Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Reksadana mempakan salah satu pilihan investasi yang sudah dikenalkan pada masyarakat luas sejak tahun 1997 dan dikukuhkan Pemerintah melalui Undang-undang No. 8 Tahun 1995 Tentang Pasar Modal, Beberapa jenis reksadana yang tersedia dan biasa dipakai sebagai instrument investasi adalah reksadana sahani, reksadana pendapatan teiap, reksadana campuran, dan reksadana pasar uang. Mengingat perkembangan reksadana yang makin meningkat baik dari segi volume perdagangan maupun jumlah investor yang berpartisipasi, maka sangat diperlukan adanya suatu metoda penilaian kinerja investasi reksadana yang cukup mendekati dan informatif bagi kalangan investor baik investor perorangan maupun investor kelompok. Pada umumnya para investor dalam mengambil keputusan untuk berinvestasi hingga saat ini hanya berpatokan pada Nilai Aktiva Bersih (NAB) masing-masing rerksadana yang dipublikasikan pada beberapa media cetak dan jaringan internet, selain prospektus yang ditawarkan para manajer investasi yang sudah barang tentu sangat dipengaruhi oleh kepentingan bisnis. Data tersebut juga hanya membanlu untuk kepentingan investasi jangka pendek yang sifatnya spekulasi dan sulit untuk dipakai sebagi acuan bagi investor untuk kebutuhan investasi jangka panjang. Infonnasi tentang kinerja suatu portofolio seperti reksadana secara utuh yang dapat digunakan untuk keputusan jangka panjang akan sangat membantu bagi investor dan juga bagi manajemen investasi itu sendiri dalam memperbaiki kinerja portofolio yang ditawarkannya. Beberapa pendekatan teori portofolio dan investasi yang dapat dipakai untuk mengevaluasi kinerja suatu portofolio, adalah Trey/tor, yang mempertimbangkan dua komponen risiko yaitu risiko yang terjadi akibat fluktuasi pasar, risiko sistematik (P) dan risiko yang terjadi akibat fluktuasi dalam portofolio sekuritas, Sharps, yang mengukur risiko portofolio secara keselumhan dengan memperhitungkan standar deviasi dari tingkat imbal hasil (a), Jensen, yang mengukur kinerja / prestasi portofolio berdasarkan tingkat bunga bebas risiko (RFR) yang berbeda setiap periodenya, dan Analisis Rasio Informasi, atau Rasio Penilaian, adalah pengukuran statistik rala-rata perbedaan imbal hasil satu portofolio dengan portofolio pembanding (benchmark) dibagi dengan standar deviasi perbedaan return tersebut. Sebagai salah satu alternatif dalam menjawab tantangan di alas maka pembahasan difokuskan pada evaluasi kinerja portofolio dengan metode Jensen dan Analisis Rasio Informasi untuk Reksadana Saham dan metode Evaluasi Selisih Imbal Hasil (excess return) dan Analisis Rasio Informasi untuk Reksadana Pendapatan Tetap. Untuk memperoleh hasil pendekatan yang lebih akurat maka evaluasi kinerja portofolio reksadana ini dilakukan terhadap data NAB reksadana saham dan pendapatan tetap yang sudah dipublikasikan mulai Januari 1997 hingga Maret 2001. Sebagai pembanding (benchmark) dalam melakukan evaluasi kinerja portofolio reksadana saham adalah Indeks harga Saham Gabungan (1HSG) di Bursa Efek Jakarta dan tingkat suku bunga deposito berjangka 1, 3, 6, dan 12 bulan yang berlaku pada Bank-bank Swasta Nasional sebagai aset investasi bebas risiko pada periode tersebut. Dengan data-data yang ada tersebut, maka analisis statistik deskriptif, dan regresi untuk mencari hubungan antara NAB setiap reksadana terhadap IHSG dan tingkat suku bunga bebas risiko. deposito berjangka yang menjadi pembanding (benchmark) dalam menetukan urutan kinerja dan rasio infonnasi dari masing-masing reksadana tersebut. Selain dari pada urutan kinerja masing-masing reksadana berdasarkan ukuran kinerja Jensen, dan Rasio Infonnasi, analisis juga dilakukan untuk inemperolell infonnasi mengenai Risiko Sistematik, pj, Rata-rata Tingkat Imbal Hasil, Risiko Non-sistematik / standar deviasi, a tingkat keuntungan harian, dan Tingkat Diversifikasi, R3, dari setiap reksadana saham. Khusus dalam melakukan evaluasi kinerja reksadana saham lebih lanjut, dilakukan juga analisis sensitivitas kinerja Jensen terhadap variasi tingkat suku bunga bebas risiko, deposito berjangka untuk melihat pengaruh perubahan suku bunga bebas risiko terhadap ukuran kinerja Jensen. Hal ini bertujuan untuk dapat memberikan gambaran yang semaksimal mungkin kepada investor bahwa ukuran kinerja portofolio Jensen bukanlah harga yang absolut melainkan sangat dipengaruhi oleh investasi pada aset bebas risiko yang dipakai sebagai pembanding, yang dalam hal ini deposito