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

 2   3   4   5   6 
Optimalisasi Portofolio Geometric Mean Return Dengan Semivariance Dibawah Batasan Risiko Menggunakan Metode Interior Point Triyana Kadarisman; 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 Tujuan Utama berinvestasi adalah mendapatkan keuntungan maksimum dengan tingkat resiko tertentu oleh karena itu diperlukan manajemen risiko saat berinvestasi. Dalam tulisan ini kami membahas mengenai masalah optimasi portofolio untuk memaksimalkan Portofolio Geometric Mean Return dengan Semivariance tidak melebihi ukuran risiko yang telah ditetapkan sebagai ukuran risiko dalam rekayasa keuangan. Penentuan proporsi dari setiap saham dihitung menggunakan Solver Optimization di matlab dengan menggunakan algoritma Interior Point, Simulasi Monte Carlo dan eksperimen numerik dilakukan untuk mengetahui kondisi optimal dan menunjukkan bahwa metode ini efisien. Kata kunci : optimasi portofolio, simulasi monte carlo, eksperimen numerik 1 Abstract The main purpose of investing is to get maximum profit with a certain level of risk therefore required risk management when investing. In this paper we discuss the problem of portfolio optimization to maximize the Geometric Mean Return Portfolio with Semivariance not exceeding the size of the risk that has been established as a measure of risk in financial engineering. The determination of the proportion of each share is calculated using Solver Optimization in matlab using the Interior Point algorithm, Monte Carlo Simulation and numerical experiments conducted to determine the optimal conditions and show that the method is efficient. Keywords: portfolio optimization, monte carlo simulation, numerical eksperimen.
Model Prediksi Indeks Harga Saham Di Bursa Efek Indonesia (bei) Menggunakan Rantai Markov Dan Proses Stokastik Fuzzy A. Maulana Mukhsin; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Indeks harga saham atau stock prices indexes adalah harga atau nilai dari sekelompok saham yang dikumpulkan berdasarkan kategori tertentu. Indeks ini merupakan indikator pergerakan harga saham dari seluruh saham yang diwakilinya. Perubahan harga saham yang tidak menentu menjadi pertimbangan diperlukannya prediksi untuk harga saham di Indonesia pada Bursa Efek Indonesia. Salah satu model yang dapat digunakan untuk prediksi indeks harga saham adalah Rantai Markov dan Proses Stokastik Fuzzy. Tujuan dari penelitian ini adalah memprediksi indeks harga saham di Bursa Efek Indonesia dan perhitungan eror yang diperoleh dari Proses Stokastik Fuzzy dan Rantai Markov. Hasil prediksi indeks harga saham menggunakan Rantai Markov dan Proses Stokastik Fuzzy mempunyai MAPE (Mean Absolute Precentage Eror) dari data latih sebesar 1,40355% dan dari data uji sebesar 0,01900404%. Kata Kunci : Prediksi Indeks Harga Saham, Indeks Harga saham, Proses Stokastik Fuzzy, Rantai Markov, MAPE
Prediksi Indeks Harga Saham Dengan Metode Gabungan Genetic Fuzzy System Dan Jaringan Syaraf Tiruan Abdurrahman Muttaqiin; Rian Febrian Umbara; Deni Saepudin
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

Indeks harga saham adalah salah satu acuan para investor untuk melihat kecenderungan pasar ketingkat tertentu, apakah cenderung naik atau turun berdasarkan jangka waktu tersebut. Pergerakan indeks ini akan menjadi tolak ukur para investor untuk membuat keputusan apakah investor untuk menjual, mempertahankan, atau membeli saham tersebut. Akan tetapi kondisi harga saham tidak menentu, sehingga diperlukan sebuah prediksi untuk memantau perubahan tesebut dan membantu para investor untuk mengambil keputusan. Clustering Genetic Fuzzy System adalah sebuah metode untuk memprediksi indeks harga saham. Algoritma Genetika akan mengoptimasi fungsi keanggotaan, batas-batas kaki fungsi keanggotaan, dan aturan fuzzy. Fuzzy yang telah dioptimasi akan digunakan untuk memprediksi indeks harga saham. Hasil prediksi tersebut akan dibandingkan dengan metode GFS, GE, JST dan ANFIS. Hasil dari beberapa ujicoba pada tugas akhir ini, menunjukkan bahwa prediksi indeks harga saham menggunakan metode Clustering Genetic Fuzzy System memiliki MAPE sebesar 0,95. Sedangkan untuk prediksi menggunakan metode GFS memiliki MAPE sebesar 9,49, metode GE memiliki MAPE sebesar 5,15, metode JST memiliki MAPE sebesar 1,15 dan untuk metode ANFIS memiliki MAPE sebesar 1,31. Dari hasil percobaan tersebut dapat disimpulkan bahwa metode CGFS dapat digunakan untuk memprediksi indeks harga saham dengan tingkat toleransi error sebesar 2. Kata kunci: Prediksi, Indeks Harga Saham, Genetic Fuzzy System, Algoritma Genetika, Fuzzy.
