Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam tugas akhir ini dibahas mengenai suatu model baru koordinasi Pemasok - Pembeli (Supplier - Buyer, S-B) yang digambarkan sebagai suatu kasus dimana permintaan tahunan pembeli tetap. Model ini mengikuti strategi multiple lot oieh pemasok. Masalah harga pemasok dipandang sebagai permainan 2 orang terhadap permintaan (a two - person fixed threat bargaining game) dengan fungsi Pareto yang diketahui. Kemudian penyelesaian-penyelesaian Pareto dipilih berdasarkan nilai fungsi yang maksimum. Dari perhitungan contoh masalah, diperoleh penyelesaian Pareto yang memiliki nilai keuntungan total maksimum."

"Dibahas suatu model koordinasi antara pemasok dan pembeli dengan permintaan tahunan pembeli tetap, dan dapat digunakan oleh pemasok yang memakai Multiple Lot Strategy dalam proses persediaan awalnya. Masalah utama disini ialah penetapan harga barang dalam persaingan pasar sempurna, yang dilakukan oleh pemasok dengan mempertimbangkan keuntungan pembeli. Hal ini dapat dipandang sebagai permainan tawar-menawar antara dua orang dengan pola penawaran tetap (two-person fixed threat bargaining game). Masalah diselesaikan dengan Nash Bargaining. Harga dicari dengan menggunakan cara iteratif dan terdapat dua cara mencari harga yaitu optimasi terhadap harga dan optimasi terhadap keuntungan. Selain harga, akan dicari pula ukuran lot pemasok dan pembeli yang akan memaksimumkan keuntungan bersama. Dari beberapa perhitungan ternyata diperoleh hasil yang sama. Selanjutnya dibuat daftar oleh pemasok yang memuat harga, ukuran lot dan keuntungan untuk diajukan kepada pembeli. Tawar menawar dapat dilakukan berdasarkan daftar tersebut."

"Investasi saham merupakan salah satu jenis investasi yang paling populer karena saham memberikan tingkat keuntungan yang tinggi dibandingkan dengan jenis investasi lainnya, tetapi saham juga memiliki tingkat risiko yang tinggi. Fluktuasi harga saham memberikan peluang bagi investor untuk mendapatkan keuntungan yang tinggi. Dibutuhkan sebuah model prediksi harga saham untuk melihat pergerakan harga saham di masa yang akan datang, sehingga investor dapat menentukan waktu yang tepat untuk membeli, menahan, dan menjual saham mereka. Dengan demikian, mereka terlepas dari risiko kerugian dan memperoleh keuntungan yang besar. Terdapat beberapa studi yang membahas tentang prediksi harga saham menggunakan machine learning. Salah satunya yaitu menggunakan Support Vector Regression (SVR). Oleh karena itu, pada skripsi ini akan diuji penerapan SVR menggunakan Particle Swarm Optimization (PSO) sebagai seleksi fitur dalam memprediksi harga saham di Indonesia. Pada skripsi ini digunakan data historis saham harian dari Jakarta Stock Index dan beberapa saham pada sektor real estate dan properti. Beberapa indikator teknikal digunakan sebagai fitur dalam memprediksi harga saham. Studi ini menunjukkan bahwa prediksi harga saham menggunakan SVR dengan PSO sebagai seleksi fitur memiliki kinerja yang baik untuk semua data, fitur, dan jumlah data training yang digunakan pada skripsi ini memiliki nilai error yang kecil. Oleh karena itu, diperoleh model yang akurat untuk memprediksi harga saham di Indonesia.

---

Stock investing is one of the most popular types of investments since it provides the highest return among all investment types, although it is associated with considerable risk. Fluctuating stock prices provide an opportunity for investors to make a high profit. A stock price prediction model is needed to see future stock price movements, so investors can decide the right time to buy, hold, and sell their stocks which regardless of the risk of loss and gain a big profit. Several studies have focused on the prediction of stock prices using machine learning. One of them is Support Vector Regression (SVR). Therefore, this study examines the application of SVR using Particle Swarm Optimization (PSO) as feature selection in predicting Indonesian stock price. This thesis used historical daily stock data from Jakarta Stock Index (JKSE) and several real estates and property stock sectors. Some technical indicators are used as a feature in predicting stock price. The study found that stock price prediction using SVR with PSO as feature selection showed good performances for all data, features and the amount of training data used by the study have relatively low error probabilities. Therefore, an accurate model is obtained to predict stock price in Indonesia."

