Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Electronic Journal of Graph Theory and Applications (EJGTA) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) eProceedings of Engineering
Rian Febrian Umbara
Universitas Telkom
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 1   2   3   4   5 
Peramalan Return Portofolio Saham - Saham Lq45 Menggunakan Metode Weighted Fuzzy Time Series Muhamad Lutfi Chandra; Rian Febrian Umbara; 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 Return portofolio merupakan return investasi dalam berbagai instrumen keuangan selama suatu periode tertentu. Salah satu jenis portofolio adalah equal weight portofolio. Metode yang efektif untuk mendapatkan nilai peramalan return portofolio saham – saham LQ45 adalah metode weighted fuzzy time series. Saham-saham LQ45 adalah saham-saham yang dikelompokan terhadap 45 saham yang memiliki tingkat likuiditas perdagangan di atas rata-rata tingkat likuiditas saham lainnya yang terdaftar di Bursa Efek Indonesia. Saham yang digunakan dalam membentuk portofolio equal weight yaitu 20 saham dengan rata – rata return terbesar. Hasil peramalan return portofolio menggunakan metode weighted fuzzy time series sangat efektif dibandingkan dengan fuzzy time series dengan RMSE (Root Mean Squared Error) WFTS 0.03109848 sedangkan tingkat error menggunakan fuzzy time series (FTS) yaitu 0.047415. Kata kunci : LQ45, Portofolio, return, Weighted fuzzy time series (WFTS), Root Mean Squared Error (RMSE), Fuzzy Time Series (FTS). Abstract Portfolio return is a return on investment in a variety of financial instruments during a certain period. One type of portfolio is equal weight portfolio. An effective method for obtaining stock return portfolio forecasting values - LQ45 shares is a weighted fuzzy time series method. LQ45 shares are shares that are grouped against 45 shares that have a level of trading liquidity above the average level of liquidity of other shares listed on the Indonesia Stock Exchange. The shares used in forming the equal weight portfolio are 20 shares with the highest average return. The results of portfolio return forecasting using the weighted fuzzy time series method is very effective compared to fuzzy time series with RMSE (Root Mean Squared Error) WFTS 0.03109848 while the error rate uses fuzzy time series (FTS) that is 0.047415. Keywords: LQ45, Portfolio, return, Weighted f
Optimasi Portofolio Saham Dengan Metode Tracking Efficient Ayunda Firsty Trisnowati; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Metode Tracking Efficient (TE) adalah salah satu metode yang dapat digunakan dalam pembentukan portofolio untuk mendapatkan portofolio yang memiliki kinerja mirip dengan kinerja pasar. Dalam penerapannya, TE menggunakan analisis data historis untuk pembentukan portofolio dengan rentang periode waktu tertentu. Parameter β merupakan salah satu yang digunakan dalam metode TE sebagai ukuran relatif saham terhadap pasar dan menunjukkan sensitivitas tingkat return saham terhadap return pasar. Dengan pemilihan β yang sesuai, maka dapat dibentuk portofolio yang memiliki kinerja mirip dengan pasar. Indeks pasar yang dijadikan acuan pada tugas akhir ini adalah Indeks LQ45 (17 Desember 2012 – 4 Agustus 2014). Berdasarkan hasil eksperimen yang telah dilakukan, pemilihan nilai β dengan interval 0,9≤β ≤ 1,2 menghasilkan nilai Index of Similarity yang lebih tinggi dibandingkan dengan pemilihan β pada interval 0,9≤β ≤ 2. Dibandingkan dengan metode pembanding yaitu Mean Variance (MV), TE dapat menghasilkan portofolio dengan Index of Similarity lebih tinggi (99,66%) dibandingkan MV (99,14%) pada pengujian data evaluasi dengan jumlah saham yang terlibat 21 saham. Jika dilihat dari nilai risiko, Tracking Efficient dan Mean Variance tidak berbeda secara signifikan. Semakin banyak jumlah saham dalam portofolio akan mempengaruhi beberapa hal yaitu Index of Similarity meningkat, tetapi risiko dan expected return menurun. Kata kunci: Portofolio, LQ45, Index Tracking, Tracking Efficient, Mean Variance
