Article Per Year (5 Year)
p-Index From 2020 - 2025
4.405
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Jurnal Teknologi dan Sistem Komputer JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control INTEK: Jurnal Penelitian Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Charity : Jurnal Pengabdian Masyarakat Mosharafa: Jurnal Pendidikan Matematika Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering Jurnal Abdimas Jurnal Komtika (Komputasi dan Informatika) LOGIC: Jurnal Penelitian Informatika
Irma Palupi
Universitas Telkom
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Mathematics Nursing Public Health Social Sciences Other

Published : 49 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 49 Documents
Search

 1   2   3   4   5 
Candlestick Patterns Recognition using CNN-LSTM Model to Predict Financial Trading Position in Stock Market Aditya Ramadhan; Irma Palupi; Bambang Ari Wahyudi
Journal of Computer System and Informatics (JoSYC) Vol 3 No 4 (2022): August 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v3i4.2133

Abstract

Investors need analytical tools to predict the price and to determine trading positions. Candlestick pattern is one of the analytical tools that predict price trends. However, the patterns are difficult to recognize, and some studies show doubts regarding the robustness of the recognizing system. In this study, we tested the predictive ability of candlestick patterns to determine trading positions. We use Gramian Angular Field (GAF) to encode candlestick patterns as images to recognize 3-hour and 5-hour of 6 candlestick patterns with Convolutional Neural Network (CNN), coupled with the Long short-term memory (LSTM) model to predict the close price. The trading position consists of buying and selling position with a hold period of several hours. Our results show CNN successfully detected 3-hour and 5-hour GAF candlestick patterns with an accuracy of 90% and 93%. LSTM can predict the close price trend with 155.458 RMSE scores and 0.9754% MAPE with 10-hour look back. With a hold duration of three hours and CNN-LSTM as an additional model, the test data's 85 candlestick patterns are recognized with 82.7% accuracy, compared to 60% accuracy of profitable trading positions when CNN candlestick pattern recognition is used alone. Compared to employing CNN candlestick pattern identification alone, the CNN-LSTM model combination can improve the prediction power of candlestick patterns and offer more lucrative trading positions.
Image Detection for Common Human Skin Diseases in Indonesia Using CNN and Ensemble Learning Method Fauzi Dzulfiqar Wibowo; Irma Palupi; Bambang Ari Wahyudi
Journal of Computer System and Informatics (JoSYC) Vol 3 No 4 (2022): August 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v3i4.2151

Abstract

Skin disease is a common health problem throughout the world which is one of the main causes of global disease. Skin and subcutaneous diseases managed to contribute 1.79% of global diseases and also became the fourth leading cause of the burden of non-fatal diseases and disability in 2013. Indonesia was ranked 29th out of 195 countries in Asia which indirectly contributed to in contributing to the transmission of skin diseases due to several causes such as lack of access to health care services, poor hygiene conditions, and also population density. Based on the information revealed in the book entitled illustrated guide on various skin diseases commonly found in Indonesia, it is stated that skin diseases ranging from herpes, ringworm, chickenpox, scabies, to psoriasis are often found in Indonesia. With current technological advances, it is possible for humans to be able to recognize various skin diseases with the help of the Convolutional Neural Network (CNN) Method. A total of 1203 images containing types of skin diseases such as herpes simplex, pityriasis, psoriasis, tinea corporis, scabies, and also vitiligo will be a class in the classification process, but because most images are still unbalanced and do not have strong object elements, it is necessary to do this. data preparation and data balancing is also needed so that the architectural model will not be difficult to learn. By using k-fold cross validation and carrying out the ensemble method, the results of the model evaluation will be in the form of an accuracy matrix where the results of each model will be compared and it will be determined which model is the best based on the results obtained. The test results that produce Cross Validation show that the RGB image is superior where the accuracy value obtained is 49% and the Grayscale image has an accuracy of 47%. however, when compared with the ensemble results, Grayscale images have superior accuracy results, namely the accuracy results are 93% and RGB images produce only 86.
Lung Cancer Prediction Model using Logistic Linear Regression with Imbalanced Dataset Priscilia Lovita Paelongan; Irma Palupi
Indonesia Journal on Computing (Indo-JC) Vol. 7 No. 2 (2022): August, 2022
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2022.7.2.616

