Article Per Year (5 Year)
p-Index From 2020 - 2025
1.555
P-Index
This Author published in this journals
All Journal BIMASTER Tensor: Pure and Applied Mathematics Journal
Setyo Wira Rizki
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PENGUKURAN RISIKO KERUGIAN PETANI SAWIT MENGGUNAKAN METODE EXPECTED SHORTFALL DENGAN SIMULASI MONTE CARLO Wahyudin Wahyudin; Setyo Wira Rizki; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55777

Abstract

Kelapa sawit merupakan salah satu komoditas yang memberikan kontribusi bagi perdagangan luar negeri. VaR merupakan standar internasional dalam pengukuran risiko finansial. VaR memiliki kekurangan yaitu tidak memenuhi sifat subadditivity sehingga tidak dapat meminimumkan risiko. Kekurangan ini dapat diatasi menggunakan metode Expected Shortfall (ES) dengan simulasi Monte Carlo. Simulasi Monte Carlo adalah simulasi yang membangkitkan bilangan acak berdasarkan karakteristik dari data yang akan dibangkitkan, yang kemudian digunakan untuk menghitung nilai ES. Penelitian ini bertujuan untuk mengukur risiko kerugian maksimum petani sawit menggunakan metode ES dengan simulasi Monte Carlo. Langkah-langkah perhitungan ES dengan simulasi Monte Carlo adalah menghitung nilai return, melakukan uji normalitas data, mengestimasi parameter rata-rata dan standar deviasi, mengestimasi kerugian maksimum dan kuantil, menghitung nilai VaR, menghitung rata-rata VaR, menghitung ES dengan simulasi Monte Carlo. Penelitian ini menggunakan data Harga Tanda Buah Segar (TBS) periode Februari 2017 sampai Desember 2020 di Kalimantan Barat. Berdasarkan hasil analisis, diperoleh nilai ES dengan simulasi Monte Carlo pada tingkat kepercayaan 95% sebesar 18,427%. Artinya kerugian maksimum yang diterima petani sawit yaitu sebesar 18,427%.  Kata Kunci:   Value at Risk, harga maksimum
ANALISIS VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN STUDENT T-COPULA Rovi Christova; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55429

Abstract

Investasi merupakan salah satu alternatif dalam bisnis yang cukup berkembang, terutama investasi saham. Harga saham sering mengalami perubahan yang sulit diprediksi, sehingga investor perlu mengetahui besar risiko yang akan dihadapinya. Salah satu cara untuk mengukur risiko adalah dengan menghitung Value at Risk (VaR). Nilai VaR didapatkan dengan melakukan simulasi Monte Carlo. Simulasi Monte Carlo merupakan metode yang paling kuat untuk mengukur VaR karena simulasi Monte Carlo melakukan percobaan berulang kali dengan pembangkitan bilangan acak sehingga didapatkan nilai random pada probabilitas frekuensi tertentu. Data finansial cenderung tidak berdistribusi normal, bersifat heterokedastisitas, dan memiliki ekor gemuk. Untuk menghasilkan perhitungan VaR yang akurat pada data finansial yang berekor gemuk, maka digunakan VaR dengan fungsi student t-copula. Langkah pengerjaannya adalah menghitung nilai return saham, lalu mencari nilai statistik deskriptif. Setelah itu, memeriksa sifat autokorelasi dan heterokedastisitas, dilanjutkan memeriksa nilai ekstrem dengan Pareto tail. Tahap selanjutnya, estimasi parameter student t-copula, lalu melakukan simulasi student t-copula. Dan tahap terakhir yaitu, menghitung nilai VaR. Penelitian ini menggunakan harga saham penutupan (saham harian) periode 4 November 2015 sampai 3 November 2020. Portofolio yang digunakan yaitu Bank BRI (BBRI) dan Indofood (INDF). Berdasarkan hasil analisis, nilai VaR yang diperoleh menggunakan fungsi Student t-copula dengan tingkat kepercayaan 95% sebesar 0,8635% dari portofolio yang terbentuk. Nilai VaR ini adalah persentase risiko kerugian yang mungkin didapatkan dalam 1 hari kedepan, untuk investasi pada saham BBRI dan INDF.  Kata Kunci: Investasi, Portofolio, VaR, student t-copula
ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL INVESTASI SAHAM JII DENGAN METODE CAPITAL ASSET PRICING MODEL Winny Chindrianti; Setyo Wira Rizki; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.56144