"Reasuransi berperan sebagai stabilisator industri asuransi dan dapat menjadi alat yang efektif untuk mengurangi risiko bagi perusahaan asuransi. Sebuah transaksi reasuransi adalah perjanjian dari dua atau lebih pihak yang terdiri dari perusahaan asuransi atau disebut juga cedent dan perusahaan reasuransi. Penentuan polis reasuransi yang optimal untuk kedua belah pihak sering menjadi permasalahan. Dikarenakan kepentingan dari perusahaan asuransi dan perusahaan reasuransi bertentangan, seringkali polis reasuransi yang menarik untuk satu pihak dianggap merugikan untuk pihak lainnya. Oleh karena itu, penelitian ini mempertimbangkan kepentingan dari perusahaan asuransi dan perusahaan reasuransi secara sekaligus dengan berfokus pada penentuan polis reasuransi stop-loss yang Pareto-optimal. Bentuk reasuransi yang optimal direpresentasikan oleh ceded loss function yang optimal, yaitu fungsi loss dari perusahaan reasuransi. Ukuran risiko yang akan digunakan adalah Value at Risk (VaR). Ceded loss function yang Pareto-optimal didapat dengan mencari nilai parameter retensi yang optimal, yaitu suatu nilai yang meminimalkan kombinasi linier VaR dari total kerugian perusahaan asuransi dan perusahaan reasuransi pada tingkat kepercayaan yang berbeda,di bawah prinsip ekspektasi premi. Berdasarkan data klaim yang diperoleh dari perusahaan Asuransi Jiwa Reliance Indonesia, didapatkan bentuk reasuransi stop-loss yang Pareto-optimal dalam beberapa skenario.

---

Reinsurance acts as a stabilizer for the insurance industry and can be an effective tool for reducing risk for insurance companies. A reinsurance transaction is an agreement between two or more parties, consisting of an insurance company (also known as the cedent) and a reinsurance company. Determining the optimal reinsurance policy for both parties often presents a challenge. Since the interests of the insurance company and the reinsurance company can be conflicting, a reinsurance policy that is attractive to one party may be detrimental to the other. Therefore, this research considers the interests of both the insurance company and the reinsurance company simultaneously, focusing on determining a Pareto-optimal stop-loss reinsurance policy. The optimal form of reinsurance is represented by the optimal ceded loss function, which is the loss function of the reinsurance company. The risk measure used is Value at Risk (VaR). The Pareto-optimal ceded loss function is obtained by finding the optimal retention parameter, which is a value that minimizes the linear combination of VaR of the total losses for the insurance company and the reinsurance company at different confidence levels, under the premium expectation principle. Based on claim data obtained from Reliance Life Insurance Indonesia, a Pareto-optimal stop-loss reinsurance form is derived in several scenarios."

"Penelitian ini bertujuan untuk menguji pengaruh price earnings ratio dan Tobin rsquo;s Q terhadap keputusan investasi pada perusahaan terbuka di Bursa Efek Indonesia. Penelitian ini dilakukan pada perusahaan terbuka non keuangan di Indonesia periode 2007-2016. Data penelitian didapat dari Thomson Reuters Datastream yang terdiri dari 198 perusahaan sebagai sampel penelitian. Hasil penelitian ini menunjukkan bahwa Tobin rsquo;s Q memiliki pengaruh yang positif dan signi kan terhadap keputusan investasi pada perusahaan terbuka di Indonesia. Di sisi lain, Price Earnings Ratio PER menunjukkan hasil yang tidak signi kan terhadap keputusan investasi pada perusahaan terbuka di Indonesia. Selain itu, penelitian ini juga melakukan pengujian pengaruh PER dan Tobin rsquo;s Q terhadap keputusan investasi di masing-masing sektor pada pasar modal Indonesia. Pengujian tersebut menyajikan hasil yang sama dengan pengujian pada seluruh perusahaan terbuka non keuangan di Indonesia.

---

This study aims to examine the effect of price earnings ratio PER and Tobin rsquo s Q on investment decisions listed rms in Indonesia Stock Exchange IDX . This research was conducted on non nancial listed rms in Indonesia within period 2007 2016. The data was obtained from Thomson Reuters Datastream consisting of 198 rms as research samples. The result of this study indicate that Tobin rsquo s Q has a positive and signi cant in uence on investment decisions in listed rms in Indonesia. On the other hand, Price Earnings Ratio PER shows insigni cant results on investment decisions in open companies in Indonesia. In addition, this study also examined the effect of PER and Tobin rsquo s Q on investment decisions in each sector of the Indonesian capital market. This additional study also presents the same results as previous research."

