Article Per Year (5 Year)
p-Index From 2021 - 2026
11.247
P-Index
This Author published in this journals
All Journal Pythagoras: Jurnal Matematika dan Pendidikan Matematika Media Statistika BIMASTER Jurnal Pendidikan Matematika dan IPA Jurnal Gaussian Epsilon: Jurnal Matematika Murni dan Terapan CAUCHY: Jurnal Matematika Murni dan Aplikasi Journal of Mathematical and Fundamental Sciences Edumatsains Al-Jabar : Jurnal Pendidikan Matematika Indonesian Journal of Science and Mathematics Education BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Teorema: Teori dan Riset Matematika VOX EDUKASI: Jurnal Ilmiah Ilmu Pendidikan Jambura Journal of Mathematics GERVASI: Jurnal Pengabdian kepada Masyarakat InPrime: Indonesian Journal Of Pure And Applied Mathematics Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal AlphaEuclidEdu Jurnal Diferensial Tensor: Pure and Applied Mathematics Journal Jurnal Abdimas Bina Bangsa Komatika: Jurnal Pengabdian Kepada Masyarakat Jurnal Eurekamatika Pattimura International Journal of Mathematics (PIJMath)
Yundari, Yundari
Jurusan Matematika FMIPA Universtas Tanjungpura
Agriculture, Biological Sciences & Forestry Humanities Astronomy Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 111 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 73 Documents
Search
Journal : BIMASTER

 1   2   3   4   5 
PENERAPAN PEWARNAAN GRAF PADA PENEMPATAN BAHAN KIMIA MUDAH MENYALA Studi Kasus: Laboratorium Kimia FMIPA UNTAN Meliana Pasaribu, Risa Damayanti, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): 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.v10i3.47436

Abstract

Laboratorium Kimia Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (UNTAN) memiliki bahan kimia mudah menyala. Bahan tersebut memerlukan pengaturan penyimpanan yang tepat untuk meminimalisir kecelakaan kerja di Laboratorium. Bahan kimia mudah menyala yang tersedia di Laboratorium Kimia FMIPA UNTAN berjumlah 17 bahan yang terdiri dari Asetonitril, Etanol, Metanol, Ether, Acetic Anhydrida, Tert-Butanol, Ethyl Asetat, Butanol, Aseton, Cycloheksan, Petroleum Benzen, Pyridin, Asetaldehydrad, 2 Propanol, 1 Propanol, Benzen, dan Benzol. Teori pewarnaan graf (graph colouring) dapat digunakan dalam pengaturan penyimpanan bahan kimia mudah menyala. Salah satu algoritma yang dapat digunakan yaitu algoritma Welch-Powell. Algoritma ini digunakan untuk mengetahui bilangan kromatik dari suatu graf. Bilangan kromatik akan menentukan jumlah minimum lemari pada penyimpanan bahan kimia mudah menyala. Berdasarkan hasil penelitian, bahan kimia mudah menyala di Laboratorium Kimia FMIPA UNTAN dapat dikonstruksikan ke dalam bentuk graf bipartit dengan bilangan kromatik yang diperoleh yaitu dua. Oleh karena itu jumlah minimum lemari penyimpanan yang diperlukan di Laboratorium Kimia FMIPA UNTAN yaitu dua lemari.  Kata Kunci: Bilangan kromatik, kecelakaan kerja, graf.
PREDIKSI OUTFLOW UANG KARTAL DI KALIMANTAN BARAT DENGAN METODE SINGULAR SPECTRUM ANALYSIS (SSA) Yundari, Ageng Wicaksono, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v8i3.33903