Penentuan Optimal Selling Rules Untuk Saham Sektor Telekomunikasi Dengan Algoritma Genetika Jeshurun Eliezer Cussoy; 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

Penjualan saham menjadi perhatian yang sangat penting di kalangan pemilik saham atau investor saham. Permasalahan yang sering dijumpai oleh para investor adalah optimal selling rules. Dengan adanya pendekatan metode analitik dibantu dengan metode algoritma genetika, permasalahan optimal selling rules dapat dianalisa dan hasil dari perhitungan dapat menjadi analisa keputusan para investor. Tujuan secara umum dari tugas akhir ini adalah dapat menentukan optimal selling rules dengan algoritma genetika. Dasar-dasar pengerjaan optimal selling rules meliputi metode Gerak Brown Geometrik yang digabungkan dengan metode rantai markov. Dalam membuat optimal selling rules, parameter untuk menghitung target price dan stop loss limit dapat diperoleh dengan membuat intervalnya terlebih dahulu. Parameter-parameter tersebut digunakan untuk memaksimalkan fungsi reward sebagai fungsi objektif. Pada algoritma genetika, parameter-parameter yang dipilih untuk memaksimalkan fungsi reward adalah �� 1 dan �� 2 dengan interval yang sudah dibuat sebelumnya. �� 1 untuk menghitung stop loss limit dan �� 2 untuk menghitung target price. Dalam tugas akhir ini dihitung juga perkiraan waktu menahan saham untuk dijual (expected holding time) serta probabilitas keuntungan dan probabilitas kerugiannya untuk rencana investasi modal di masa depan. Dari penelitian ini dapat disimpulkan bahwa ketika discount factor ditetapkan dan dirubah nilainya, target price tidak bergantung pada discount factor dikarenakan pada saat proses algoritma genetika sudah mencapai titik optimalnya sedangkan stop loss limit tetap bergantung pada discount factor. Untuk expected holding time dengan probabilitas keuntungan dan kerugian juga akan mengalami kebergantungan pada discount factor. Kata kunci: Gerak Brown Geometrik, Rantai Markov, Optimal Selling Rules, Algoritma Genetika.
Pemodelan Besar Klaim Asuransi Menggunakan Model Weibull Autoregressive Conditional Amount (waca) Lola Yolanda Ruth Herinis Lumbanraja; Rian Febrian Umbara; Aniq Atiqi Rohmawati
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 Pada perusahaan asuransi, diperlukan informasi penting untuk mengetahui besar klaim yang akan ditanggung oleh perusahaan di masa depan, yaitu dengan melakukan prediksi (forecast) besar klaim. Metode prediksi yang sering digunakan adalah metode analisis time series (deret waktu). Dalam penelitian ini membahas tentang memodelkan data besar klaim asuransi menggunakan model Weibull Autoregressive Conditional Amount (WACA). Model WACA yang digunakan adalah WACA (1,1). Berdasarkan hasil pengujian pada penelitian ini, diperoleh nilai estimasi parameter model WACA (1,1) menggunakan metode Maximum Likelihood Estimator (MLE) sehingga dapat memprediksi besar klaim asuransi. Nilai Root Mean Square Error (RMSE) dari hasil prediksi besar klaim asuransi adalah 7947964.6879 dengan rata-rata dari data pengamatan adalah 8046671.5508. Kata kunci : WACA, distribusi Weibull, besar klaim asuransi, prediksi, MLE, RMSE Abstract On the insurance company, important information required to know the great claims that will be paid by the company in the future by doing prediction (forecast) large claims. Prediction method that is often used is the method of analysis of time series. In this research discuss about are modeling large data insurance claims using Weibull Autoregressive Conditional Amount (WACA) model. WACA model used is the WACA (1,1). Based on the results of the test on this research, obtained the value of the estimation of model parameters WACA (1,1) using Maximum Likelihood Estimator (MLE) method so that can predict large insurance claims. The value of the Root Mean Square Error (RMSE) from the results of the great prediction is 7947964.6879 insurance claims with an average of from the observation data is 8046671.5508. Keywords: WACA, Weibull distribution, forecast, MLE, RMSE
