Claim Missing Document
Check
Articles

Found 66 Documents
Search
Journal : BIMASTER

ANALISIS PERBANDINGAN NILAI VALUE AT RISK PADA METODE SIMULASI HISTORIS DAN METODE TRANSFORMASI JOHNSON (Studi Kasus Pada PT. Astra Agro Lestari, Tbk.) Gristia Aldilla; Evy Sulistianingsih; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (640.643 KB) | DOI: 10.26418/bbimst.v8i1.30830

Abstract

Investor menghadapi risiko dalam kegiatan investasi saham,. Salah satu ukuran risiko yang dapat digunakan adalah Value at Risk (VaR). VaR dapat mengukur peluang kerugian terburuk yang terjadi pada tingkat kepercayaan tertentu. Terdapat beberapa metode yang dapat dilakukan untuk menghitung VaR , namun metode - metode tersebut harus dievaluasi dengan backtesting agar penggunaannya tepat dalam memprediksi risiko. Backtesting dilakukan dengan menggunakan uji kejadian Bernoulli. Metode yang digunakan dalam perhitungan VaR pada penelitian ini adalah Simulasi Historis dan metode transformasi Johnson Su pada data PT. AALI, Tbk (AALI.JK) periode 2 Februari 2015 sampai dengan 1 Februari 2018. VaR relatif dalam menduga risiko pada saham AALI.JK menggunakan tingkat kepercayaan 95%. Berdasarkan hasil penelitian, metode simulasi historis boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0075 ≤  ≤ 0,0440, sedangkan dengan menggunakan metode pendekatan transformasi Johnson  boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0154 ≤  ≤ 0,0609. VaR absolut dalam menduga risiko pada saham AALI.JK menggunakan tingkat kepercayaan 95%. Pada VaR absolut, metode simulasi historis boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0032 ≤  ≤ 0,0319, sedangkan dengan menggunakan metode pendekatan transformasi Johnson  boleh digunakan apabila probabilitas pelanggaran yang diharapkan sebesar 0,0075 ≤  ≤ 0,0440.  Kata kunci: Value at Risk, Simulasi Historis, Transformasi Johnson, Backtesting, uji kejadian Bernoulli
K NEAREST NEIGHBOR DALAM IMPUTASI MISSING DATA Susanti Susanti; Shantika Martha; Evy Sulistianingsih
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (101.52 KB) | DOI: 10.26418/bbimst.v7i1.23498

Abstract

Missing data adalah suatu informasi yang tidak tersedia dalam suatu data. Missing data mempengaruhi hasil penelitian karena keberadaan missing data dapat mengurangi tingkat akurasi dari hasil penelitian. Missing data dapat diatasi dengan imputasi. Imputasi merupakan suatu metode yang mengatasi missing data dengan mengisi nilai yang hilang dengan suatu nilai berdasarkan informasi lain yang didapat dari data tersebut. Salah satu metode imputasi adalah metode K Nearest Neighbor (KNN). Penelitian ini dilakukan untuk memprediksi nilai yang hilang dengan metode KNN. KNN bekerja dengan menghitung weight mean estimation berdasarkan jumlah K. K adalah jumlah observasi terdekat yang akan digunakan. Dalam penelitian ini, K yang digunakan yaitu                         , , , dan . Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) digunakan untuk mengetahui ketepatan hasil imputasi. Berdasarkan nilai rata-rata MSE dan MAPE dari  replikasi, KNN terbaik pada missing data  dan  terjadi pada saat , sedangkan untuk missing data 30% terjadi saat .Kata kunci : weight mean estimation, MSE, MAPE 
ANALISIS KOINTEGRASI DAN ERROR CORRECTION MODEL INDEKS HARGA KONSUMEN KOTA PONTIANAK DAN SINGKAWANG Eka Wahyuning Dhewanty; Evy Sulistianingsih; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (296.503 KB) | DOI: 10.26418/bbimst.v8i1.30602