Abstract

Uang merupakan komponen penting dalam perekonomian yang digunakan sebagai alat pembayaran dalam melakukan transaksi jual dan beli. Banyaknya uang yang beredar di masyarakat berpengaruh pada kondisi perekonomian suatu negara. Dalam kewenangan untuk mengatur transaksi arus keluar/masuk uang kartal, diperlukan Rencana Kebutuhan Uang (RKU). Banyak aspek yang menjadi dasar pembuatan RKU, salah satunya data historis aliran uang masuk (inflow) dan aliran uang keluar (outflow). Agar perencanaan tersebut tepat maka peramalan outflow sangat diperlukan. Data outflow pada umumnya memuat pola musiman dan trend sehingga dapat dimodelkan dengan analisis deret waktu. Metode SSA merupakan metode yang menggunakan pendekatan nonparametrik. Artinya dalam pengaplikasiannya, metode ini tidak membutuhkan uji asumsi-asumsi parametrik. Metode SSA menguraikan data deret waktu ke dalam komponen-komponen, yaitu trend, musiman, siklis dan noise. Pada penelitian ini metode SSA yang digunakan adalah metode recurrent (R-forecasting). Penelitian ini dilakukan dengan mengelompokkan data sebanyak 3 kelompok yang menggambarkan fluktuasi data untuk 9 periode peramalan. Tingkat akurasi peramalan diukur menggunakan kriteria Mean Absolute Percentage Error (MAPE) dan Tracking Signal. MAPE dan Tracking Signal   pada   peramalan SSA terhadap data aktual sebesar 18,63% dan 0,6377. Hal ini mengakibatkan metode SSA dapat dikatakan baik dan valid untuk meramalkan outflow uang kartal di Kalimantan Barat periode November 2018 sampai Juli 2019.Kata Kunci: singular spectrum analysis, R-forecasting, MAPE, tracking signal
BILANGAN AKROMATIK PADA GRAF BINTANG, GRAF POHON PISANG DAN GRAF KEMBANG API Fransiskus Fran, Darul Ihsan, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.52189

Abstract

Pewarnaan lengkap adalah pewarnaan simpul sehingga untuk setiap pasangan warna (a,b) terdapat sisi e=(v1,v2) sedemikian sehingga v1 diwarnai a dan v2 diwarnai b. Permasalahan yang dikaji pada pewarnaan lengkap adalah mencari bilangan akromatik yaitu maksimum banyaknya warna yang digunakan pada pewarnaan lengkap. Bilangan akromatik dinotasikan dengan lambang ѱ(G). Pada penelitian ini dibahas tentang bilangan akromatik pada graf khusus yaitu graf bintang Sn, graf pohon pisang B2,n, graf pohon pisang B3,n, graf kembang api F2,n dan graf kembang api F3,n dengan n≥3. Graf bintang Sn adalah graf dengan n+1 simpul, dengan satu simpul berdejarat n yang dinamakan simpul pusat, dan n simpul berderajat satu yang dinamakan daun. Graf Pohon pisang Bm,n adalah graf yang diperoleh dengan menghubungkan satu daun dari setiap m salinan graf bintang Sn ke sebuah simpul baru yang disebut simpul akar. Graf kembang api Fk,n adalah graf yang diperoleh dari k salinan graf bintang dengan cara menghubungkan sebuah daun dari setiap Sn melalui sebuah lintasan. Berdasarkan penelitian diperoleh bilangan akromatik pada graf bintang adalah 2. Bilangan akromatik pada graf pohon pisang B2,n dan B3,n  berturut-turut adalah 4 dan 5. Bilangan akromatik pada graf kembang api F2,n dan B3,n adalah 4 dan 5. Kata kunci:  pewarnaan graf, pewarnaan simpul, pewarnaan lengkap.
MODEL ARIMA SEMIPARAMETRIK Helmi, Rosi Pratiwi, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.52192

Abstract

Pada pemodelan stokastik asumsi error diperlukan untuk memvalidasi suatu model. Error yang baik adalah error yang kecil, berdistribusi normal dan memenuhi sifat keacakan. Metode Autoregressive Integrated Moving Average (ARIMA) merupakan salah satu model stokastik yang memperhatikan asumsi error tersebut. Pada penelitian ini, error model dimodifikasi agar diperoleh error yang lebih kecil namun tetap memenuhi asumsi error. Model yang diusulkan adalah model ARIMA Semiparametrik. Model ARIMA semiparametrik merupakan teknik pemodelan yang menggabungkan model ARIMA parametrik (konvensional) dengan model nonparametrik. Tujuan dari penelitian ini adalah untuk membandingkan hasil pemodelan ARIMA semiparametrik dengan model ARIMA parametrik pada data Indeks Harga Saham Gabungan (IHSG). Langkah-langkahnya diawali dengan metode ARIMA secara parametrik, selanjutnya dilakukan pemodelan nonparametrik pada error yang dihasilkan oleh metode ARIMA parametrik. Hasil penelitian menunjukkan bahwa analisis data deret waktu menggunakan model ARIMA semiparametrik ini menghasilkan model estimasi yang lebih baik dari model ARIMA parametrik. Hal ini dapat dilihat dari nilai RMSE yang diperoleh yaitu senilai 59,224. Kata Kunci : estimasi, deret waktu, regresi kernel, ARIMA
PENENTUAN SEMUA MINIMUM SPANNING TREE (MST) DENGAN MENGGUNAKAN ALGORITMA ALL MST Fransiskus Fran, Sri Pariyani, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.52711