Abstract

Cancer is one of the leading causes of death worldwide. Cancer cases in Indonesia have now reached 4.8 million in 2018. Most cases are breast, cervix, and lung. Furthermore, we need to note that 43 percent of these cancer cases are preventable. This study uses a linear logistics regression model. Linear logistic regression models can be used for categoric datasets. The appropriate model is obtained after parameter assessment, test the significance of each affecting attribute, and test the suitability of the model. This is done to obtain prediction models and risk factors at the level of correlation of disease size. This method is relatively easy and conceptually practical, so it is possible to apply it to diagnose early symptoms of lung cancer. The results include a linear logistics regression model for early prediction of lung cancer patients based on symptoms, habits, and history of health diseases to see the likelihood that someone with a certain level of risk could have lung cancer. The factors that affect a person with lung cancer are difficulty swallowing, coughing, chronic diseases, fatigue, and age.
Penyelesaian Permasalahan Pencarian Nilai Volatilitas Optimal Dengan Metode Implied Volatility Opsi Saham Dan Particle Swarms Optimization Megi Rahma Dony; Jondri Nasri; Irma Palupi
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

Volatilitas merupakan instrument penting dalam opsi saham. Hal tersebut dikarenakan volatilitas memiliki hubungan yang kuat dengan harga opsi saham. Dengan menentukan nilai volatilitas di masa mendatang, maka kita dapat mengetahui harga opsi di waktu mendatang. Salah satu cara menentukan nilai volatilitas dengan menggunakan data volatilitas yang ada, disebut sebagai implied volatility. Implied volatility dapat ditentukan dengan menyamakan harga teoritis dengan harga pasar. Model Black-Scholes adalah salah satu model teoritis untuk menentukan harga opsi saham. Fungsi implisit dari harga teoritis dengan harga pasar, maka dapat ditentukan nilai volatilitas. Untuk mengoptimalkan nilai volatilitas, maka digunakan Particle Swarms Optimization (PSO) sebagai algoritma optimasi. Pencarian dengan PSO didasarkan pada inteligence unggas dalam mencari sumber makanan. Terdapat kecepatan dan posisi dalam pencarian menggunakan PSO untuk setiap partikel dalam menemukan nilai optimal. Hasil dari metode implied volatility dan Particle Swarms Optmization menunjukkan bahwa nilai volatilitas yang dihasilkan adalah nilai volatilitas optimal dan konvergen. dimana semakin dekat jarak antara lowerbound dan upperbound maka semakin cepat nilai menuju konvergen. Kata Kunci : Implied Volatility, Model Black-Scholes, Particle Swarm Optimization
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
Analisis Perhitungan Value At Risk (var) Dengan Metode Historis Dan Variansi-kovariansi Serta Penerapannya Dalam Portofolio Anton Sri Haryanto; Deni Saepudin; Irma Palupi
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

Pengukuran risiko merupakan aspek yang sangat penting dalam analisis keuangan. Value at Risk (VaR) merupakan salah satu metode yang sering digunakan untuk menentukan risiko kerugian maksimum. VaR menghitung kerugian maksimum investasi portofolio dalam hal ini instrumennya saham. VaR memiliki beberapa metode, diantaranya metode historis dan variansi-kovariansi. Metode Historis menggunakan asumsi bahwa, kondisi perubahan harga pasar pada hari ini sampai esok hari adalah sama dengan kondisi perubahan harga pasar pada masa lalu. Metode Variansi - Kovariansi berdasarkan asumsi bahwa return dan nilai portofolio berdistribusi normal. Disini akan mencoba menerapkan VaR dengan metode historis dan variansi-kovariansi untuk portofolio yang tergabung dalam indeks saham JII. Untuk menghitung akurasi dari hasil kedua metode, antara nilai prediksi kerugian maksimum dengan nilai aktual, akan digunakan MAPE. Metode historis untuk portofolio yang memberikan nilai risiko terkecil, menghasilkan nilai akurasi MAPE sebesar 9.8347% dan bila disyaratkan tingkat return menjadi 10% akan menghasilkan akurasi sebesar 8.5309%. Sedangkan metode variansi-kovariansi untuk portofolio yang memberikan nilai risiko terkecil menghasilkan nilai akurasi MAPE sebesar 6.0186% dan bila disyaratkan tingkat returnnya menjadi 10% akan menghasilkan akurasi sebesar 5.0478%. Dari hasil akurasi, estimasi kerugian maksimum terkecil portofolio terdapat pada skema protofolio dengan metode variansi-kovariansi bobot minimum varian line. Kata Kunci : VaR, Portofolio, JII, metode historis, variansi-kovariansi, MAPE
Penentuan Value-at-risk Untuk Portofolio Pada Indeks Saham Lq45 Menggunakan Algoritma Genetika Muh. Arfan Arsyad; Jondri Jondri; Irma Palupi
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