Abstract

Indeks harga konsumen digunakan sebagai tolak ukur inflasi. Data indeks harga konsumen yang sering kali tidak stasioner menyebabkan pengambilan keputusan yang berkaitan dengan data tidak valid. Uji kointegrasi dipakai untuk menganalisis kemungkinan hubungan jangka panjang antara variabel yang tidak stasioner. Tujuan penelitian ini adalah menemukan hubungan jangka panjang antara indeks harga konsumen kota Pontianak dan kota Singkawang dengan metode kointegrasi dan hubungan jangka pendek dengan metode model koreksi kesalahan. Penelitian ini menggunakan data indeks harga konsumen kota Pontianak dan kota Singkawang dalam periode waktu bulanan. Berdasarkan hasil penelitian yang diperoleh dapat disimpulkan bahwa indeks harga konsumen Kota Pontianak dan Kota Singkawang tidak stasioner tetapi kombinasi linier keduanya stasioner dengan kata lain terdapat hubungan jangka panjang antara indeks harga konsumen kota Singkawang terhadap indeks harga konsumen kota Pontianak.Kata Kunci : indeks harga konsumen, stasioneritas, kointegrasi.
PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KEMATIAN IBU HAMIL DENGAN REGRESI ZERO INFLATED GENERALIZED POISSON (ZIGP) Perangin Angin, Christi Alemsa; Debataraja, Naomi Nessyana; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.77971

Abstract

Angka Kematian Ibu (AKI) adalah parameter kesejahteraan wanita, parameter kesejahteraan sebuah negara serta menggambarkan hasil capaian pembangunan sebuah negara. Sejak tahun 2018 hingga 2021 AKI di Kapuas Hulu mengalami peningkatan. Pada tahun 2018 AKI di Kapuas Hulu sebesar 71 per 100.000 kelahiran hidup (KH) dan tahun 2021 naik menjadi 173 per 100.000 KH, sedangkan target Sustainable Development Goals (SDGs) adalah kurang dari 70 per 100.000 KH. Data AKI tersebut merupakan data diskrit yang berdistribusi Poisson. Namun jika dilihat berdasarkan kecamatan yang ada di Kapuas Hulu, masih terdapat AKI yang nol kematian. Proporsi data nol yang berlebihan pada variabel respon dapat menyebabkan adanya masalah zero inflation. Nilai nol yang berlebihan dalam Regresi Poisson dapat menyebabkan terjadinya pelanggaran asumsi equidispersi. Hal tersebut dapat diatasi dengan Regresi ZIGP. Penelitian ini bertujuan untuk memodelkan dan menentukan faktor kematian ibu hamil di Kabupaten Kapuas Hulu tahun 2018-2021 menggunakan Regresi ZIGP. Data yang digunakan pada penelitian ini adalah data profil kesehatan di 23 kecamatan yang ada di Kabupaten Kapuas Hulu. Variabel respon ( ) yang digunakan yaitu jumlah kematian ibu hamil. Data tersebut terlebih dahulu dilakukan pengujian asumsi equidispersi. Jika terjadi pelanggaran asumsi equidispersi, maka langkah selanjutnya yaitu melakukan pengujian asumsi Zero Inflation. Apabila terjadi pelanggaran asumsi Zero Inflation, maka pemodelan dapat dilakukan dengan menggunakan Regresi ZIGP. Proporsi nilai nol pada variabel tersebut sebanyak 92%, sehingga terdapat masalah Zero Inflation dan mengindikasikan terjadinya overdispersi pada Regresi Poisson. Berdasarkan hasil pemodelan terbaik dengan Regresi ZIGP, persentase kunjungan ibu hamil pertama (K1) merupakan faktor yang berpengaruh terhadap jumlah kematian ibu hamil.  Kata Kunci: AKI, ZIGP, Overdispersi.
MODERATED PLS-SEM: PERAN IHSG SEBAGAI MODERATOR DI ANTARA RASIO KEUANGAN DAN NILAI PERUSAHAAN PERBANKAN Rifqi, Bhima Fairul; Sulistianingsih, Evy; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.84970

