Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

p-Index From 2020 - 2025

2.903

P-Index

This Author published in this journals

All Journal BIMASTER Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Eurekamatika

Setyo Wira Rizki

UNIVERSITAS TANJUNGPURA

Author-ID : 4108654

Computer Science & IT Decision Sciences, Operations Research & Management Industrial & Manufacturing Engineering Mathematics

Published : 37 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4

PENANGANAN OVERDISPERSI DENGAN MODEL BINOMIAL NEGATIF PADA DATA KLAIM ASURANSI KENDARAAN BERMOTOR RODA EMPAT Dhessy Rahmayanti; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Model regresi Poisson pada umumnya digunakan untuk menganalisis data diskrit dengan asumsi ekuidispersi. Ketika asumsi tersebut terlanggar yaitu terjadi overdispersi maka regresi Poisson tidak lagi dapat digunakan. Beberapa metode yang digunakan untuk mengatasi hal ini yaitu Generalized Poisson, Binomial Negatif, dan Quassi likelihood. Penelitian ini menggunakan model Binomial Negatif untuk mengatasi overdispersi pada data klaim asuransi kendaraan bermotor roda empat PT. BUMIDA Kalimantan Barat tahun 2015. Hasil analisis menunjukkan bahwa model Binomial Negatif dengan nilai parameter = 0.963 dan dapat meminimalisir overdispersi yang terjadi pada model Poisson dilihat dari nilai varians yang mengalami penurunan yaitu dari 14,518 pada model Poisson menjadi 3,166 pada model Binomial Negatif. Selain dilihat dari nilai varians yang mengalami penurunan model Binomial Negatif juga memiliki nilai AIC dan BIC yang lebih kecil dibandingkan model Poisson. Hal ini menunjukkan bahwa model Binomial Negatif lebih baik dari pada model Poisson dalam mengatasi overdispersi. Kata kunci: Regresi Poisson, Overdispersi, Binomial Negatif, Klaim asuransi kendaraan bermotor

ANALISIS REGRESI ROBUST ESTIMASI-M DENGAN MENGGUNAKAN PEMBOBOTAN BISQUARE TUKEY DAN WELSCH DALAM MENGATASI DATA OUTLIER Yaziz Yaziz; Dadan Kusnandar; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Analisis regresi adalah suatu analisis yang bertujuan membentuk hubungan antara satu variabel terikat (Y) dengan satu atau lebih variabel bebas (X) dalam suatu model matematis. Metode untuk mengestimasi parameter regresi yang sering digunakan adalah metode kuadrat terkecil. Ketika terdapat data outlier metode tersebut kurang efektif digunakan karena dapat menyebabkan estimasi yang didapat menjadi bias. Regresi robust adalah salah satu metode yang digunakan untuk mengestimasi parameter ketika distribusi dari galat tidak normal dan atau terdapat data outlier. Tujuan penelitian ini adalah melakukan estimasi parameter dan menunjukkan keefektifan metode estimasi-M. Studi kasus yang digunakan dalam penelitian ini adalah pengaruh rata-rata lama sekolah (X1), PDRB (X2) dan UMR (X3) terhadap IPM (Y) di Indonesia pada tahun 2015. Berdasarkan analisis deskriptif pada uji boxplot data yang digunakan mengidentifikasi adanya data outlier sehingga diperlukan prosedur regresi robust dengan pembobotan Bisquare Tukey dan Welsch untuk mengestimasi parameter model matematis. Nilai adjusted-R square pembobotan Bisquare Tukey relatif lebih besar dari Welsch (0,7366 > 0,727) dan standar error dari pembobotan Bisquare Tukey relatif lebih kecil dari pembobotan Welsch (1,596 < 1,606). Estimasi yang paling baik digunakan untuk mengestimasi model adalah metode pembobotan Bisquare Tukey. Kata Kunci: Estimasi-M, Regresi Robust, Tukey Bisquare, Welsch

