Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Alfajriyah, Aimmatul Ummah
Departemen Aktuaria Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Analisis Data Panel Pengaruh Pertumbuhan Aset DPLK dengan Pendekatan Metode Regresi Kuantil dan Bootstrap Kuantil Pradyto, Muhammad Tamir; Ahmad, Imam Safawi; Alfajriyah, Aimmatul Ummah
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.150139

Abstract

Dana pensiun memainkan peran krusial dalam perencanaan keuangan individu untuk masa pensiun. Seiring dengan meningkatnya ketidakpastian ekonomi, keberlangsungan finansial di masa pensiun menjadi semakin vital. Dana Pensiun Lembaga Keuangan (DPLK) memberikan keamanan finansial dan memungkinkan seseorang untuk menikmati masa pensiun sesuai dengan impian dan rencananya. Namun, terdapat penurunan signifikan dalam jumlah peserta DPLK di Indonesia, meskipun aset dana pensiun terus meningkat. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi pertumbuhan aset DPLK di Indonesia. Dengan menggunakan data laporan keuangan dari tahun 2018 hingga 2022 dari berbagai DPLK, penelitian ini mempertimbangkan faktor-faktor seperti Cash Coverage Ratio (CCR), Operational Expenses Ratio (OER), Investment Expenses Ratio (IER), dan Rasio Dana Investasi (RDI). Metode yang digunakan adalah regresi kuantil panel dan bootstrap kuantil panel, yang dibandingkan untuk menentukan model terbaik dalam analisis. Hasil penelitian menunjukkan bahwa RDI adalah faktor paling dominan yang mempengaruhi pertumbuhan aset DPLK secara positif dan signifikan di hampir semua kuantil. Pada model common effect regresi kuantil panel, variabel RDI konsisten menunjukkan pengaruh signifikan positif terhadap Rasio Pertumbuhan Aset (RPA) dengan koefisien 0,97871 di kuantil 0,8. Model ini memiliki nilai AIC -131,6973, yang lebih baik dibandingkan dengan model regresi bootstrap kuantil panel yang memiliki nilai AIC 10,5755.
Perbandingan Metode Random Forest Regression (RFR) dan Support Vector Regression (SVR) dalam Memprediksi Risiko Kredit pada Bank XYZ Tualeka AC, Nur Aisha Al Zahra; Atok, R. Mohamad; Alfajriyah, Aimmatul Ummah
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.150012

Abstract

Meningkatnya animo masyarakat terhadap pengajuan pinjaman kredit di lembaga keuangan telah diimbangi dengan peningkatan kredit bermasalah yang berpotensi menimbulkan kerugian dan mempengaruhi rasio Non-Performing Loan (NPL). Penelitian ini bertujuan untuk membandingkan efektivitas metode Random Forest Regression (RFR) dan Support Vector Regression (SVR) dalam memprediksi risiko kredit pada Bank XYZ. Pemilihan parameter dilakukan dengan metode Grid Search, sementara evaluasi model menggunakan metrik Mean Absolute Percent Error (MAPE) dan Mean Squared Error (MSE). Hasil prediksi risiko kredit menggunakan metode RFR menunjukkan akurasi tinggi pada data pelatihan dengan MAPE sebesar 0,0125%, namun performanya menurun pada data pengujian dengan MAPE sebesar 14,86% dan MSE sebesar 0,3766. Sebaliknya, hasil prediksi risiko kredit menggunakan metode SVR dengan beberapa kernel menunjukkan bahwa kernel RBF memberikan hasil terbaik dengan MAPE sebesar 11,63% dan MSE sebesar 0,2486, mengungguli kernel Linear, Polynomial, dan Sigmoid. Perbandingan metode RFR dan SVR dengan kernel RBF menunjukkan bahwa meskipun RFR menunjukkan akurasi sangat tinggi pada data pelatihan, performanya yang buruk pada data pengujian menunjukkan overfitting yang signifikan. Sebaliknya, SVR dengan kernel RBF menunjukkan kinerja yang konsisten baik pada data pelatihan maupun pengujian, dengan nilai MAPE dan MSE yang lebih rendah. Kesimpulan dari penelitian ini menunjukkan bahwa SVR dengan kernel RBF merupakan pilihan yang lebih baik untuk prediksi risiko kredit, memberikan keseimbangan terbaik antara akurasi prediksi dan kemampuan menjelaskan variasi dalam data. Penelitian ini diharapkan dapat mendorong perusahaan perbankan untuk meningkatkan kualitas kredit melalui manajemen risiko yang efektif dan pemanfaatan teknologi machine learning dalam memprediksi risiko kredit.
Penerapan Model Black-Litterman dan Mean Absolute Deviation dengan K-Medoids Clustering untuk Optimasi Portofolio Saham Leonita, Ni Putu Riska Shyndi; Siswono, Galuh Oktavia; Alfajriyah, Aimmatul Ummah
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.149716

