Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tesis ini membahas tentang pengaruh tingkat ukuran konsentrasi portofolio kredit terhadap kinerja bank di masa Pandemi COVID-19, yang menjadi penting karena bank harus mengambil kebijakan yang tepat untuk menghindari risiko gagal bayar akibat guncangan ekonomi selama Pandemi COVID-19. Sifat penelitian ini adalah kuantitatif, menggunakan metode estimasi EGLS pada data panel dari 47 bank umum yang go public di Indonesia selama tahun 2016–2021. Dalam penelitian ini, Hirschman-Herfindahl Index (HHI) berdasarkan sektor ekonomi digunakan sebagai ukuran konsentrasi portofolio kredit. Riset ini mengungkapkan bahwa konsentrasi portofolio kredit akan mengurangi risiko kredit yang diukur dengan proksi rasio kredit bermasalah (non performing loan/ non performing financing) sebelum pandemi COVID-19. Sebaliknya, saat pandemi COVID-19 konsentrasi portofolio kredit akan meningkatkan risiko kredit. Di sisi lain, portofolio kredit yang terkonsentrasi akan membuat profitabilitas bank yang diukur dengan return on equity (ROE) semakin menurun sebelum pandemi COVID-19, namun sesudah pandemi COVID-19 konsentrasi portfolio justru meningkatkan profitabilitas bank. Hasil penelitian menyarankan bank untuk melakukan strategi diversifikasi agar dapat mengurangi risiko kredit. ......This research discusses the effect of the level of concentration of credit portfolios on bank performance during the COVID-19 pandemic, which is important because banks must take appropriate policies to avoid the risk of default due to economic shocks during the COVID-19 pandemic. The nature of this research is quantitative, using the EGLS estimation method on panel data from 47 commercial banks that went public in Indonesia during 2016–2021. In this study, the Hirschman-Herfindahl Index (HHI) based on economic sector is used as a measure of the concentration of the credit portfolio. This research reveals that the concentration of the credit portfolio will reduce credit risk as measured by the ratio of non-performing loans (non-performing financing) before the COVID-19 pandemic. On the other hand, after the COVID-19 pandemic, the concentration of the credit portfolio will increase credit risk. On the other hand, a concentrated credit portfolio will reduce bank profitability as measured by return on equity (ROE) before the COVID-19 pandemic, but after the COVID-19 pandemic, portfolio concentration actually increases bank profitability. The results suggest that banks should carry out a diversification strategy in order to reduce credit risk.

Abstrak :
Saat ini terdapat hampir 400 emiten saham syariah yang terdaftar di Bursa Efek Indonesia. Banyaknya jumlah tersebut menyulitkan para investor untuk memilih saham terbaik yang akan dijadikan portfolio. Oleh karena itu, diperlukan analisis clustering untuk mendapatkan kelompok saham yang memiliki nilai imbal hasil yang diharapkan. Sejauh ini, aktivitas yang penting dalam aktivitas clustering adalah penentuan tingkat perbedaan antar objek dalam suatu dataset. Dalam studi kasus penelitian ini, objek yang dimaksud adalah data deret waktu terkait harga saham untuk emiten-emiten saham syariah. Metode yang umum digunakan dalam mengukur dissimilarity measure tersebut adalah Euclidean distance dan dynamic time warping (DTW). Euclidean distance merupakan metode konvensional yang masih sering digunakan meskipun telah berkembang metode yang lebih kompleks, DTW. Penelitian ini bertujuan untuk membandingkan karakteristik kedua metode tersebut dalam studi kasus data deret waktu tentang harga saham. Selain itu, penelitian ini juga ingin mengetahui efektivitas variabel candle dalam memprediksi harga saham. Mulanya, dilakukan pembersihan terhadap dataset sebelum diaplikasikan metode dissimilarity measure. Selanjutnya, hasil tersebut menjadi acuan dalam analisis hierarchical clustering dan dipilih kelompok terbaik. Selain itu, dilakukan pula prediksi harga saham menggunakan kombinasi beberapa variabel bebas yang terdiri atas OHLC, technical, dan candle. Hasil dari penelitian ini menunjukkan bahwa Euclidean distance lebih efektif dibandingkan DTW dalam memberikan rekomendasi portfolio pilihan. Selain itu, tambahan variabel candle dalam kombinasi variabel OHLC dan technical mampu meminimalkan error dengan baik. ......Currently, there are nearly 400 sharia stocks listed on the Indonesia Stock Exchange. A large number of these makes it difficult for investors to choose the best stocks that will be used as a portfolio. Therefore, clustering analysis is needed to get a group of stocks that have the expected return value. So far, an important activity in clustering activities is to determine the dissimilarity among datasets. In this research, it used time-series data related to stock prices for sharia stocks. The methods commonly used in measuring the dissimilarity measure are Euclidean distance and dynamic time warping (DTW). Euclidean distance is a conventional method that is still frequently used rather than a more complex method, DTW. This study aims to compare the characteristics of those two methods using the time series dataset. Besides, this study also wants to determine the effectiveness of the candle variable in predicting stock prices. At first, the missing value in the dataset was omitted before the dissimilarity measure method was applied. Furthermore, these results become a reference in hierarchical clustering analysis and the best group is selected. Also, stock price predictions are carried out using the combination of several independent variables consisting of OHLC, technical, and candles. The results indicate that Euclidean distance is more effective than DTW in providing a selected portfolio. In another hand, the additional candle variable combined with OHLC and technical variables can minimize errors properly.