Value-at-risk Pada Portofolio Berbasis Model Generalized Autoregressive Conditional Heteroskedastik Dan Copula Erick Anugrah Prihananta; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pengukuran risiko menjadi kajian penting karena seringkali berhubungan dengan investasi yang cukup besar dan tidak jarang berkaitan dengan dana publik. Risiko berkaitan erat dengan data time series, Generalized Autoregressive Conditional Heteroscedastic (GARCH) digunakan untuk memod- elkan variansi data yang bergerak terhadap waktu (volatilitas). Value-at-Risk (VaR) ditentukan dengan melibatkan Copula sebagai fungsi distribusi gabungan dua peubah acak. Pendekatan Copula bertujuan untuk menangkap perilaku struktur kebergantungan dua aset. Pada Tugas Akhir ini, ditentukan nilai VaR pada portofolio dua aset dari indeks saham Honda dan Toyota. Penentuan VaR didasarkan pada model GARCH dan Copula. Kemudian diperoleh hasil parameter Copula Gaussian yang melibatkan GARCH sebagai syarat distribusi marginal untuk melihat dependensi Copula terhadap data. Menurut hasil itu, dapat diperoleh hasil nilai VaR portfolio yang mendekati dengan tingkat kepercayaan yang digunakan. Berdasarkan hasil VaR portofolio menggunakan GARCH Copula terdapat mean error sebesar 10 data. Selain dengan GARCH Copula, dicari juga menggunakan historical simulation dengan mendapatkan mean error sebesar 59 data. Oleh karena itu, GARCH Copula lebih representatif dan menjadikan alternatif yang baik dalam menentukan nilai VaR portofolio. Kata kunci: Value-at-Risk, GARCH, Copula, Volatilitas
Menyisipkan Informasi Berdasarkan Fuzzy Color Histogram Dengan Menggunakan Metode Steganografi (dwt) Discrete Wavelet Transform Clara Amanda; Bambang Hidayat; Rian Febrian Umbara
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pertukaran informasi berkembang dengan pesat akibat teknologi yang semakin canggih dan memberikan pengaruh besar bagi kehidupan manusia. Keamanan dan kerahasiaan data merupakan hal yang sangat penting seiring berkembangnya teknologi dengan memanfaatkan media digital sebagai media pertukaran informasi. Untuk menjamin keamanan dan kerahasiaan data diperlukan suatu teknik, salah satunya adalah Steganography. Pada tugas akhir ini dilakukan simulasi Steganography untuk menyisipkan pesan teks (.txt) pada image (.jpg). Metode yang digunakan untuk menyisipkan pesan adalah Discrete Wavelet Transform (DWT). Penyisipan pesan ini dilakukan dengan cara mengganti nilai koefisien yang dibawah nilai threshold dengan pesan rahasia. Sedangkan Fuzzy Color Histogram (FCH) merepresentasikan sekumpulan pixel pada image yang akan disisipi secret message (teks). Berawal dengan melakukan pembagian layer pada image yang terpilih untuk dilakukan penyisipan teks, kemudian dilanjutkan dengan penentuan value representasi data menggunakan Fuzzy Color Histogram, setelah itu ditransformasikan menggunakan Inverse Discrete Wavelet Transform untuk mendapatkan Stegano Object. Dari hasil penelitian, sistem steganografi menggunakan DWT menghasilkan performansi imperceptibility antara cover object dan citra stego sangatlah mirip dengan kapasitas penyisipan yang lebih banyak. Kesimpulan ini ditunjukan dengan hasil nilai PSNR sebesar 79.44 dB dan nilai MSE sebesar 0,02721 pada cover object yang disisipi pesan sepanjang 1279 karakter. Performansi robustness pada citra stego mempunyai nilai BER sebersar 0 (nol) artinya tidak ada bit error dalam melakukan ekstraksi pada saat tanpa serangan. Kata Kunci : Steganografi, Fuzzy Color Histogram, DWT, Citra Digital
Penentuan Harga Opsi Beli Eropa Dengan Dua Proses Volatilitas Stokastik Muhammad Faizal; Irma Palupi; Rian Febrian Umbara
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 Opsi merupakan suatu emiten derivatif yang memperjualbelikan hak untuk menjual atau membeli atas suatu aset dengan harga tertentu dan selama waktu tertentu. Dalam menentukan harga Opsi bukan hal yang mudah. Salah satu model yang banyak digunakan untuk menghitung harga opsi Eropa adalah model Black & scholes. Dalam menentukan harga opsi eropa dengan model model Black & scholes masih memiliki kekurangan yaitu, tidak dapat menghitung harga opsi pada saat out-of-the money. Sedangkan dengan model dua proses volatilitas stokastik memberikan harga opsi yang lebih konsisten dalam menentukan harga opsi. Dengan menyubtitusikan model dua proses stokastik kedalam persamaan diferensial Black & scholes. Pada pengujian yang telah dilakukan, penentuan harga opsi Eropa dengan dua proses volatilitas stokastik memberikan hasil yang lebih mendekati harga pasar dibandingkan dengan satu proses volatilitas stokastik. Pada perhitungan MSE untuk model dua proses stokastik adalah 0,4478 sedangkan MSE untuk model satu proses stokastik adalah 0,4726 hal ini menunjukkan perbedaan yang tidak jauh antara model dua proses stokastik dengan satu proses stokastik dalam menentukan harga opsi beli Eropa. Kata kunci: Opsi, Opsi Eropa, Dua proses volatilitas stokastik.
