cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
Jurnal Sains dan Seni ITS
ISSN : -     EISSN : -     DOI : -
Core Subject : Humanities, Art,
Arjuna Subject : -
Articles 2,279 Documents
Analisis Risiko Saham Sektor Perbankan Menggunakan Value at Risk dan Expected Shortfall dengan Pendekatan VARMA-GARCH Aida Fauziah; R. Mohamad Atok
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.92066

Abstract

Investasi adalah sebuah komitmen dalam menanamkan sejumlah dana pada periode tertentu untuk mendapatkan keuntungan di masa yang akan datang. Investasi pada saham menjadi sasaran para investor karena keuntungan (return) yang diperoleh relatif tinggi. Namun, return yang tinggi memiliki risiko yang tinggi pula. Pergerakan return dari saham lain juga dapat mempengaruhi besar return yang didapatkan. Sehingga, diperlukan analisis untuk mengetahui seberapa besar risiko suatu saham dan melihat pengaruh yang dimiliki antar saham. Metode yang dapat digunakan dalam mengestimasi risiko pada saham adalah Value at Risk dan Expected Shortfall. Dalam perhitungannya dilakukan pendekatan dengan model VARMA untuk melihat pengaruh antar saham. Return juga erat kaitannya dengan volatilitas. Pergerakan dari return yang tidak stabil menyebabkan volatilitas yang tinggi. Sehingga akan ada efek heteroskedastisitas yang dapat menimbulkan ketidakstasioneran data terhadap varians. Maka dilakukan pemodelan GARCH untuk mengatasi hal tersebut. Pada penelitian ini, data yang digunakan adalah data harian dari saham sektor perbankan yaitu saham BBCA, BBRI, dan BMRI dengan periode waktu dari 2 Januari 2017 hingga 30 Desember 2021. Hasil identifikasi menunjukkan bahwa model VARMA (0,4) merupakan model yang terbaik. Sedangkan model GARCH terbaik adalah model GARCH (1,1) untuk masing-masing saham. Hasil estimasi risiko tertinggi berdasarkan nilai VaR dimiliki oleh saham BBRI pada tingkat kepercayaan 99% dengan nilai VaR sebesar 7,688542%. Sedangkan nilai VaR terendah dimiliki oleh saham BBCA pada tingkat kepercayaan 90% dengan nilai VaR sebesar 0,031299%. Hasil estimasi risiko tertinggi berdasarkan nilai Expected Shortfall (ES) dimiliki oleh saham BBRI pada tingkat kepercayaan 99% dengan nilai ES sebesar 12,419326%. Sedangkan nilai ES terendah dimiliki oleh saham BBCA pada tingkat kepercayaan 90% dengan nilai ES sebesar 2,744818%. Berdasarkan Uji Kausalitas Granger, dapat disimpulkan bahwa hanya terdapat dua hubungan satu arah antar saham sektor perbankan, yaitu saham BBCA berpengaruh pada saham BBRI dan saham BMRI berpengaruh pada saham BBRI.
Analisis Keputusan Investasi pada Saham IDX30 Menggunakan Metode Capital Asset Pricing Model (CAPM) dan Reward to Variability Ratio (RVAR) Nadia Inka Aulia; Imam Safawi Ahmad
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.92071

Abstract

Investasi adalah komitmen saat ini atas uang atau sumber daya lain dengan harapan untuk mendapatkan keuntungan di masa depan. Salah satu aset yang diminati oleh para investor adalah saham. Berinvestasi pada saham dapat menguntungkan bagi seorang investor, tetapi juga mempunyai risiko kerugian. Hal tersebut terjadi karena harga saham yang mengalami fluktuasi, sehingga para investor akan memilih untuk membuat portofolio sebagai langkah mengurangi risiko. Salah satu indeks yang mengukur kinerja saham yang memiliki likuiditas tinggi dan kapitalisasi pasar besar serta didukung oleh fundamental perusahaan yang baik adalah indeks IDX30. IDX30 terdiri atas 30 saham perusahaan yang dapat digunakan sebagai pertimbangan ketika akan melakukan investasi. Sebelum mengambil sebuah keputusan untuk berinvestasi, investor harus mengetahui dari 30 saham yang terdaftar dalam indeks IDX30, saham mana yang memiliki kinerja terbaik dengan cara menganalisis nilai return dari masing-masing saham tersebut. Pada penelitian ini, peneliti akan melakukan analisis keputusan investasi pada saham yang terdaftar dalam indeks IDX30 menggunakan metode Capital Asset Pricing Model (CAPM) dan Reward to Variability Ratio (RVAR). Variabel yang digunakan pada penelitian ini adalah return saham yang terdaftar dalam indeks IDX30 pada periode Februari 2022 dan return indeks harga saham gabungan. Berdasarkan penelitian yang telah dilakukan, diperoleh hasil bahwa peringkat kinerja saham terbaik pertama sampai kelima berturut-turut adalah saham Sarana Menara Nusantara Tbk. (TOWR), Merdeka Copper Gold Tbk. (MDKA), Bank Central Asia Tbk. (BBCA), Barito Pacific Tbk. (BRPT), dan Tower Bersama Infrastructure Tbk. (TBIG).
Pemodelan Ketahanan Emiten Indeks LQ45 Menggunakan Metode Bayesian Cox Proportional Hazard Nabela Aristya Fajrin; Imam Safawi Ahmad
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.92236

