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 111 Documents
Search

 8   9   10   11   12 
Optimasi Portofolio Berbasis Prediksi Return Saham Menggunakan Hybrid XGBoost dan Improved Firefly Algorithm untuk Saham – Saham dalam Indeks LQ45 Saputra, Muhammad Ridho; Saepudin, Deni
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Portofolio merupakan kumpulan aset investasi yang dimiliki oleh suatu perusahaan atau perorangan. Return yang maksimal dengan risk yang minimum adalah harapan bagi setiap investor. Namun dalam memprediksi pergerakan harga saham, kenaikan dan penurunan harga saham dari waktu ke waktu sulit ditebak. Oleh karena itu, machine learning digunakan untuk menjadi jalan keluar dalam mempelajari dan memprediksi data saham tersebut. Pada tugas akhir ini, model prediksi return saham menggunakan metode XGBoost dan Improved Firefly Algorithm. Hasil prediksi tersebut selanjutnya digunakan untuk pertimbangan membangun portofolio. Prediksi return saham yang lebih tinggi dari threshold akan masuk ke dalam portofolio. Dari saham yang sudah terseleksi, portofolio dibangun dengan menggunakan Equal Weight (EW). Portofolio dengan dan tanpa optimasi kemudian dibandingkan untuk mengetahui mean return, standar deviasi, dan Sharpe Ratio tertinggi. Hasil eksperimen menunjukkan bahwa kinerja portofolio 7 saham dengan mempertimbangkan prediksi memiliki hasil terbaik apabila dibandingkan dengan portofolio dengan tanpa mempertimbangkan prediksi dengan mean return 0.0029, standar deviasi 0.0158, dan Sharpe Ratio 0.1837.Kata kunci-portofolio, prediksi return saham, xgboost, firefly algorithm, LQ45 
Penggunaan Model Black-Littermann dalam Optimasi Portfolio untuk Investor Aktif pada Saham dalam Indeks LQ45 Herlansyah, Ridhwan Rifky; Saepudin, Deni
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Di era yang sudah modern ini, sangat mudah untuk membuat sebuah portofolio investasi, portofolio investasi bisa dibentuk dengan cara membeli saham. Dengan menciptakan portofolio investasi, kita bisa mengharapkan nilai pengembalian yang menjadikan sebuah keuntungan. Akan tetapi ada juga nilai resiko yang akan didapatkan ketika kita membeli saham. Dalam tugas akhir ini akan dibahas mengenai penggunaan Model Black-Litterman dalam pengoptimasian portofolio untuk investor aktif. Model Black-Litterman merupakan salah satu model yang bisa digunakan untuk melakukan optimasi portofolio investasi, Model Black-Litterman memberikan informasi tambahan untuk nilai pengembalian dan nilai resiko berdasarkan pandangan para ahli. Berdasarkan beberapa pengujian yang telah dilakukan selama penelitian dengan hari yang berbeda, nilai pandangan investor akan selalu berbeda di tiap hari harinya, nilai pandangan yang optimis akan memberikan dampak yang baik pada saham tersebut, meskipun harga saham sedang turun, jika pandangan investor menyatakan optimis, bobot saham tersebut akan tetap tinggi. Berdasarkan pengujian skenario 1, kombinasi terbaik adalah ketika menggunakan risk aversion 0.1 dan nilai investor 0.3 dengan nilai rata rata return yang didapat adalah 0.00657 dan standar deviasinya 0.02754, pada pengujian skenario 2 dengan menggunakan kombinasi terbaik mendapatkan nilai rata rata return sebesar 0.0150 dan standar deviasi 0.0556, dan saat pengujian skenario 3 mendapatkan nilai rata rata return sebesar 0.0225 dan standar deviasi 0.1889.Kata kunci-portofolio investasi, optimasi portofolio, model black-litterman
Prediksi Return Saham Pada Saham Indeks LQ45 Menggunakan Regresi Linear Univariat Arfananda, Muhammad Ghifari; Saepudin, Deni
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Saham adalah salah satu instrumen pasar keuangan yang paling dikenal oleh masyarakat dengan sifatnya yang memiliki kemungkinan untuk mendapatkan keuntungan atau kerugian dalam jumlah yang besar dari menginvestasikan uang ke dalam suatu saham, atau bisa juga disebut dengan high risk dan high reward. Hal tersebut dikarenakan adanya fluktuasi harga saham yang sulit untuk diprediksi, di dalam saham, pastinya terdapat return pada saham, maksudnya yaitu imbalan hasil atas investasi saham yang dilakukan. Maka dari itu perlu diadakan prediksi pada return saham, hal ini dapat diyakini bahwa dalam memprediksi return saham kita dapat mengetahui bagaimana prediksi kedepannya berdasarkan dari hari sebelumnya.Kata kunci-return saham, indeks LQ45, univariate predictive regression model, forecast evaluation
Optimasi Portofolio Saham IDX30 Menggunakan Metode Mean-Variance dengan Shrinkage dan L1-Regularization Muhamad Aziz, Reihan; Saepudin, Deni