"Penelitian ini menyelidiki pengaruh perhatian publik tentang isu lingkungan terhadap kinerja indeks saham konvensional dan ESG di Indonesia dari Februari 2013 hingga Februari 2023. Jumlah observasi data yang digunakan mencakup sekitar 847 pengamatan indeks konvensional dan 121 pengamatan indeks ESG. Studi ini menggunakan analisis regresi Model Panel Common Model Effect (CEM) dan Robust Ordinary Least Square (OLS) Panel untuk menganalisis hubungan antara perhatian publik, yang diukur melalui jumlah artikel berita di Detik.com, Indeks Volume Pencarian Google (GSVI) dari Google Trends terkait isu lingkungan dengan kinerja pengembalian saham. Hasil penelitian ini menunjukkan bahwa perhatian publik terkait isu lingkungan dalam bentuk artikel berita memberikan pengaruh terhadap performa pengembalian indeks ESG di Indonesia. Penelitian ini diharapkan dapat memberikan wawasan kepada investor, pembuat kebijakan, dan peneliti lain mengenai efektivitas perhatian publik dalam mengatasi isu lingkungan seiring dengan meningkatnya minat dari investor bertanggung jawab secara sosial dalam pengambilan keputusan investasi.

---

This research investigates the impact of public attention on environmental issues on the performance of conventional and ESG stock indices in Indonesia from February 2013 to February 2023. The dataset used consists of approximately 847 observations for conventional indices and 121 observations for ESG index. The study employs Common Model Effect (CEM) and Robust Ordinary Least Square (OLS) data panel approach to examine the relationship between public attention, measured by the number of news articles on Detik.com, and the Google Search Volume Index (GSVI) from Google Trends related to environmental issues, and stock return performance. The results of this research indicate that public attention to environmental issues, in the form of news articles, has an impact on the return performance of ESG indices in Indonesia. This study is expected to provide insights to investors, policymakers, and other researchers regarding the effectiveness of public attention in addressing environmental issues, particularly with the increasing interest of socially responsible investors in investment decision-making"

"Penelitian ini bertujuan untuk menganalisis pengaruh Pandemi COVID-19 terhadap kinerja harga saham berdasarkan jumlah kasus harian, jumlah kematian harian, dan tingkat vaksinasi. Lebih lanjut penelitian ini dilakukan atas Indeks Harga Sektoral yang terdapat pada Bursa Efek Indonesia (BEI), khususnya di sektor Infrastruktur.

Dalam studi ini tiga independen digunakan seperti jumlah kasus, jumlah harian kematian, dan tingkat vaksinasi. Penelitian ini menunjukkan bahwa pengaruh antara Indeks Harga Sektoral dan jumlah kasus harian, jumlah kematian harian, dan tingkat vaksinasi bersifat timbal balik. Selain itu, penelitian sebelumnya menganalisis untuk mengetahui pengaruh Pandemi COVID-19 di Pasar Saham berdasarkan data mainboard BEI. Variabel yang digunakan untuk melihat pengaruhnya adalah kasus harian COVID, jumlah kematian harian, dan juga pembatasan sosial.

---

This study aims to analyze the effect of the COVID-19 Pandemic on stock price performance based on the number of daily cases, the number of daily deaths, and the vaccination rate. Furthermore, this research was conducted on the Sectoral Price Index found on the Indonesia Stock Exchange (IDX), especially in the Infrastructure sector.

In this study three independents were used such as number of cases, daily number of deaths, and vaccination rate. This study shows that the affect between the Jakarta Stock Industrial Classification (JASICA) and the number of daily cases, the number of daily deaths, and the vaccination rate is reciprocal. In addition, previous research analyzes to determine the effect of the COVID-19 Pandemic on the Stock Market based on IDX mainboard data. The variables used to see the effect are daily cases of COVID, daily number of deaths, and also social restrictions."