Abstract

Pandemi berdampak pada segala aspek kehidupan, salah satunya yaitu perekonomian yang mana mampu mempengaruhi keputusan investor dalam berinvestasi di pasar modal atau Bursa Efek Indonesia (BEI). Terdapat banyak indeks saham dalam BEI, salah satunya yaitu indeks LQ45. Indeks LQ45 merupakan kumpulan 45 emiten terbaik dengan likuiditas tinggi dan kapitalisasi pasar besar serta fundamental perusahaan yang baik. Fundamental ini mengacu pada performa keuangan perusahaan yang ditinjau melalui laporan keuangan. Indikator dalam evaluasi laporan keuangan ialah rasio keuangan, dimana rasio-rasio ini mampu mempengaruhi ketahanan emiten dalam indeks LQ45. Selanjutnya, salah satu analisis yang sesuai ialah analisis survival karena data bergantung pada waktu. Metode yang digunakan pada tugas akhir ini ialah Cox Proportional Hazard Model serta dengan pendekatan bayesian. Cox Proportional Hazard digunakan karena merupakan model semiparametrik sehingga tidak mengharuskan mengikuti distribusi tertentu. Pendekatan Bayesian dapat digunakan untuk memperoleh parameter yang lebih signifikan. Penelitian ini dilakukan untuk menentukan model terbaik yang terbentuk antara Cox Proportional Hazard dengan Bayesian Cox Proportional Hazard, serta mengetahui faktor yang mempengaruhi ketahanan emiten untuk tetap tergabung dalam indeks LQ45 berdasarkan rasio keuangan. Penelitian ini menggunakan 13 variabel eksplanatori dari data laporan keuangan perusahaan yang tergabung di indeks LQ45 periode 2016 hingga 2021. Hasil penelitian menunjukkan bahwa pemodelan dengan Bayesian Cox Proportional Hazard lebih baik dibuktikan dengan nilai Deviance information Criterion (DIC) yang lebih kecil yaitu sebesar 147,31, berbanding dengan Bayesian Information Criterion (BIC) dari Cox Proportional Hazard yang sebesar 149,72. Berdasarkan Bayesian Cox Proportional Hazard, faktor yang mempengaruhi ketahanan emiten pada indeks LQ45 ialah Return on Equity (ROE), Net Profit Margin (NPM), Debt to Equity Ratio (DER), Working Capital Turnover (WCT). Hazard ratio Return on Equity (ROE) adalah sebesar 0,959, Net Profit Margin (NPM) sebesar 1,052, Debt to Equity Ratio (DER) sebesar 1,866, dan Working Capital Turnover (WCT) sebesar 1,972.
Pemodelan Magnitude Gempa Bumi di Indonesia Menggunakan Generalized Extreme Value (GEV) Berbasis Simulasi Markov Chain Monte Carlo (MCMC) Fadhela Anindya Rahmadani; Pratnya Paramitha Oktaviana
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.92341