ESTIMASI PARAMETER REGRESI RIDGE UNTUK MENGATASI MULTIKOLINEARITAS Wenty Resti Anggraeni; Naomi Nessyana Debataraja; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Regresi ridge adalah metode yang digunakan untuk mengatasi masalah multikolinearitas, dimana metode ini merupakan modifikasi dari metode kuadrat terkecil yang menghasilkan penduga yang bias. Penelitian ini bertujuan untuk mengestimasi parameter regresi ridge menggunakan iterasi Hoerl, Kennard, dan Baldwin dalam mengatasi masalah multikolinearitas. Penelitian ini bertujuan mengatasi masalah multikolinearitas pada data tingkat pengangguran terbuka (Y), jumlah penduduk miskin (X1), jumlah penduduk Indonesia (X2), dan tingkat partisipasi angkatan kerja (X3) menggunakan regresi ridge. Hasil penelitian menunjukkan bahwa jumlah penduduk miskin, jumlah penduduk Indonesia, dan tingkat partisipasi angkatan kerja berpengaruh secara signifikan terhadap tingkat pengangguran. Nilai Variance Inflation Factors (VIF) untuk masing-masing variabel yaitu sebesar 1,037 (X1), 1,0374 (X2), 0,8037 (X3). Hal ini menunjukkan bahwa tidak terjadi multikolinearitas pada model. Kata Kunci: multikolinearitas, regresi berganda, iterasi Hoerl, Kennard dan Baldwin (HKB)

ANALISIS PERBANDINGAN NILAI VALUE AT RISK PADA METODE SIMULASI HISTORIS DAN METODE TRANSFORMASI JOHNSON (Studi Kasus Pada PT. Astra Agro Lestari, Tbk.) Gristia Aldilla; Evy Sulistianingsih; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Investor menghadapi risiko dalam kegiatan investasi saham,. Salah satu ukuran risiko yang dapat digunakan adalah Value at Risk (VaR). VaR dapat mengukur peluang kerugian terburuk yang terjadi pada tingkat kepercayaan tertentu. Terdapat beberapa metode yang dapat dilakukan untuk menghitung VaR , namun metode - metode tersebut harus dievaluasi dengan backtesting agar penggunaannya tepat dalam memprediksi risiko. Backtesting dilakukan dengan menggunakan uji kejadian Bernoulli. Metode yang digunakan dalam perhitungan VaR pada penelitian ini adalah Simulasi Historis dan metode transformasi Johnson Su pada data PT. AALI, Tbk (AALI.JK) periode 2 Februari 2015 sampai dengan 1 Februari 2018. VaR relatif dalam menduga risiko pada saham AALI.JK menggunakan tingkat kepercayaan 95%. Berdasarkan hasil penelitian, metode simulasi historis boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0075 ≤ ≤ 0,0440, sedangkan dengan menggunakan metode pendekatan transformasi Johnson boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0154 ≤ ≤ 0,0609. VaR absolut dalam menduga risiko pada saham AALI.JK menggunakan tingkat kepercayaan 95%. Pada VaR absolut, metode simulasi historis boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0032 ≤ ≤ 0,0319, sedangkan dengan menggunakan metode pendekatan transformasi Johnson boleh digunakan apabila probabilitas pelanggaran yang diharapkan sebesar 0,0075 ≤ ≤ 0,0440. Kata kunci: Value at Risk, Simulasi Historis, Transformasi Johnson, Backtesting, uji kejadian Bernoulli

