Ditemukan 135941 dokumen yang sesuai dengan query
Belinda Partogi Nauli S.
"Penentuan harga opsi (option pricing) memegang peranan penting pada perdagangan saham agar dapat membuat keputusan yang dapat memperoleh keuntungan yang optimal baik untuk pembeli maupun penjual opsi. Salah satu model pasar yang dapat digunakan pada option pricing ini adalah model Black-Scholes dengan volatilitas stokastik dari harga saham yang berdasarkan proses Ornstein-Uhlenbeck. Model ini digunakan agar dapat menggambarkan sifat dari volatilitas yang ada pada pasar saham sesungguhnya. Untuk mengaproksimasi harga opsi call Eropa berdasarkan model tersebut, digunakan metode Euler-Maruyama. Diteliti juga laju konvergensi dari aproksimasi tersebut. Kemudian, dilakukan analisis terhadap hasil simulasi harga opsi menggunakan beberapa fungsi volatilitas harga saham yang berdasarkan proses Ornstein-Uhlenbeck. Hasil simulasi menunjukkan bahwa pemilihan fungsi volatilitas pada model pasar perlu dipertimbangkan lebih lanjut karena berkaitan dengan konsep mean-reversion yang diharapkan dari volatilitas pasar saham di dunia nyata.
Option pricing holds a crucial role in trading to make decision that would lead to the best benefit for both the option buyer and seller. The market model that could be used for option pricing is Black-Scholes model with stochastic stock prices volatility driven by Ornstein-Uhlenbeck process. This model is used in order to reflect the properties of the volatility in the real market. In this short thesis, Euler-Maruyama method is used to approximate the price of the European call option based on that model. The rate of convergence of the approximation is also determined. The simulation of the option price approximation is performed with some Ornstein-Uhlenbeck-driven volatility functions for the stock price model. The result of the simulation shows that the choice of the volatility function for the stock price model needs to be scrutinized since it is related to the mean-reversion concept that is expected from the stock prices volatility in real market."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2019
S-Pdf
UI - Skripsi Membership Universitas Indonesia Library
Tobing, Michelle Yeremia
"Asuransi jiwa merupakan salah satu dari banyak pilihan bagi orang-orang yang mengkhawatirkan ketidakpastian masa depan mereka, karena asuransi jiwa dirancang untuk melindungi terhadap dampak keuangan serius yang diakibatkan oleh kematian seseorang. Variasi penting dari asuransi jiwa tunggal adalah asuransi jiwa survivorship yang mencakup dua atau lebih individu. Di bawah kontrak tersebut, manfaat kematian dibayarkan hanya pada kematian terakhir. Valuasi asuransi merupakan kegiatan yang penting bagi perusahaan asuransi. Melalui valuasi, perusahaan asuransi dapat mengetahui status finansialnya agar dapat memenuhi kewajibannya di masa depan. Secara tradisional, aktuaris mengasumsikan tingkat pengembalian yang konstan dan mortalitas independen dalam valuasi asuransi jiwa bersama. Namun, terdapat minat yang cukup besar dalam literatur aktuaria untuk mempelajari model tingkat bunga stokastik dan asumsi mortalitas dependen untuk valuasi asuransi. Pada artikel ini disajikan formula matematis yang berguna untuk melakukan valuasi asuransi jiwa survivorship dengan tingkat pengembalian stokastik dan mortalitas dependen. Valuasi dilakukan dengan menghitung nilai ekspektasi dari variabel acak loss prospektif, dengan mengasumsikan proses AR 1 dan model Frank rsquo;s Copula untuk memodelkan tingkat pengembalian dan mortalitas dependen masa hidup dari pemegang polis. Selanjutnya dilakukan contoh perhitungan dari satu buah polis dan satu buah portofolio non-homogen.