Abstract

Gempa bumi merupakan peristiwa getaran yang disebabkan dari terjadinya pelepasan akumulasi energi dari lempeng tektonik di dalam bumi. Indonesia merupakan negara yang terletak pada pertemuan antara lempeng tektonik, yang menyebabkan Indonesia rawan terjadi gempa bumi. Di Indonesia gempa bumi sebesar 9.1 magnitude pernah terjadi dan menyebabkan tsunami yang memakan korban jiwa lebih dari 160 orang dan 63.977 keluarga kehilangan tempat tinggal. Terjadinya gempa bumi terutama gempa berkekuatan besar dapat menyebabkan besarnya dampak yang ditimbulkan. Risiko kerugian dapat diminimalisir dengan adanya mitigasi bencana sebelum terjadinya peristiwa bencana. Kerugian yang ditimbulkan dari bencana alam dapat diminimalisir dengan mengalihkan risiko kepada perusahaan asuransi. Sebagai lembaga pengalih risiko serta yang mengumpulkan dana premi, perusahaan asuransi harus memperhitungkan risiko yang tidak dapat dimitigasi. Untuk mengoptimalkan manajemen risiko bencana dapat dilakukan analisis mengenai kejadian bencana. Salah satunya dapat menggunakan extreme value theory pada data bencana. Sumber data yang digunakan dalam penelitian ini adalah data gempa bumi di Indonesia tahun 1990-2021 dari katalog gempa bumi National Earthquake Information Center-USGS. Pada penelitian ini digunakan variabel magnitude gempa bumi di Indonesia. Magnitude gempa bumi merupakan kejadian ekstrem. Dalam penelitian ini parameter nilai ekstrem di estimasi mengikuti distribusi GEV dengan metode Maximum Likelihood Estimation (MLE). Setelah diperoleh parameter dari distribusi GEV akan dilanjutkan estimasi dengan Markov Chain Monte Carlo. Berdasarkan pemilihan model terbaik dengan metode DIC, yang diperoleh model terbaik yakni pada data ekstrem maksimum periode 12 bulan. Penelitian dilanjutkan dengan melakukan perhitungan return level. Hasil dari penelitian ini diharapkan dapat digunakan sebagai referensi dalam perencanaan manajemen risiko bencana alam gempa bumi.
Faktor-Faktor yang Memengaruhi Kematian Ibu dan Kematian Balita di Provinsi Jawa Barat Tahun 2020 dengan Regresi Multivariat Diah Ayu Lestari; Lucia Aridinanti
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.93076

Abstract

Kematian ibu dan kematian balita menjadi salah satu indikator yang dapat menggambarkan kesejahteraan masyarakat dalam suatu wilayah. Dimana salah satu target dalam Sustainable Development Goals (SDGs) adalah meminimalkan jumlah kematian ibu dan jumlah kematian balita. Provinsi Jawa Barat menjadi provinsi yang memiliki jumlah kematian ibu tertinggi di Indonesia yaitu mencapai 16,1% dari total kematian ibu di tanah air dan memiliki jumlah kematian balita yang cukup tinggi yaitu sebanyak 10,5% dari total kematian balita di Indonesia. Oleh karena itu, perlu dilakukan analisis untuk mengetahui faktor-faktor yang memengaruhi kematian ibu dan kematian balita di Provinsi Jawa Barat untuk menekan kematian ibu dan kematian balita di Provinsi Jawa Barat. Dengan menggunakan metode Regresi Multivariat diperoleh bahwa jumlah kematian ibu dan jumlah kematian balita di Provinsi Jawa Barat dipengaruhi oleh cakupan persalinan ditolong oleh nakes (X2), cakupan ibu nifas mendapatkan kapsul vitamin A (X3), persentase rumah tangga ber-PHBS (X4), jumlah bayi dengan BBLR (X5) serta jumlah puskesmas dan RS (X6) dengan ukuran kebaikan model sebesar 92,5%.
Pemodelan Generalized Poisson Regression (GPR) dan Negative Binomial Regression (NBR) untuk Mengatasi Overdispersi pada Jumlah Kematian Bayi di Kabupaten Probolinggo Amara Deviana Chaniago; Sri Pingit Wulandari
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.93240