"Indeks Harga Saham LQ45 adalah indeks yang mengukur kinerja harga 45 saham yang memiliki likuiditas tinggi dan kapitalisasi pasar besar yang tercatat di Bursa Efek Indonesia. Prediksi Indeks Harga Saham LQ45 dapat digunakan untuk mengukur kinerja suatu portofolio saham di masa yang akan datang sehingga investor dapat melakukan evaluasi terhadap saham-saham yang dimilikinya. Prediksi Indeks Harga Saham LQ45 merupakan suatu tugas yang sulit karena data indeks harga saham ini cenderung memiliki fluktuasi yang cukup tinggi. Untuk itu, diperlukan suatu teknik yang tepat dalam memprediksi Indeks Harga Saham LQ45. Indeks Harga Saham LQ45 merupakan salah satu jenis data runtun waktu. Beberapa model telah dikembangkan dalam memprediksi data runtun waktu, salah satunya adalah machine learning. Generative Adversarial Network (GAN) merupakan salah satu pendekatan khusus untuk machine learning melalui pemodelan generatif. GAN dapat menghasilkan prediksi yang memiliki keakuratan yang tinggi, karena GAN menggunakan dua jaringan, yaitu generator dan diskriminator. Long Short-Term Memory (LSTM) digunakan sebagai generator untuk mempelajari data dan melakukan prediksi serta Convolutional Neural Network (CNN) digunakan sebagai diskriminator untuk mengklasifikasi data. Oleh karena itu, dalam tugas akhir ini, penulis menerapkan GAN dalam prediksi Indeks Harga Saham LQ45. Penerapan metode ini bertujuan untuk meningkatkan akurasi dalam prediksi sehingga investor dapat mengukur kinerja portofolio sahamnya di masa yang akan datang dengan baik. Data yang digunakan dalam tugas akhir ini adalah harga penutupan atau closing Indeks Harga Saham LQ45 harian dari periode 2 Januari 2019 hingga 30 Desember 2022. Hasil prediksi Indeks Harga Saham LQ45 dapat ditunjukkan dengan nilai MAPE. Untuk data training memiliki nilai MAPE sebesar dan untuk data testing memiliki nilai MAPE sebesar perbandingan 80% data training dan 20% data testing.

---

The LQ45 Stock Price Index is an index that measures the price performance of 45 stocks that have high liquidity and large market capitalization listed on the Indonesia Stock Exchange. The LQ45 Stock Price Index prediction can be used to measure the performance of a stock portfolio in the future so that investors can evaluate the shares they own. Predicting the LQ45 Stock Price Index is a difficult task because this stock price index data tends to have quite high fluctuations. For this reason, an appropriate technique is needed to predict the LQ45 Stock Price Index. The LQ45 Stock Price Index is a type of time series data. Several models have been developed to predict time series data, one of which is machine learning. Generative Adversarial Network (GAN) is a special approach to machine learning through generative modeling. The GAN method can produce predictions that have high accuracy, because GAN uses two networks, namely generator and discriminator. Long Short-Term Memory (LSTM) is used as generator to study data and make predictions and Convolutional Neural Network (CNN) is used as discriminator to classify data. Therefore, in this thesis, the author applies the GAN method in predicting the LQ45 Stock Price Index. The application of this method aims to increase accuracy in predictions so that investors can measure the performance of their stock portfolio in the future properly. The data used in this thesis is the daily closing price of the LQ45 Stock Price Index from the period 2 January 2019 to 30 December 2022. The prediction results of the LQ45 Stock Price Index can be shown by the MAPE value. For training data, the MAPE value is 20,9340% and for testing data, the MAPE value is 2,3740%. These results use a comparison of 80% training data and 20% testing data."

