Garuda - Garba Rujukan Digital

Aplikasi Model Predictive Control (MPC) Pada Optimasi Portofolio Komoditas Wawan Hafid Syaifudin; Ulil Azmi
Jurnal Varian Vol 3 No 2 (2020)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v3i2.646

Komoditas merupakan salah satu jenis investasi yang disediakan oleh pasar modal kepada investor. Dalam investasi komoditas, terdapat dua hal yang menjadi pertimbangan investor, yaitu return dan risiko. Tujuan utama dalam investasi komoditas adalah memaksimalkan return dengan tingkat risiko tertentu atau meminimalkan risiko dengan tingkat return tertentu. Penentuan portofolio komoditas yang optimal merupakan salah satu hal yang sangat penting bagi kalangan investor. Pada penelitian ini digunakan metode pengendali Model Predictive Control (MPC) untuk menyelesaikan permasalahan optimasi portofolio komoditas dengan adanya kendala di dalam pembentukan portofolio. Data yang digunakan adalah data 3 komoditas yang diperdagangkan, yaitu emas, tembaga, dan minyak. Pengendali MPC dapat diterapkan dengan baik pada permasalahan optimasi portofolio komoditas. Dari hasil simulasi terlihat bahwa jumlah modal yang dimiliki investor yang merupakan output dari sistem menunjukkan peningkatan yang signifikan. Kenaikan ini terjadi karena jumlah modal yang diinvestasikan pada portofolio komoditas berusaha untuk mencapai reference trajectory yang ditetapkan. Selain itu state dan input dari sistem selalu berada di dalam batas constraint yang diberikan.

Peramalan Harga Komoditas dengan Menggunakan Metode Arima-Garch Ulil Azmi; Wawan Hafid Syaifudin
Jurnal Varian Vol 3 No 2 (2020)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v3i2.653

Emas, Tembaga dan Minyak merupakan jenis komoditas yang banyak diincar oleh para investor untuk menanamkan modal dengan cara melakukan investasi pada jenis komoditas tersebut. Prediksi harga komoditas sangat bermanfaat bagi investor untuk melihat prospek investasi komoditas pada suatu perusahaan di masa yang akan datang. Harga komoditas memiliki karakteristik data yang tidak stabil atau sering disebut volatilitas. Untuk mengatasi permasalahan tersebut, dilakukan peramalan dengan metode ARIMA dan ARIMA-GARCH. Dipilih dua metode tersebut karena dua metode ini cocok untuk meramalkan sesuatu yang memiliki data history yang kuat. Metode ARIMA ARCH-GARCH lebih cocok digunakan untuk data-data yang memliki volatilitas yang tinggi atau terdapat heteroskedastisitas pada residual data, sehingga hasil prediksi lebih akurat. Hal ini dibuktikan dengan nilai AIC lebih kecil dari pada hanya menggunakan metode ARIMA. Model terbaik untuk komoditas Emas adalah ARIMA(0,1,1) – GARCH(1,1) sedangkan komoditas tembaga memiliki model terbaik yaitu ARIMA(2,1,2) – GARCH(1,1) dan komoditas minyak yaitu ARIMA(1,1,1) – GARCH(0,1). Nilai MAPE (Mean Absolute Percentage Error) untuk masing-masing komoditas berturut-turut adalah 1,113; 0,542 dan 1,158 untuk Emas, Tembaga dan Minyak.

Mortality Projection on Indonesia's Abridged Life Table to Determine the EPV of Term Annuity Galuh Oktavia Siswono; Ulil Azmi; Wawan Hafid Syaifudin
Jurnal Varian Vol 4 No 2 (2021)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v4i2.1094

The life insurance industries usually use the Life Table for the valuation process, especially in calculating premiums and policy values of a policy. However, the Life Table is rarely updated; and it may even take years before they are updated. This happens because the insurers believe that the information in the Life Table is still related to the current state of a country and for the next several years. In fact, data and information related to mortality rates in a country are constantly changing and always being updated annually. Therefore, as an approach, researchers use the projection of mortality to approach the mortality rate in the future. Thus, future mortality data can be predicted so that better policies can be made by the governments or insurance industries. In this study, the Abridged Life Table of Indonesia is used in the projection of mortality for both sexes (male and female) of the population in Indonesia. The results of mortality projection are then used to calculate the Expected Present Value (EPV) of a term annuity-due under uniform distribution of deaths (UDD) for several values of and ages. The results obtained show that there is a decrease in the value of the mortality rate in the next few years. Therefore, it can be assumed that there is a possibility for longevity risk to occur in the future.