Abstract

Investasi keuangan pada surat berharga seperti saham banyak diminati oleh investor. Keuntungan berinvestasi saham yaitu mendapatkan tambahan pendapatan berupa capital gain dan dividen. Semakin tinggi tingkat keuntungan yang didapat, maka tingkat risiko juga akan semakin tinggi. Tingkat risiko yang tinggi dapat diminimalisir dengan upaya diversifikasi investasi melalui pembentukan portofolio saham. Metode yang bisa memberikan pertimbangan dalam pembentukan portofolio saham adalah metode Capital Asset Pricing Model (CAPM). Tujuan dari penelitian ini yaitu untuk menganalisis pembentukan portofolio optimal saham dengan CAPM, serta menganalisis penerapan CAPM dalam pengambilan keputusan investasi saham. Data yang digunakan yaitu data harga saham penutupan bulanan pada saham Jakarta Islamic Index (JII) periode Juni 2018 sampai September 2021. Teknik pengambilan sampel menggunakan teknik purposive sampling. Langkah penelitian setelah data diperoleh yaitu menghitung return saham individu, menguji normalitas return saham individu, menghitung return saham pasar, dan menguji pengaruh return saham individu terhadap return saham pasar. Selanjutnya dilakukan perhitungan nilai beta tiap saham, menghitung expected return, melakukan penyusunan kombinasi portofolio serta pembobotan tiap saham pembentuk portofolio. Kemudian dilakukan pengukuran kinerja portofolio dengan indeks sharpe, perbandingan kinerja dari kombinasi portofolio yang telah disusun, dan langkah terakhir yaitu diperoleh portofolio optimal. Hasil dari penelitian ini menunjukkan bahwa dari sejumlah portofolio yang telah disusun diperoleh portofolio optimal dengan nilai indeks sharpe terbesar dibentuk dari kombinasi empat saham. Dengan demikian, investor bisa menanamkan modal pada portofolio tersebut dengan proporsi alokasi dana pada saham BRPT sebesar 7,5%, saham INCO sebesar 25,3%, saham WIKA sebesar 45,4%, dan saham ANTM sebesar 21,7%. Kata Kunci: return, saham, portofolio, CAPM
Classification of Village Status in Landak Regency Using C5.0 Algorithm Mutiara Cindy Nur Fitria; Naomi Nessyana Debataraja; Setyo Wira Rizki
Tensor: Pure and Applied Mathematics Journal Vol 3 No 1 (2022): Tensor: Pure and Applied Mathematics Journal
Publisher : Department of Mathematics, Faculty of Mathematics and Natural Sciences, Pattimura University, Ambon, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/tensorvol3iss1pp33-42

Abstract

PERBANDINGAN REGRESI ZERO INFLATED POISSON (ZIP) DAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA DATA OVERDISPERSI Samson Samson; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i1.51609

Abstract

Analisis regresi Poisson adalah regresi nonlinear yang biasanya digunakan untuk data diskrit dan memiliki asumsi ekuidispersi. Pada praktiknya sering terjadi pelanggaran terhadap asumsi ekuidispersi, salah satu dari pelanggaran tersebut adalah overdipersi (nilai ragam lebih besar dari nilai rata-rata). Salah satu penyebab terjadinya overdispersi adalah jumlah nilai nol yang berlebih (Excess Zero) pada variabel respon. Excess zeros dapat dilihat pada proporsi variabel respon yang bernilai nol lebih besar dari data diskrit lainnya. Terdapat banyak metode untuk mengatasi overdispersi, dua diantaranya adalah regresi Zero Inflated Poisson (ZIP) dan regresi Zero Inflated Negative Binomial (ZINB). Tujuan pada penelitian ini adalah untuk mengetahui model regresi yang lebih baik digunakan pada data yang mengalami overdispersi. Data yang digunakan dalam menganalisis regresi ZIP dan ZINB adalah data hipertensi dalam kehamilan yang menyebabkan kematian ibu di Provinsi Kalimantan Barat tahun 2014 sampai 2019. Berdasarkan hasil penelitian, diketahui bahwa nilai Akaike Information Criterion (AIC) pada regresi ZIP 273.011 lebih kecil dari nilai AIC regresi ZINB 275.01. Sehingga regresi ZIP lebih baik digunakan serta faktor yang menyebabkan hipertensi dalam kehamilan adalah persentase ibu hamil melaksanakan program K1. Kata kunci : Overdispersi, Regresi Poisson, Regresi ZIP, Regresi ZINB.
PROGRAM APLIKASI PERHITUNGAN CADANGAN PREMI ASURANSI JIWA METODE FULL PRELIMINARY TERM DENGAN MACRO VBA Rosi Kismonika; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i02.53277