Analisis Pengaruh Penambahan Variance-based Constraints Dan Global Variance-based Constraints Terhadap Optimasi Portofolio Mean Variance Alberila Fraida Loceseima Putri; 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

Portofolio merupakan gabungan atau kombinasi dari berbagai instrumen atau aset investasi yang disusun untuk mencapai tujuan investasi investor. Berdasarkan teori portofolio Markowitz, risiko dapat diminimumkan dengan cara diversifikasi dan dikombinasikan dengan berbagai instrumen aset investasi. Metode yang digunakan dalam meminimumkan risiko adalah Mean Variance. Walaupun Mean Variance dapat membantu meminimumkan risiko, tetapi bobot portofolio yang dihasilkan ekstrim, terutama jika jumlah aset investasi cukup banyak. Oleh karena itu, untuk memperbaiki kekurangan tersebut digunakanlah metode Variance-Based Constraints (VBC) dan metode terbaik, Global Variance-Based Constraints (GVBC) dengan menggunakan varian aset, standar deviasi, dan nilai 𝜶 sebagai parameter untuk untuk menentukan range bobot optimal. Dari hasil perhitungan yang dilakukan menggunakan data historis, α optimal dicapai pada saat α = 0% untuk mendapatkan nilai return, risiko dan Sharpe Ratio terbaik. Sedangkan dari hasil pengujian dengan data uji, nilai return dan Sharpe Ratio terbaik dicapai pada saat menggunakan VBC dan GVBC, begitu pula dengan risiko portofolio terkecil nya. Metode VBC dan GVBC memberi pengaruh yang baik terhadap risiko portofolio Mean Variance, sehingga risiko portofolio yang diuji menghasilkan nilai yang terkecil atau terbaik. Kata kunci : Portofolio, LQ45, Mean Variance, Variance-Based Constraints, Global Variance-Based Constraints, VBC, GVBC
Prediksi Indeks Harga Saham Menggunakan Self Organizing Map Dan Genetic Programming Lintong Aldiron Sihombing; Rian Febrian Umbara; Izzatul Ummah
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

Investasi dalam bidang keuangan adalah penting untuk semua orang. Salah satu investasi keuangan adalah saham. Indeks harga saham merupakan indikator yang menggambarkan pergerakan harga saham dalam suatu periode. Prediksi indeks harga saham dapat dilakukan menggunakan metode gabungan Self Organizing Map (SOM) dan Genetic Programming (GP) yang ditemukan oleh Chih-MungHsu. Self Organizing Map  adalah salah satu metode yang bertujuan untuk mengelompokkan data, kemudian metode Genetic Programming fokus pada salah satu tujuan utama ilmu komputer, yaitu automatic programming. Keluaran dari metode ini adalah sebuah formula aritmatika yang direpresentasikan dalam bentuk pohon (tree).  Metode Self Organizing Map dan Genetic Programming mempresentasikan formula-formula prediksi di setiap cluster. Hasil prediksi dari gabungan metode Self Organizing Map dan Genetic Programming ini dapat diukur keakuratan nya dengan menghitung Root Mean Square Error (RMSE) dan Mean Absolute Persentage Error (MAPE). Error yang didapatkan untuk prediksi Indeks Harga Saham Gabungan (IHSG) dengan menggunakan metode Self Organizing Map dan Genetic Programming untuk data training adalah RMSE = 0.0807 dan MAPE = 13.7536%, data testing RMSE = 0.0682 dan MAPE = 0.12.9248%, data validasi RMSE = 0.0517 dan MAPE = 9.5406%. Sedangkan menggunakan Genetic Programming saja, didapatkan hasil untuk data training, RMSE = 0.4397 MAPE = 95.0631%, data testing RMSE = 0.4454 MAPE = 95.0264%, dan data validasi RMSE = 0.4702 MAPE = 97.4519%. Dengan nilai ini disimpulkan bahwa metode Self Organizing Map dan Genetic Programming tersebut terbukti mampu memprediksi harga penutupan Indeks Harga Saham Gabungan (IHSG) dengan nilai yang cukup akurat. Kata kunci : Indeks harga saham, Self Organizing Map, Genetic Programming.