Proyeksi Tingkat Kematian di Indonesia Menggunakan Metode Holt-Winters Smoothing Exponential dan Moving Average Ulil Azmi; R Mohamad Atok; Wawan Hafid Syaifudin; Galuh Oktavia Siswono; Imam Safawi Ahmad; Nuri Wahyuningsih
Limits: Journal of Mathematics and Its Applications Vol 20, No 1 (2023)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v20i1.8132

Inaccurate predictions would cause the insurance companies to incur huge losses and may lead to expensive premiums for which low-income consumers are unable to insure themselves. The ability to predict mortality rates accurately allows the insurance companies to take preventive steps to introduce new policies with reasonable prices. It is hoped that by carrying out mortality projections, losses caused by longevity risk in the life insurance industry would be minimized. This study used secondary data obtained from the World Health Organization (WHO) website in the Mortality and Global Health Estimates category with the sub-topic Life Table by Country Indonesia. In this paper, several models are used to predict the mortality rate in a case study population in Indonesia, namely the Moving Average and Exponential Smoothing forecasting methods. The results obtained are the best method for predicting mortality rates is by using the Exponential Smoothing method with the MAPE value of Exponential Smoothing is smaller than the MAPE value on the Moving Average. The results of this mortality projection will later be used to obtain the distribution of life expectations and the premium price of life annuities.

“Actuarial Science Online Short Course : A10 Financial Mathematics (ASOSC)” Sebagai Upaya Pemberian Dukungan Bagi Calon Peserta Ujian Profesi Aktuaris di Indonesia Ulil Azmi; Wawan Hafid Syaifudin; Galuh Oktavia Siswono; Raden Mohamad Atok; Imam Safawi Ahmad; Pratnya Paramitha Oktaviana; Checellya Maitriani
Sewagati Vol 6 No 3 (2022)
Publisher : Pusat Publikasi ITS

Profesi aktuaris sangat digemari oleh masyarakat Indonesia karena luasnya prospek kerja yang ditawarkan serta adanya peraturan Menteri Keuangan tahun 2016 yang mewajibkan penugasan dan laporan aktuaris di tandatangani oleh Aktuaris Publik. Seorang aktuaris memiliki syarat yaitu harus lulus pada 10 ujian sertifikasi yang diselenggarakan oleh Persatuan Aktuaris Indonesia (PAI). Tingginya kebutuhan tenaga aktuaris tidak diimbangi oleh peningkatan jumlah aktuaris di Indonesia. Salah satu penyebabnya adalah gagal dalam ujian PAI. Salah satu mata ujian yang diujikan oleh PAI adalah A10, yaitu matematika finansial. Mata ujian A10 merupakan materi paling dasar pada seluruh mata ujian profesi aktuaris. Apabila seorang peserta telah berhasil menyelesaikan mata ujian A10, maka peserta tersebut dapat melanjutkan ujian ke tingkat berikutnya yang lebih tinggi. Oleh karena itu, tim pengabdi mengidentifikasi bahwa salah satu cara untuk mendukung para peserta ujian PAI serta membantu pemerintah dalam meningkatkan jumlah aktuaris di Indonesia adalah dengan menyelenggarakan pelatihan/short course pada mata ujian A10. Metode yang digunakan pada kegiatan ini adalah observasi, bimbingan dan evaluasi yang diikuti oleh peserta selama empat hari dalam bentuk penyampaian konsep dasar materi oleh narasumber, pembahasan soal yang didampingi oleh asisten narasumber serta pre-test dan post-test. Kegiatan ini diharapkan dapat membantu peserta untuk lulus ujian PAI pada subjek A10.

Pengukuran Value at Risk pada Portofolio Saham Optimal Menggunakan Copula-GARCH dengan Pendekatan Single Index Model Siti Firdaus; Ulil Azmi; Galuh Oktavia Siswono
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.88956