Abstract

Perusahaan merupakan satu dari sekian banyak aset yang sangat berharga dan bernilai. Semakin bagus kinerja suatu perusahaan, semakin naik pula harga dan nilai dari perusahaan tersebut. Hasil kinerja suatu perusahaan dimuat di dalam laporan keuangan yang dalam bentuk rasio-rasio keuangan. Salah satu metode yang dapat diterapkan untuk melakukan analisis nilai perusahaan ialah Moderated Partial Least Squared-Structural Equation Modeling (Moderated PLS-SEM). Moderated PLS-SEM merupakan metode PLS-SEM yang melibatkan variabel moderator. PLS-SEM adalah teknik analisis multivariat berbasis varian yang tidak memerlukan asumsi normalitas dan bisa digunakan pada sampel yang berjumlah relatif kecil, sedangkan variabel moderator merupakan variabel yang bisa meningkatkan atau menurunkan tingkat hubungan antara variabel laten eksogen (ξ) dan variabel laten endogen (η), melalui pembentukan variabel interaksi. Variabel interaksi adalah variabel yang terbentuk dari interaksi antara variabel laten eksogen dan variabel moderator. Penelitian ini berfokus pada analisis pengaruh rasio-rasio keuangan (profitabilitas, likuiditas, dan solvabilitas) terhadap nilai perusahaan perbankan, serta peran Indeks Harga Saham Gabungan (IHSG) dalam memoderasi hubungan antara rasio-rasio keuangan dan nilai perusahaan. Kesimpulan yang didapat ialah hanya profitabilitas yang memberikan pengaruh signifikan terhadap nilai perusahaan perbankan dan IHSG dapat memperkuat hubungan antara rasio solvabilitas dan nilai perusahaan.  Profitabilitas dan variable interaksi yang terbentuk antara solvabilitas dan IHSG mempengaruhi nilai perusahaan sebesar 46,2%.Kata Kunci:  Rasio Keuangan, Interaksi, Moderasi.
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR KESEJAHTERAAN MASYARAKAT DENGAN ALGORITMA K-MEANS++ Nabilah, Niken Aushaf; Perdana, Hendra; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77795

Abstract

Pemerataan kesejahteraan masyarakat masih menjadi salah satu fokus bagi pemerintah Indonesia hingga sekarang. Kesejahteraan masyarakat merupakan suatu konsep yang mencakup berbagai aspek kehidupan, sehingga menjadi salah satu indikator dalam mengukur kemajuan suatu negara. Oleh karena itu, analisis cluster diperlukan untuk mengelompokkan provinsi di Indonesia berdasarkan indikator kesejahteraan masyarakat. Analisis cluster merupakan metode pengelompokan objek berdasarkan karakteristik objek tersebut. Algoritma K-Means++ digunakan dalam penelitian ini untuk mengkaji pengelompokan provinsi-provinsi di Indonesia berdasarkan indikator kesejahteraan masyarakat. Selain itu, untuk menganalisis jumlah cluster optimal yang terbentuk digunakan silhouette coefficient. Data dalam penelitian ini merupakan data 10 indikator kesejahteraan masyarakat tahun 2022. Berdasarkan hasil analisis, diperoleh jumlah cluster optimal yaitu 3 cluster dengan nilai silhouette coefficient terbesar, yaitu 0,2777. Cluster 1 merupakan cluster dengan tingkat kesejahteraan masyarakat menengah dan terdiri dari 27 provinsi. Cluster 2 terdiri dari 3 provinsi dan merupakan cluster dengan tingkat kesejahteraan masyarakat rendah. Dan cluster 3 yaitu cluster dengan tingkat kesejahteraan masyarakat yang tinggi dan terdiri dari 4 provinsi.  Kata Kunci : kesejahteraan, analisis cluster, kemiskinan, silhouette coefficient
METODE ENSEMBLE K-NEAREST NEIGHBOR UNTUK PENINGKATAN AKURASI PREDIKSI INDEKS HARGA SAHAM GABUNGAN DI INDONESIA Ananda, Adelia; Sulistianingsih, Evy; Yundari, Yundari
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77705