Abstract

Visual basic for application adalah pengembangan bahasa pemograman visual basic yang diterapkan dalam program microsoft excel. Macro merupakan sebuah script pada sebuah aplikasi yang dapat mengotomatisasi perintah atau program, dan script tersendiri merupakan rangkaian kode untuk melakukan perintah dalam macro. Penelitian ini membahas tentang program aplikasi perhitungan cadangan premi asuransi metode full preliminary term untuk menganalisis risiko kerugian pada perusahaan asuransi, perusahaan asuransi jiwa dapat mengantisipasi risiko kerugian dengan memanfaatkan cadangan dari premi asuransi. Data yang digunakan pada penelitian ini adalah tabel mortalita 2019, untuk menghitung cadangan premi  yang harus dibayarkan kepada peserta asuransi jiwa. Peserta asuransi jiwa berusia 25 tahun sampai 50 tahun yang berjenis kelamin laki-laki dan perempuan. Jenis asuransi yang dipilih adalah asurasi jiwa dwiguna dengan masa pertanggungan 25 tahun, dan besar santunan yang akan di terima pihak tertanggung sebesar Rp150.000.000,- dan menggunakan tingkat suku bunga sebesar 3% atau 6%. Program Aplikasi Perhitungan Cadangan Premi Asuransi Jiwa Metode Full Preliminary Term dengan Macro dan Microsoft Excel Visual For Application (VBA) merupakan alat bantu yang dibuat untuk memudahkan perusahaan asuransi dalam memaksimalkan cadangan dari pemegang polis. Kata Kunci : Microsoft Excel, Macro, Excel VBA, Full Preliminary Term
PENDANAAN PROGRAM PENSIUN MANFAAT PASTI DENGAN METODE SPREADING GAINS AND LOSSES Assa Trissia Rizal; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i1.51603

Abstract

Pendanaan program pensiun merupakan suatu upaya untuk menyediakan dana yang dilakukan oleh perusahaan dan karyawan sehingga dana yang terkumpul cukup untuk membayar manfaat. Pendanaan program pensiun dilakukan untuk memberikan kesinambungan penghasilan bagi karyawan setelah tidak bekerja. Salah satu pendanaan program pensiun yaitu pendanaan program pensiun manfaat pasti, besarnya iuran yang dibayarkan berfluktuasi dan didasarkan pada perhitungan aktuaria. Tujuan dari penelitian ini yaitu untuk menganalisis pendanaan program pensiun manfaat pasti dalam jangka panjang jika terjadi perbedaan asumsi tingkat suku bunga pengembalian investasi aktuaria, usia peserta, dan gaji peserta dengan menggunakan metode Spreading Gains and Losses. Perhitungan dimulai dengan Tabel Mortalita Indonesia (TMI) tahun 2019 pada laki-laki dengan usia 20 tahun hingga 35 tahun dan usia pensiun 56 tahun serta mengasumsikan tingkat suku bunga pengembalian investasi aktuaria yang digunakan sebesar 2%, 3%, 4%, 5%, 6%, 7%, 8%, 9% dan 10% sedangkan tingkat suku bunga pengembalian investasi aktual sebesar 4,5%. Selanjutnya menghitung normal contribution, actuarial liability, pension fund, loss, unfunded liability, Supplementary Contribution dengan metode Spreading Gains and Losses. Hasil yang diperoleh dari penelitian ini adalah perbedaan antara tingkat bunga suku bunga pengembalian investasi aktuaria dan usia peserta pada metode Spreading Gains and Losses akan mempengaruhi pendanaan program pensiun manfaat pasti dalam jangka panjang. Kata Kunci: Metode Spreading Gains and Losses, Tingkat Bunga
Combined Model Time Series Regression – ARIMA on Stocks Prices Desi Desi; Setyo Wira Rizki; Yundari Yundari
Tensor: Pure and Applied Mathematics Journal Vol 3 No 2 (2022): Tensor: Pure and Applied Mathematics Journal
Publisher : Department of Mathematics, Faculty of Mathematics and Natural Sciences, Pattimura University, Ambon, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/tensorvol3iss2pp65-72

Abstract

Stock price data tend to experience a linear trend and fluctuate over time. So that forecasting is needed to predict stock prices in the next period. The nature of the linear trend can be modeled by linear time series regression and ARIMA. The purpose of this study is to form a combined model time series regression linear – ARIMA and predict stock prices using the combined mode time series regression linear – ARIMA. Combining two models can increase the level of forecasting accuracy compared to using separate models. The data used is the daily closing price of PT Unilever Indonesia Tbk for the period January 4, 2021 to December 30, 2021. The data forms a trend pattern that tends to be linear. The data is divided into in sample and out sample data with a proportion of 80:20. The model time series regression linear is formed by regressing the trend variable and stock closing price variable. From the model time series regression, the residual value is sought that will be used to form the ARIMA model. The model time series regression linear is then combined with the ARIMA model, where the model formed is a combined model time series regression linear – ARIMA (0,1,1) with the MAPE is 1.349906%. The results of PT Unilever Tbk’s stock price forecasting for the period January 3, 2022 to January 21, 2022, continued to decline. The highest forecasting results occurred on January 3, 2022, amounting to 4,091.253. While the lowest forecasting results occurred on January 21, 2022, which amounted to 3,827.192.
PEMODELAN SEASONAL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE DENGAN METODE GEWEKE AND PORTER HUDAK Rahmat Khairul Saleh; Naomi Nessyana Debataraja; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i4.57227