Life insurance is one of the many options for people with concerns about the uncertainty of their future, because it rsquo s designed to protect against the serious financial impact resulting from an individual 39 s death. An important variation of the single life insurance is the survivorship life insurance which covers two or more lives. Under such contract, a death benefit is paid out only on the last death. Insurance valuation is a very important tool for many insurance companies. Through valuation, an insurance company is able to know its financial status to meet its future obligations. Traditionally, actuaries assume constant rates of return and independent mortality in valuing joint life insurance. However, there rsquo s been considerable interest in the actuarial literature in studying stochastic interest rate and dependent mortality assumptions for insurance valuations. In this study, the mathematical formulas to value a survivorship life insurance with stochastic rates of return and dependent mortality are presented. The valuation is conducted by calculating the expectation of the prospective loss random variable, by assuming an AR 1 process and Frank 39 s Copula to model the rates of return and dependent mortality of the policyholders, respectively. Finally, the calculation examples are done for one policy and one non homogeneous portfolio."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2018
S-Pdf
UI - Skripsi Membership Universitas Indonesia Library
Kartina Widyani Saifudidin
"Model Cox, Ingersol and Ross (CIR) merupakan salah satu model stokastik yang menggambarkan perubahan tingkat bunga untuk jangka waktu yang pendek. Model ini mempunyai sifat mean reversion. Untuk jangka waktu yang lama, diperoleh bahwa mean dan variansi dari tingkat bunga pada saat jatuh tempo mendekati suatu nilai. Pada skripsi ini akan dihitung harga dari zero ? coupon bond untuk tingkat bunga mengikuti model CIR. Diperoleh bahwa jika tingkat bunga naik, harga dari zero ? coupon bond akan turun."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2007
S27680
UI - Skripsi Membership Universitas Indonesia Library
Sitti Anindya
"Model regresi data panel balanced dinamis dengan fixed effect merupakan model regresi data panel yang melibatkan lag dari variabel respon sebagai variabel penjelas. Asumsi model regresi data panel dinamis yang dibahas adalah balanced panel, yaitu tiap individu diamati untuk panjang waktu yang sama. Dengan asumsi fixed effect, heterogenitas dapat terlihat pada intersep model. Metode penaksiran yang digunakan dikenal sebagai LSDV (least square dummy variable) namun taksiran yang dihasilkan bias. Taksiran ini juga tidak konsisten ketika periode waktu berhingga. Oleh karena itu, dibutuhkan metode lain untuk menaksir parameter dalam model. Metode yang dapat digunakan adalah metode bias terkoreksi. Estimasi bias terkoreksi diperoleh dari koreksi bias asimtotik taksiran LSDV dengan bias asimtotik didapat melalui bentuk ketidakkonsistenan penaksir. Secara intuitif, koreksi bias ini menghilangkan bentuk tidak konsistennya taksiran LSDV sehingga menjadi taksiran yang konsisten. Prosedur iteratif digunakan untuk mendapatkan taksiran bias terkoreksi. Teknik bias terkoreksi ini diaplikasikan dalam analisis empiris dari model dinamis tingkat pengangguran di negara bagian Amerika Serikat pada periode 1991-2000.
Regression model of balanced dynamic panel data with fixed effect is a regression model of panel data involving lag of response variable as explanatory variable. Assumption regression model of dynamic panel data discussed is balanced panel, that is each individual observed for the same length of time period. Assuming a fixed effect, heterogeneity can be seen on the intercept model. The assessment method used is known as LSDV (least square dummy variable) however the resulting estimates generated bias. These estimators will also inconsistent for finite number of time period. Therefore, other methods are needed to estimate parameters in model. A method that can be used is bias corrected method. Bias corrected estimation is derived from the asymptotic bias correction LSDV estimator which the asymptotic bias obtained through the form of inconsistent of estimator. Intuitively, this bias correction eliminates the form of inconsistent of LSDV estimator so as to be consistent. Iterative procedure are used to obtain this bias corrected estimator. The proposed technique is applied in an empirical analysis of unemployment rate model dynamics at the U.S. state level for the 1991-2000 period."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2013
S47006
UI - Skripsi Membership Universitas Indonesia Library
Novi Andra
"Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel yang diekspresikan dalam bentuk persamaan antara variabel dependen dengan variabel bebas. Dalam analisis regresi terdapat beberapa asumsi yang harus dipenuhi. Spasial dependen pada suatu kumpulan data sampel berarti observasi pada suatu lokasi berkorelasi dengan observasi pada lokasi lain. Sehingga asumsi error antar observasi yang saling bebas tidak terpenuhi. Oleh karena itu, dibutuhkan suatu model yang memperhitungkan adanya korelasi spasial yaitu model spasial dependen. Model spasial dependen terbagi dua yaitu spasial lag dan spasial error. Model spasial lag merupakan model regresi linier dimana pada variabel dependennya terdapat korelasi spasial sedangkan model spasial error merupakan model regresi linier dimana pada errornya terdapat korelasi spasial. Penaksiran parameter menggunakan metode maksimum likelihood. "
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2007
S27679
UI - Skripsi Membership Universitas Indonesia Library
Gamar Aseffa
"Model regresi data panel spasial error dinamis adalah model regresi data panel yang melibatkan lag dari variabel dependen dan komponen dependensi spasial error. Karena terdapat korelasi antara lag dari variabel dependen dan komponen error, estimasi dengan Ordinary Least Squares menjadi bias dan tidak konsisten. Oleh karena itu, dibutuhkan metode lain untuk menaksir parameter dalam model. Metode yang dapat digunakan adalah perluasan metode Arellano dan Bond yang mencakup metode instrumental variabel menggunakan variabel instrumen yang disarankan oleh Mutl (2006) dan prinsip Generalized Method of Moments (GMM). Kemudian ditambah dengan metode pendekatan Kapoor, Kelejian, dan Prucha (KKP) sehingga dihasilkan taksiran yang konsisten.