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Portofolio adalah sekumpulan aset yang dimiliki oleh individu atau kelompok untuk suatu tujuan ekonomi tertentu. Untuk membangun sebuah portofolio yang optimum ada dua hal yang harus diperhatikan yaitu return dan risiko. Dengan optimasi portofolio diharapkan akan menghasilkan portofolio dengan return yang tinggi dan risiko yang rendah. Untuk mendapatkan portofolio yang optimum sebelumnya digunakan metode Mean-Variance, namun setelah di analisis ternyata performa yang dihasilkan masih kurang memuaskan. Hal tersebut disebabkan karena kesalahan pada estimasi covariance matrix dan mean return. Seiring berjalannya waktu banyak metode yang digunakan untuk memperbaiki performa metode Mean- Variance. Salah satu cara untuk memperbaiki performa metode Mean-Variance adalah dengan menerapkan metode regularisasi pada fungsi objektif dari metode Mean-Variance dan menerapkan metode Shrinkage untuk mengestimasi covariance matrix. Oleh karena itu dalam tugas akhir ini dibangun portfolio saham menggunakan metode Mean-Variance dengan L1-regularization dan Shrinkage. Berdasarkan hasil pengujian yang telah dilakukan, dapat disimpulkan bahwa dengan menerapkan L1- regularization dan Shrinkage pada metode Mean-Variance dapat meningkatkan performa yang dihasilkan yaitu dengan menghasilkan nilai sharpe ratio yang lebih tinggi dengan nilai 0.63. Sedangkan portfolio yang dihasilkan oleh metode MeanVariance yang tidak menggunakan L1-regularization dan Shrinkage menghasilkan nilai sharpe ratio yang lebih buruk yaitu dengan nilai 0.38.Kata Kunci— portofolio, saham, mean-variance, regularisasi, shrinkage, IDX30
Peramalan Return Saham pada IDX30 Menggunakan Economic Constraint Model dan Technical Indicators Narestha Adi Pratama, Putu Agus; Saepudin, Deni
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Saham merupakan bukti kepemilikan suatu perusahaan, kepemilikan saham berarti seseorang tersebut telah ikut serta dalam pemodalan suatu perusahaan. Para investor menginginkan return yang tinggi untuk setiap saham yang dimiliki, sehingga dibutuhkan model prediksi terhadap return saham. Technical indicator adalah sebuah teknik yang digunakan para investor yang digunakan untuk menganalisis maupun membaca pergerakan dari suatu saham. Diketahui bahwa hasil peramalan penggabungan Economic Constraint model dengan Technical Indicators sangat baik. Dalam tugas akhir ini dilakukan peramalan return saham pada IDX30 dengan penggabungan Economic Constraints model dan Technical Indicator, didukung dengan acuan dari penelitian sebelumnya. Berdasarkan hasil pengujian diperoleh penggabungan Economic Constraint model dengan Technical Indicators mendapatkan nilai Mean Square Error (MSE) yaitu 0.00094, dari 12 data saham yang dipakai dan 60 percobaan diperoleh bahwa terdapat 41 dari 60 percobaan menghasilkan nilai MSE lebih kecil ketika menggunakan Economic Constraint.Kata Kunci — saham, return saham, economic constraint, technical indicators, peramalan
Prediksi Return Saham dengan Metode Random Forest dan Penerapannya untuk Seleksi Portofolio Novi Syafira, Muthia; Saepudin, Deni
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Portofolio dapat membantu investor untuk memilih saham mana yang terbaik dengan bobot yang optimal. Dalam berinvestasi investor tentu berharap mendapatkan keuntungan tinggi dengan resiko rendah. Pada optimasi portofolio indikator umum yang digunakan yaitu expected return dan resiko, namun mempertimbangkan dua hal itu saja tidak cukup untuk mendapatkan portofolio yang terbaik. Masalah yang dibahas pada tugas akhir ini yaitu seleksi portofolio menggunakan informasi dari prediksi return menggunakan metode Random Forest. Data yang digunakan adalah data indeks LQ45 selama 7 tahun (2015- 2022). Hasil dari tugas akhir ini berupa data kelompok saham dari sektor yang berbeda. Pengujian dilakukan dengan menggunakan prediksi return dan tanpa prediksi return dengan melihat stadar deviasi terkecil dan pertumbuhan portofolio terbesar. Kelima kelompok saham ini dilakukan seleksi portofolio dengan pembobotan equal weight. Hasil dari prediksi return menggunakan metode Random Forest dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) mendapatkan nilai (23.62263) dan MAPE terkecil dari saham MNCN dengan nilai (9.90716). Dari hasil pengujian yang dilakukan portofolio dengan prediksi return menghasilkan standar deviasi lebih besar dan average return kecil, dibanding dengan portofolio tanpa prediksi return menghasilkan portofolio dengan standar deviasi lebih kecil dengan average return besar serta menghasilkan pertumbuhan portofolio lebih baik.Kata Kunci — Portofolio, Return, LQ45, Random Forest Regression
Prediksi Volatilitas Return Saham IDX30 menggunakan model Echo State Network Rizq Athariq, Muhammad; Saepudin, Deni
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Prediksi volatilitas return saham merupakan fenomena yang saat ini dampaknya sangat besar terhadap eksistensi pasar finansial. Untuk melakukan suatu prediksi volatilitas banyak model yang dapat digunakan.. Penelitian yang sudah dilakukan untuk memprediksi volatilitas return saham menggunakan echo state network didapatkan nilai performansi yang baik jika menggunakan parameter forecast 1 langkah waktu dimana didapatkan nilai rata-rata R Square 0.763 pada 15 saham IDX30 dibandingkan dengan menggunakan parameter forecast 5 atau 21 langkah waktu. Dan rata-rata nilai MSE dari 15 saham IDX30 memiliki nilai 2.312 ini lebih baik dibandingkan jika menggunakan parameter forecast 5 atau 21 langkah waktu.Kata Kunci — volatilitas, return saham, esn
Optimasi Portofolio Saham Menggunakan Metode Stock Network Portofolio Allocation Berbasis Return History (SNPAr) Mega Silvia Desvi; Deni Saepudin
LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v2i2.8809