Abstract

Indeks Harga Saham Gabungan (IHSG) merupakan gabungan dari berbagai saham yang terdapat di Indonesia dan tercatat di bursa efek Indonesia yang dihitung nilai rata-rata dari beberapa saham tersebut. IHSG adalah alat yang membantu investor melacak keseluruhan pergerakan nilai saham dari waktu ke waktu. Metode analisis diperlukan untuk meramalkan bagaimana harga saham akan berkembang di masa depan. Metode yang umum digunakan untuk memprediksi IHSG adalah metode K-Nearest Neighbor. Penelitian ini menggunakan kombinasi dari beberapa hasil prediksi KNN untuk mendapatkan sebuah hasil prediksi akhir, yaitu dengan menambahkan teknik Ensemble. Penelitian ini bertujuan untuk menganalisis hasil akurasi metode KNN yang dioptimasi dengan teknik Ensemble. Variabel respon yang digunakan dalam penelitian ini adalah Indeks Harga Saham Gabungan, sedangkan variabel prediktornya adalah harga emas, indeks Nikkei 225 dan nilai tukar rupiah terhadap dolar. Data yang digunakan adalah data mingguan dari Januari 2021 sampai Maret 2022 sebanyak 64 periode, untuk data training dan testing masing-masing sebanyak 52 periode dan 12 periode. Nilai k yang digunakan pada penelitian ini yaitu 3, 5, 7, 9, dan 11. Hasil analisis yang telah dilakukan diperoleh nilai Mean Absolute Percentage Error (MAPE) yaitu sebesar 10,656%. Berdasarkan nilai tersebut maka nilai prediksi IHSG di Indonesia dengan metode K-Nearest Neighbor yang dioptimasi dengan teknik Ensemble memiliki akurasi yang baik. Dari hasil tersebut dapat disimpulkan bahwa ketika metode KNN dioptimasi dengan teknik Ensemble memiliki nilai MAPE yang lebih besar dibandingkan dengan nilai MAPE KNN tunggal yang memiliki nilai MAPE terkecil pada k=11. Oleh karena itu metode KNN yang dioptimasi dengan teknik ensemble tidak memberikan peningkatan akurasi pada prediksi Indeks Harga Saham Gabungan (IHSG).  Kata Kunci : ensemble KNN, indeks harga saham gabungan, prediksi.
KLASIFIKASI WAKTU KELULUSAN MAHASISWA DENGAN KOMBINASI METODE RANDOM FOREST DAN ADABOOST (Studi Kasus: Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tanjungpura) Salsabila, Hana; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91673

Abstract

Institusi perguruan tinggi berperan sebagai penyelenggara pendidikan akademik yang ditujukan bagi mahasiswa. Mahasiswa menjadi tolak ukur dalam menilai kualitas perguruan tinggi, salah satunya melalui tingkat kelulusan tepat waktu. Proporsi mahasiswa yang menyelesaikan studi tepat waktu merupakan salah satu indikator krusial dalam evaluasi akreditasi perguruan tinggi. Namun, masih banyak mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (Untan) yang tidak lulus tepat waktu, sehingga mempengaruhi kualitas dan akreditasi institusi. Penelitian ini bertujuan untuk menerapkan kombinasi metode Random Forest dan AdaBoost dalam klasifikasi kelulusan mahasiswa serta menentukan akurasinya. Penelitian ini menggunakan data sekunder terkait kelulusan mahasiswa FMIPA Untan dari Periode I Tahun Akademik 2018/2019 hingga Periode II Tahun Akademik 2023. Analisis dimulai dari mendeskripsikan data kelulusan mahasiswa. Kemudian dilanjutkan ke tahap analisis Random Forest, lalu dilakukan evaluasi dengan menghitung nilai akurasinya. Selanjutnya algoritma AdaBoost diterapkan pada algoritma Random Forest, kemudian dilakukan evaluasi kembali dengan menghitung nilai akurasinya untuk melihat kinerja model. Hasil penelitian menunjukkan bahwa Algoritma Random Forest mampu mengklasifikasikan data sebanyak 53 data yang benar diklasifikasikan tepat waktu sedangkan 439 lainnya salah diklasifikasikan sedangkan pada data kelulusan tidak tepat waktu diketahui bahwa 1323 data yang benar diklasifikasikan tidak tepat waktu sedangkan 78 diantaranya salah diklasifikasikan dengan akurasi sebesar 72,7%. Penerapan tahap boosting dengan Algoritma AdaBoost menghasilkan peningkatan akurasi yang signifikan mencapai 96,8%. Atribut yang memiliki kontribusi terbesar dalam klasifikasi berdasarkan Random Forest adalah IPS Semester 3. Berdasarkan hasil penelitian, Algoritma AdaBoost terbukti efektif untuk meningkatkan akurasi Algoritma Random Forest dalam klasifikasi kelulusan mahasiswa.
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN KASUS KRIMINALITAS MENGGUNAKAN METODE WARD DENGAN OPTIMALISASI GAMMA INDEX Oktitannia, Dea; Sulistianingsih, Evy; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91757