The dynamic spatial error panel data regression model is panel data regression model which involves lag of the dependent variable and error spatial dependence. Because there is correlation between the lag of the dependent variable and error components, the ordinary least squares estimator becomes biased and inconsistent. Therefore, we need another method to estimate parameters in the model. The method which can be used is the extended method of Arellano and Bond covering instrumental variable method using instrument variables suggested by Mutl (2006) and the principle of the Generalized Method of Moments (GMM). Then the method is coupled with the method of Kapoor, Kelejian, and Prucha (KKP) approach so that it produces consistent estimators."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2011
S86
UI - Skripsi Open Universitas Indonesia Library
Huda Bachtiar
"Pendangkalan pelabuhan akibat sedimentasi akan mempengaruhi pola operasi pelabuhan tersebut dan mengganggu navigasi kapal untuk bermanuver masuk ke dalam pelabuhan. Permasalahan tersebut akhirnya akan meningkatkan biaya operasi pelabuhan dan mengurangi profit margin. Tulisan ini membahas penanggulangan sedimentasi akibat pengaruh muara sungai di Pelabuhan Tanjung Mas Semarang. Analisis karakteristik sedimentasi dilakukan dengan menggunakan model angkutan sedimen sebagai alat bantu. Model angkutan sedimen divalidasi dengan data hasil pengukuran berupa data elevasi pasang surut selama satu bulan dan data arus selama lima belas hari. Hasil simulasi model yang diverifikasi dengan data lapangan dijadikan sebagai dasar identifikasi karakteristik pola sedimentasi. Hasil simulasi model angkutan sedimen di pelabuhan menunjukan bahwa sedimentasi dipengaruhi oleh muara sungai di sebelah barat dan timur Pelabuhan dengan konsentrasi sedimen tersuspensi maksimum 0,15 kg/m3. Penanggulangan sedimentasi dengan pengerukan berkala, sedimen dibuang di area dumping dan dari hasil simulasi menunjukan area dumping eksisting merupakan area ideal karena sedimen tidak berpotensi kembali ke dalam area pelabuhan. Dengan difungsikanya kembali pemecah gelombang di Pelabuhan Tanjung Mas akan dapat secara efektif mengurangi sedimentasi di kolam pelabuhan, sehingga difungsikanya kembali pemecah gelombang dapat menjadi solusi dalam penanggulangan sedimentasi di kolam pelabuhan."
Bandung: Kementerian Pekerjaan Umum dan Perumahan Rakyat, 2020
627 JTHID 11:2 (2020)
Artikel Jurnal Universitas Indonesia Library
Esti Ramaditia Mulatsih
"
ABSTRAK Analisis cluster merupakan teknik multivariat yang digunakan untuk mengelompokkan objek berdasarkan karakteristik yang dimilikinya. Salah satu teknik dalam analisis cluster adalah metode Fuzzy K-Means lebih dikenal dengan Fuzzy C-Means , yang merupakan versi fuzzy dari metode K-Means clustering. Seperti pada metode K-Means, FCM juga sangat sensitif terhadap penentuan pusat-pusat awal cluster. Untuk mengatasi permasalahan tersebut, diusulkan modifikasi dari metode FCM dengan menggunakan metode sampling dengan probabilitas. Metode sampling digunakan untuk menaksir lokasi pusat-pusat awal cluster untuk digunakan ke dalam proses clustering. Dalam tugas akhir ini, metode sampling yang digunakan adalah simple random sampling dan ranked set sampling. Modifikasi dari metode FCM dengan menggunakan kedua metode sampling tersebut masing-masingnya disebut dengan SRS Fuzzy C-Means dan Ranked Fuzzy C-Means. Kedua metode tersebut kemudian diuji pada himpunan data pasien liver di India. Hasil eksperimen menunjukkan bahwa Ranked Fuzzy C-Means lebih efisien dibandingkan SRS Fuzzy C-Means dan FCM.