Abstract

Data Dinas Kesehatan Kabupaten Probolinggo tahun 2020 menyatakan Angka Kematian Bayi (AKB) di Kabupaten Probolinggo sebesar 8,11. Angka tersebut tergolong tinggi jika dibandingkan dengan AKB Provinsi Jawa Timur sebesar 6,3. Sehingga perlu dilakukan analisis untuk mengetahui faktor-faktor yang mempengaruhi jumlah kematian bayi di Kabupaten Probolinggo tahun 2020. Regresi poisson merupakan analisis yang sesuai dalam pemodelan kasus data diskrit. Namun regresi poisson mensyaratkan kondisi equidispersi yang sulit dipenuhi. Pada umumnya sering ditemui kondisi overdispersi. Metode yang dapat digunakan untuk mengatasi kondisi overdispersi diantaranya adalah metode Generalized Poisson Regression (GPR) dan Negative Binomial Regression (NBR). Objek penelitian terdiri dari variabel respon yaitu jumlah kematian bayi serta variabel prediktor yang diduga mempengaruhi jumlah kematian bayi diantaranya yaitu faktor kesehatan ibu hamil dan bayinya, faktor kebersihan dan gizi, serta faktor peningkatan imunitas bayi yang terdiri dari 9 variabel serta 2 variabel tambahan yaitu jumlah tenaga kesehatan dan jumlah fasilitas kesehatan. Hasil analisis diperoleh bahwa terjadi kasus overdispersi sehingga analisis GPR dan NBR perlu dilakukan. Berdasarkan analisis GPR dan NBR, model yang layak untuk digunakan adalah model dengan kombinasi variabel prediktor jumlah bayi lahir rendah (X7), jumlah ibu hamil mendapat imunisasi Td2+ (X8), dan jumlah tenaga kesehatan (X10). Keseluruhan variabel berpengaruh signifikan terhadap model. Diperoleh hasil bahwa metode yang paling baik digunakan untuk memodelkan jumlah kematian bayi untuk mengatasi overdispersi adalah metode GPR karena memiliki kriteria kebaikan model AIC, AICc, BIC, dan BICc yang lebih kecil dibandingkan dengan metode NBR.
Analisis Pola Kecenderungan Jenis Desil MBR Kota Surabaya terhadap Indikator Sosial Ekonomi Yusuf Achmad Pambudi; Mutiah Salamah Chamid
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.93822

Abstract

Masyarakat Berpenghasilan Rendah (MBR) adalah masyarakat yang mempunyai keterbatasan daya beli sehingga perlu mendapat dukungan pemerintah untuk memperoleh fasilitas sosial ekonomi melalui program MBR. Meningkatnya penduduk miskin Kota Surabaya diikuti dengan meningkatnya jumlah MBR sehingga banyaknya MBR yang ingin mendapatkan bantuan sosial meningkat. Program MBR akan dikelompokkan berdasarkan 40% masyarakat berstatus sosial ekonomi terendah yang dikategorikan pada sangat miskin (desil 1), miskin (desil 2), cukup miskin (desil 3) dan hampir miskin (desil 4), oleh karenanya perlu disusun pola kecenderungan jenis desil MBR berdasarkan pada indikator sosial ekonomi dengan menggnakan analisis korespondensi. Karakteristik MBRKta Surabaya berdasarkan desil menunjukkan mayoritas belum/tidak bekerja dengan pendapatan kategori tinggi, pendidikan SMA / sederajat, kelompok usia dewasadan bertempat tinggal di Surabaya Utara. Hasil analisis korespondensi bahwa terdapat kecenderungan antara kategori jenis desil 1 dengan variabel pendapatan keluarga yaitu pendapatan tinggi dan variabel wilayah tempat tinggal yaitu Surabaya Utara. Kategori jenis desil 2 memiliki kecenderungan dengan variabel jenis pekerjaan yaitu pegawai pemerintahan, bidang industri dan pekerjaan lainnya, variabel Pendidikan terakhir yaitu SD/sederajat dan Mahasiswa, variabel kelompok usia MBR yaitu dewasa dan lansia..
Analisis Sentimen Data Ulasan Pengguna Aplikasi “PeduliLindungi” pada Google Play Store Menggunakan Metode Naïve Bayes Classifier Model Multinomial Zahtira Annisa; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.94064

