Article Per Year (5 Year)
p-Index From 2021 - 2026
7.251
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Statistika Universitas Muhammadiyah Semarang BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Jambura Journal of Mathematics Sarwahita : Jurnal Pengabdian Kepada Masyarakat Variance : Journal of Statistics and Its Applications Jurnal Pengabdian kepada Masyarakat Nusantara JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Jurnal Forum Analisis Statistik STATISTIKA
Evy Sulistianingsih
Department Of Mathematics, Universitas Tanjungpura, Jl. Prof. Dr. H. Hadari Nawawi, Pontianak, Indonesia 78124
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 100 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 66 Documents
Search
Journal : BIMASTER

 3   4   5   6   7 
PERAMALAN HARGA PENUTUPAN INDEKS SAHAM LQ45 DENGAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN) Wati, Setio Kusumo; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (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.v14i2.92340

Abstract

Investasi merupakan salah satu faktor pendorong pertumbuhan ekonomi nasional melalui pembiayaan pada sektor riil. Salah satu sektor dalam pembiayaan riil yaitu pasar modal yang menawarkan berbagai jenis investasi seperti saham. Indeks Saham LQ45 merupakan salah satu indikator pergerakan harga saham dari 45 saham yang memiliki likuiditas dan kapitalisasi pasar tinggi. Fluktuasi harga saham pasti terjadi sehingga diperlukan pendekatan analisis keuangan yang memiliki peluang untuk meramalkan harga saham dengan tingkat akurasi yang lebih baik. Metode Generalized Regression Neural Network (GRNN) menjadi metode pembelajaran mesin yang dapat digunakan untuk memprediksi harga Indeks Saham LQ45. Metode GRNN merupakan salah satu jaringan radial basis yang didasarkan pada regresi kernel dengan keunggulan tidak memiliki prosedur iterasi dalam proses optimasinya. Tujuan Penelitian ini adalah untuk meramalkan harga penutupan Indeks Saham LQ45 dalam lima periode ke depan dengan metode GRNN. Data yang digunakan pada penelitian ini adalah data harga penutupan harian Indeks Saham LQ45 Periode Januari 2020 hingga September 2024. Penelitian ini menggunakan 1147 data harga penutupan Indeks Saham LQ45 yang dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil penelitian menunjukkan bahwa pada pengujian model menggunakan data pengujian, spread terbaik yang digunakan yaitu 0,01 yang memberikan nilai MSE sebesar 11,6404 dan nilai MAPE sebesar 0,28%. Hasil peramalan menunjukkan bahwa dari lima periode peramalan, harga peramalan terbesar sebesar 944,75 terjadi pada tanggal 3 Oktober 2024, sedangkan harga peramalan terkecil sebesar 934,30 terjadi pada tanggal 1 Oktober 2024.  Kata Kunci : Jaringan Syaraf Tiruan, Regresi Kernel, Spread.
METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) UNTUK PENDUGAAN PARAMETER REGRESI LOGISTIK BINER (Studi Kasus: Faktor-faktor Tingkat Kemiskinan di Indonesia Tahun 2021) Kamila, Diva Rahma; Imro’ah, Nurfitri; 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.v14i1.91808

Abstract

Metode Least Absolute Shrinkage and Selection Operator (LASSO) merupakan pendekatan regresi yang efektif dalam mengatasi multikolinieritas dengan meminimalkan jumlah kuadrat galat dan menerapkan batasan penalti. Batasan ini memungkinkan LASSO mengecilkan beberapa koefisien hingga nol, sekaligus melakukan seleksi variabel. Salah satu isu strategis yang dapat dianalisis dengan metode LASSO adalah kemiskinan. Kemiskinan berkaitan erat dengan kesejahteraan masyarakat dan menjadi tantangan utama di negara berkembang seperti Indonesia, yang dipengaruhi oleh berbagai faktor. Penelitian ini menerapkan metode LASSO untuk mengatasi multikolinieritas dalam regresi logistik biner terkait faktor-faktor yang mempengaruhi persentase tingkat kemiskinan di Indonesia pada 2021. Tahapan penelitian mencakup pengumpulan data, penerapan metode, seleksi variabel yang signifikan, dan analisis hasil. Hasil menunjukkan bahwa metode LASSO efektif dalam menangani multikolinearitas melalui seleksi variabel, dengan variabel yang masuk dalam model adalah jumlah penduduk miskin, umur harapan hidup, pengeluaran per kapita, dan PDRB serta pengeluaran per kapita dan PDRB sebagai faktor signifikan. Nilai kesalahan klasifikasi model atau Apparent Error Rate (APER) yang diperoleh adalah sebesar 20,5882% dan ketepatan klasifikasi sebesar 79,4118%. Artinya, secara keseluruhan terdapat sebanyak 27 dari 34 provinsi dapat diprediksi secara tepat dengan model yang diperoleh. Sehingga dapat disimpulkan bahwa pengklasifikasian persentase tingkat kemiskinan berdasarkan yang berada di atas rata-rata dan di bawah rata-rata persentase tingkat kemiskinan dalam model regresi logistik biner LASSO memiliki kriteria cukup baik.
PENERAPAN WEB SCRAPING DENGAN PENDEKATAN N-GRAM UNTUK EKSTRAKSI INFORMASI PADA ULASAN HOTEL MAESTRO PONTIANAK Yustosio, Darwis; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (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.v14i2.92221