ABSTRACT Cluster analysis is a multivariate technique that is used to group objects based on characteristics. One technique in cluster analysis is a method Fuzzy C Means or better known as Fuzzy C Means , which is a fuzzy version of K Means clustering method. As the K Means method, FCM is also very sensitive to the determination of the initial cluster centers. To overcome these problems, the proposed modification of the FCM method using probability sampling methods. The sampling method is used to estimate the initial cluster centers to be used in the clustering process. In this thesis, the sampling method used was simple random sampling and ranked set sampling. Modifications of the FCM method using both the sampling method each being with SRS Fuzzy C Means and Ranked Fuzzy C Means. Both methods are then tested on a data set of liver patients in India. The experimental results showed that Ranked Fuzzy C Means is more efficient than SRS Fuzzy C Means and FCM."
Depok: Universitas Indonesia, 2017
S66638
UI - Skripsi Membership Universitas Indonesia Library
Evan Haryowidyatna
"Per 9 Februari 2023, 87% dari total populasi kendaraan pribadi di Indonesia merupakan sepeda motor. Persebaran sepeda motor terpadat di Indonesia berada di Pulau Jawa dengan persentase sebesar 60%. Tingginya populasi sepeda motor dan fakta bahwa 80% rumah tangga di Pulau Jawa sudah memiliki sepeda motor membuat pasar sepeda motor semakin mengecil. Dalam jangka panjang, kondisi ini dapat berdampak buruk bagi industri sepeda motor yang terus ingin berkembang. Penelitian ini membahas tentang pengelompokan kabupaten dan kota di Pulau Jawa berdasarkan karakteristik demografinya. Kemudian, diberikan saran keputusan yang dapat dilakukan oleh industri sepeda motor berdasarkan kelompok kabupaten dan kota yang terbentuk menggunakan teknik clustering. Hal ini bertujuan agar produsen yang bergerak di industri sepeda motor dapat memfokuskan produknya pada kelompok kabupaten dan kota yang memiliki potensi terbaik. Terdapat 12 variabel demografi yang digunakan dalam penelitian ini, dan variabel tersebut terbagi menjadi tiga kategori: kondisi ekonomi masyarakat, kondisi kehidupan masyarakat, dan kondisi demografis daerah. Metode yang digunakan dalam penelitian ini adalah metode partitional hard clustering. Sebelumnya, dilakukan pembuatan dataset melalui proses data scrapping pada situs terpercaya, dan dilanjutkan dengan proses Exploratory Data Analysis (EDA) pada dataset. Setelah dataset terbentuk, dilakukan pengelompokan dengan metode partitional hard clustering yang terdiri dari metode K-Means Clustering dan metode K-Medoids Clustering. Kemudian, dilakukan evaluasi cluster untuk menentukan metode clustering yang paling sesuai dengan menggunakan empat metrik evaluasi yaitu Indeks Silhouette, Indeks Dunn, Indeks Davies Bouldin, dan Indeks Calinski Harabasz. Didapatkan hasil bahwa metode K-Medoids Clustering dengan 5 kelompok merupakan yang terbaik untuk mengelompokkan kabupaten dan kota di Pulau Jawa. Setelah kelompok terbentuk, setiap kelompok diberikan rekomendasi keputusan yang sebaiknya diambil oleh industri sepeda motor. Terdapat 4 rekomendasi yang dapat diberikan, yaitu distribusi suku cadang, pembuatan bengkel, penjualan sepeda motor kelas menengah ke atas, dan penjualan sepeda motor kelas menengah ke bawah.
