Article Per Year (5 Year)
p-Index From 2021 - 2026
8.788
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Statistika Universitas Muhammadiyah Semarang CAUCHY: Jurnal Matematika Murni dan Aplikasi 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 Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Forum Analisis Statistik STATISTIKA Jurnal Pengabdian pada Masyarakat
Evy Sulistianingsih
Department Of Mathematics, Universitas Tanjungpura, Jl. Prof. Dr. H. Hadari Nawawi, Pontianak, Indonesia 78124
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 112 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 112 Documents
Search

 5   6   7   8   9 
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.
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
Conditional Value at Risk Portfolio With Monte Carlo Control Variates Maga, Fahmi Giovani; Sulistianingsih, Evy; Satyahadewi, Neva
Jambura Journal of Mathematics Vol 7, No 2: August 2025
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjom.v7i2.30952

Abstract

Stock investment is one of the instruments investors favor due to its potential for high returns, but the risks stemming from stock price volatility cannot be overlooked. Value at Risk (VaR) is commonly used as a standard approach to measure and manage these risks. However, VaR has limitations in handling extreme risks, making Conditional Value at Risk (CVaR) is a more effective choice. This research measures the application of CVaR to a portfolio of banking sector stocks in Indonesia using the Monte Carlo Control Variates (MCCV) technique, with the Indonesia Composite Index (ICI) as the control variable. The portfolio consists of stock of PT Bank Rakyat Indonesia Tbk (BBRI) and PT Bank Negara Indonesia Tbk (BBNI). The purpose of this research is to compare CVaR calculation results using Standard Monte Carlo Simulation (MCS) and MCCV simulations. The data used includes the daily closing prices of BBRI, BBNI, and ICI stocks for the period from March 1, 2023, to February 29, 2024. The VaR and CVaR calculated in this study are for one day. The results of the analysis show that the MCS CVaR values at 90%, 95%, and 99% confidence levels are 1.730%, 2.050%, and 2.569%, respectively, while the MCCV CVaR values at 90%, 95%, and 99% confidence levels are 1.400%, 1.662%, and 2.084%, respectively. These values indicate that using the ICI as a control variable has successfully improved risk estimation by utilizing the ICI as a control variable.
PERFORMANCE EVALUATION OF THE INDF.JK STOCK PRICE MOVEMENT PREDICTION MODEL USING RANDOM FOREST METHOD WITH GRID SEARCH CROSS VALIDATION OPTIMIZATION Zaria, Della; Sulistianingsih, Evy; Martha, Shantika; Andani, Wirda
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 3 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss3pp2155-2168

Abstract

Investment in financial instruments in Indonesia has shown significant growth over time, with stocks often being the first choice for investors to invest money. Unfortunately, deciding to buy and sell stocks is not easy. When determining the right time to buy or sell stocks, volatile stock price movements and losses caused by wrong decisions are investors' problems. Thus, it is essential to analyze stock price movement predictions. This study aims to evaluate the prediction model's performance for PT Indofood Sukses Makmur Tbk (INDF.JK) stock price movement in the next 30 days to reduce the risk of possible losses and help the decision-making process. We used the Random Forest method and Grid Search Cross Validation (CV) optimization to form the model. The data used is the closing price of INDF.JK stock for the period January 2, 2014, to December 29, 2023, from Yahoo Finance, which is processed into eight types of stock technical indicators, namely SMA_5, SMA_10, SMA_15, SMA_30, EMA_9, MACD, MACD_Signal, and RSI. The research pipeline includes descriptive statistics, preprocessing, feature and target variables determination, data split, model formation without and with optimization, testing accompanied by performance evaluation, and comparison of the formed model. The results show that the prediction model of INDF. JK's stock price movement in the next 30 days has excellent performance, proven accurate by 90.8% with the application of Random Forest and Grid Search CV. The Random Forest prediction model with Grid Search CV optimization has better performance indicators than the Random Forest model without Grid Search CV optimization, which is shown by the increase of all indicator values. The relative Strength Index is the variable with the best performance for the prediction model. It can be used as the primary consideration for investors when deciding on the buying and selling process of INDF.JK stock in the next 30 days.
Peningkatan Keterampilan Analisis Data Bagi Fungsional BPS di Kalimantan Barat Melalui Pelatihan SEM dengan AMOS Martha, Shantika; Andani, Wirda; Sulistianingsih, Evy; Debataraja, Naomi Nessyana; Imro'ah, Nurfitri; Satyahadewi, Neva; Tamtama, Ray; Perdana, Hendra; Kusnandar, Dadan
Bahasa Indonesia Vol 22 No 01 (2025): Sarwahita : Jurnal Pengabdian Kepada Masyarakat
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/sarwahita.221.9