Abstract

Web scraping merupakan metode otomatisasi yang dilakukan untuk mengekstraksi data dari halaman web. Teknik ini memungkinkan pengambilan informasi dalam jumlah besar secara efisien tanpa harus melakukan penyalinan data secara manual. Dalam penelitian ini, web scraping diterapkan dengan pendekatan N-Gram untuk mengekstraksi dan menganalisis ulasan pelanggan terhadap pelayanan Hotel Maestro Pontianak. Data yang diperoleh kemudian digunakan untuk mengidentifikasi pola kata dan sentimen yang terkandung dalam ulasan pelanggan. Banyaknya pengunjung yang menginap di hotel ini menyebabkan banyaknya ulasan yang diberikan oleh pengunjung melalui website Traveloka. Penelitian ini bertujuan untuk menerapkan web scraping dalam pengambilan data ulasan pengunjung mengenai pelayanan Hotel Maestro Pontianak dari website Traveloka serta menganalisis informasi yang diperoleh menggunakan pendekatan N-gram untuk memahami opini pelanggan terhadap layanan hotel. Penelitian ini menggunakan teknik Web Scraping untuk mengumpulkan data ulasan, yang kemudian dilanjutkan dengan analisis sentimen menggunakan metode Lexicon Based dan N-Gram. Sebanyak 285 ulasan Hotel Maestro Pontianak dikumpulkan melalui Web Scraping. Data ulasan diproses menggunakan Text Preprocessing untuk menyeragamkan bentuk kata sehingga data lebih terstruktur. Selanjutnya, hasil Text Preprocessing diekstraksi fitur N-Gram kemudian diproses menggunakan metode Lexicon Based dengan bantuan Library VADER Sentiment. Hasil penerapan menggunakan pendekatan N-Gram, dari 285 data ulasan yang sudah diproses melalui text preprocessing dan diperoleh nilai score polarity, menunjukan hasil persentase setiap N-Gram. Dimana hasil persentase menunjukkan ulasan tersebut memiliki banyak opini positif mengenai pelayanan Hotel Maestro Pontianak. Informasi yang didapatkan dari hotel tersebut adalah kamar yang bersih, pelayanan yang baik dan ramah dari pihak hotel. Adapun keluhan dan perbaikan kedepannya yang perlu dilakukan oleh pihak hotel adalah masalah tempat parkir yang terbatas dan juga kebocoran platfon yang perlu dibenahi.  Kata Kunci: N-Gram, Unigram, Bigram, Trigram, VADER.
PERAMALAN DATA CURAH HUJAN DENGAN METODE WAVELET-VAR Melvin, Melvin; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (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.v14i2.92213