Perhitungan Value-at-risk Untuk Portofoliosaham Dengan Metode Varian - Kovarian Dansimulasi Monte Carlo Firdaus Maringga; Rian Febrian Umbara; Irma Palupi
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Value-at-Risk (VaR) merupakan alat ukur untuk menghitung nilai kerugian maksimal portofolio investasi dengan diberikan selang waktu dan selang kepercayaan tertentu. Terdapat tiga metode dalam perhitungan VaR: simulasi historis, Varian - Kovarian, dan simulasi Monte Carlo. Penelitian yang dilakukan pada tugas akhir ini adalah menghitung VaR pada portofolio indeks saham LQ45 pada bulan Agustus 2013 sampai Januari 2014. Metode yang digunakan adalah Varian - Kovarian dan simulasi Monte Carlo dengan selang kepercayaan 80%, 90%, 95% dan 99%. Perhitungan Varian - Kovarian lebih cepat dibandingkan dengan simulasi Monte Carlo. Waktu perhitungan VaR dengan metode Varian - Kovarian 3.219 s sedangkan waktu simulasi Monte Carlo tergantung pada jumlah perulangan, semakin besar nilai n akan menghasilkan waktu perhitungan yang lama. Nilai eror yang didapat pada simulasi Monte Carlo lebih baik dibandingan Varian - Kovarian. Pada perhitungan MAD untuk metode Varian - Kovarian dengan selang kepercayaan 80% adalah 0,0200959 sedangkan MAD pada simulasi Monte Carlo adalah 0,0208848. Uji coba pada ANOVA one way menunjukkan adanya perbedaan signifikan pada nilai VaR. Hasil perhitungan VaR digunakan pemangku portofolio untuk mengambil keputusan terhadap portofolio yang dikelola. Kata kunci :Value-at-Risk, VaR, LQ45, Varian - Kovarian, Simulasi Monte Carlo
Prediksi Harga Emas Dengan Metode Genetic Fuzzy System Dan Arima Riski Hamonangan Simanjuntak; Rian Febrian Umbara; Yuliant Sibaroni
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Emas  merupakan salah  satu  barang  berharga  yang  biasanya  digunakan sebagai  perhiasan dan koleksi, sekaligus benda yang dapat di gunakan sebagai investasi dalam jangka panjang. Oleh karena itu, sangat banyak orang yang ingin menjadikan emas sebagai ladang investasi.  Akan tetapi, harga emas dapat naik turun maupun tetap setiap hari, oleh karena itu, diperlukan prediksi yang akurat terkait harga emas, untuk mendapatkan keuntungan yang maksimal. Pada penilitian ini, akan digunakan metode Genetic Fuzzy System untuk memprediksi harga emas. Algoritma Genetika akan mengoptimasi fungsi keanggotaan, batas- batas kaki fungsi keanggotaan, dan rule fuzzy. Fuzzy yang telah dioptimasi akan digunakan untuk memprediksi harga emas. Hasil prediksi tersebut akan dibandingkan dengan metode ARIMA. Hasil dari beberapa ujicoba pada tugas akhir ini, menunjukkan bahwa prediksi harga emas  yang terbaik menggunakan metode Genetic Fuzzy System dihasilkan dari Ukuran populasi 100, generasi 50,  probabilitas crossover 0.9, probabilitas mutasi 0.1 dengan error pelatihan 5.9013% dan error pengujian 3.1560%.Sedangkan untuk prediksi menggunakan metode ARIMA memiliki error  pelatihan  2.681419% dan error pengujian 2.346184 %
Prediksi Indeks Harga Saham Dengan Metode Gabungan Jaringan Syaraf Tiruan Dan Support Vector Regression Lisbeth Evalina Siahaan; Rian Febrian Umbara; Yuliant Sibaroni
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

Harga suatu saham yang berubah secara cepat dari waktu ke waktu. Pergerakan indeks harga saham menjadi tolak ukur para pemilik saham untuk membuat keputusan kapan sebaiknya saham dibeli, dijual atau diperthankan. Untuk itu diperlukan suatu model yang dapat memprediksi indeks harga saham untuk memantau pergerakan tersebut dan membantu para pemilikk saham dalam mengambil keputusan. Penelitian ini mengusulkan metode untuk memprediksi pergerakan harga saham dengan menggunakan metode gabungan Support Vector Regression (SVR) pada tahap dan Jaringan Syaraf Tiruan (JST) pada tahap kedua. Pada penelitian ini, Algoritma Genetika atau Genetic Algorithm (GA) akan digunakan untuk melakukukan optimasi parameter SVR. Prediksi dibuat untuk 1, 3, 5, 7, 10, 15, dan 30 hari kedepan. Dari serangkaian uji coba yang dilakukan, SVR-JST (SVR dioptimasi GA) memberikan tingkat kesalahan lebih kecil dibandingkan dengan metode JST. Kata kunci: Indeks Harga Saham, Metode Gabungan, Genetic Algorithm, Support Vector Regression, Jaringan Syaraf Tiruan