Abstract

Penelitian ini fokus pada optimasi portofolio dengan menekankan pada pencapaian return tinggi dan risiko rendah. Dibandingkan dengan metode equal weight yang hanya diberikan bobot yang sama tanpa memandang ukuran atau nilai pasarsaham tersebut. Penelitian ini mengusulkan metode Stock Network Portofolio Allocation berbasis Return History (SNPAr).SNPAr memanfaatkan algoritma untuk menghitung probabilitas transisi berdasarkan akumulasi kekayaan dengan mengalokasikan saham dalam network, mempertimbangkan keterkaitan antar saham. Dengan menggunakan data LQ45 dariOktober 2008 hingga Agustus 2023, eksperimen menunjukkan bahwa nilai Threshold 0.4 memberikan kinerja terbaik dengan pertumbuhan nilai return portofolio rata-rata 0,017 dan standar deviasi 0,062. Saat dibandingkan dengan portofolioequal weight, SNPAr menunjukkan superioritas, dengan return lebih tinggi dan risiko lebih rendah. Ini menegaskan bahwaSNPAr merupakan metode yang lebih efektif untuk optimasi portofolio jangka panjang.
Prediksi Return Saham Berdasarkan Data Histori dan Data Fundamental Menggunakan LSTM Naufal Abdurrahman Burhani; Saepudin, Deni; Didit Adytia
LOGIC: Jurnal Penelitian Informatika Vol. 3 No. 1 (2025): September 2025
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v3i1.9236

