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

 4   5   6   7   8 
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
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
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