Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Aniq Rohmawati
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Prediksi Volatilitas Saham Perusahaan Pertambangan Batu Bara Dengan Metode Artificial Neural Network - Generalized Autoregressive Conditional Heteroscedasticity Wayan Satriawan; Rian Umbara; Aniq Rohmawati
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Saham adalah salah satu jenis surat berharga yang digunakan sebagai tanda penyerta modal seseorang atau badan usaha dalam suatu perusahaan. Sebelum berinvestasi, penting bagi investor untuk mengetahui seberapa besar risiko dan return dari saham tersebut. Volatilitas adalah sebuah metode statistik untuk mengukur fluktuasi harga saham dalam periode tertentu. Salah satu model time-series terbaik dalam memprediksi volatilitas harga saham adalah Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Pengoptimasian metode dilakukan untuk meningkatkan prediksi volatilitas. Metode yang digunakan untuk mengoptimasi model GARCH adalah model Artificial Neural Networks (ANN). Pada Tugas Akhir ini menentukan akurasi model digunakan metode RMSE dan MAE. Berdasarkan hasil analisis model ANN-GARCH lebih baik dibandingkan model GARCH(1,1) dalam akurasi model. Hasil RMSE dan MSE dengan model GARCH adalah RMSE = 2.4867e-06 dan MAE = 7.9885e-08, sedangkan dengan model ANN-GARCH mendapatkan hasil terbaik RMSE = 3.5016e-07 dan MAE = 1.1249e-08. Kata kunci : Saham, Volatilitas, Generalized Autoregressive Conditional Heteroscedasticity, Artificial Neural Networks, ANN-GARCH
Value-at-risk Menggunakan Model Markov Switching Autoregressive (studi Kasus Saham Pt. Astra Internasional) Achmad Fadholy; Deni Saepudin; Aniq Rohmawati
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Situasi perekonomian yang tidak menentu, mengharuskan investor untuk dapat memprediksi kerugian dipasar saham. Salah satu metode yang dapat digunakan untuk mengetahui kerugian tersebut adalah Value-at-Risk (VaR). Model Markov Regime Switching dapat dilibatkan untuk perhitungan nilai kerugian investasi. Salah satu model utama yang digunakan pada tugas akhir ini adalah Model Markov Switching Autoregressive (MS-AR), untuk menentukan nilai VaR dengan model MS-AR(1.0) dan MS-AR(1.1). Berdasarkan perbedaan dalam metodologi VaR, VaR optimal diuji dengan menggunakan Correct VaR. Realisasi pelanggaran model VaR-MSAR untuk St=0 memiliki nilai proporsi yang dekat dengan target pelanggaran, dibandingkan dengan model VaR-MSAR untuk St=1 yaitu 0.068; 0.022; dan 0.007 untuk masing-masing target pelanggaran 10%; 5%; dan 1%. Kata Kunci : Saham, Value-at-Risk, Markov Switching Autoregressive, Correct VaR
Penentuan Rute Pariwisata Kota Bandung Menggunakan Algoritma Particle Swarm Optimization Yodie Dalyono; Anisa Herdiani; Aniq Rohmawati
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pendapatan kota Bandung dari wisatawan tahun ke tahun meningkat sehingga menyebabkan tempat pariwisata Kota Bandung menjadi lebih banyak.Kemudahan yang diberikan oleh teknologi untuk membantu wisatawan dalam menentukan tempat pariwisata yang akan dikunjungi dengan suatu perangkat lunak seperti Google Maps dan Waze. Namun hingga saat ini masih sangat sedikit perangkat lunak dengan fungsi menentukan rute dengan batasan-batasan seperti batasan hari berwisata dalam pengunjungan suatu tempat pariwisata. Pembangunan perangkat lunak untuk pencarian rute menggunakan algoritma Particle Swarm Optimization. Algoritma tersebut kerap digunakan dalam penyelesaian masalah karena kesederhanaan dan kemudahan penggunaan untuk beradaptasi untuk mengaplikasikan berbagai masalah dan memberikan nilai yang optimal baik nilai kontinyu maupun diskrit. Dengan pengujian paramater variabel konstanta pada algoritma PSO, untuk menguji apakah algoritma PSO baik atau tidaknya untuk mencari rute optimal. Dengan pengujian tersebut, ditemukan angka parameter yang menghasilkan total waktu tempuh yang optimal, dan dengan pengujian tersebut ditemukan bahwa perbandingan antara algoritma PSO dan AIS, algoritma PSO dapat menemukan hasil total waktu tempuh yang lebih optimal. Kata Kunci: Pariwisata, Algoritma, PSO, AIS, Parameter, Variabel.
Co-Authors Achmad Fadholy Anisa Herdiani Deni Saepudin Rian Umbara Wayan Satriawan Yodie Dalyono