berjangka. Sebagai hasil dari analisis kinerja portofolio reksadana yang dilakukan terhadap Reksadana Saham dan Pendapatan Tetap yang beredar mulai Januari 1997 hingga Maret 2001, maka tersusun Daftar Urutan Kinerja Jensen dan Rasio Infonnasi untuk masing-masing reksadana setiap tahunnya pada tingkat suku bunga bebas risiko 1, 3, 6, dan 12 bulan yang dapat digunakan sebagai salah satu referensi dan bahan pertimbangan dalam melakukan investasi jangka panjang pada instrument investasi Reksadana. Hasil evaluasi kinerja portofolio berdasarkan data historis ini memang sangat dipengaruhi oleh kondisi ekonomi, pasar modal, dan lingkungan bisnis pada setiap periode sehingga dapat dilihat bahwa suatu reksadana dapat menempati urutan kinerja yang berbeda pada seliap tahunnya. Perlu diingat bahwa dari hasil evaluasi dan analisis kinerja reksadana saham dan pendapatan tetap yang dilakukan dengan menggunakan beberapa indikator pasar seperti IHSG, dan tingkat suku bunga deposito Bank Swasta Nasional tidak sepenuhnya mempunyai korelasi langsung. Sesuai dengan UU No. 8 Tentang Pasar Modal bahwa pada Reksadana Saham sekurang-kurangnya 80% dananya diinvestasikan pada portofolio ekuitas yang terdaftar pada Bursa Efek sedangkan pada Reksadana Pendapatan Tetap, sekurang-kurangnya 80% hams diinvestasikan pada obligasi atau instument investasi pendapatan tetap. Artinya, bahwa hasil evaluasi kinerja reksadana dengan metode ini dapat menjelaskan korelasi terhadap faktor-faktor tersebut sebesar 80%. Dengan demikian ada sekurang-kurangnya 20% faktor lain yang mempengaruhi kinerja suatu reksadana yang sangat tergantung dari jenis portofolio yang digunakan untuk menginvestasikan dana para investor. Analisis lebih lanjut terhadap komposisi portofolio setiap reksadana diharapkan akan dapat menjelaskan 20% faktor yang belum dijelaskan pada pembahasan thesis ini, sehingga kombinasi analisis dan evaluasi selanjutnya dapat digunakan sebagai standar penilaian dan evaluasi menyeluruh (holistic evaluation & performance) dari suatu reksadana.

Abstrak :
Peningkatan keselamatan dan efisiensi dalam industri minyak dan gas bumi di Indonesia masih memerlukan pendekatan yang canggih untuk memelihara sistem perpipaan yang ada. Disertasi ini membahas penerapan metode Risk Based Inspection (RBI) dengan dukungan teknologi machine learning (ML) dan deep learning (DL) untuk mengembangkan model yang mampu mengidentifikasi akar permasalahan dan solusi untuk menanggulangi kegagalan tersebut. Penelitian dilakukan pada sampel ex-spool berdiameter 16’’ melalui pengujian metalografi dan penggunaan algoritma AdaBoost, Random Forests, dan Gradient Boosting. Metode klasifikasi masalah dilakukan berdasarkan prinsip K-Means Clustering dan Gaussian Mixture Model dan penelitian divalidasi menggunakan metode k-fold cross-validation. Model yang dihasilkan mampu mengidentifikasi dan mengklasifikasikan jenis kegagalan ke dalam 3 kelompok sesuai jenis risikonya masing-masing serta memberikan beragam metode pemeliharaan material yang lebih ekonomis. Program artificial intelligence ini diharapkan mampu meningkatkan keselamatan dan keandalan operasi perpipaan minyak dan gas di Indonesia melalui penerapan berbagai metode pemeliharaan pipa di masa depan. ......Improving safety and efficiency in the oil and gas industry in Indonesia still requires a sophisticated approach to maintain the existing piping systems. This dissertation discusses the application of the risk-based inspection (RBI) method with the support of machine learning (ML) and deep learning (DL) technology to develop a model that is able to identify the potential root-cause and its solutions to overcome these failures. The research was carried out on a 16'' diameter ex-spool sample through metallographic testing and the use of AdaBoost, Random Forests, and Gradient Boosting algorithms. The problem classification method was carried out based on the principles of K-means clustering and the Gaussian Mixture Model, while the research was validated using the k-fold cross-validation method. The resulting model is able to identify and classify types of failure into three groups according to each type of risk and provides a variety of more economical material maintenance solutions. It is hoped that this artificial intelligence program can support efforts to increase the safety and reliability of oil and gas pipeline operations in Indonesia through the application of various pipeline maintenance methods in the future.