Prediksi Harga Emas Di Indonesia Berdasarkan Nilai Tukar Dollar Terhadap Rupiah Dengan Menggunakan Regresi Dan Rantai Markov Multivariat Budi Ihsan Daulay; Rian Febrian Umbara; Aniq Atiqi Rohmawati
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

Penelitian ini menggunakan metode gabungan regresi dan rantai markov multivariat. Regresi digunakan untuk mengestimasi parameter model, sedangkan rantai markov multivariat digunakan untuk menentukan pergerakan naik atau turunnya harga emas dan peluang. Pergerakan harga emas di pengaruhi permintaan pasar, semakin banyak permintaan akan emas maka harga emas akan naik begitu juga sebaliknya. Selain permintaan akan emas, emas juga dipengaruhi oleh nilai tukar dollar. Nilai tukar dollar memiliki hubungan negatif terhadap harga emas, jika nilai tukar dollar menurun, maka harga emas akan naik. Karena dibutuhkan lebih banyak dollar untuk membeli emas [7]. Sebaliknya jika nilai tukar dollar naik, maka harga emas turun.Tujuan dari penelitian ini adalah dapat membentuk model regresi dan rantai markov multivariat untuk prediksi harga emas di Indonesia berdasarkan nilai tukar dollar terhadap rupiah dan mendapatkan akurasi model regresi dan rantai markov multivariat untuk prediksi harga emas. Hasil prediksi harga emas menggunakan model regresi dan rantai markov multivariat mempunyai mean absolute percentage error (MAPE) sebesar 10,0738%. Kata kunci: Harga Emas, Nilai Tukar, Model Regresi, Rantai Markov Multivariat
Pemilihan Portofolio Saham Dengan Menggunakan Weighted Frequent Itemsets Resi Annisa Nur; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Portofolio saham merupakan sekumpulan saham yang dimiliki oleh berbagai sektor untuk menjadi bukti kepemilikan para investor. Saham tersebut memiliki jumlah proporsi yang berbeda. Tujuan dari Tugas Akhir adalah untuk membuat sebuah portofolio saham dengan memilih itemsets saham yang memenuhi persyaratan, yaitu minimum return dan minimum diversifikasi. Penelitian ini menggunakan pendekatan algoritma data mining yaitu weighted frequent itemsets. Weighted frequent itemsets merupakan teknik pemisahan data saham yang bertujuan untuk menemukan hubungan atau korelasi pada sekumpulan dataset yang akan dipilih. Dataset yang digunakan untuk pemilihan portofolio saham diambil dari Yahoo Fianace (2018), data yang digunakan diambil dari Tanggal 1 Januari 2008 hingga 31 Desember 2017. Pengujian yang dilakukan yaitu dengan menetapkan minimum return 3%, 4%, 5%. Untuk itemsets saham yang dipilih, terdiri dari banyak saham yang melebihi minimum return dan terdiversifikasi pada sektorsektor yang berbeda. Dari hasil pengujian yang dilakukan, kinerja portofolio saham yang diperoleh melebihi IHSG (Indeks Harga Saham Gabungan) berdasarkan skenario secara periodik dengan menggunakan data yang diupdate. Kata kunci : diversifikasi, portofolio saham, weighted frequent itemsets. Abstract The stock portfolio is a collection of shares owned by various sectors to be a proof of ownership of investors. These shares have different amounts of proportion. The purpose of the Final Project is to create a stock portfolio by selecting stock itemsets that meet the requirements, ie minimum return and minimum diversification. This research uses data mining algorithm approach that is weighted frequent itemsets. Weighted frequent itemsets are stock data separation techniques that aim to find a relationship or correlation on a set of datasets to be selected. The dataset used for stock portfolio selection is taken from Yahoo Fianace (2018), the data used is taken from January 1, 2008 to December 31, 2017. Testing is done by setting a minimum return of 3%, 4%, 5%. For selected itemsets of stock, it consists of many stocks that exceed the minimum return and diversified in different sectors. From the results of the tests performed, the performance of the stock portfolio obtained exceeds the JCI (Composite Stock Price Index) based on the scenario periodically by using updated data. Keywords: diversification, stock portfolio, weighted frequent itemsets.