Abstract

Prediksi harga saham merupakan tantangan signifikan dalam dunia keuangan karena sifat pasar yang dinamis dan kompleks. Penelitian ini bertujuan untuk memprediksi harga saham dengan menggunakan model Long Short-Term Memory (LSTM), yang efektif dalam menangkap pola sekuensial pada data historis dan fundamental. LSTM dipilih karena kemampuannya untuk memodelkan ketergantungan jangka panjang, yang penting dalam prediksi harga saham. Evaluasi dilakukan dengan membandingkan kinerja model LSTM pada data historis dan kombinasi data historis dengan data fundamental. Hasil penelitian menunjukkan bahwa meskipun model LSTM berhasil menangkap pola pada data training, model tersebut mengalami overfitting yang signifikan pada data testing. Penambahan data fundamental tidak secara signifikan meningkatkan akurasi prediksi pada fase testing. Kesimpulannya, meskipun LSTM membantu dalam menangkap pola kompleks dari data historis dan fundamental, penelitian ini menekankan pentingnya eksplorasi lebih lanjut terhadap metode lain untuk mengatasi overfitting dan meningkatkan kinerja prediksi saham pada data testing.
Prediksi Return Saham Berbasis Clustering Menggunakan K-Means Clustering dan Convolutional Neural Network Rizaldi Maulid Fathurachman; Saepudin, Deni
LOGIC: Jurnal Penelitian Informatika Vol. 3 No. 1 (2025): September 2025
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v3i1.9463

Abstract

Prediksi harga saham di masa depan merupakan sebuah masalah yang menantang. Dalam penelitian ini telah diterapkan pendekatan clustering untuk mengelompokkan saham-saham yang menunjukkan kesamaan dalam prediksi harga. Proses ini membantu dalam mempermudah prediksi harga, karena saham yang ada dalam 1 cluster yang sama diharapkan mempunyai pola yang lebih mirip. Melalui clustering, saham-saham yang memiliki prediksi harga yang sama dikelompokkan berdasarkan cluster yang telah terbentuk. Kemudian, dilakukan training model menggunakan data rata-rata dari harga saham dalam setiap cluster untuk menghasilkan prediksi harga yang lebih tepat. Dalam penelitian ini metode K-Means digunakan untuk mengelompokkan saham berdasarkan rata-rata return dan standar deviasi, sedangkan CNN digunakan untuk memprediksi harga saham harian. Selanjutnya prediksi return dapat dihitung berdasarkan prediksi harga yang telah diperoleh. Dataset harga saham LQ45 dibagi menjadi dua bagian, yaitu training data dan test data. Data training digunakan untuk melatih model CNN untuk menganalisis data harga saham historis yang dapat membantu memprediksi return saham di masa depan, sedangkan data test digunakan untuk mengevaluasi kinerja model yang telah dilatih. Hasil penelitian ini menunjukkan bahwa, dengan melihat kriteria elbow maka clustering dengan metode K-Means akan diambil dengan jumlah cluster-nya adalah sebanyak 4 cluster. Dan setelah itu dilakukan prediksi melalui CNN dan hasilnya mampu menghasilkan prediksi harga saham harian dengan baik, dibuktikan dengan nilai RMSE prediksi untuk 1 hari ke depan pada cluster 1 adalah 0,09, untuk cluster 2, RMSE yang diperoleh adalah 0,05, sementara itu cluster 3 memiliki RMSE sebesar 0,07, dan untuk cluster 4 memiliki RMSE yang diperoleh yaitu 0,57. Setelah itu, dihasilkan dari prediksi saham-saham di setiap cluster yang menghasilkan prediksi return tertinggi di setiap harinya. Kemudian dibuat prediksi kinerja portofolio menggunakan equal weight dengan hasil rata-rata return sebesar 0,0009 dan standar deviasi sebesar 0,0209 yang lebih baik dibandingkan dengan indeks LQ45.
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 I Kamil Elian Zhafran 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, Kamil Elian