selama sepuluh tahun dari bulan November 2007 – Desember 2017. Kemudian dari data harga saham tersebut diperoleh nilai return saham secara time series sebagai informasi dasar untuk proses perhitungan selanjutnya. Kemudian metode SQP (Sequential Quadratic Programming) digunakan untuk menyelesaikan masalah optimasi dengan kendala. Hasil dari eksperimen pada tugas ini akhir ini menunjukkan efficient frontier yang terbentuk dari portofolio mean-semivariance sedikit berbeda dengan efficient frontier portofolio mean-variance, dimana nilai semivariance pada efficient frontier portofolio meansemivariance berada di bawah efficient frontier portofolio mean-variance. Kata kunci : efficient frontier, SQP, semivariance, mean – variance, mean – semivariance Abstract In this final project, we discussed the application of SQP (Sequential Quadratic Programming) method to find efficient frontier of mean-semivariance portfolio. The mean-semivariance portfolio represents an improvement over the mean-variance portfolio because the mean-variance portfolio only measures risk by its variance. This means that the average deviation of the return value from the reference value (expectation return) can be worth bigger or even smaller. Efficient frontier formed in this final task using shares - shares that are incorporated in LQ45 by taking stock price data per week for ten years from November 2007 - December 2017. Then from the stock price data is obtained value of stock return in time series as basic information for further calculation process. Then the SQP (Sequential Quadratic Programming) method is used to solve the optimization problem with constraints. The results of experiments on this final task show that the efficient frontier formed from the mean-semivariance portfolio is slightly different from the efficient frontier portfolio mean-variance, in which the semivariance value of the efficient frontier portfolio mean-semivariance falls below the efficient frontier portfolio mean-variance. Keywords: efficient frontier, SQP, semivariance, mean – variance, mean – semivariance
Peramalan Harga Saham Menggunakan Principal Component Analysis Dan Hidden Markov Model Erlina Febriani; Jondri Jondri; Deni Saepudin
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Prediksi harga saham merupakan salah satu penelitian penting dalam bidang perekonomian. Dalam praktiknya, harga suatu saham dapat diprediksi dengan menggunakan konsep analisis teknikal. Analisis teknikal didasarkan pada prinsip penggunaan data histori harga saham untuk memprediksi pergerakan saham dimasa mendatang. Tujuan dari penelitian ini adalah mengimplementasikan metode Principal Component Analysis dan Hidden Markov Model di dalam analisis teknikal untuk memprediksi pergerakan harga saham di masa mendatang. Sistem prediksi menggunakan data saham JKSE.JK, BBNI.JK, dan ANTAM.JK. Hasil dari percobaan dalam tugas akhir ini menunjukkan bahwa PCA dan HMM dapat bekerja dengan baik. Sistem ini memiliki MAPE terbaik sebesar 0,727%. Kata kunci : prediksi harga saham, time series, Principal Component Analysis, Hidden Markov Model
Value-at-risk Menggunakan Model Markov Switching Autoregressive (studi Kasus Saham Pt. Astra Internasional) Achmad Fadholy; Deni Saepudin; Aniq Rohmawati
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Situasi perekonomian yang tidak menentu, mengharuskan investor untuk dapat memprediksi kerugian dipasar saham. Salah satu metode yang dapat digunakan untuk mengetahui kerugian tersebut adalah Value-at-Risk (VaR). Model Markov Regime Switching dapat dilibatkan untuk perhitungan nilai kerugian investasi. Salah satu model utama yang digunakan pada tugas akhir ini adalah Model Markov Switching Autoregressive (MS-AR), untuk menentukan nilai VaR dengan model MS-AR(1.0) dan MS-AR(1.1). Berdasarkan perbedaan dalam metodologi VaR, VaR optimal diuji dengan menggunakan Correct VaR. Realisasi pelanggaran model VaR-MSAR untuk St=0 memiliki nilai proporsi yang dekat dengan target pelanggaran, dibandingkan dengan model VaR-MSAR untuk St=1 yaitu 0.068; 0.022; dan 0.007 untuk masing-masing target pelanggaran 10%; 5%; dan 1%. Kata Kunci : Saham, Value-at-Risk, Markov Switching Autoregressive, Correct VaR
Sifat Asimetris Model Prediksi Autoregressive Conditional Heteroscedasticity (arch) Dan Exponential Generalized Autoregressive Conditional (egarch) Dara Ayu Lestari; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Volatilitas sering digunakan sebagai penanda naik atau turunnya harga saham. Oleh karena itu, dibutuhkan model prediksi volatilitas. Semakin tinggi volatilitas, maka semakin tinggi pula fluktuasi harga saham yang terjadi. Salah satu sifat volatilitas yang dapat diamati adalah asimetris, yaitu volatilitas akan lebih tinggi jika harga turun dan akan lebih rendah jika harga naik. Sifat asimetris ini berkaitan dengan sifat leverage effect. Penulisan tugas akhir ini menggunakan model Autoregressive Conditional Heteroskedasticity ARCH(1) dan Exponential Generalized Autoregressive Conditional Heteroskedasticity EGARCH(1,1) untuk prediksi nilai harga saham periode berikutnya menggunakan Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE). Pada tugas akhir ini dilakukan analisis tentang sifat asimetris pada model volatilitas Autoregressive Conditional Heteroscedasticity ARCH(1) dan Exponential Generalized Autoregressive Conditional Heteroskedasticity EGARCH(1,1). Dengan nilai RMSE EGARCH(1,1) adalah 0.015 dan ARCH(1) adalah 0.023. Hal itu menunjukan bahwa model EGARCH(1,1) lebih baik untuk memprediksi dibandingkan model ARCH(1). Kata Kunci : ARCH, EGARCH, Volatilitas, Return, Asimetris.
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