Abstract

This Community Service activity is a form of cooperation between Statistics Study Program FMIPA UNTAN and BPS through training activities. The purpose of this PKM is to provide knowledge and insight to BPS functional employees about SEM (Structural Equation Modeling) using AMOS. This activities were carried out on Monday, August 14, 2023 in the Vicon room of the West Kalimantan provincial BPS office with 32 participants attending. The results of this training activity are expected to be applied by BPS functional employees in processing and analyzing data as research needs and work related to statistical data. The level of success in this training was measured through pre-test, post-test and participant satisfaction survey. A wilcoxon test was conducted with α = 0.05 and the result was p-value smaller than 0.01. So that the p-value < α which means rejecting H0 and it can be concluded that the average pretest score < average posttest score. In other words, the post-test results increased significantly, which means that the participants' abilities increased after the training. Based on the participant satisfaction survey, the results showed that all participants (100%) had never used AMOS software before. Overall, participants were satisfied (61.5%) and very satisfied (38.5%) with the training because they could increase their knowledge and the training materials delivered were in accordance with their needs, easy to understand and interesting, could be applied easily, and were delivered in order and systematically.   Abstrak Kegiatan Pengabdian Kepada Masyarakat (PKM) ini merupakan salah satu wujud kerjasama Prodi Statistika FMIPA UNTAN dengan BPS melalui kegiatan pelatihan. Adapun tujuan PKM ini yaitu memberikan pengetahuan dan wawasan kepada pegawai fungsional BPS tentang teknik pengolahan dan analisis data SEM (Structural Equation Modelling) dengan menggunakan AMOS. Kegiatan PKM dilaksanakan pada hari Senin, 14 Agustus 2023 di ruang Vicon kantor BPS prov Kalbar dengan jumlah peserta yang hadir 32 orang. Hasil dari kegiatan pelatihan ini diharapkan dapat diterapkan oleh pegawai fungsional BPS dalam mengolah dan menganalisis data sebagai kebutuhan penelitian maupun pekerjaan yang berhubungan dengan data statistika. Tingkat keberhasilan pada pelatihan ini diukur melalui pemberian pretest, posttest dan survey kepuasan peserta. Dilakukan uji beda menggunakan uji wilcoxon dengan α = 0.05 dan didapatkan hasil yaitu berupa p-value lebih kecil dari 0.01. Sehingga p-value < α yang berarti tolak H0 dan dapat disimpulkan rata-rata nilai pretest < rata-rata nilai posttest. Dengan kata lain hasil posttest meningkat secara signifikan yang artinya kemampuan peserta meningkat setelah dilaksanakan pelatihan. Berdasarkan survey kepuasan peserta didapatkan hasil ternyata semua peserta (100%) belum pernah menggunakan software AMOS sebelum pelatihan. Secara keseluruhan peserta merasa puas (61,5%) dan sangat puas (38,5%) mengikuti pelatihan karena dapat menambah pengetahuan serta materi pelatihan yang disampaikan sesuai dengan kebutuhan, mudah dipahami dan menarik, dapat diterapkan dengan mudah, dan disampaikan dengan urut dan sistematis.
Estimation of Tail Value at Risk for Bivariate Portfolio using Gumbel Copula Fransiska, Fransiska; Sulistianingsih, Evy; Satyahadewi, Neva
JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 9, No 2 (2025): April
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jtam.v9i2.29952