Abstract

Minimum spanning tree (MST) pada graf berbobot  adalah graf terhubung yang memuat semua titik pada graf  tanpa sirkuit dan memiliki jumlah bobot paling minimum dari semua sisi. Untuk menentukan MST dari suatu graf terhubung berbobot, terdapat beberapa algoritma yang dapat digunakan, salah satunya adalah algoritma Kruskal. Dengan menggunakan algoritma Kruskal, diketahui hanya mampu menghasilkan satu MST sedangkan terdapat graf terhubung berbobot yang memungkinkan memiliki MST yang tidak tunggal. Oleh karena itu, algoritma Kruskal dimodifikasi menjadi algoritma All MST yang dapat digunakan untuk menentukan semua MST. Pada artikel ini dibahas tentang penentuan semua MST pada graf berbobot dengan menggunakan algoritma All MST. Artikel ini dimulai dengan menentukan MST awal menggunakan algoritma Kruskal, dengan bobot MST totalnya dinotasikan sebagai . MST awal inilah yang akan menghasilkan kemungkinan-kemungkinan MST lainnya pada setiap submasalah. Kemudian, dengan menggunakan algoritma Depth First Search (DFS), semua submasalah ini akan dibentuk menjadi pohon berakar. Berdasarkan hasilnya, menunjukkan bahwa algoritma All MST dapat digunakan untuk mendapatkan semua MST. Selain itu, diperoleh bahwa semua submasalah dapat dibentuk menjadi pohon berakar dengan pola kunjungan setiap submasalah yaitu DFS. Selanjutnya, untuk semua MST yang terbentuk dari algoritma All MST menghasilkan masing-masing MST yang berbeda. Kata Kunci : algoritma Kruskal, pohon berakar, algoritma Depth First Search
PEMODELAN DATA COVID-19 KASUS PASIEN TERKONFIRMASI DI KALIMANTAN BARAT MENGGUNAKAN FUZZY TIME SERIES CHENG Nurfitri Imro’ah, Riswi Maulidya Syahfutri, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): 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.v11i02.53281

Abstract

Fuzzy Time Series (FTS) merupakan kecerdasan buatan dalam peramalan, dimana data historis dibentuk ke dalam nilai-nilai linguistik. FTS termasuk salah satu soft computing yang telah digunakan dan dikembangkan oleh banyak peneliti, salah satunya adalah FTS yang dikembangkan oleh Cheng dimana FTS Cheng menggunakan prinsip-prinsip fuzzy sebagai dasarnya.  Penelitian ini menganalisis data COVID-19 di Kalimantan Barat pada periode 1 Desember 2020 hingga 31 Maret 2021 menggunakan pemodelan FTS Cheng. Pada peramalan FTS Cheng penentuan interval menggunakan metode strugges, kemudian menggunakan matriks pembobot ternormalisasi untuk analisis FTS Cheng dan diperoleh hasil prediksi 1 April 2021 yaitu 41 kasus terkonfirmasi COVID-19. Hasil ketepatan peramalan yang dihitung menggunakan Mean Absolute Percentage Error (MAPE) adalah 44,8%.Kata Kunci: Metode Strugges, Prediksi, COVID-19
PEMODELAN REGRESI SEMIPARAMETRIK SPLINE TRUNCATED PADA DATA TINGKAT PENGANGGURAN TERBUKA DI INDONESIA Erlando Erlando; Yundari Yundari; Helmi Helmi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): 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.v11i3.55661