Abstract

Peramalan curah hujan yang akurat memiliki peran penting dalam pengelolaan sumber daya alam dan pencegahan bencana karena dapat memberikan informasi yang akurat mengenai kondisi cuaca yang akan datang, sehingga memungkinkan pengambilan keputusan yang lebih efisien. Dengan peramalan yang akurat, kita dapat merencanakan kegiatan pertanian, perikanan, dan pemanfaatan sumber daya alam lainnya secara optimal, serta meminimalkan risiko kerusakan atau bencana seperti banjir dan badai yang dapat membahayakan kehidupan dan infrastruktur. Studi ini dilakukan dengan menggunakan metode Wavelet untuk mengurangi gangguan pada data curah hujan, yang kemudian dilakukan proses peramalan dengan menerapkan model Vector Autoregressive (VAR). Pemilihan data curah hujan dan kecepatan angin sebagai fokus analisis sangat relevan karena kedua variabel ini mempengaruhi banyak sektor, seperti pertanian, perairan, dan transportasi. Penelitian ini memanfaatkan data yang berisi catatan bulanan tentang curah hujan dan kecepatan angin di Kota Pontianak dari Mei 2012 hingga Desember 2022, dengan perhatian khusus pada pentingnya stasionaritas data agar model yang dihasilkan valid. Hasil penelitian menunjukkan bahwa metode Wavelet-VAR mampu memberikan akurasi peramalan curah hujan dengan hasil perhitungan Mean Absolute Percentage Error (MAPE) senilai 6,17%. Nilai MAPE ini menunjukkan bahwa metode Wavelet-VAR sangat akurat dalam meramalan data curah hujan.  Kata Kunci : stasioner, transformasi wavelet, vector autoregressive
PENGARUH JUMLAH TENAGA KESEHATAN TERHADAP UNMET NEED PELAYANAN KESEHATAN: PENDEKATAN REGRESI LOGISTIK RIDGE Wicaksono, Juwan Prioabil Dwi; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (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.v14i5.100119

Abstract

Regresi Logistik Ridge merupakan pengembangan dari Regresi Logistik yang dilengkapi dengan penalti ridge, dan bertujuan untuk mengatasi multikolinearitas serta meningkatkan kestabilan estimasi parameter. Dalam penelitian ini, multikolinearitas teridentifikasi pada variabel prediktor, sehingga metode Regresi Logistik Ridge digunakan. Variabel dependen adalah tingkat unmet need pelayanan kesehatan, yaitu persentase penduduk yang mengalami keluhan kesehatan dan terganggu aktivitasnya namun tidak melakukan pengobatan rawat jalan. Untuk keperluan analisis, variabel tersebut dikategorikan menjadi dua kelas, yaitu provinsi dengan nilai unmet need di atas dan di bawah rata-rata nasional, sehingga pendekatan klasifikasi logistik menjadi sesuai. Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi tingkat unmet need serta merumuskan langkah strategis yang dapat dilakukan pemerintah. Data unmet need bersumber dari Survei Sosial Ekonomi Nasional (Susenas) bulan Maret 2023, sedangkan data jumlah tenaga kesehatan dari Badan Pusat Statistik (BPS) tahun 2023 mencakup enam profesi di tingkat provinsi. Pemodelan dilakukan dengan Regresi Logistik Ridge, dilanjutkan dengan uji signifikansi parameter secara parsial dan serentak, serta interpretasi menggunakan odds ratio. Hasil menunjukkan bahwa terdapat dua faktor, yaitu jumlah tenaga perawat dan tenaga farmasi, berpengaruh signifikan secara negatif terhadap tingkat unmet need. Artinya, peningkatan ketersediaan kedua jenis tenaga kesehatan tersebut berpotensi menurunkan tingkat unmet need pelayanan kesehatan di Indonesia.
PENGELOMPOKAN DAERAH DI KALIMANTAN BARAT BERDASARKAN INDIKATOR TINGKAT PENGANGGURAN DENGAN HIERARCHICAL CLUSTERING MULTISCALE BOOTSTRAP Hafifah, Nanda; Perdana, Hendra; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (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.v14i3.95740