Abstract

Investing in the stock market involves complex risks, especially under extreme and unpredictable conditions. While Value at Risk (VaR) is a widely used risk measure, it has limitations in capturing tail-end risks. This study employs Tail Value at Risk (TVaR) using the Gumbel Copula approach, which effectively models upper-tail dependence in return distributions—an aspect often overlooked by traditional linear correlation methods. This quantitative research utilizes copula-based Monte Carlo simulation. The data consists of daily closing prices of PT Adaro Energy Indonesia Tbk (ADRO) and PT Indo Tambangraya Megah Tbk (ITMG) from July 3, 2023, to July 30, 2024. The analysis begins with return calculation and tests for autocorrelation and homoskedasticity. The Gumbel Copula parameter is estimated using Kendall’s Tau, resulting in a dependence parameter of 1.7791. Based on this, 1,000 simulations are conducted to generate new return data that reflect extreme dependencies between the two stocks. An optimal portfolio is constructed using the Mean-Variance Efficient Portfolio (MVEP) method, assigning weights of 31.61% to ADRO and 68.39% to ITMG. TVaR is then calculated from the simulated portfolio returns. The results show increasing TVaR values at higher confidence levels: 2.08%, 2.64%, 3.14%, and 4.11% for 80%, 90%, 95%, and 99%, respectively. These findings demonstrate that TVaR provides more accurate insights into potential losses in extreme market conditions, supporting investors in developing more informed and risk-sensitive portfolio strategies.
Co-Authors ., Putri Abdul Maulana Agustono, Hendri Alqadri, Syarifah Putri Tasya Vahira Alsa Muarti Amalia, Disya Recita Ananda, Adelia Andani, Wirda Anggi Septiawan Anis Faiqo Tuzzainiyah Anisa Shafarianti Annisa Auliarahmi Ardhitha, Tiffany 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 Febrant Alfariz Febryanti, Winda Ferdi Afrizal Fiqriani, Rizha Aynul Fransiska Fransiska Gristia Aldilla Gunawan, Risky Hadi, Muhammad Silmi Hafifah, Nanda Hanin, Noerul Hazwani Dhiya&#039; Atiq Viatmaja Hendra Perdana Imanni, Rahmania Andarini Hatti Immy, Immy Imro'ah, Nurfitri IMRO’AH, NURFITRI Imro’ah, Nurfitri Jessica Audrey Valeria Kamila, Diva Rahma Khairina Auliannisa Laksono Trisnantoro Lisa Lestari Louis Putra Jaya Maga, Fahmi Giovani Maharani, Cinta Priscillia Maresha Widya Muliadiasti Maria Artameivia Putri Martha, Shantika Matius Robi Meilandra, Irvan Meliana Pasaribu Melvin, Melvin Mely Amara Putri Misno Misno Muhammad Fikri Mutiara Nurisma Rahmadhani Nabilah, Niken Aushaf Nanda Shalsadilla Naomi Nessyana Debataraja Natalia, Desa Ayu Nazwa Nursyifa Neva Satyahadewi Nurfitri Imro&#039;ah Nurfitri Imro’ah Oktaviani, Indah Oktitannia, Dea Panawaristia, Brigitha Pebriyandi, Rifki Pendra, Yunus Eduard Perangin Angin, Christi Alemsa Pitriani Pitriani - Pratama, Aditya Nugraha Pratama, Yogi Priani, Wina Putra, Fajar Rahmana Radinasari, Nur Ismi Rahmah, Mhaulia Rahmania Andarini Hatti Imanni Resti Arsanti Rifqi, Bhima Fairul Risma Junian Salsabila, Hana Salsabila, Yumna Hanum Satrya, Ya’ Aditya Dian Savitri, Dini Dwi Sela Karlina 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 Yohanna Gabriel Richsita Yundari, Yundari Yundari, Yundari Yustosio, Darwis Yuyun Eka Pratiwi Zakiah, Ainun Zaria, Della