Abstract

Saat ini hampir semua provinsi di Indonesia menghadapi masalah klasik yang sudah lama terjadi, yaitu pengangguran. Data dari Badan Pusat Statistik (BPS) menunjukkan bahwa masalah pengangguran di Indonesia masih cukup tinggi karena masih tingginya tingkat pengangguran di daerah-daerah. Salah satu bentuk pengangguran adalah pengangguran terbuka. Pengangguran terbuka merupakan pengangguran yang tenaga kerjanya sungguh-sungguh tidak mempunyai pekerjaan. Untuk mengetahui banyaknya indikator pada pengangguran terbuka yaitu dengan menggunakan Tingkat Pengangguran Terbuka (TPT). Faktor-faktor yang mempengaruhi TPT di Indonesia dapat diketahui dengan menggunakan regresi semiparametrik spline truncated, karena antara variabel respons (TPT) dan prediktor-prediktornya memiliki pola yang berubah-ubah atau tidak dapat diketahui bentuk kurva regresinya (semiparametrik). Tujuan penelitian ini untuk memodelkan faktor-faktor yang mempengaruhi TPT di Indonesia menggunakan regresi semiparametrik spline truncated serta menentukan faktor yang mempengaruhi TPT secara signifikan. Dalam penelitian ini digunakan 5 variabel yang diduga berpengaruh terhadap Tingkat Pengangguran Terbuka di Indonesia. Data diperoleh dari publikasi website Badan Pusat Statistik (BPS) tahun 2018. Hasil penelitian menunjukkan bahwa model regresi semiparametrik spline truncated untuk pemodelan tingkat pengangguran terbuka di Indonesia tahun 2018 menggunakan kombinasi knot (3,3,3,3). Untuk nilai GCV minimumnya yaitu sebesar 3,167255 sedangkan untuk nilai koefisien determinasi sebesar 23,10% dengan variabel prediktor yang berpengaruh yaitu Angka Partisipasi Kasar (APK) SD dan SMP, Indeks Pembangunan Manusia (IPM), dan Laju Pertumbuhan PDRB. TPT Indonesia tahun 2018 yaitu sebesar 5,30% sedangkan provinsi yang memiliki TPT tertinggi yaitu Provinsi Banten sebesar 8,47% dan provinsi yang memiliki TPT terendah yaitu Provinsi Bali yaitu sebesar 1,40%.  Kata Kunci: GCV, Regresi Semiparametrik Spline Truncated, Tingkat Pengangguran Terbuka, Titik Knot.
PENERAPAN METODE EXTENDED KALMAN FILTER PADA KASUS PERTUMBUHAN PENDUDUK DI KOTA PONTIANAK Siti Masitah; Yundari Yundari; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): 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.v11i3.55448

Abstract

Pertumbuhan penduduk adalah bertambah atau berkurangnya jumlah penduduk di suatu daerah. Jumlah penduduk memiliki pengaruh penting diantaranya dalam hal tingkat pengangguran dan pertumbuhan ekonomi, sehingga perlu adanya estimasi jumlah penduduk sebagai salah satu cara dalam hal perencanaan kesejahteraan masyarakat. Penelitian ini bertujuan untuk mengestimasi pertumbuhan penduduk Kota Pontianak dengan metode Extended Kalman Filter (EKF). Estimasi ini dilakukan dengan membandingkan dua asumsi model yaitu model persamaan pertumbuhan logistik dengan asumsi linier dan model persamaan pertumbuhan logistik dengan asumsi parabolik terbuka ke bawah.Hasil estimasi didapatkan dengan melakukan beberapa langkah, yaitu melakukan pengumpulan data jumlah penduduk Kota Pontianak tahun 1990-2020, menentukan laju pertumbuhan penduduk dan ambang batas populasi, melakukan diskritisasi pada model pertumbuhan logistik menggunakan metode beda hingga maju, menghitung matriks Jacobi dan menambahkan noise pada model pertumbuhan logistik, mengimplementasikan algoritma EKF, serta menganalisis hasil simulasi penggunaan metode EKF. Simulasi dilakukan sebanyak tiga kali menggunakan 7, 15 dan 31 data pengukuran. Analisis yang dilakukan adalah membandingkan model pertumbuhan logistik yang digunakan. Hasil simulasi menunjukkan bahwa model pertumbuhan logistik dengan asumsi fungsi populasi parabolik lebih sesuai dengan pertumbuhan penduduk Kota Pontianak pada keseluruhan simulasi yang dilakukan dan hasil estimasi jumlah penduduk menggunakan metode EKF dengan data pengukuran yang lebih besar memberikan hasil yang relatif lebih baik. Kata Kunci:  Penduduk, Pertumbuhan Logistik, Extended Kalman Filter
PREDIKSI REALISASI PENERIMAAN PAJAK BUMI DAN BANGUNAN PROVINSI KALIMANTAN BARAT DENGAN MODEL GREY-MARKOV(1,1) Dea Rizki Darmawanti; Yundari Yundari; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): 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.v11i3.55449