"Pengurangan subsidi Bahan Bakar Minyak (BBM) dan Listrik mengakibatkan kenaikan harga- kedua komoditas tersebut dan berdampak pada meningkatnya biaya produksi di banyak proses produksi sehingga memicu kenaikan harga jual barang-barang lain yang mengarah terjadinya inflasi. Naiknya harga'. barang secara umum tersebut juga disebabkan oleh naiknya biaya produksi yang dipicu oleh kenaikan upah pekerja yang tercermin dari naiknya Upah Minimum Regional (UMR).KULA (1998) mengajukan metode untuk mengetahui perubahan tingkat harga yang rasional sesuai dengan kenaikan biaya input, yang disebut Input Output Costing Model. Penelitiannya di Turki berdasarkan data Statistical National Account (SNA) 1992 menunjukkan prediksi tingkat inflasi yang lebih rendah dibanding kondisi nil untuk tahun 1996 serta mengidentifikasi sektor-sektor yang memperoleh keuntungan ekstra atau sebaliknya.Penelitian ini juga menggunakan metode 1-0 Costing Model untuk diterapkan pada perekonomian Jawa Tengah berdasar data tabel input-output tahun 2000. Untuk mengetahui sektor-sektor yang memperoleh keuntungan ekstra atau sebaliknya pada tahun 2001, dilakukan dengan membandingan indeks harga antara hasil analisis dengan IHPB dan IHK rill yang terjadi. Dengan mengasumsikan dan mensimulasikan tingkat harga yang terjadi tahun 2003, maka inflasi 2003 akan dapat diprediksikan. Prediksi infliasi tersebut dibandingkan dengan target inflasi sesuai dokumen perencanaan (Repetada), sehingga diperoleh kesimpulan berupa asumsi perubahan harga yang membatasi pencapaian target inflasi.Hasil analisis menunjukkan bahwa selama periode tahun 2000-2001 terjadi perubahan harga BBM (32,09%), TDL (18,71%), UMR (32,43%), dan harga Impor (2,0%). Perubahan harga tersebut mengakibatkan perubahan harga sektor lainnya. Sebanyak 29 sektor memperoleh keuntungan ekstra, dimana keuntungan terbesar diperoleh sektor Industri Gula (25,20%), Padi (17,86%), Industri ' Penggilingan - Padi (16,50%), Industri Rokok dan Pengolahan Tembakau (12,66%), dan Industri Alat Angkutan dan Perbaikannya sebesar 10,99%.Sebanyak 4 sektor yang memperoleh keuntungan ekstra merupakan sektor pertanian 'dengan harga output yang masih dikendalikan Pemerintah melalui kebijakan tata niaga. Sehingga sampai pada batas ini, pemerintah dianggap terlalu tinggi menetapkan harga tersebut. Namun disisi lain, keuntungan ekstra yang diperoleh sektor pertanian clan industri pertanian tersebut, tidak mencerminkan tingkat kesejahteraan petani penghasil. Sehingga diduga masih ada mata rantai distribusi yang menikmati laba ekstra antara Pedagang Besar Pertama dengan petani penghasil. Sedang sektor lainnya, harga yang tinggi tersebut disebabkan tingginya mark up yang diraih pengusaha.Sebanyak 7 sektor menerima harga output dibawah harga yang wajar, dengan sektor Industri Mesin dan Perlengkapan Listrik menerima harga terendah sebesar 3,66% dibawah harga wajar. Namun dengan struktur produksi yang didominasi input produksi berasal clad out-put sektor perdagangan serta sepertiga total input berasal dari impor, maka selisih harga yang relatif tidak besar tersebut (dibanding rata-rata 36 sektor) dapat mengindikasikan perlunya pembenahan sektor perdagangan, khususnya pasar input industri tersebut.Semakin banyak sektor yang memiliki selisih dengan rata-rata perbedaan harga tersebut, akan memicu pergerakan perusahaan dari sektor yang menerima harga dibawah harga yang wajar ke arah sektor yang memperoleh laba ekstra, sehingga dapat mengancam stabilitas perekonomian.Akibat kenaikan harga tahun 2000 berupa BBM, TDL, Nilai Tukar, dan UMR, diperkirakan mengakibatkan inflasi 8,24% (berdasar Indeks Harga Perdagangan Besar/IHPB) yang lebih rendah 4,49% dari inflasi riil sebesar 12,73%. Sumbangan inflasi tahun 2001 yang terbesar adalah perubahan harga Upah Minimum Provinsi (UMP) yaitu sebesar 7,18%. Berdasarkan Indeks Harga Konsumen (IHK), prediksi inflasi sebesar 7,89%, yang Iebih' rendah 4,74% dari inflasi Kota Semarang sebesar 12,63%.Hasil simulasi model untuk tahun 2003 menunjukkan bahwa target inflasi sesuai dengan dokumen Rencana Pembangunan Tahunan Daerah (Repetada) ]awa Tengah 2003 sebesar 9,90% akan tercapai dengan asumsi : harga BBM sama dengan harga tahun 2002, nilai tukar US $ 1 sebesar Rp 8.500, TEL Iayak ekonomi sebesar US$ 7 sen/KWh (dengan asumsi nilai tukar US$ 1 = Rp 8.500, dan tercapai pada tahun 2003), UMR sebesar Rp. 400.000/bulan/pekerja, dan peningkatan perolehan pajak tidak Iangsung rata-rata 10%/tahun. Namun apabila mempertimbangkan hasil analisis tahun 2001 yang menunjukkan hasil prediksi lebih rendah dari inflasi riil dan selisihnya digunakan sebagai angka koreksi, maka tingkat inflasi yang terjadi berdasar harga konsumen akan melampaui target inflasi sebesar 0,32% (tingkat inflasi mencapai 10,42%), walaupun dengan pendekatan HPB masih tetap dibawah 2 digit. Berdasarkan pertimbangan data yang digunakan dalam analisis, maka perhitungan dengan menggunakan HPB lebih kecil biasnya. HPB hanya menggunakan sebagian data HPB Nasionai, sementara Harga Konsumen menggunakan pola pengeluaran RT sesuai SNSE Indonesia 1999."