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE BAYESIAN GELF MENGGUNAKAN PRIOR INFORMATIF DAN NON-INFORMATIF Surati Surati; Helmi Helmi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Data survival adalah data yang menunjukkan waktu suatu individu atau objek dapat bertahan hidup hingga terjadinya suatu kegagalan atau kejadian tertentu. Data dikatakan tersensor apabila data tidak dapat diamati secara lengkap karena objek penelitian hilang atau mengundurkan diri atau sampai akhir penelitian objek tersebut belum mengalami kejadian tertentu. Tujuan pada penelitian ini adalah menentukan estimasi parameter model survival distribusi Eksponensial pada data tersensor dengan metode Bayesian GELF menggunakan prior Gamma sebagai prior informatif dan prior Jeffreys sebagai prior non-informatif dan menerapkan pada kasus penderita kanker paru-paru. Setelah diperoleh estimator dari kedua prior, selanjutnya diterapkan pada data pasien penderita kanker paru-paru berdistribusi Eksponensial yang diambil dari program R versi 3.3.0 untuk mengetahui peluang individu dapat bertahan hidup. Nilai MSE yang diperoleh untuk fungsi survival dan fungsi hazard untuk prior Gamma ialah 0.000135766 dan 1.2999E-07, sedangkan fungsi survival dan fungsi hazard untuk prior Jeffreys ialah 0.000186044 dan 1.76866E-07. Berdasarkan nilai MSE dari estimator pada penelitian ini, diperoleh metode Bayesian GELF prior Gamma lebih baik dari pada metode Bayesian GELF prior Jeffreys. Salah satu contoh hasil dari olah data metode Bayesian GELF prior Gamma, diperoleh peluang hidup pasien pada kasus ini yang mengidap penyakit kanker paru-paru selama 1 hari adalah 0.992169551, selama 80 hari adalah 0.5331772256, selama 250 hari adalah 0.14011148, selama 587 hari adalah 0.009906501, dan selama 999 hari adalah 0.000388427. Kata Kunci: Distribusi Eksponensial, Metode Bayesian GELF, Prior Gamma, Prior Jeffreys, Survival.

PERBANDINGAN MODEL REGRESI PARAMETRIK EKSPONENSIAL DAN WEIBULL PADA DATA SURVIVAL TERSENSOR INTERVAL Jajad Sudrajat; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Analisis survival adalah suatu metode untuk menganalisis data yang berhubungan dengan waktu, mulai dari start-point sampai dengan terjadinya suatu kejadian khusus atau end-point. Data pengamatan yang kejadian hanya diketahui pada selang waktu tertentu, yaitu sebelum dan sesudah waktu tertentu saja disebut data tersensor interval. Data tersensor interval dianalisis membentuk model regresi Eksponensial dan Weibull sehingga mendapatkan model terbaik. Data yang digunakan dalam penelitian ini adalah hasil pengamatan terhadap ketahanan gigi susu dengan jumlah sampel 4386 anak di Flenders, Belgia. Faktor-faktor yang dianggap penting mempengaruhi ketahanan gigi susu adalah jenis kelamin anak dan status awal gigi anak. Model regresi parametrik yang dibandingkan adalah model regresi eksponensial dan model regresi Weibull, pemilihan model terbaik dapat dilihat dengan membandingkan nilai AIC. Berdasarkan nilai AIC, model regresi Weibull merupakan model yang lebih baik dibandingkan model regresi Eksponensial. Pada anak yang berjenis kelamin laki-laki memiliki waktu ketahanan gigi lebih tinggi dibandingkan anak yang berjenis kelamin perempuan. Status awal gigi tidak cacat memiliki waktu ketahanan gigi lebih tinggi dibandingkan dengan status awal gigi sudah cacat.Kata Kunci: Survival, Tersensor Interval, Model Regresi Parametrik