Abstract

Pajak Bumi dan Bangunan (PBB) merupakan salah satu pajak yang wajib dibayar warga negara Indonesia hanya satu kali dalam setahun. Pengoptimalan penerimaan PBB daerah Provinsi Kalimantan Barat, perlu dilakukan untuk kelancaran pembagunan di daerah Provinsi Kalimantan Barat. Badan Pusat Statistik (BPS) biasanya melakukan proyeksi realisasi penerimaan PBB. Pada data realisasi penerimaan PBB, data yang tersedia terbatas dan jumlahnya tidak terlalu besar. Model prediksi yang digunakan adalah Model Grey-Markov(1,1). Penelitian ini bertujuan mengkaji bentuk Model Grey-Markov(1,1)  dan memprediksi realisasi penerimaan PBB pada tahun 2021. Tahap awal dalam penelitian ini adalah membentuk data penerimaan PBB ke dalam bentuk barisan, tahap kedua menghitung nilai dengan mengakumulasi data penerimaan PBB atau Accumulated Generating Operation (AGO). Selanjutnya menentukan nilai tengah atau rata-rata dari dua data yang berdekatan atau Mean Generating Operation (MGO) dan menentukan nilai parameter Model Grey(1,1). Hasil peramalan Model Grey(1,1)  dimodifikasi dengan rantai markov dengan empat interval keadaan sehingga diperoleh hasil prediksi Model Grey-Markov(1,1). Hasil penelitian ini menunjukkan bahwa, pada tahun 2021 prediksi realisasi penerimaan PBB adalah Rp.447.889.085. Data prediksi ini memiliki nilai akurasi  yaitu 9,67% yaitu berarti model sangat baik.. Kata Kunci: Badan Pusat Statistik, Rantai Markov, Model Grey(1,1)
PERHITUNGAN EXPECTED SHORTFALL PADA INVESTASI SAHAM DENGAN PENDEKATAN EKSPANSI CORNISH FISHER Winanda Epriyanti; Yundari Yundari; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): 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.v11i4.57772