Abstract

Salah satu terobosan dari pemerintah Republik Indonesia dalam menangani pandemi COVID-19 adalah membuat aplikasi PeduliLindungi. Setiap pengguna baru aplikasi PeduliLindungi ingin mengetahui bagaimana respon pengguna sebelumnya sebagai bentuk evaluasi setelah menggunakan aplikasi PeduliLindungi melalui Google Play Store berupa ulasan. Oleh karena itu, perlu dilakukan penelitian analisis sentimen untuk mengetahui sentimen masyarakat terhadap aplikasi tersebut. Penelitian ini dilakukan dengan metode Naïve Bayes Classifier dengan model Multinomial. Hasil dari penelitian ini didapatkan bahwa pengguna mayoritas memberikan opini bersentimen negatif sebesar 65%, sedangkan opini sentimen positif hanya sebesar 19,08%, dan sentimen netral sebesar 15,92%. selanjutnya ulasan masyarakat yang bersentimen positif antara lain mengandung kata “bantu”, “terima”, “mohon”, “peduli”,“bagus” dan lain-lain. Sedangkan opini masyarakat yang bersentimen negatif antara lain mengandung kata “daftar”, “susah”, “buka”, “lahir”, “gagal”, dan lain-lain. Perhitungan ketepatan klasifikasi menggunakan G-Mean dan AUC karena termasuk ke dalam kategori data imbalanced. Nilai G-Mean sebesar 0,6239 menunjukkan bahwa bahwa sentimen positif dan negatif dari data ulasan pengguna aplikasi PeduliLindungi dapat diklasifikasikan secara tepat sebesar 62,39% dan nilai AUC sebesar 0,6323 yang berarti bahwa data ulasan pengguna PeduliLingungi termasuk dalam klasifikasi lemah yaitu sebesar 63,23%.
Analisis Kepuasan Dan Positioning Konsumen Restaurant Fast Food dengan Menggunakan Importance Performance Analysis Dan Biplot Athasya Permata Putri Setiawam; Dwi Endah Kusrini
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.94192

Abstract

Cita rasa dan harga produk setiap restaurant fast food memiliki keunggulan tersendiri, salah satu contohnya adalah KFC dan McD. Untuk mengetahui tingkat kepuasan dan positioning KFC dan McD maka akan dilakukan analisis dengan dimensi kualitas pelayanan yang dapat dilihat dari lima dimensi, yaitu tangible, reliability, responsiveness, assurance dn empathy. Hasil analisis IPA pada KFC menunjukkan adanya 3 indikator variabel tangible dan responsiveness yang perlu ditingkatkan. Sedangkan pada McD perlu meningkatkan ke-5 dimensi kualitas pelayanan yaitu variabel tangible, reliability, responsiveness, assurance dan empathy. Analisis Positioning menggunakan biplot antara KFC dan McD menurut benak konsumen menunjukkan perbedan yang melekat, KFC dan McD memiliki ciri khas yang berbedapada variabel tangible, reliability, responsiveness, assurance dan empathy.
Perbandingan Analisis Sentimen Mengenai BPJS pada Media Sosial Twitter Menggunakan Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM) Diva Durrotun Nada; Soehardjoepri Soehardjoepri; R. Mohamad Atok
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.96330

Abstract

Seiring dengan perkembangan teknologi, masyarakat saat ini dapat mengungkapkan perasaan, pendapat, atau pandangannya kepada publik melalui jejaring sosial. Salah satu media sosial terpopuler saat ini adalah Twitter yang diluncurkan oleh Jack Dorsey pada tanggal 15 Juli 2006. Media sosial ini merupakan salah satu media sosial utama yang digunakan masyarakat Indonesia untuk memberikan opini kepada pengguna internet. Karena jumlah pengguna Twitter yang cukup besar, hal ini sering digunakan oleh pemerintah, pelaku bisnis, maupun masyarakat untuk melihat pendapat pengguna tentang suatu produk atau layanan. Karena sebagian besar masyarakat Indonesia menggunakan BPJS, maka hal ini menyebabkan banyak pengguna media sosial seperti Twitter mengunggah ulasan mereka terkait kinerja BPJS. Hal ini dikarenakan hasil penelitian diperoleh langsung dari opini publik atas apa yang mereka alami, maka hasil tersebut dapat digunakan sebagai pengoptimalisasian program kerja, dan peningkatan kualitas pelayanan bagi perusahaan tersebut. Penelitian ini menggunakan dua metode untuk membandingkan tingkat akurasi antara metode Naïve Bayes Classifier dan Support Vector Machine menggunakan data Twitter berupa tweet umum mengenai kinerja BPJS dengan kata kunci “BPJS”, “Badan Penyelenggara Jaminan Sosial”, “Klaim” sejak Januari 2019 sampai Desember 2021. Hasil penelitian menunjukkan bahwa metode Support Vector Machine Kernel RBF dengan parameter C = 1000 dan γ = 100 memiliki performa ketepatan klasifikasi yang paling baik dibanding Naïve Bayes Classifier dan Support Vector Machine Kernel Linear. Dengan hasil rata-rata ketepatan klasifikasi SVM Kernel RBF, SVM Kernel Linear, dan Naïve Bayes Classifier masing-masing sebesar 97,1%, 92,5%, dan 86,7%.