Abstract

Pengangguran merupakan masalah umum yang ditemui di negara-negara berkembang, termasuk Indonesia. Kondisi ini dipengaruhi oleh beberapa faktor seperti pertumbuhan penduduk, ekonomi, ketersediaan lapangan kerja, tingkat pendidikan, serta besaran upah. Tingginya populasi di Indonesia menjadi tantangan dalam menekan angka pengangguran. Untuk mengukur dampaknya dalam suatu wilayah, digunakan indikator tingkat pengangguran, yaitu persentase jumlah pengangguran dibandingkan dengan total angkatan kerja. Berdasarkan data BPS tahun 2023, Kalimantan Barat mencatat tingkat pengangguran sebesar 5,05% yang masih tergolong tinggi. Penelitian ini bertujuan untuk mengelompokkan Kabupaten/Kota di Kalimantan Barat berdasarkan indikator tingkat pengangguran dengan hierarchical clustering multiscale bootstrap serta mengevaluasi validitas setiap cluster. Dalam analisis multivariat, Analisis cluster digunakan untuk mengelompokkan objek berdasarkan kesamaan karakteristik. Metode Ward, yang meminimalkan varians internal dalam cluster merupakan salah satu metode hierarki yang digunakan. Validasi dilakukan dengan metode resampling multiscale bootstrap, yang menghasilkan dua nilai, yaitu bootstrap probability (BP) dan approximately unbiased (AU). Nilai BP menunjukkan seberapa sering suatu cluster terbentuk saat data diulang, sedangkan AU dianggap lebih akurat dalam menilai keandalan cluster. Sebuah cluster dianggap stabil jika nilai AU ≥ 0,95. Namun, dalam penelitian ini digunakan batas minimal AU ≥ 0,75 sebagai ukuran stabilitas. Hasilnya, diperoleh dua cluster yang stabil yaitu cluster 1 dengan tingkat pengangguran rendah terdiri dari Mempawah, Kayong Utara, Sanggau, Kota Singkawang, Landak, Sambas, Sintang, Bengkayang, Kapuas Hulu, Sekadau, dan Melawi. Cluster 3 dengan tingkat pengangguran tinggi yaitu Kabupaten Kubu Raya dan Kota Pontianak, Serta cluster 2 dengan tingkat pengangguran sedang yaitu Ketapang, namun memiliki nilai AU sebesar 0,72.
PENERAPAN MODEL SELF-EXCITING THRESHOLD AUTOREGRESSIVE (SETAR) DALAM MEMODELKAN DATA HARGA PEMBUKAAN SAHAM APLN Meilandra, Irvan; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (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.v14i5.100120

Abstract

Model Self-Exciting Threshold Autoregressive (SETAR) merupakan salah satu model nonlinier dalam analisis runtun waktu yang memiliki keistimewaan dapat menangkap loncatan data yang tidak dapat ditangkap oleh model runtun waktu linier. Karena keistimewaannya tersebut, SETAR dapat digunakan untuk data yang berfluktuasi seperti saham agar hasil yang diperoleh memiliki akurasi yang baik. Tujuan penelitian ini adalah untuk memodelkan harga pembukaan saham APLN dengan model SETAR. Saham APLN milik PT Agung Podomoro Land Tbk merupakan perusahaan yang bergerak di bidang properti. Penelitian ini menggunakan 153 data harga pembukaan bulanan saham APLN dalam periode Januari 2012 sampai dengan September 2024. Tahapan pemodelannya yaitu uji stasioneritas dalam rata-rata dan varians, uji Terasvirta, identifikasi model SETAR, pendugaan dan uji signifikansi parameter, kemudian uji diagnostik. Hasil penelitian menunjukkan bahwa data menggunakan 1 threshold dengan embedding dimension 4 dan jarak waktu 1. Model SETAR yang didapatkan merupakan model 2-regime SETAR (2,1,2) dengan threshold 5,463832.
GRADIENT BOOSTING MACHINE PADA KLASIFIKASI KELULUSAN MAHASISWA Atlantic, Virginnia; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (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.v13i2.76955

Abstract

Prodi Statistika UNTAN perlu mengetahui klasifikasi kelulusan mahasiswa, maka dari itu perlu dibuat suatu model yang dapat memprediksi ketepatan waktu lulus mahasiswa. Hal ini dilakukan dengan membuat model prediksi klasifikasi kelulusan mahasiswa dengan menggunakan pendekatan Pohon Keputusan. Metode ensemble dikembangkan untuk menghasilkan model prediksi yang lebih akurat dari metode Pohon Keputusan yaitu CART. Data yang digunakan adalah data kelulusan mahasiswa Prodi Statistika UNTAN Periode 1 Tahun Ajaran 2017/2018 hingga Periode II Tahun Ajaran 2022/2023, dengan populasi 181 dan sampel 128 data. Setelah menggunakan nilai akurasi dalam mengevaluasi model prediksi yang diperoleh dari model GBM. Kemudian dibandingkan nilai akurasi dari model GBM dan model CART. Berdasarkan penelitian, didapat nilai akurasi model GBM yaitu 71,09% yang lebih besar dibanding model CART yaitu 67,97%. Dengan demikian disimpulkan bahwa GBM mampu meningkatkan prediksi model dalam klasifikasi kelulusan mahasiswa Prodi Statistika UNTAN.  Kata Kunci : Kelulusan Mahasiswa, Gradient Boosting Machine, Nilai Akurasi
PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN METODE MARKOWITZ DAN MEAN VARIANCE EFFICIENT PORTFOLIO (MVEP) Rahmah, Mhaulia; Yundari, Yundari; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (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.v14i4.96034