Abstract

Investasi adalah suatu kegiatan menanamkan modal yang dilakukan dengan tujuan untuk memperoleh keuntungan di masa yang akan datang. Salah satu bentuk investasi adalah saham. Perhitungan risiko sangat penting dalam berinvestasi saham. Metode Value at Risk (VaR) merupakan suatu metode pengukuran risiko saham yang paling umum digunakan. Kelemahan VaR adalah tidak memperhatikan kerugian yang melebihi tingkat kepercayaan yang digunakan karena tidak menutup kemungkinan akan terjadi kerugian yang lebih besar dari estimasi nilai VaR yang diperoleh. Untuk mengatasi kelemahan tersebut digunakan metode Expected Shortfall (ES). Kelebihan dari metode ES adalah dapat menghitung besar kerugian yang nilainya melebihi VaR. ES dengan ekspansi Cornish Fisher dapat mengestimasi risiko saham tanpa harus memenuhi asumsi normalitas dengan menyesuaikan nilai skewness dan kurtosis. Tujuan penelitian ini adalah untuk mengestimasi besar risiko saham menggunakan metode ES dengan pendekatan ekspansi Cornish Fisher dan membandingkannya dengan nilai VaR. Data yang digunakan adalah data harga penutupan saham PT Indofood CBP Sukses Makmur Tbk periode 26 Maret 2020 sampai dengan 19 November 2021. Data harga penutupan saham diubah menjadi data return saham. Data return saham yang digunakan tidak memenuhi asumsi normalitas sehingga perhitungan ES menggunakan pendekatan ekspansi Cornish Fisher. Selanjutnya, residual model awal dari data return saham yang mempunyai efek heteroskedastisitas dimodelkan ke dalam ARCH/GARCH. Model ARCH(1) yang diperoleh merupakan model terbaik. Hasil perhitungan menunjukkan bahwa dengan tingkat kepercayaan 95%, nilai peluang risiko ES sebesar 0,0424999 dalam prediksi satu hari kedepan. Kemudian dengan tingkat kepercayaan yang sama diperoleh nilai peluang risiko VaR sebesar 0,0265019. Hasil perhitungan nilai peluang risiko ES dapat memperhitungkan kerugian yang nilainya 0,015998 lebih besar dibanding nilai peluang risiko VaR. Kata Kunci: Return Saham, Value at Risk (VaR), ARCH/GARCH
Co-Authors Adrian, Ferry Ahmad Yani T Alexander Ananda, Adelia Angraini, Wanda Aprilianti, Aulia Aprizkiyandari, Siti Ariani, Prisilia Arizal, Arizal Asyrad, Adam Ayu Lestari Ayu Sri Utami Bambang Poniman Barita Riana Sitours Bayu Prihandono Brella Glysentia Vilgalita Chintya, Yuni Daniel Happy Putra Daska, Hipin Dea Rizki Darmawanti Dede Suratman Deni Winda Sari Desi Desi Ditanti Putri Shofia Eka Febrianti, Eka Eligia Helvianti Tri Lina P Elishabet Yohana Enis Rahayu Erlando Erlando Ervina Febyolga Evangelista, Gitta Evi Novian Evi Noviani Evy Sulistianingsih Fajria, Intan Luthfiani Fansiskus Fran Fikadila, Lisa Firhan Januardi Firmansyah, Dimas Fran, Fransiskus Fransiskus Fran Fransiskus Fran Hamdani Hamdani Hanssen, Calvin Helmi Helmi Helmi Helmi Helmi Helmi Helmi Hendra Perdana Hengki, Marius Henny Priandini Amalia Huda, Nur'ainul Miftahul HUDA, NUR’AINUL MIFTAHUL Huda, Nur’ainul Miftahul Ikbal Muhaimin Jonathan, Ryan Juwita, Dia Prima Laksono Trisnantoro Lauren, Nover Laurens Paskhia Dirda Rusanditia Lexandra, Natalia Lina Astuti Maharani, Citra Cipta Mariatul Kiftiah Martha, Shantika Meisita, Cheril Meliana Pasaribu Melinda Mareta Sari Mohamad Rif'at Mudinillah, Adam Muhammad Ilyas Mujiarti, Eka May Muslimah (F54210032) Nadia Putri Kurniawati Neno Juli Triami Neva Satyahadewi Nilamsari Kusumastuti Ningrum, Runi Aisyah Diyah Novia Kristefany Kabang Nurfadilah, Kori’ah NURFITRI IMRO’AH Nurfitri Im’roah Nurliantika, Nurliantika NUR’AINUL MIFTAHUL HUDA Pranata Anggi Priyatna, Tegar Rama Puspita, Urfila Dian Putra, Fajar Rahmana Putri Romanda Rachmawati, Febby Rahmah, Mhaulia Ramadhan, Rahul Ramadhanti, Tasya Redika Rayhannisa, Rayhannisa Rif'at, Mohammad Rifatullah, Rohit Riski Apriadi Rivaldi, Syahrul Rizki, Setyo Wira Ryan Jonathan Safitri, Fauziah Sasqia Aklysta Antaristi Setyo Wira Rizki Setyo Wira Rizki Shantika Martha Shantika Martha Silvia, Elma Silvy Heriyanti Suryani Suryani Takuan, Julianus Tambunan, Ayu Oktavia Tamtama, Ray Udjianna Sekteria Pasaribu Utriweni Mukhaiyar Venti, Monalisa Wele, Bruno Sala Winanda Epriyanti Yudhi Yulis Jamiah Zada Almira Zubaidah Zubaidah