Investasi merupakan penanaman uang atau modal dalam suatu perusahaan atau proyek guna memperoleh keuntungan. Diantara sekian banyak sekuritas yang ada, saham menjadi sekuritas yang mengalami kenaikan jumlah investor secara signifikan karena dapat memberikan keuntungan yang cukup besar. Dibalik keuntungan yang besar, terdapat risiko yang harus dihadapi oleh investor. Sehingga, investor perlu menerapkan strategi yang dapat meminimalkan risiko serta mengukur risiko pada portofolio. Dalam penelitian ini dilakukan diversifikasi dan estimasi risiko dengan menggunakan pendekatan Single Index Model, Copula-GARCH, dan Value at Risk. Data yang digunakan adalah data harga penutupan saham bulanan pada saham yang terdaftar pada LQ45 selama periode 1 Desember 2010 hingga 31 Desember 2021. Berdasarkan metode Single Index Model, didapatkan tujuh saham yang masuk dalam portofolio optimal yang terdiri atas saham BBCA (10,48%), BBNI (4,22%), BBRI (24,88%), BBTN (2,41%), BMRI (8,53%), KLBF (21,90%), dan TLKM (27,58%). Setelah itu dilakukan pemodelan Copula-GARCH pada harga penutupan saham bulanan menggunakan lima jenis copula yang terdiri atas Copula Normal, Student-t, Gumbel, Frank, dan Clayton. Didapatkan model copula terbaik untuk ketujuh saham yaitu Copula Student-t dengan nilai maximum log-likelihood sebesar 92,42. Hasil estimasi Value at Risk pada tingkat kepercayaan 95% menggunakan simulasi Monte Carlo berdasarkan model Copula Student-t menunjukkan angka kerugian maksimum sebesar 0,0439. Hal ini berarti bahwa kemungkinan kerugian yang dihadapi investor tidak akan melebihi 0,0439 bagian dari modal investasi. Semakin besar tingkat kepercayaan yang digunakan, maka semakin besar pula nilai Value at Risk.

Peramalan Volatilitas dengan Pemodelan EGARCH, TGARCH, dan APARCH dalam Pengukuran Estimasi Risiko Saham Sektor Keuangan Fithra Rabbaniyah; Ulil Azmi
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.91139

Data finansial yang mengikuti deret waktu memiliki keragaman atau volatilitas yang setiap waktunya tidak konstan. Keadaan ini disebut sebagai heteroskedastisitas. Metode yang dapat menyelesaikan masalah tersebut adalah Autoregressive Conditional Heteroscedasticity (ARCH)/Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Namun, ARCH/GARCH tidak dapat mengatasi beberapa kasus seperti perbedaan dalam nilai volatilitas yang disebut sebagai leverage effect. Sehingga dilakukan pemodelan dengan mengakomodasi respon volatilitas yang memiliki sifat asimetris seperti Exponential GARCH (EGARCH), Threshold GARCH (TGARCH), atau Asymmetric Power ARCH (APARCH). Dalam melakukan investasi, tentunya diperlukan kebijakan manajemen risiko yang baik, yaitu dengan mengestimasi risiko menggunakan metode Value at Risk (VaR) dan Conditional Value at Risk (CVaR). Penelitian ini dilakukan untuk peramalan volatilitas serta estimasi risiko dengan pemodelan EGARCH, TGARCH, dan APARCH untuk mengestimasi risiko pada saham sektor keuangan dengan volatilitas tinggi dan rendah untuk periode 20 Januari 2014 – 30 Desember 2021. Hasil pemodelan menunjukkan jika tidak terdapat karakteristik tertentu yang membedakan pemodelan antara saham dengan volatilitas tinggi dan rendah. Namun, dapat dikatakan jika model TGARCH dan EGARCH adalah model yang terbaik dalam memodelkan sifat asimetris. Peramalan volatilitas untuk sepuluh hari kedepan menghasilkan kesimpulan jika saham volatilitas tinggi memiliki hasil peramalan volatilitas yang tinggi juga dan sebaliknya. Estimasi risiko Value at Risk (VaR) dan Conditional Value at Risk (VaR) berdasarkan model terbaik untuk tingkat kepercayaan 99%, 95%, dan 90% menghasilkan kesimpulan saham dengan volatilitas tinggi memiliki estimasi risiko yang tinggi pula dan sebaliknya. Semakin tinggi tingkat kepercayaan, semakin tinggi pula estimasi risikonya.

Pemodelan Kasus Covid-19 di Jawa Timur Menggunakan Metode Generalized Poisson Regression dan Negative Binomial Regression Syaillendra Ardifasalma; Ulil Azmi
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.91211

