Claim Missing Document
Check
Articles

Found 18 Documents
Search

STOCK PRICE PREDICTION AND SIMULATION USING GEOMETRIC BROWNIAN MOTION-KALMAN FILTER: A COMPARISON BETWEEN KALMAN FILTER ALGORITHMS Maulana, Dimas Avian; Sofro, A'yunin; Ariyanto, Danang; Romadhonia, Riska Wahyu; Oktaviarina, Affiati; Purnama, Mohammad Dian
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 1 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss1pp97-106

Abstract

Stocks have high-profit potential but also have high risk. Many people have ways to forecast stock prices. The Geometric Brownian Motion (GBM) method forecasts stock prices. The data used in this study are closing stock price data from July 1, 2021 to August 31, 2021 taken from Yahoo! Finance. The stocks used in this research are Bank Rakyat Indonesia (BBRI), Indofood Sukses Makmur (INDF), and Telkom Indonesia (TLKM). A strategy is carried out to improve prediction accuracy by utilising the Kalman Filter (KF). This research will compare the mean absolute percentage error (MAPE) value between GBM-KF, which was manually computed and computed using the Python library. As an example of this research, for BBRI stock, the high GBM MAPE value of 9.02% can be reduced to 3.52% with manually computed GBM-KF and 3.68% with Python library computed GBM-KF. Similarly, INDF and TLKM stocks are showing a significant reduction in MAPE values to deficient levels in some cases. The GBM-KF method employing manual computing may enhance the overall precision of stock price forecasting. Future research may enhance this study by using the GBM-KF model on alternative financial instruments, integrating supplementary market data, or evaluating its efficacy under extreme market conditions.
PEMODELAN SPASIAL PENYAKIT JANTUNG DI INDONESIA MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FIXED DAN ADAPTIVE BANDWIDTH Prameswari, Yunita; Oktaviarina, Affiati; Ariyanto, Danang
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 2 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Penyakit jantung koroner (PJK) merupakan penyebab utama kematian di Indonesia. Prevalensi PJK bervariasi di setiap provinsi yang dipengaruhi oleh perbedaan faktor kesehatan dan gaya hidup. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi prevalensi PJK menggunakan metode Geographically Weighted Regression dengan pendekatan bandwidth fixed dan adaptive Gaussian. Hasil penelitian menunjukkan bahwa model GWR dengan fixed bandwidth lebih baik dibandingkan dengan adaptive bandwidth, dengan nilai AIC yaitu -31,32 dan sebesar 82,20%, sehingga lebih optimal dalam menjelaskan variasi spasial prevalensi PJK. Analisis menunjukkan bahwa prevalensi ginjal dan prevalensi obesitas merupakan variabel yang signifikan terhadap prevalensi PJK. Hal ini menunjukkan bahwa hubungan antara faktor risiko dan prevalensi PJK berbeda antarprovinsi, sehingga pendekatan berbasis spasial relevan.
Peramalan PDRB PERAMALAN PDRB DI JAWA TIMUR MENGGUNAKAN MODEL ARIMAX DENGAN VARIABElL EKSOGEN EKSPOR-IMPOR Salsabila, Nada; Oktaviarina, Affiati
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n1.p208-218

Abstract

PDRB (Pendapatan Domestik Regional Bruto) merupakan salah satu faktor yang mempengaruhi pertumbuhan ekonomi dimana pertumbuhan ekonomi merupakan tolak ukur kesejahteraan masyarakat. Faktor-faktor yang mempengaruhi PDRB adalah Ekspor-Impor. Ekspor-Impor berpengaruh secara positif dan signifikan terhadap PDRB. Salah satu provinsi di Indonesia yang mengalami peningkatan pada PDRB ialah Jawa Timur. Dengan adanya fenomena peningkatan tersebut penelitian ini akan menerapkan model ARIMAX pada peramalan PDRB di Jawa Timur dengan variabel eksogen Ekspor - Impor.model ARIMAX dapat mengkombinasikan beberapa data dan mengetahi hubungan antar variabel Yt dan variabel Xt. Model ARIMAX adalah sebuah modifikasi dari metode ARIMA dengan penambahan variabel prediktor. Penentuan model ARIMAX dalam penelitian ini, menggunakan oleh metode Maximum Likelihood Estimation dalam proses estimasi parameternya. Nilai AIC digunakan dalam pemilihan model terbaik dan Nilai MAPE untuk mengukur akurasi data ramalan. Model ARIMAX yang dapat digunakan untuk peramala PDRB di Jawa Timur adalah ARIMAX(0,2,1). Dimana model tersebut merupakan model terbaik karena sesuai dengan uji signifikansi dan diagnostik checking dengan nilai AIC adalah 892.62. Akurasi hasil peramalan pada data testing tergolong bagus karena memiliki nilai MAPE sebesar 1.76% atau 0.176. Hasil Peramalan pada periode selanjutnya yaitu pada tahun 2023 Kuartil III sampai 2025 Kuartil IV juga mengalami kenaikan secara perlahan.
TRADITIONAL LOGISTIC REGRESSION AND MACHINE LEARNING APPROACHES OF SOCIODEMOGRAPHIC AND ANTHROPOMETRIC FACTORS INFLUENCING HYPERTENSION IN ATHLETES Sofro, A'yunin; Maharani, Asri; Mustafidah, Mutia Eva; Khikmah, Khusnia Nurul; Oktaviarina, Affiati; Ariyanto, Danang
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 20 No 2 (2026): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol20iss2pp1125-1138