Portofolio   merupakan   s alah  s atu  jenis   inves tas i  yang  beris iko.  Portofolio  yang  bias anya  terdiri  dari beberapa   as et   s aham   s elalu   memiliki   ris iko   ketidakpas tian,   apakah   akan   memperoleh   keuntungan ataukah   kerugian.   Dengan   adanya  hal  ters ebut,  para  inves tor  s angat  berhati-hati   bahkan  s ampai  ada yang   takut  berinves tas i  pada  portofolio   karena  s elalu  ada  ris iko  kerugian.  Ris iko  kerugian  s endiri s ebenarnya  s udah  bias a  terjadi  dalam  inves tas i  portofolio  s aham.  Namun,     s ampai  s aat  ini  belum  ada yang  bis a  menentukan  dengan  pas ti  bes ar  ris iko kerugian  yang  bis a s aja terjadi.  Oleh karena itu, pada paper  ilmiah  ini  akan  dilakukan  penaks iran  dalam  menentukan  bes ar  res iko  kerugian  maks imal  yang dis ebut  juga  s ebagai  Value-at-Risk   (VaR).  Pada  penelitian  ini  akan  dilakukan  penentuan  VaR  untuk s etiap as et s aham(s ekuritas ) pada indeks  LQ45.  Penelitian  ini  menggunakan  data obs ervas i harga s aham pada  indeks  LQ45  s elama 1  tahun,  dari  data ters ebut   dihitung  return  mas ing-mas ing. Data akan dibagi menjadi  dua jenis  yaitu data training  dan data testing.  Metode  yang digunakan dalam penelitan ini terdiri dari  Metode  Peak  Over  Threshold  (POT)  yang  merupakan  s alah s atu dari  metode  Extreme Value Theory (EVT)  dan  Metode  Newton  Raphs on  Jacobian  s erta  dengan  pendekatan  Algoritma  Genetika.  Has il  yang diperoleh  dalam  penelitian  ini  menunjukkan  bahwa  akuras i  nilai  VaR  yang  diperoleh  pada  as et  –  as et indeks  LQ45 yang dihas ilkan s ebes ar 74.41%  dengan nilai  Mean Absolute Error (MAE) s ebes ar 25.59% , dengan  kombinas i  parameter  evolus i  algoritma  genetika  yang  terdiri  dari  jumlah  generas i  1000, ukuran populas i  20, peluang  pindah  s ilang 0.8, pel uang mutas i gen 0.05, dan tingkat kepercayaan  99% . Kata kunci: P ortofolio, VaR, PO T, EVT, Ne wton Raphs on J acobian, Algoritma Ge netika
Perhitungan Harga Opsi Tipe Aritmatik Call Asia Dengan Simulasi Monte Carlo Ardhia Pringgowati; Rian Febrian Umbara; Irma Palupi
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

Pada penelitian ini berhubungan dengan perhitungan harga opsi Asia jenis arithmetic average call option menggunakan simulasi Monte Carlo untuk mendapatkan selang kepercayaan estimasi nilai opsinya. Opsi Asia adalah jenis opsi yang payoff-nya bergantung pada rata-rata nilai aset yang mendasarinya selama masa berlangsung kontrak. Dengan menggunakan simulasi Monte Carlo, lintasan pergerakan nilai saham yang mendasari opsi Asia akan disimulasikan berulang untuk mendapatkan estimasi nilai opsi. Pergerakan saham yang digunakan mengikuti gerak geometri Brownian. Dari simulasi numerik yang dilakukan, diperoleh bahwa estimasi nilai opsi yang dihasilkan terletak pada selang kepercayaan 95% dan apabila jumlah simulasi Monte Carlo diperbesar akan menghasilkan selang kepercayaan yang semakin mengecil begitu pula dengan standar deviasinya. Artinya nilai yang dihasilkan akan semakin akurat. Kata kunci : opsi asia, payoff, gerak geometri brownian, simulasi monte carlo, teorema limit pusat.
Penentuan Harga Wajar Opsi Saham Karyawan Dengan Metode Binomial (studi Kasus Bca) I Wayan Ade Sugisnawan Dandysmara; 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 Topik yang dibahas dalam tugas akhir ini adalah pencarian nilai wajar opsi saham karyawan(OSK). OSK adalah opsi beli terhadap saham perusahan sebagai bonus yang diberikan oleh perusahaan kepada karyawannya. OSK memiliki waktu tunggu atau vesting period. Karyawan pemegang opsi tidak bisa melaksanakan opsi mereka di dalam selang waktu tunggu. Dalam penentuan nilai OSK, digunakan model binomial. Hasil Implementasi dari model binomial adalah didapatkannya nilai batas exercise setelah waktu tunggu sebagai pertimbangan pemegang opsi untuk melaksanakan opsinya. Nilai harga pelaksanaan, dan nilai rasio jabatan akan selalu berbanding lurus dengan nilai batas exercise sebagai penentu nilai wajar OSK di setiap waktu. Semakin besar nilai harga pelaksanaan, dan nilai rasio jabatan maka nilai batas exercise semakin besar. Nilai suku bunga, dan nilai volatilitas yang semakin besar menyebabkan nilai OSK semakin besar. Sedangkan nilai tingkat keluar karyawan, nilai dividend yield, dan harga pelaksanaan yang semakin besar menyebabkan nilai OSK semakin kecil. Sehingga dapat disimpulkan metode binomial bisa digunakan sebagai penentuan OSK dengan mencari nilai batas exercise di setiap waktu. Kata kunci : opsi saham karyawan (OSK), metode binomial (binomial method)
Simulasi Kebijakan Pembayaran Dalam Manajemen Investasi Untuk Dana Amal Menggunakan Monte Carlo Diah Fitri Wulandari; Deni Saepudin; Irma Palupi
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