Abstract

Kriminalitas menjadi permasalahan yang serius di Indonesia yang masih terjadi hingga saat ini dan dapat mempengaruhi kehidupan sosial masyarakat. Oleh karena itu, upaya menurunkan angka kriminalitas menjadi yang penting dilakukan, salah satunya dengan meningkatkan kewaspadaan pemerintah maupun masyarakat terhadap potensi kejahatan di lingkungan sekitar. Tujuan dari penelitian ini adalah untuk pengelompokan provinsi di Indonesia berdasarkan kasus kriminalitas dan menentukan jumlah cluster optimal yang terbentuk. Salah satu metode yang digunakan dalam proses pengelompokan ini adalah analisis cluster, yang memungkinkan objek dikelompokkan berdasarkan informasi yang terkandung dalam data tersebut, termasuk hubungan antar objek. Dengan demikian, karakteristik setiap cluster dapat diidentifikasi, sehingga tingkat keadaan darurat serta kebutuhan di masing-masing cluster dapat dianalisis dan di tindaklanjuti secara lebih efektif. Metode Ward merupakan metode pengelompokan yang bertujuan meminimalkan varians di dalam cluster. Selanjutnya, untuk menentukan jumlah cluster optimal digunakan Gamma Index. Hasil penelitian menunjukkan bahwa terbentuknya dua cluster optimal dalam pengelompokan provinsi di Indonesia berdasarkan kasus kriminalitas dengan nilai Gamma Index sebesar 0,9824 yang merupakan nilai tertinggi dibandingkan cluster lainnya. Cluster 1 merupakan daerah karakteristik kriminalitasnya yang rendah terdiri dari 29 provinsi. Cluster 2 merupakan daerah karakteristik kriminalitasnya tinggi yang terdiri dari 5 provinsi. Untuk mengatasinya, diperlukan peningkatan penegakan hukum, analisis faktor pemicu kriminalitas, serta program rehabilitasi dan edukasi bagi pelaku kejahatan. Kolaborasi antara pemerintah, kepolisian dan masyarakat juga perlu diperkuat untuk menciptakan lingkungan yang lebih aman dan kondusif.
PEMODELAN GEOMETRIC BROWNIAN MOTION DAN PERHITUNGAN RISIKO DENGAN ADJUSTED EXPECTED SHORTFALL PADA SAHAM GOLD Putra, Fajar Rahmana; Yundari, Yundari; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91868