Abstract

Kalimantan Barat mempunyai beberapa destinasi pariwisata yang bisa dikembangkan lebih jauh. Pengembangan sektor pariwisata dapat membantu meningkatkan pemasukan devisa negara. Kunjungan Wisatawan Mancanegara yang cenderung mengalami peningkatan dan penurunan akan berpengaruh terhadap penghasilan negara dan masyarakat yang ikut mengembangkan pariwisata. Data menunjukkan memiliki pengaruh memori jangka panjang dan berpola musiman. Model Seasonal Autoregressive Fractionally Intergrated Moving Average (SARFIMA) adalah suatu model runtun waktu untuk memodelkan data yang mempunyai pola musiman dan bersifat memori jangka panjang dengan parameter differencing bernilai pecahan. Data yang digunakan adalah data bulanan dari jumlah kunjungan Wisatawan Mancanegara di Kalimantan Barat periode Januari 2015-Desember 2019. Penelitian ini bertujuan untuk menentukan model SARFIMA pada data jumlah kunjungan Wisatawan Mancanegara di Kalimantan Barat. Penelitian diawali dengan menentukan pola data, pengaruh memori jangka panjang pada data, melakukan uji stasioneritas data, mengidentifikasi model, uji diagnostik model serta memilih model terbaik. Estimasi parameter d ̂ diperoleh menggunakan metode Geweke and Porter-Hudak. Model SARFIMA yang didapatkan adalah SARFIMA ([2,1], d ̂, [1,1])12 dengan d ̂ sebesar 1,091903 dan nilai AIC yang didapat sebesar 259,905.Kata Kunci: SARFIMA, Geweke, Porter, Hudak dan AIC
PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI KALIMANTAN BARAT DENGAN PENDEKATAN LINEAR MIXED MODEL Miftahul Zannah; Setyo Wira Rizki; Siti Aprizkiyandari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i4.57773

Abstract

Tingkat Pengangguran Terbuka (TPT) merupakan indikator di bidang ketenagakerjaan untuk melihat dinamika perubahan pengangguran dalam suatu daerah. Angka pengangguran yang rendah dapat mencerminkan pertumbuhan ekonomi dan kesejahteraan penduduk yang baik. Berdasarkan data BPS Kalimantan Barat, Tingkat Pengangguran Terbuka (TPT) secara umum menunjukkan  pola kenaikan mulai tahun 2017 sampai 2020 yang diamati setiap tahun. Kabupaten/Kota di Kalbar memiliki nilai awal  TPT yang berbeda satu sama lain. Keragaman nilai TPT awal dapat dimodelkan menggunakan pendekatan linear mixed model untuk mendapatkan varians yang terjadi dengan menggunakan struktur pengaruh acak. Penelitian ini bertujuan untuk memodelkan keragaman tingkat pengangguran terbuka di Kalimantan Barat serta faktor-faktor yang diduga mempengaruhinya dengan pendekatan linear mixed model. Faktor-faktor yang diduga mempengaruhi tingkat pengangguran terbuka adalah persentase penduduk miskin, persentase penduduk, dan tingkat partisipasi angkatan kerja. Hasil pemodelan TPT dengan pendekatan linear mixed model dapat secara efektif menangkap keragaman yang terjadi pada pola pergerakan antar Kabupaten/Kota. Model terbaik menunjukkan bahwa faktor-faktor yang signifikan mempengaruhi TPT di Kalbar yaitu persentase penduduk miskin dan tingkat partisipasi angkatan kerja dengan pengaruh Kabupaten/Kota. Berdasarkan hasil pemodelan didapatkan kesalahan model terbaik menggunakan MAPE sebesar 14,37% yang artinya akurat. Kata Kunci : Linear Mixed Model, Tingkat Pengangguran Terbuka
Co-Authors Assa Trissia Rizal Desi Desi Hendra Perdana Miftahul Zannah Mutiara Cindy Nur Fitria Naomi Nessyana Debataraja Neva Satyahadewi NURFITRI IMRO’AH Rahmat Khairul Saleh Rosi Kismonika Rovi Christova Samson Samson Shantika Martha Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Siti Rahayu Wahyudin Wahyudin Winny Chindrianti Yundari, Yundari