Abstrak :
Karya akhir ini bertujuan untuk membentuk dan membandingkan optimal portofolio saham yang tergabung dalam indeks LQ 45 dan non LQ 45 yang terdapat di Bursa Efek Indonesia. Saham dibagi menjadi lima kelompok yang terdiri dari satu kelompok saham LQ 45 dan empat kelompok saham non LQ 45. Penelitian ini adalah penelitian kuantitatif dengan menggunakan metode Markowitz. Hasil penelitian selain menunjukkan bahwa kelompok saham non LQ 45 (1) memiliki return dan kinerja portofolio yang lebih baik dibandingkan kelompok saham LQ 45, juga menunjukkan bahwa saham pada sektor keuangan hampir selalu muncul pada setiap kelompok saham sebagai bagian dari kombinasi saham pembentuk portofolio optimal, diikuti dengan saham pada sektor industri barang konsumsi. ......This research aimed to form and compare optimal portfolio of LQ 45 and non-LQ 45 stocks. The stocks were divided into five groups; one group of LQ 45 stocks and four groups of non-LQ 45 stocks. A quantitative analysis using Markowitz model was performed. The result showed that non-LQ 45 (group I) has a better return and portfolio performance than LQ 45 stocks group. It also showed that the stocks in financial sector are the most often appear in every stocks group as a portion that forms the optimal portfolio, followed by stocks in consumer sector

Abstrak :
Masalah optimisasi portofolio adalah masalah untuk mencari portofolio dengan return maksimal dan risiko minimal. Pada skripsi ini, digunakan model optimisasi portofolio multi objektif. Algoritma Multi-objective Co-variance based Artificial Bee Colony M-CABC digunakan untuk menyelesaikan masalah optimisasi portofolio. Algoritma M-CABC merupakan pengembangan dari algoritma Artificial Bee Colony ABC menggunakan konsep kovariansi statistik dan dipakai untuk masalah optimisasi portofolio. Implementasi dilakukan dengan menggunakan lima sampel data OR-Lib; port1, port2, port3, port4, dan port5. Hasil yang didapat dibandingkan dengan unconstrained efficient frontier dari lima sampel data. Dari hasil simulasi, Algoritma M-CABC menghasilkan solusi yang cukup dekat dengan solusi pada unconstrained efficient frontier.

---

Portfolio optimization problem is a problem to find portfolio with maximum return and minimum risk. In this skripsi, multi objective portfolio optimization model is used. Multi objective Co variance based Artificial Bee Colony M CABC algorithm is used to solve porto folio optimization problem. M CABC algorithm is developed from Artificial Bee Colony ABC algorithm using statistical co variance concept and is used for portfolio optimization problem. Implementation is done using five OR Lib data samples port1, port2, port3, port4, dan port5. Obtained results is compared with unconstrained efficient frontier of five data samples. From simulation results, M CABC algorithm gives solutions that is near solutions on the unconstrained efficient frontier.