Abstract

Dalam pengembalian keputusan investasi, evaluasi risiko merupakan komponen penting dalam pengambilan keputusan investasi. Untuk memahami dan mengelola risiko tersebut, diperlukan pendekatan yang mampu memprediksi pergerakan harga saham serta mengestimasi potensi kerugian. Penelitian ini bertujuan untuk memodelkan pergerakan harga saham dengan memanfaatkan model stokastik Geometric Brownian Motion (GBM) dan hasil ukuran risiko kerugian melalui perbandingan antara Value at Risk (VaR) dan Adjusted Expected Shortfall (Adj-ES). Data yang digunakan adalah harga penutupan saham Gold (GC=F) pada periode September 2023 hingga Agustus 2024. Model GBM diterapkan pada penelitian ini untuk mensimulasikan pergerakan harga saham sebanyak 1000 kali, berdasarkan data volatilitas dan drift yang diperoleh dari data in-sample, di mana drift mencerminkan tingkat pertumbuhan ekspektasi log-return aset dalam jangka waktu tertentu. Setelah menghitung parameter volatilitas dan drift, dilakukan simulasi dengan model GBM pada data out sample. Risiko diukur menggunakan VaR dan Adj-ES dengan tingkat kepercayaan 95%, yang kemudian divalidasi melalui uji backtesting. Hasil analisis menunjukkan bahwa model GBM memiliki tingkat akurasi yang baik, dengan nilai MAPE terkecil sebesar 1,04% serta diperoleh volatilitas sebesar 0,1391 dan drift sebesar 0,2632. Perkiraan kerugian maksimum berdasarkan VaR menunjukkan nilai 1,51%, sedangkan menggunakan Adj-ES menghasilkan estimasi kerugian maksimum sebesar 2,23%. Penelitian ini juga menguji validitas VaR dan Adj-ES pada tingkat kepercayaan 95% melalui metode backtesting menggunakan Uji Kupiec. Berdasarkan hasil uji, VaR dan Adj-ES dinyatakan valid karena nilai Likelihood Ratio (LR) masing-masing 0,09 dan 0,11 lebih kecil dari nilai kritis Chi-Square sebesar 3,84.                                                                                                         Kata Kunci : Stokastik, Value at Risk, Backtesting, Kupiec.
Co-Authors ., Putri Agustono, Hendri Alsa Muarti Amalia, Disya Recita Ananda, Adelia Andani, Wirda Anisa Shafarianti Ardhitha, Tiffany Arsanti, Resti Atlantic, Virginnia AYU ASTUTI, AYU Banu, Syarifah Syahr Dadan Kusnandar Debataraja, Naomi Nessyana Desdianti, Maycandra Deva Kurnia Aristi Dhandio, David Jordy Dinanti, Rahila Dara Eka Lestari Eka Wahyuning Dhewanty Elga Fitaloka Fadhilah Rizky Aulia Febryanti, Winda Fiqriani, Rizha Aynul Fransiska Fransiska Gristia Aldilla Gunawan, Risky Hadi, Muhammad Silmi Hafifah, Nanda Hanin, Noerul Hendra Perdana Imanni, Rahmania Andarini Hatti Imro'ah, Nurfitri IMRO’AH, NURFITRI Imro’ah, Nurfitri Kamila, Diva Rahma Karlina, Sela Laksono Trisnantoro Lisa Lestari Maga, Fahmi Giovani Maharani, Cinta Priscillia Maresha Widya Muliadiasti Martha, Shantika Matius Robi Meilandra, Irvan Meliana Pasaribu Melvin, Melvin Misno Misno Mutiara Nurisma Rahmadhani Nabilah, Niken Aushaf Nanda Shalsadilla Naomi Nessyana Debataraja Natalia, Desa Ayu Neva Satyahadewi Nurfitri Imro’ah Oktaviani, Indah Oktitannia, Dea Panawaristia, Brigitha Pebriyandi, Rifki Perangin Angin, Christi Alemsa Pratama, Aditya Nugraha Pratama, Yogi Priani, Wina Putra, Fajar Rahmana Putri, Mely Amara Radinasari, Nur Ismi Rahmah, Mhaulia Rahmania Andarini Hatti Imanni Rifqi, Bhima Fairul Risma Junian Salsabila, Hana Salsabila, Yumna Hanum Savitri, Dini Dwi Septiawan, Anggi Setyo Wir Rizki Setyo Wira Rizki Shantika Martha Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sriyana Sriyana Sulya Hikma Yulandari Supandi Supandi Susanti Susanti Syafitri Wulandari Tamtama, Ray Tiara, Dinda Umiati, Wiji Wahyu Kurniasari Wati, Setio Kusumo Westi Widiyatari Wicaksono, Juwan Prioabil Dwi Wirda Andani Wulandari, Afrilia Putri Yundari, Yundari Yustosio, Darwis Zakiah, Ainun Zaria, Della