Virus SARS-CoV-2 atau juga dikenal sebagai COVID-19, pertama kali ditemukan di China pada akhir 2019 dan telah menyebar secara global dan menyebabkan lebih dari 178 juta kasus terkonfirmasi dan sebanyak 3,9 juta jiwa meninggal dunia. Untuk kasus di Jawa Timur sendiri kasus COVID-19, hingga bulan Januari 2022 jumlah kasus di Jawa Timur yang terpapar virus COVID-19 sendiri mencapai 402.879 jiwa, sedangkan jumlah yang sembuh mencapai 371.745 jiwa dan meninggal dunia sebanyak 29.774 jiwa. Analisis regresi menggunakan variabel dependen sebagai variabel acak kontinu untuk menganalisis data. Sedangkan Regresi Poisson sendiri merupakan model dengan variabel Y berdistribusi Poisson. Namun dalam model regresi Poisson asumsi sering dilanggar antara estimasi varians yang berada di atas mean (over-dispersion) atau di awah mean (under-dispersion). Salah satu model yang digunakan untuk menangani under-dispersi atau over-dispersi ini yaitu Generalized Poisson Regression dan Negative Binomial Regression. Data yang akan digunakan untuk meramalkan jumlah korban jiwa COVID-19 yaitu data harian di Jawa Timur dari bulan Oktober 2020 sampai dengan Januari 2022. Proses analisis data dilakukan dengan menggunakan software RStudio dengan faktor yang diduga mempengaruhi yaitu, kasus aktif, kasus baru, Stringency Index, dan Bed Occupancy Rate di Provinsi Jawa Timur. Penelitian ini diharapkan dapat membantu Satuan Tugas COVID-19 Provinsi Jawa Timur dalam pengambilan kebijakan untuk mengantisipasi jumlah pasien berdasarkan faktor – faktor yang berpengaruh signifikan pada penelitian dan juga menambah wawasan mengenai faktor –faktor apa saja yang dapat berpengaruh dengan kasus COVID-19 sehingga masyarakat bisa lebih waspada lagi dalam masa pandemi ini. Hasil penelitian menunjukan bahwa model terbaik adalah model Generalized Poisson Regression. Hal ini ditunjukan dari nilai -2logL, AIC, dan BIC pada model Generalized Poisson Regression yang lebih kecil daripada model regresi poisson dan model Negative Binomial Regression. Dengan faktor-faktor yang berpengaruh terhadap jumlah kasus meninggal COVID-19 adalah kasus aktif, kasus baru, Stringency Index, dan Bed Occupancy Rate.

Stock Portfolio Optimization Using Mean-Variance and Mean Absolute Deviation Model Based On K-Medoids Clustering by Dynamic Time Warping Mella Anugrahayu; Ulil Azmi
Jurnal Matematika, Statistika dan Komputasi Vol. 20 No. 1 (2023): SEPTEMBER, 2023
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/j.v20i1.27755

The tendency of investors to choose investments with maximum return and minimal risk causes the need for diversification in a portfolio to form an optimal portfolio. A lot of research on stock portfolio optimization has been conducted extensively, but not many have tried to apply machine learning concepts such as clustering analysis to accelerate the establishment of a model that can have a positive effect on the time and cost efficiency of portfolio management. However, clustering is only limited to determining the optimal stock candidate, so it is necessary to add another optimization model to calculate the portfolio weight. Based on these problems, this study carried out portfolio optimization using Mean-Variance (MV) and Mean Absolute Deviation (MAD) model based on K-Medoids Clustering by Dynamic Time Warping approach using Monte Carlo-Expected Tail Loss for risk analysis. Based on the analysis results, the MAD portfolio is more optimal than the MV portfolio by the MAD portfolio consists of five stocks, namely BMRI shares with a weight of 0.06243, UNTR shares of 0.08658, BBRI shares of 0.10285, BBCA of 0.53623, and KLBF shares of 0.21191 are the best optimal portfolios. The optimal portfolio of the MAD model has a rate of return of 87.836% in May 2017 - December 2022 with a portfolio performance of 0.03704, while the resulting risk level based on Carlo-Expected Tail Loss is 2.2416%.

Application of Artificial Neural Network in Predicting Direct Economic Losses Due to Earthquake Ulil Azmi; Soehardjoepri Soehardjoepri; Rudi Prihandoko; Iqra Asif
Jurnal Varian Vol 7 No 1 (2023)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v7i1.2326

Accurately predicting the direct economic losses caused by earthquakes is important for policy makers for disaster budgets. Before a disaster strikes, it is important to consider the public policy costs associated with disaster relief and recovery. The aim of this study is to provide a risk assessment approach, which can benefit all parties involved. Artificial neural networks are widely used for time series forecasting, especially financial forecasting. Therefore, this study proposes a cutting-edge forecasting method such as backpropagation neural network (BPNN) and other prediction methods: neural network autoregressive (NNAR) and ARIMA-GARCH to obtain the best prediction results. This paper applies interpolation data to increase the amount of data used. Two interpolations were applied to amplify the original small sample with virtual points, namely cubic splines and further piecewise interpolation using. The results of this study are the cubic spline interpolation is the most effective way to solve the small sampling problem to predict direct economic losses due to the Indonesian earthquake and the BPNN method outperforms other traditional methods with an RMSE of 0.024 in the training period and 0.174 in the testing period, significantly lower than other methods. The results of this research can be used as reference material for the government in estimating the level of earthquake losses and can be used to develop risk reduction strategies.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search