Pemodelan Produksi Biogas Pada Reaktor Tipe Batch Menggunakan Metode Milne-simpson Predictor-corrector Mohammad Adietya Perdana; Rian Febrian Umbara; Isman Kurniawan
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

Pada penelitian ini dijelaskan model prediksi hasil produksi biogas dengan menggunakan reactor tipe batch. Pada penelitian ini substrat utama dalam produksi biogas adalah substrat glukosa yang memiliki nilai konsentrasi awal 500 gCODm-3 dan waktu produksi biogas dilakukan selama 106 jam. Didalam penelitian ini juga dijelaskan mengenai konsentrasi substrat dan mikroba yang terlibat pada perencanaan anaerobik, penentuan keakurasian hasil konsentrasi metana pada simulasi dan ekperimen yang sudah dilakukan pada penelitian rujukan [2], pengaruh nilai pembagi interval terhadap waktu proses perhitungan, dan juga pengaruh konsentrasi awal glukosa dan mikroorganisme terhadap hasil konsentrasi metana. Dalam memprediksi produksi biogas diperlukan suatu model yaitu Anaerobic Digestion Model 1 (ADM1) karena didalam model ADM1 mencakup kinetika disintegrasi partikel karbohidrat, protein, lipid, hidrolis, dan asam amino. Untuk mendapatkan hasil model yang memiliki keakurasian tinggi digunakan metode numerik Milne-Simpson Predicor-Corrector. Hasil pemodelan kandungan metana dari produksi biogas pada penelitan ini mengalami kenaikan tren pada nilai konsentrasi hingga mencapai 417,51573 gCODm-3 dan konsentrasi mikroba terbesar dari produksi ini adalah konsentrasi mikroba glukosa mencapai 77,67351 gCODm-3. Kata Kunci: Biogas, ADM1, Metode Milne-Simpson Predictor-Corrector.
Co-Authors A. Maulana Mukhsin A.N.M. Salman Abdurrahman Muttaqiin Abdurrazaq Naufal Agri Pratomo Alberila Fraida Loceseima Putri Alfian Yudha Iswara Ali Assegaf Almaya Sofariah Andri Saputra Aniq Atiqi Rohmawati Anjar Pratiwi Annisa Aditsania Annisa Resnianty Ardhia Pringgowati Ardhyka Dewantara Arfian Nurdiansyah Astri Asroviana Putri Ayunda Firsty Trisnowati Bambang Eko Supriyadi Bambang Hidayat Barini Harahap Budi Ihsan Daulay Cipta Rahmadayanti Clara Amanda Danang Triantoro Murdiansyah Defy Ayu Dela Tantri Riyandani Deni Saepudin Dika Rizky Nurcholis Erick Anugrah Prihananta Esther Laura Christy Felix Octavianus Hasudungan Fiqi Ruli Setiawan Firdaus Maringga Firdaus Maringga Firdaus Maringga Gege Safet Yanto Raharjo Hafiz Denasputra Harry Susilodharma I Komang Gede Rusmawan I Wayan Ade Sugisnawan Dandysmara I Wayan Ade Sugisnawan Dandysmara Iman Nur Fakhri Indra Utama Sitorus Indwiarti Irma Palupi Isman Kurniawan Izzatul Ummah Jeshurun Eliezer Cussoy Jondri Jondri Karina Priscilia Karina Priscilia Lintong Aldiron Sihombing Lisbeth Evalina Siahaan Lola Yolanda Ruth Herinis Lumbanraja May Rozakhi Takkas Mohammad Adietya Perdana Muhamad Lutfi Chandra Muhammad Faizal Muhammad Farhan Muzakki Muhammad Gentur WitjaksonoKurniawan Muhammad Gentur WitjaksonoKurniawan Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Nathan Sukmawan Nurseno Bayu Aji Nurseno Bayu Aji Patma Oktaviana Pritta Etriana Putri Putri Haryati Rizki Putri Haryati Rizki Rahmi Putri Amalia Resi Annisa Nur Rinaldi Wibiyanto Riski Hamonangan Simanjuntak Riyadi Lazuardi Sirait Rizki Ayudiah Kartika Paramita Rizky Farida Utami Rizky Retno Utami Sheila Nur Fadhila Siti Rahmah Madusari Sri Suryani Sri Suryani Sri Suryani Tedo Hariscandra Tegar Tionanda Putra Triyana Kadarisman Uggi Stivani Savitri Yanuar Ishaq Yuliant Sibaroni