Article Per Year (5 Year)
p-Index From 2020 - 2025
11.933
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
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 : 105 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Eurekamatika

 1 
Analisis Harga Opsi Beli Tipe Eropa dengan Metode Antithetic Variate dari Monte Carlo Nadia Putri Kurniawati; Yundari Yundari; Setyo Wira Rizki
Jurnal EurekaMatika Vol 10, No 1 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i1.47673

Abstract

Stock options is one of the derivative products of stocks. The purpose of this study is to analyze the price of European type call options using the antithetic variate method from Monte Carlo. The data used is the daily closing price of Apple Inc shares for the period October 1, 2020 to September 30,2021. The steps taken are to determine the parameters used, calculate the stock return value, average, variance and volatility of stock returns, generally data that is normally distributed. Then simulate stock prices using the data that has been generated, calculates the payoff value, the price of the European type of call option and the standard error value. The result shows that for the Monte Carlo method, a call option price of $17,523 in the 50.000th simulation, while the antithetic variate method of Monte Carlo obtained a call option price of $17,387 in the 100th simulation. In other words, the standard error of the antithetic variate method from Monte Carlo is smaller than the Monte Carlo method with the assumption of a minimum standard error of 0,050.Keywords: Monte Carlo Simulation,  Stock Option, Variance Reduction Technique. AbstrakOpsi saham merupakan produk derivatif dari saham sebagai salah satu alternatif investasi. Tujuan dari penelitian ini adalah menganalisis harga opsi beli tipe Eropa menggunakan antithetic variate dari Monte Carlo. Data yang digunakan yaitu harga penutupan saham harian Apple Inc periode 01 Oktober 2020 sampai dengan 30 September 2021. Langkah-langkah yang dilakukan adalah menentukan parameter yang digunakan, menghitung nilai return saham, rata-rata, variansi dan volatilitas dari return saham, membangkitkan data yang berdistribusi normal. Kemudian mensimulasikan harga saham menggunakan data yang telah dibangkitkan, menghitung nilai payoff, harga opsi beli tipe Eropa dan nilai standard error. Berdasarkan hasil perhitungan dengan metode Monte Carlo, diperoleh harga opsi beli sebesar $17,523 pada simulasi ke-50.000, sedangkan metode antithetic variate dari Monte Carlo diperoleh harga opsi beli sebesar $17,387 pada simulasi ke-100. Dengan kata lain, standard error metode antithetic variate dari Monte Carlo lebih kecil dibandingkan metode Monte Carlo dengan asumsi standard error minimumnya sebesar 0,050.
Pemodelan STARIMA(1,1,1) pada Log Sinar Gamma Laurens Paskhia Dirda Rusanditia; Yundari Yundari; Nur’ainul Miftahul Huda
Jurnal EurekaMatika Vol 10, No 2 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i2.52896

Abstract

The lowest rock layer can indicate the earliest period, while the top rock layer can suggest the most recent era. Backcasting, or the prediction of past rock strata, is crucial because it can make drilling operations more cost-, time-, and labor-effective. The objective of this research is to investigate the Space-time Autoregressive Integrated Moving Average (STARIMA) model and apply the STARIMA (1,1,1) model to predict and identify the rock strata. The research process begins with calculating the location weights and parameter estimates. Furthermore, the STARIMA (1,1,1) modeling was carried out on the in-sample data with the parameter estimates that have been obtained. Then the residuals in the model were tested to see the assumptions obtained. After that, predictions were made to obtain the gamma-ray log value for the previous 5 depths. The study's findings indicate that there is a large with the RMSE measuring average values of 21.15 and 32.87, respectively. The smallest gamma ray log value obtained from the prediction results from a depth of 96 m to 96.8 m is 11.5666 API and the largest is 26.1699 API. Overall, the results of the prediction indicate that the rock layers contain coal.Keywords: Backcasting, Gamma Ray Log, Rock Layer.AbstrakLapisan batuan terendah dapat menyatakan waktu tertua dan lapisan batuan tertinggi dapat menyatakan waktu yang lebih muda. Prediksi terhadap lapisan batuan lebih tua (backcasting) menjadi penting karena dapat membantu kegiatan pemboran agar efektif dan efisien dalam waktu, tenaga dan biaya. Tujuan dari penelitian ini adalah mengkaji model Space-time Autoregressive Integrated Moving Average (STARIMA) dan mengaplikasikan model STARIMA(1,1,1) pada data log sinar gamma untuk memprediksi dan mengidentifikasi lapisan batuan. Proses penelitian ini diawali dengan menghitung bobot lokasi dan estimasi parameter. Selanjutnya dilakukan pemodelan STARIMA(1,1,1) pada data in-sample dengan estimasi parameter yang telah diperoleh. Kemudian residual pada model tersebut diuji untuk melihat asumsi yang didapat. Setelah itu, prediksi dilakukan untuk memperoleh nilai log sinar gamma untuk 5 kedalaman sebelumnya. Hasil dari penelitian ini adalah data in-sample dan out-sample menunjukkan terdapat galat yang cukup besar dengan nilai ukur RMSE sebesar 21,15 dan 32,87. Diperoleh nilai log sinar gamma terkecil pada hasil prediksi dari kedalaman 96 m hingga 96,8 m adalah 10,3460 API dan terbesar adalah 26,1699 API. Secara keseluruhan, hasil prediksi menunjukkan terdapat kandungan batubara pada lapisan batuannya.
Implementasi Metode Polinomial Newton Gregory untuk Mengestimasi Produksi Tanaman Biofarmaka di Kalimantan Barat Zada Almira; Yundari Yundari; Nurfitri Im’roah
Jurnal EurekaMatika Vol 11, No 1 (2023): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v11i1.57451