Sebagian orang atau perusahaan menyisihkan penghasilan mereka untuk dana amal dalam bentuk investasi. Investasi yang digunakan adalah 50% untuk investasi aset berrisiko dalam bentuk saham dari lima perusahaan dan 50% untuk aset bebas risiko dari dana awal. Dalam pengaturan investasi dana amal, akan digunakan tiga kebijakan yang berbeda dengan Simulasi Monte Carlo untuk menyimulasikan investasi bagian aset berrisiko. Kebijakan pertama yaitu, pembayaran dana amal dibayarkan dengan persentase yang konstan dari total investasi setiap tahunnya. Kebijakan kedua, pembayaran dana amal dibayarkan dengan persentase yang konstan tetapi dari rata-rata total investasi tiga tahun sebelumnya. Sedangkan kebijakan ketiga, pembayaran diambil dari keuntungan total investasi di akhir tahun investasi.. Berdasarkan penelitian yang dilakukan, kebijakan pertama investasi bertahan hingga 39 tahun dan pembayaran dana amal hingga 23 tahun dengan rata-rata pembayaran 246.864 rupiah. Pada kebijakan kedua investasi bertahan hingga 28 tahun dan pembayaran dana amal hingga 22 tahun dengan rata-rata pembayaran 244.037 rupiah. Dan untuk kebijakan ketiga investasi bertahan hingga 39 tahun dan pembayaran dana amal hingga 38 tahun dengan rata -rata pembayaran 211.410 rupiah. Kata kunci: Metode Monte Carlo
Co-Authors Aditya Ramadhan Adiwijaya Adriani, Zahrina Aulia AL Mamuda, Naila Andri Saputra Anton Sri Haryanto Apriani, Iklima Ardhia Pringgowati Ayu Shabrina Ayu Shabrina Aziz, Kemal Bambang Ari Wahyudi Brigita Tenggehi Deni Saepudin Diah Fitri Wulandari Diani Sarah Kamilial Diani Sarah Kamilial Diyas Puspandari Erwin Budi Setiawan Fauzi Dzulfiqar Wibowo Firdaus Maringga Firdaus Maringga Firdaus Maringga Fitriyani Fitriyani Haikal, Muhamad Fachri Hamonangan, Ricardo Harry Susilodharma Husain Athfal Hidayat I Wayan Ade Sugisnawan Dandysmara I Wayan Ade Sugisnawan Dandysmara Indra Utama Sitorus Indwiarti Iryanto Iryanto Jondri Jondri Khairi, Muhammad Daffa Mahmud Imrona Megi Rahma Dony Muh. Arfan Arsyad Muhammad Faizal Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Naila Al Mahmuda Naila AL Mamuda Ni Putu Winda Ardiyanti Nur Roza Fitriyana Nurul Ikhsan Panuluh, Bagus Prasetyo, Huda Rizky Priscilia Lovita Paelongan Putranto, Muhammad Fadhlan Putu Harry Gunawan Rian Febrian Umbara Rinaldi Wibiyanto Riyadi Lazuardi Sirait Rohidi Rohidi Sadewa, I Made Aditya Putra Satrio, M Siti Saadah Suleman, Annisa Rahmawati varid vaya yusuf Wibowo, Muhammad Raihan Yuliant Sibaroni