Abstract

The type and intensity of exercise performed by athletes play an important role in affecting blood pressure stability, putting them at risk of developing hypertension. Hypertension, or high blood pressure, is a medical condition in which the blood pressure in the arteries rises above normal limits. Hypertension in athletes becomes an essential factor in real cases if not detected early. Therefore, this study aims to model and analyse the sociodemographic and anthropometric factors that influence the incidence of hypertension. The data used in this study are primary data from 200 athlete selection participants at the University of Surabaya and the Indonesian National Sports Committee (INSC) of East Java. This research method proposes to compare the traditional approach with machine learning to prove the accuracy comparison of the model's goodness, where both approaches are proposed by considering the novelty proposed through the machine learning approach but still maximizing the traditional approach. The proposed methods are binary logistic regression, binary logistic regression with the addition of random effects, highly randomized tree, and support vector classification. The binary logistic regression model is better than the binary logistic regression model with random effects, random trees, and support vector classification because the accuracy, sensitivity, specificity, and F1-score value (68.5%, 69%, 68%, and 68.8%) is highest than the others. Other results showed that the waist circumference variable, the father's occupation variable, and the salary variable significantly affected hypertension at the 5% significance level.
PERBANDINGAN HASIL PREDIKSI TINGKAT INFLASI DI INDONESIA DENGAN PENGARUH SUKU BUNGA (BI RATE) DAN KURS DOLAR MENGGUNAKAN MODEL VAR DAN VECM Fir Rizqi, Hawwin Eline; Oktaviarina, Affiati
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p231-245

Abstract

Abstrak Sebagai salah satu negara dengan ekonomi terbesar di ASEAN, Indonesia memiliki kesempatan strategis untuk mempengaruhi stabilitas ekonomi di wilayah tersebut. Inflasi, suku bunga, dan nilai tukar kurs menjadi permasalahan makro ekonomi yang sering disoroti sebagai tolak ukur pencapaian kemajuan ekonomi. Salah satu aspek penting dalam menjaga stabilitas tersebut adalah pengendalian inflasi. Metode yang akan digunakan dalam penelitian ini adalah salah satu model ekonometrika multivariate time series, seperti VAR (Vector Autoregressive) dan VECM (Vector Error Correction Model). Dengan membandingkan kedua model tersebut diharapkan untuk memperoleh model terbaik dalam memprediksi tingkat inflasi di Indonesia. Dari hasil analisis diperoleh model VAR(3) dengan memiliki nilai MAPE sebesar 12.34%, sedangkan model VECM(2) memiliki nilai MAPE sebesar 15.30% yang dapat diartikan bahwa model VAR(3) merupakan model terbaik dibandingkan dengan VECM(2) dalam memprediksi tingkat inflasi di Indonesia. Kata Kunci: VAR, VECM, inflasi, suku bunga, kurs, MAPE.
Perbandingan Metode Benktander dan Munich Chain Ladder dalam Mengestimasi Cadangan Klaim Asuransi Commercial Multi-Peril: Perbandingan Metode Benktander dan Munich Chain Ladder dalam Mengestimasi Cadangan Klaim Asuransi Commercial Multi-Peril Ariyanti, Rinda; Oktaviarina, Affiati
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p475-486

Abstract

ABSTRAK Sebagai salah satu manajemen risiko bagi perusahaan asuransi, perhitungan estimasi cadangan klaim diperlukan untuk mengetahui dana yang harus disiapkan untuk membayar klaim di masa depan. Perhitungan estimasi cadangan klaim harus dilakukan secara akurat dengan metode yang tepat agar tidak menyebabkan kerugian bahkan kebangkrutan bagi perusahaan asuransi apabila hasil estimasi yang diperoleh sangat jauh dari nilai aktual. Penelitian ini bertujuan untuk membandingkan metode Benktander dan Munich Chain Ladder dalam mengestimasi cadangan klaim asuransi commercial multi-peril berdasarkan nilai prediction error yang diperoleh. Prediction error yang digunakan adalah MAPE (Mean Absolute Percentage Error) dan MSE (Mean Square Error). Data yang digunakan berupa data sekunder yang bersumber dari laporan tahunan salah satu perusahaan asuransi di Amerika Serikat. Berdasarkan hasil penelitian yang diperoleh, dapat disimpulkan bahwa metode Munich Chain Ladder memiliki performa yang lebih baik dibandingkan dengan metode Benktander dalam mengestimasi cadangan klaim asuransi commercial multi-peril karena memiliki nilai MAPE dan MSE yang lebih kecil. ABSTRACT As a part of risk management for insurance companies, the estimation of claim reserves is essential to determine the funds that must be allocated for future claim payments. The estimation process must be conducted accurately using an appropriate method to prevent financial losses or even bankruptcy if the estimated results significantly deviate from the actual values. This study aims to compare the Benktander and Munich Chain Ladder methods in estimating claim reserves for commercial multi-peril insurance based on the obtained prediction error values. The prediction errors used in this study are MAPE (Mean Absolute Percentage Error) and MSE (Mean Square Error). The data utilized consists of secondary data sourced from the annual report of an insurance company in the United States. Based on the research findings, it can be concluded that the Munich Chain Ladder method performs better than the Benktander method in estimating claim reserves for commercial multi-peril insurance, as it yields lower MAPE and MSE values.
Literasi Keuangan dan Profesi Aktuaris di Sekolah Kota/Kabupaten Mojokerto Zatadini, R. A. Diva; Permata, Reny Amalia; Oktaviarina, Affiati; Sofro, A’yunin; Maulana, Dimas Avian; Ariyanto, Danang; Khumairo, Nabilatul; Nofriyadi, Rizki
Bakti Sekawan : Jurnal Pengabdian Masyarakat Vol. 5 No. 2 (2025): Desember
Publisher : Puslitbang Sekawan Institute Nusa Tenggara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/bakwan.v5i2.907

