Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Teknika Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi
Putri Isnaini Cahyaning Baiti
Institut Teknologi Sumatera
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Optimasi Penentuan Basis Risiko pada Jaringan Saham Keuangan Menggunakan Dimensi Metrik untuk Estimasi Value at Risk Annisa Hevita Gustina Kumalasari Saefulloh; Putri Isnaini Cahyaning Baiti; Erica Grace Simanjuntak; Rahmatika Zaqiatul Latifah
Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Volume 14 Issue 1 April 2026
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/euler.v14i1.37004

Abstract

This study aims to optimize systemic risk monitoring in the Indonesian financial sector network by determining the minimum risk basis using the Metric Dimension concept. The high complexity of inter-asset correlations requires a dimension reduction method that maintains structural information regarding risk exposure. Daily stock price data from 10 financial issuers (banking, insurance, and financing) for the five-year period from January 1, 2021, to December 31, 2025, were used. The data were transformed into a weighted graph through a log-return correlation matrix converted into metric distances. The resolving set (W) was determined using a greedy algorithm to identify the optimal basis. Validation was performed by analyzing the correlation between the metric coordinates of each issuer and its 95% Value at Risk (VaR). The results showed that the financial network has a metric dimension of dim(G) = 1, with ADMF.JK selected as the optimal resolving set (basis). Actuarial validation revealed a significant negative correlation (−0.5495) between the metric distance and VaR. This implies that the metric distance from the basis can linearly map the magnitude of market risk, offering an efficient strategy for investment managers to monitor portfolio stability through a single reference entity.
Analisis Perbandingan Metode Klasterisasi Kabupaten/Kota di Provinsi Sumatera Utara Berdasarkan Indikator Kemiskinan Karina Sylfia Dewi; Cindy Auliani Hutagalung; Annisa Hevita Gustina Kumalasari Saefulloh; Putri Isnaini Cahyaning Baiti; Rosni Rosni; Nanda Azzanina
TEKNIKA Vol. 20 No. 3 (2026): Teknika September 2026 (On Progress)
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Provinsi Sumatera Utara terdiri dari 25 kabupaten dan 8 kota dengan karakteristik ekonomi serta geografis yang beragam. Perbedaan kondisi antarwilayah tersebut berpotensi menimbulkan ketimpangan dalam tingkat kemiskinan dan kesejahteraan masyarakat. Oleh karena itu, diperlukan analisis yang dapat memetakan wilayah-wilayah di Provinsi Sumatera Utara berdasarkan kemiripan karakteristik pada indikator kemiskinan. Penelitian ini bertujuan untuk membandingkan hasil pengelompokan kabupaten/kota menggunakan metode hierarchical clustering dan non-hierarchical clustering (k-means clustering). Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik Provinsi Sumatera Utara yang meliputi persentase penduduk miskin, indeks kedalaman kemiskinan, indeks keparahan kemiskinan, harapan lama sekolah, rata-rata lama sekolah, dan tingkat pengangguran terbuka. Analisis dilakukan dengan penentuan metode hierarki terbaik berdasarkan nilai koefisien agglomerative, kemudian dibandingkan dengan hasil dari metode k-means clustering. Hasil penelitian menunjukkan bahwa metode non-hierarchical (k-means clustering) menghasilkan nilai Davies-Bouldin Index yang lebih kecil dibandingkan metode hierarchical clustering, yang mengindikasikan bahwa cluster yang terbentuk memiliki tingkat kekompakan (compactness) yang lebih tinggi dan pemisahan (separation) yang lebih baik. Dengan demikian, metode k-means clustering dinilai memiliki performa yang lebih optimal dalam mengelompokkan kabupaten/kota berdasarkan indikator kemiskinan. Berdasarkan hasil klasterisasi, kabupaten/kota di Provinsi Sumatera Utara terbagi menjadi empat cluster utama dengan karakteristik kemiskinan yang berbeda. Temuan ini diharapkan dapat menjadi acuan bagi pemerintah daerah dalam merumuskan kebijakan penanggulangan kemiskinan yang lebih efektif dan tepat sasaran.
Co-Authors Annisa Hevita Gustina Kumalasari Saefulloh Cindy Auliani Hutagalung Erica Grace Simanjuntak Karina Sylfia Dewi Nanda Azzanina Rahmatika Zaqiatul Latifah Rosni Rosni