Abstract

Kegiatan investasi yang dilakukan oleh investor memiliki risiko yang sebanding dengan tingkat keuntungan yang ditawarkan sehingga perlu dilakukan penyebaran investasi dengan membentuk portofolio saham untuk meminimalkan risiko. Portofolio optimal adalah portofolio yang dipilih oleh seorang investor dari sekumpulan portofolio efisien yang tersedia, berdasarkan preferensi risiko dan return investor. Penelitian ini bertujuan untuk menentukan kombinasi dan bobot saham dari setiap saham pembentuk portofolio optimal menggunakan Metode Markowitz dan Metode Mean Variance Efficient Portfolio (MVEP). Data yang digunakan berupa harga penutupan harian dari saham terindeks IDX30 periode 1 Februari 2024 hingga dengan 30 Agustus 2024. Proses analisis dilakukan dengan pengumpulan data harga saham harian lalu perhitungan return harian setiap saham dan estimasi expected return serta risiko tiap saham. Kemudian, penyusunan matriks kovarians antar saham dan dilakukan perhitungan bobot saham optimal dengan metode Markowitz dan MVEP serta evaluasi kinerja portofolio dengan indeks Sharpe. Hasilnya, portofolio optimal metode Markowitz terdiri dari ADRO (45,43%), PGAS (18,16%), MEDC (12,36%), AMRT (8,17%), KLBF (7,12%), UNTR (4,53%) dan CPIN (4,24%) dengan expected return 0,00217, risiko portofolio 0,000126 dan kinerja portofolio 0,192807. Kombinasi portofolio dengan metode MVEP terdiri dari ADRO (10,94%), PGAS (5,75%), MEDC (18,05%), AMRT (15,41%), KLBF (16,43%), UNTR (21,74%) dan CPIN (11,69%) dengan expected return 0,00130, risiko portofolio 0,0000759 dan kinerja portofolio sebesar 0,14963.
ANALISIS RISIKO MENGGUNAKAN VALUE AT RISK DAN EXPECTED SHORTFALL PADA PREDIKSI HARGA SAHAM DENGAN GEOMETRIC BROWNIAN MOTION Dinanti, Rahila Dara; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (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.v14i5.100125

Abstract

Investor menggunakan prediksi harga saham untuk menilai kemungkinan pergerakan harga di masa depan, sehingga investor dapat mengambil keputusan investasi yang lebih tepat. Harga yang terus berubah secara tidak terduga mengakibatkan harga saham sulit diprediksi. Hal tersebut menyebabkan tidak pastinya nilai return atau keuntungan saham, sehingga dibutuhkan model matematis yang dapat memprediksi harga saham di saat waktu mendatang. Model Geometric Brownian Motion (GBM) mampu memprediksi harga saham periode mendatang yang didasarkan pada nilai return saham di masa lalu. Return saham adalah nilai yang dijadikan acuan oleh investor dalam menentukan keuntungan. Keuntungan dari berinvestasi saham selalu disertai dengan risiko. Salah satu langkah pengelolaan manajemen risiko ialah menggunakan Value at Risk (VaR) dan Expected Shortfall (ES). Penelitian ini bertujuan memprediksi harga saham menggunakan GBM dan menghitung risiko berinvestasi saham menggunakan VaR dan ES. Penelitian ini menggunakan harga penutupan saham harian PT. Sumber Alfaria Trijaya Tbk (AMRT) periode 5 Juni 2023 sampai dengan 30 Juli 2024. Langkah-langkah yang dilakukan adalah mengumpulkan data, memprediksi harga saham, dan menghitung risiko menggunakan VaR dan ES. Temuan dari penelitian ini mengindikasikan bahwa rata-rata nilai MAPE berada dibawah 10% sehingga model GBM dikategorikan sangat baik dan hasil dari nilai VaR pada tingkat kepercayaan 90%, 95%, dan 99% adalah 0,02186; 0,02784; dan 0,03903. Sedangkan nilai ES yang diperoleh dengan tingkat kepercayaan 90%, 95%, dan 99% adalah 0,023423; 0,028854; dan 0,039806. Dapat diartikan bahwa, jika investor berinvestasi pada saham AMRT dengan modal awal Rp.100.000.000 pada tingkat kepercayaan 99% terdapat kerugian senilai Rp.3.903.000.
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