Abstract

The development of the financial industry requires human resources with adequate financial literacy and risk management understanding. However, teachers and students in Mojokerto still face challenges in the form of low financial literacy, particularly in personal financial management, long-term financial planning, and understanding risk concepts, as well as limited awareness of the actuarial profession as a strategic career path in the financial sector. This community service program aims to enhance the financial literacy of teachers and students through interactive and educational approaches, focusing on the introduction of basic financial literacy concepts and the actuarial profession as a strategic career opportunity in the financial industry. The activities include interactive seminars, case studies, simulations, and discussion sessions to strengthen participants’ comprehension. The program is expected to improve participants’ knowledge and skills in financial literacy, broaden their understanding of the actuarial profession. Based on the results of the pre-test and post-test, it can be concluded that the learning activities conducted had a positive impact on increasing participants’ knowledge, as evidenced by the rise in their average scores from 70.89 in the pre-test to 96.44 in the post-test. Overall, this program contributes to building financially literate school communities and preparing younger generations to face future economic challenges more effectively.
Analisis Pelaksanaan Pelatihan Infografis Data Dengan Microsoft Excel Bagi Guru Kabupaten/Kota Pasuruan A'yunin Sofro; Riska Wahyu Romadhonia; Affiati Oktaviarina; Danang Ariyanto; Mutia Eva Mustafidah
Komatika: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 1 (2025): Mei 2025
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat, Institut Informatika Indonesia Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/komatika.v5i1.1078

Abstract

Dalam era teknologi yang berkembang pesat, pemanfaatan perangkat lunak seperti Microsoft Excel menjadi krusial, terutama di bidang pendidikan. Meski populer, sebagian besar guru di Kabupaten/ Kota Pasuruan belum sepenuhnya memaksimalkan Microsoft Excel untuk infografis data. Tim Pengabdian Kepada Masyarakat (PKM) mengusulkan kolaborasi dalam "Pelatihan Infografis data dengan Microsoft Excel Bagi Guru Kabupaten/Kota Pasuruan" tahun 2024, bertujuan meningkatkan pemahaman dan keterampilan guru sejalan dengan visi lembaga untuk meningkatkan mutu pendidikan. Pelatihan difokuskan pada pembuatan infografis data melalui fungsi Excel, meningkatkan keterampilan guru di Kabupaten/Kota Pasuruan dalam memanfaatkan perangkat lunak ini. Pelatihan ini telah dilaksanakan oleh tim secara luring pada hari Sabtu, 13 Juli 2024 bertempat di SMPN 1 Bangil. Pelatihan diikuti oleh 24 guru di beberapa SD di Pasuruan dan berjalan lancar. Pada saat pelatihan dilakukan penilaian dengan pretest dan posttest, berdasarkan hasil tes tersebut akan dilakukan pengujian menggunakan uji t, dengan hasil yang diperoleh adalah nilai thitung lebih besar dari ttabel dan terjadi kenaikan rata-rata nilai pretest (30,83) ke posttest (67,92) yang menunjukkan bahwa pelatihan yang dilakukan berhasil meningkatkan pemahaman dan kemampuan peserta, yang ditunjukkan oleh kenaikan nilai. Hasil survei evaluasi kegiatan menunjukkan bahwa secara keseluruhan, peserta memberikan penilaian yang sangat positif terhadap kegiatan PKM ini, dengan rata-rata poin keseluruhan sebesar 4.8. Hal tersebut menunjukkan bahwa materi dan penyampaian dalam kegiatan ini berhasil menarik minat dan memenuhi kebutuhan peserta, dengan mayoritas merasa antusias, termotivasi, dan mampu meningkatkan kemampuan mereka dalam membuat infografis data menggunakan Microsoft Excel.