Abstract

Investasi merupakan aktivitas penempatan dana pada aset tertentu dengan tujuan mendapatkan keuntungan (return) pada masa depan. Semakin tinggi return maka semakin tinggi pula risikonya. Diversifikasi portofolio merupakan salah satu strategi untuk meminimalkan risiko investasi. Penelitian ini melakukan pemilihan saham untuk investasi dengan menggunakan metode K-Medoids Clustering. Penerapan metode clustering ini didahului dengan penerapan konsep Sliding Window untuk memahami perubahan struktur data yang terjadi seiring waktu. Selanjutnya, clustering diterapkan pada setiap window yang telah terbentuk. Pembentukan portofolio dilakukan dengan menggunakan model Black-Litterman dan Mean Absolute Deviation (MAD). Variabel yang digunakan dalam penelitian ini adalah data saham yang konsisten terdaftar dalam Indeks Investor33 periode Juli 2022 - Desember 2023. Berdasarkan analisis yang telah dilakukan, terbentuk 8 portofolio dengan model MAD dan 4 portofolio dengan model Black-Litterman. Analisis portofolio dengan model MAD menunjukkan bahwa portofolio optimal terbaik tersusun atas tiga saham, yaitu BMRI dengan bobot 0,72065, AKRA dengan bobot 0,23687, dan MDKA dengan bobot 0,04248. Portofolio ini menghasilkan akumulasi return sebesar 47,43% dalam kurun waktu Juli 2022 - Desember 2023. Kinerja portofolio berdasarkan Indeks Sharpe mencapai 0,05662, dengan estimasi kerugian maksimum sebesar 3,607%. Analisis portofolio dengan model Black-Litterman menunjukkan bahwa portofolio optimal terbaik tersusun atas tiga saham, yaitu BMRI dengan bobot 0,67501, ADRO dengan bobot 0,25362, dan AKRA dengan bobot 0,07137. Portofolio ini menghasilkan akumulasi return sebesar 37,19% dalam kurun waktu yang sama, dengan kinerja portofolio berdasarkan Indeks Sharpe mencapai 0,01113, dan estimasi kerugian maksimum sebesar 3,371%. Oleh karena itu, portofolio dengan model MAD direkomendasikan sebagai portofolio optimal terbaik bagi investor.
Perhitungan Premi dan Proft Testing Asuransi Jiwa Unit Link Menggunakan Metode Point-To-Point dan Model Black-Scholes pada Manfaat Investasi Handi, Anies Aulia; Siswono, Galuh Oktavia; Alfajriyah, Aimmatul Ummah
Jurnal Sains dan Seni ITS Vol 14, No 2 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i2.149291

Abstract

Asuransi unit link merupakan salah satu perkembangan asuransi modern yang menawarkan manfaat perlindungan asuransi jiwa sekaligus manfaat investasi. Nilai investasi pada kenyataannya dapat mengalami perubahan kenaikan dan penurunan yang membawa risiko finansial sesuai pada kondisi pasar keuangan. Penurunan atau kenaikan harga saham yang terjadi secara drastis dapat mempengaruhi hasil nilai investasi. Fluktuasi harga saham dalam nilai investasi dapat diatasi dengan adanya perlindungan garansi minimum dan garansi maksimum dengan menggunakan metode Point-to-Point dan model Black-Scholes. Saham yang digunakan pada instrumen investasi penelitian ini yaitu, saham PT. Bank Mandiri (Persero) Tbk (BMRI.JK). Hasil premi yang diperoleh menunjukkan bahwa premi dengan menggunakan metode Point-to-Point memiliki nilai yang lebih besar dibandingkan dengan model Black-Scholes. Hal ini disebabkan karena adanya tambahan faktor penentu perhitungan kinerja atau nilai investasi, yaitu adanya tingkat partisipasi dan cap rate, akan tetapi perbedaan premi antara kedua metode tidak terlalu signifikan. Selanjutnya, hasil simulasi profit testing menunjukkan bahwa NPV tertinggi dihasilkan pada pemegang polis laki-laki berusia 45 tahun dengan variasi skenario masa pertanggungan 10 tahun, perhitungan premi berdasarkan metode Point-to-Point dengan hasil NPV sebesar Rp3.938.575,22. Hasil analisis sensitivitas berdasarkan parameter incurred expenses, management charges dan premi, menunjukan bahwa hanya parameter premi yang elastis terhadap NPV. Penelitian menunjukan, bagi perusahaan asuransi jika ingin meningkatkan perolehan keuntungan, besarnya premi yang akan di bayarkan oleh pemegang polis dapat dinaikan.
Co-Authors Ahmad, Imam Safawi Atok, R. Mohamad Handi, Anies Aulia Leonita, Ni Putu Riska Shyndi Pradyto, Muhammad Tamir Siswono, Galuh Oktavia Tualeka AC, Nur Aisha Al Zahra