Abstract

Biopharmaceutical plants or known as medicinal plants are types of plants that have functions and efficacious as medicines and are used to cure or prevent various diseases. Empirically, the use of biopharmaceutical plants is believed to be efficacious and passed on as a cultural wealth from generation to generation through tradition. Previous research has shown that some people in West Kalimantan still use biopharmaceutical plants as an alternative to traditional medicine. So, there needs to be an estimate of the number of production biopharmaceutical plants in West Kalimantan using Newton Gregory Polynomial Interpolation. Methode of The Newton Gregory Polynomial has two types, namely Forward Newton Gregory Polynomial and Backward Newton Gregory Polynomial. The accuracy of the two methods can be seen from the results of the relative error analysis. The simulation with the Newton Gregory Backward Polynomial, the average of relative error is 0,5338, while the implementation with the Newton Gregory Forward Polynomial, the average of relative error is 0,6569.Keywords: Newton Gregory Polynomial, Newton Gregory Polynomial, Mean Relative Error. AbstrakTanaman biofarmaka atau dikenal dengan nama tanaman obat adalah jenis-jenis tanaman yang memiliki khasiat sebagai obat dan dipergunakan untuk penyembuhan ataupun mencegah berbagai penyakit. Pemanfaatan tanaman biofarmaka secara empiris diyakini kemanjurannya dan diwariskan sebagai kekayaan budaya turun melalui tradisi. Penelitian terlebih dahulu membuktikan bahwa sebagian masyarakat di Kalimantan Barat masih menggunakan tanaman biofarmaka sebagai alternative pengobatan tradisional. Maka dari itu diperlukan adanya pengestimasian jumlah produksi tanaman biofarmaka Provinsi Kalimantan Barat menggunakan Interpolasi Polinomial Newton Gregory. Interpolasi Polinomial Newton Gregory memiliki dua jenis, yaitu Polinomial Newton Gregory Maju dan Polinomial Newton Gregory Mundur. Hasil simulasi estimasi menunjukkan bahwa Polinomial Newton Gregory Mundur, diperoleh rata-rata galat relatif sebesar 0,5338, Sedangkan implementasi dengan menggunakan Polinomial Newton Gregory Maju diperoleh rata-rata galat relatif 0,6569.
Aplikasi Algoritma Viterbi dalam Hidden Markov Model untuk Menganalisis Trend Pasar Saham di Bursa Efek (Studi Kasus di PT. Bank Central Asia, Tbk.) Eligia Helvianti Tri Lina P; Yundari Yundari; Nur’ainul Miftahul Huda
Jurnal EurekaMatika Vol 11, No 2 (2023): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v11i2.63743

Abstract

This study aims to analyze and apply the Viterbi algorithm in the Hidden Markov Model on stock market trend movement data at PT Bank Central Asia, Tbk in 2022. At the initial stage, the closing stock price data of PT Bank Central Asia, Tbk for the next fifteen days is predicted using the ARIMA method. Then, the second stage is classifying closing stock data as a result of predictions. The third stage is to determine the parameters of the Hidden Markov Model. The fourth stage is to determine the Hidden State sequence with the Viterbi Algorithm, and the last stage is to analyze the application of the Viterbi Algorithm to the movement of the stock market trend. The results show that the Viterbi algorithm is used to determine the most optimal Hidden State sequence from a sequence of observed states. The right time for an investor to make a decision to sell shares is when the stock price is rising and the stock market trend is in a bullish position, namely on the March 4th, 10th, 16th, 17th and 21th 2022. Meanwhile, buying shares is when the stock price is down and the stock market trend is in a bearish position, namely on the March 3rd, 9th, 14th, 18th and 23th 2022.Keywords: Hidden Markov Model, Stock Market Trends, Viterbi Algorithm. AbstrakPenelitian ini bertujuan untuk menganalisis dan mengaplikasikan algoritma Viterbi dalam Hidden Markov Model pada data pergerakan trend pasar saham di PT. Bank Central Asia, Tbk tahun 2022. Pada tahap awal dilakukan prediksi data harga saham penutupan PT Bank Central Asia, Tbk selama lima belas hari ke depan menggunakan metode ARIMA. Tahap kedua adalah mengklasifikasi data hasil dari prediksi. Tahapan ketiga adalah menentukan parameter-parameter Hidden Markov Model. Tahapan keempat menentukan barisan Hidden State dengan Algoritma Viterbi, dan tahap terakhir adalah menganalisis pengaplikasian Algoritma Viterbi pada pergerakan trend pasar saham. Hasil dari penelitian ini adalah bahwa algoritma Viterbi digunakan untuk menentukan barisan Hidden State yang paling optimal dari suatu barisan observed state. Waktu yang tepat seorang investor mengambil keputusan untuk menjual saham adalah ketika harga saham dalam keadaan naik dan trend pasar saham dalam posisi bullish yaitu pada tanggal 4, 10, 16, 17, dan 21 Maret 2022. Sedangkan untuk membeli saham adalah ketika harga saham dalam keadaan turun dan trend pasar saham dalam posisi bearish yaitu tanggal 3,9, 14, 18, dan 23 Maret 2022.
Co-Authors Adrian, Ferry Ahmad Yani T Alexander Ananda, Adelia Angraini, Wanda 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 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 Lina Astuti 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 Puspita, Urfila Dian Putra, Fajar Rahmana Putri Romanda Rachmawati, Febby Rahmah, Mhaulia Ramadhan, Rahul Ramadhanti, Tasya Redika 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