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI PARETO - GAMMA DENGAN METODE BAYESIAN LINEX LOSS FUNCTION Mega Putri; Shantika Martha; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Data survival merupakan data yang menunjukkan waktu suatu individu atau objek dapat bertahan hidup hingga terjadinya suatu kejadian tertentu. Data dikatakan tersensor apabila data yang diamati tidak lengkap karena hilangnya objek penelitian atau sampai akhir penelitian objek tersebut belum mengalami suatu kejadian tertentu. Tujuan dari penelitian ini adalah menentukan estimasi parameter model survival yang berdistribusi Pareto pada data tersensor dengan metode Bayesian LINEX Loss Function menggunakan prior Gamma. Data yang digunakan adalah data sekunder pasien kanker paru-paru dari penelitian yang dilakukan oleh Kalbfleisch dan Prentice pada tahun 1980. Berdasarkan hasil estimasi metode Bayesian LINEX Loss Function untuk studi kasus penderita kanker paru-paru dapat diketahui peluang seorang penderita kanker paru-paru untuk bertahan hidup semakin lama semakin kecil (mendekati nol), hingga akhirnya mengalami kematian. Nilai MAPE yang diperoleh dari fungsi Survival distribusi Pareto dengan pendekatan Bayesian LINEX Loss Function adalah sebesar 19,66%. Hal ini berarti bahwa metode Bayesian LINEX Loss Function memiliki kemampuan peramalan yang baik dalam mengestimasi peluang hidup pasien penderita kanker paru-paru.Kata Kunci : Distribusi Pareto, Bayesian, LINEX Loss Function, MAPE.

PERHITUNGAN CADANGAN PREMI ASURANSI JIWA DWIGUNA DENGAN METODE FACKLER BERDASARKAN ASUMSI CONSTANT FORCE Ratna Nursariyani; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): 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.v10i3.48339

Asuransi jiwa dwiguna merupakan perpaduan antara asuransi jiwa berjangka dan asuransi jiwa seumur hidup. Peserta asuransi baik meninggal dunia maupun bertahan hidup akan dibayarkan uang pertanggungan. Premi yang diterima oleh perusahaan sebagian harus dicadangkan sebagai cadangan premi, sehingga bila di masa yang akan datang terjadi klaim, maka perusahaan tidak kesulitan membayarnya. Penelitian ini bertujuan untuk menganalisis besarnya cadangan premi pada asuransi jiwa dwiguna menggunakan metode Fackler berdasarkan asumsi Constant Force. Langkah-langkah pada penelitian ini adalah menghitung peluang kematian menggunakan asumsi Constant Force, menghitung nilai suku bunga dalam bulanan, menghitung nilai anuitas dan premi dwiguna, kemudian menentukan nilai cadangan. Pada penelitian ini digunakan Tabel Mortalita Indonesia 2019. Kemudian diambil kasus seorang laki-laki dan perempuan berusia 23, 30 dan 35 tahun, dengan lama masa pertanggungan asuransi selama lima tahun dan lama masa pembayaran premi selama lima tahun, kemudian tingkat suku bunga sebesar 4, 5 dan 6% serta besar santunan yang akan diterima sebesar Rp30.000.000,-. Nilai cadangan yang dihasilkan untuk tahun pertama sebesar Rp4.151.101,- dengan nilai cadangan yang dihasilkan perbulan, untuk bulan pertama pada tahun pertama sebesar Rp368.076,- dan semakin meningkat setiap bulannya maupun setiap tahunnya selama masa pertanggungan, sehingga nilai cadangan sama dengan santunan yang diterima oleh tertanggung ketika masa periode berakhir. Kata Kunci: Cadangan retrospektif, premi bersih

METODE BAYESIAN SELF UNTUK ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI RAYLEIGH Asty Fistia Ningrum; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Data survival adalah data yang menunjukkan waktu suatu objek atau individu dapat bertahan selama dilakukan penelitian. Penelitian ini membahas mengenai metode Bayesian SELF untuk estimasi parameter model survival distribusi Rayleigh. Proses estimasi parameter metode Bayesian SELF memerlukan informasi dari fungsi likelihood dan distribusi prior yang kemudian akan membentuk distribusi posterior. Setelah diperoleh estimator dari metode tersebut, selanjutnya diterapkan pada data pasien penderita kanker ovarium yang telah diberi perawatan kemoterapi berdistribusi Rayleigh yang diambil dari program R. Berdasarkan hasil estimasi parameter metode Bayesian SELF dengan prior Vague pada studi kasus penderita kanker ovarium menghasilkan hasil estimasi parameter nilai survival yang kurang baik untuk distribusi Rayleigh meskipun hasil estimasi nilai survival penderita kanker ovariumnya meningkat. Untuk hasil estimasi parameter model survival distribusi Rayleigh yang lebih baik, dapat menggunakan prior lainnya seperti prior Uniform. Kata Kunci: Kanker Ovarium, Vague, Posterior.