Penentuan Harga Opsi Multi Aset Tipe Eropa Melalui Model Multidimensional Black-scholes Muhammad Saddam Salsabillah; Irma Palupi; Rian Febrian Umbara
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 Opsi multiaset merupakan suatu kontrak atau perjanjian antara dua pihak, dimana pihak pertama adalah sebagai pembeli yang memiliki hak bukan kewajiban untuk membeli atau menjual dari pihak kedua yaitu penjual terhadap beberapa aset tertentu pada harga dan waktu yang telah ditetapkan. Melihat permasalahan tersebut, berdasarkan waktu pelaksanaanya dalam penentuan nilai opsi tipe Eropa yang nilainya bergantung pada pada multiaset akan menggunakan modifikasi model Black-Scholes untuk lebih dari satu underlying aset. Pengambilan data pada penelitian ini berasal dari yahoofinance.com, dimana data saham yang diambil yaitu Microsoft Co. (MSFT) dan Coca-Cola Co. (KO). Pada penelitian ini, digunakan metode finite difference skema implisit untuk menyelesaikan persamaan diferensial model Black-scholes untuk opsi lebih dari satu underlying aset. Pada penelitian ini, multiaset yang digunakan hanya dibatasi oleh dua aset. Dalam penilitian ini, dilakukan skenario pengujian nilai opsi yang di dapat berdasarkan perhitungan komputasi dibandingkan dengan nilai opsi pasar (market) dari masing-masing saham tersebut. Nantinya harga opsi yang di dapat akan mendekati harga opsi pasar (market). Pada penilitian ini juga dilakukan pengujian terhadap single aset sebagai perbandingan nilai opsi yang dihasilkan p opsi multiaset. Berdasarkan hasil penelitian yang telah dilakukan, hasil perhitungan opsi yang nilainya multiaset dapat diterapkan setelah menggunakan metode finite difference skema implisit untuk menyelesaikan persamaan diferensial modifikasi Black-Scholes untuk opsi lebih dari satu underlying aset. Kata Kunci : Opsi Multiaset, Tipe Eropa, Model Black-Scholes
Penentuan Harga Opsi Jual Multiaset Tipe Amerika Dengan Metode Least-Square Monte Carlo Indra Utama Sitorus; Irma Palupi; 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

Opsi saham adalah kontrak resmi yang memberikan hak (tanpa kewajiban) kepada pemilik opsi untuk membeli atau menjual sebuah aset saham pada harga tertentu dalam jangka waktu yang sudah ditentukan. Opsi saham merupakan produk derivatif dari saham bertujuan melindungi nilai dan meningkatkan keuntungan pada aset investasi. Penelitian ini akan menggunakan metode Least-SquareMonte Carlo (LSM) untuk menentukan harga opsi Amerika. Pertama, LSM diterapkan untuk menentukan harga opsi jual amerika single aset dan dilihat perbandingannya dengan harga pasar. Selain itu, ditentukan juga nilai batas exercise optimal. Hasil penggunaan parameter volatilitas dari harga historis dan implied volatility dibandingkan, dan menunjukkan bahwa nilai dengan parameter implied volatility lebih mendekati harga market daripada nilai dari volatilitas histori. Penentuan nilai opsi jual multiaset dengan LSM menerapkan skema yang sama seperti pada penentuan nilai opsi jual single aset. Pada opsi multiaset, baik nilai dari volatilitas histori maupun implied volatility, tidak memberikan hasil yang berbeda signifikan. Penelitian ini juga memperlihatkan sensitifitas nilai opsi terhadap perubahan parameter volatilitas. Kata kunci: Opsi Amerika, Opsi Jual, Least-Square Monte Carlo, Nilai Bata Exercise
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