As of February 9, 2023, 87% of the total population of private vehicles in Indonesia consists of motorcycles. The densest distribution of motorcycles in Indonesia is found on the Island of Java, with a percentage of 60%. The high population of motorcycles and the fact that 80% of households in Java already have motorcycles are causing the motorcycle market to shrink. In the long run, this condition can have negative impacts on the motorcycle industry that continues to seek growth. This research focuses on the clustering of regencies and cities in Java based on their demographic characteristics. Subsequently, decision recommendations will be provided for the motorcycle industry based on the formed groups using clustering techniques. The aim is to enable manufacturers in the motorcycle industry to focus their products on regencies and cities with the best potential. There are 12 demographic variables used in this research, divided into three categories: the economic conditions of society, the living conditions of society, and the demographic conditions of the region. The method used in this research is the partitional hard clustering method. Firstly, a dataset is created through the data scraping process on trusted sites, followed by the Exploratory Data Analysis (EDA) process on the dataset. Once the dataset is formed, clustering is performed using the partitional hard clustering method, consisting of the K-Means Clustering and K-Medoids Clustering methods. Subsequently, cluster evaluation is carried out to determine the most suitable clustering method using four evaluation metrics: Silhouette Index, Dunn Index, Davies Bouldin Index, and Calinski Harabasz Index. The results show that the K-Medoids Clustering method with 5 clusters is the best for grouping regencies and cities in Java. After the groups are formed, each group is given decision recommendations that the motorcycle industry should consider. There are four recommendations: spare parts distribution, workshop establishment, sales of mid- to high-end motorcycles, and sales of mid-range motorcycles and below."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023
S-pdf
UI - Skripsi Membership Universitas Indonesia Library
Eslim Suyangsu Rohmanullah
"Perkembangan era globalisasi dapat menyebabkan terjadinya persaingan didalamnya yang akan mendorong beberapa individu atau kelompok untuk terlibat dalam tindak kejahatan dengan metode ilegal dalam upaya untuk mencapai keunggulan atau mengalahkan pesaing. Tidak dapat dipungkiri jika tindak kejahatan di Indonesia semakin marak diberitakan melalui media elektronik ataupun media lainnya. Peristiwa ini didukung dengan peningkatan jumlah tindak pidana di Indonesia dalam tiga tahun terakhir. Demi mengurangi dampak negatif persaingan yang dapat memicu tindak kejahatan dan mencapai tujuan ke-16 SDGs untuk menciptakan lingkungan yang lebih aman bagi masyarakat, khususnya di era globalisasi, maka penting untuk memahami faktor-faktor yang dapat menjelaskan tingkat kriminalitas. Tujuan dari penelitian ini adalah menganalisis faktor-faktor yang menjelaskan tingkat kriminalitas di Sumatera Utara menggunakan metode Geographically and Temporally Weighted Regression (GTWR) dengan fungsi pembobot adaptive kernel Bisquare. Metode GTWR merupakan pengembangan dari metode Geographically Weighted Regression (GWR) yang tidak hanya mempertimbangkan heterogenitas spasial, tetapi juga heterogenitas temporal. Penelitian ini menggunakan variabel penjelas Kepadatan Penduduk (KPn), Jumlah Penduduk Miskin (JPM), Garis Kemiskinan (GKm), Rata-rata Lama Sekolah (RLS), Tingkat Pengangguran Terbuka (TPT), dan Pengeluaran Perkapita Disesuaikan (PKD). Hasil dari penelitian ini diperoleh 10 kelompok area berdasarkan perbedaan signifikansi variabel penjelas setiap tahunnya. Terdiri dari 3 kelompok area pada tahun 2019, 4 kelompok area pada tahun 2020, dan 3 kelompok area pada tahun 2021.
The development of era of globalization can lead to competition that may drive individuals or groups to engage in criminal activities using illegal methods to achieve an advantage or surpass competitors. Crime in Indonesia is inevitably increasing, whether reported by electronic media or other media. This phenomenon has auxiliary data on the increasing number of criminal in Indonesia over the past three years. In order to mitigate the adverse effects of competition that may lead to criminal behavior and accomplish Goal 16 of the Sustainable Development Goals (SDGs), which aims to create a safer environment for society, especially in the era of globalization, it is necessary to understand the factors that can explain the crime rates. The objective of this study is to analyze the factors that explain the crime rates in North Sumatra using the Geographically and Temporally Weighted Regression (GTWR) method with weighting functions adaptive Bisquare kernel. The GTWR method is an extension of the Geographically Weighted Regression (GWR) method, which considers spatial and temporal heterogeneity. This study uses explanatory variables such as Population Density (KPn), Number of Poor People (JPM), Poverty Line (GKm), Average Length of Schooling (RLS), Open Unemployment Rate (TPT), and Adjusted Per Capita Expenditure (PKD). The results of this study obtained 10 areas groups based on the significance of different explanatory variables for each year consisting of 3 broad groups in 2019, 4 broad groups in 2020, and 3 broad groups in 2021."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023
S-pdf
UI - Skripsi Membership Universitas Indonesia Library