PERHITUNGAN VALUE AT RISK PORTOFOLIO PADA FUNGSI ARCHIMEDEAN COPULA Nona Lusia; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.44829

Value at Risk (VaR) merupakan salah satu alat ukur yang digunakan untuk menghitung risiko pada portofolio. Akan tetapi VaR memiliki asumsi distribusi normalitas. Pada kenyataannya data finansial lebih sering berdistribusi tidak normal dan return dari data mengindikasikan adanya heteroskedastisitas. Salah satu metode yang dapat digunakan untuk mengatasi masalah tersebut adalah menghitung nilai VaR menggunakan copula. Tujuan penelitian ini untuk menganalisis perhitungan nilai VaR saham portofolio menggunakan fungsi archimedean copula. Langkah-langkah perhitungan VaR menggunakan fungsi archimedean copula adalah menghitung nilai return saham, mencari nilai statistik deskriptif dari return, melakukan uji autokorelasi dan uji heterokedastisitas pada return saham, memeriksa nilai ekstrem menggunakan Pareto tail, mengestimasi parameter keluarga archimedean copula, melakukan simulasi archimedean copula, menghitung nilai VaR saham portofolio. Penelitian ini menggunakan data harga saham penutupan harian BBCA dan BBNI periode 4 Januari 2016 sampai 30 Oktober 2019. Berdasarkan hasil analisis, diperoleh perhitungan nilai VaR pada keluarga fungsi archimedean copula adalah sebagai berikut: Clayton copula dengan tingkat kepercayaan 90%, 95%, dan 99% secara berturut-turut dari aset yang diinvestasikan adalah 0,8254%, 0,8389%, dan 0,8528%. Gumbel copula adalah 0,8306%, 0,8453%, dan 0,8581%. Frank copula adalah 0,8244%, 0,8382%, dan 0,8539%. Terlihat bahwa semakin besar tingkat kepercayaan yang digunakan maka semakin besar tingkat risiko yang diperoleh investor. Perhitungan nilai VaR portofolio menggunakan fungsi Gumbel copula menghasilkan nilai VaR tertinggi. Kata Kunci: Investasi, Portofolio, VaR, Clayton copula, Gumbel copula, Frank copula

Co-Authors Alex Sander Anita Anita Ariady Zulkarnain Asty Fistia Ningrum Bagus Setiadi Bella Amalia Deni Wardani Dhessy Rahmayanti Eka Rizki Wahyuni Ernita Saputri Evi Noviani Evy Sulistianingsih Gristia Aldilla Hari Rahman Alam Helmi Helmi Hendra Perdana Ilham Saputra Isra’ Sagita Jajad Sudrajat Laksono Trisnantoro Lilit Tamara Dinta Linisius Caesar Kevin Sinopa Mariana Yopi Mega Putri Mida Mida Nanda Ayuni Naomi Nessyana Debataraja Neva Satyahadewi Nona Lusia Nurfitri Imro’ah Ovi Indah Afriani Rafika Aufa Hasibuan Rahmanita Febrianti Rusmaningtyas Ratna Nursariyani Ria Andini Rizki Nur Rahmalita Sani Sani Santi Santi Shantika Martha Sumiarti Sumiarti Surati Surati Tri Jayanti Kwamjih Dasilia Trinita Ariningsih Wenty Resti Anggraeni Wirda Andani Yaziz Yaziz

Title

Found 37 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 37 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 37 Documents
Search