Papers by bambang susanto
maka seperti yang diharapkan data normal acak yang dibangkitkan dengan mean dan simpangan baku ya... more maka seperti yang diharapkan data normal acak yang dibangkitkan dengan mean dan simpangan baku yang sama diperoleh data berdistribusi normal. Sedangkan untuk data acak yang dibangkitkan berdasarkan distribusi eksponensial diperoleh nilai-p lebih kecil dari 0.05 sehingga disimpulkan bahwa data tidak berdistribusi normal. Kata kunci: Anderson-Darling, Cramer-von Mises, Lilliefors dan Bootstrap A. PENDAHULUAN Latar Belakang Analisis data menggunakan metode statistik parametrik biasanya mengasumsikan data berasal dari distribusi yang normal. Jika data tidak berdistribusi normal atau ukuran sampel sedikit dan jenis data adalah nominal atau ordinal maka metode yang digunakan adalah metode statistik non parametrik. Uji Normalitas merupakan salah satu uji statistik yang digunakan untuk menguji apakah suatu data berdistribusi normal atau tidak. Uji ini dapat digunakan untuk mengukur data berskala ordinal, interval ataupun rasio. Ada berbagai metode yang dapat digunakan untuk menguji apakah suatu data berdistribusi normal atau tidak, diantaranya adalah Kolmogorov-Smirnov, Lilliefors, Anderson-Darling, Cramer-von Mises, Shapiro-Wilk dan Shapiro Francia serta termasuk juga dalam hal ini yaitu metode Bootstrap. Dalam penelitian sebelumnya telah diuji normalitas data dengan menggunakan metode Anderson-Darling, Cramer-von Mises, dan Lilliefors beserta dengan perbandingan ketiga metode tersebut (Fallo dkk, 2013). Dalam penelitian ini akan diuji normalitas data berdasarkan ketiga metode tersebut menggunakan metode Bootstrap. Data real tentang inflasi bulanan dari Badan Pusat Statistik yang akan digunakan sebagai ilustrasi. Data inflasi bulanan dari BPS tersebut adalah data inflasi bulanan kota-kota yang ada di daerah Bali dan Nusa Tenggara dari bulan Januari 2009 sampai dengan Juni 2013 dan akan brought to you by CORE View metadata, citation and similar papers at core.ac.uk
Barekeng, Apr 16, 2023
In this research, the face painting recognition of Papua and Papua New Guinea was identified usin... more In this research, the face painting recognition of Papua and Papua New Guinea was identified using the Convolutional Neural Network (CNN). This CNN method is one of the deep learning that is very well known and widely used in face recognition. The best training process model is obtained using the CNN architecture, namely ResNet-50, VGG-16, and VGG-19. The results obtained from the training model obtained an accuracy of 80.57% for the ResNet-50 model, 100% for the VGG-16 model, and 99.57% for the VGG-19 model. After the training process, predictions were continued using architectural models with test data. The prediction results obtained show that the accuracy of the ResNet-50 model is 0.70, the VGG-16 model is 0.82, and the VGG-19 model is 0.83. It means that the CNN architectural model that has the best performance in making predictions in identifying the recognition of Papua and Papua New Guinea's face painting is the VGG-19 model because the accuracy value obtained is 0.83.
Journal of physics, Aug 1, 2019
Volatility plays an important role in the field of financial econometrics as one of the risk indi... more Volatility plays an important role in the field of financial econometrics as one of the risk indicators. Many various models address the problem of modeling the volatilities of financial asset returns. This study provides a new empirical performance comparison of the four different GARCH-type models, namely GARCH, GARCH-M, GJR-GARCH, and log-GARCH models based on simulated data and real data such as the DJIA, S&P 500, and S&P CNX Nifty indices on a daily period from January 2000 to December 2017. We also investigate the estimation results obtained using Solver'Excel and verify those results against the results obtained using a Markov chain Monte Carlo method. The simulation study showed that the GARCH model is outperformed by other models. Meanwhile, the empirical study provides evidence that the GJR-GARCH model provides the best fitting, followed by the GARCH-M, GARCH, and log-GARCH models. Furthermore, this study recommends the use of Excel's Solver in practice when the parameter estimates for GARCH-type model do not close to zero.
International Journal of Data Science, May 7, 2020
This is an open access article under the CC-BY-SA license.
Nucleation and Atmospheric Aerosols, 2017
The aim of this study is to empirically investigate the performance of APARCH(1,1) volatility mod... more The aim of this study is to empirically investigate the performance of APARCH(1,1) volatility model with the Student-t error distribution on five foreign currency selling rates to Indonesian rupiah (IDR), including the Swiss franc (CHF), the Euro (EUR), the British pound (GBP), Japanese yen (JPY), and the US dollar (USD). Six years daily closing rates over the period of January 2010 to December 2016 for a total number of 1722 observations have analysed. The Bayesian inference using the efficient independence chain Metropolis-Hastings and adaptive random walk Metropolis methods in the Markov chain Monte Carlo (MCMC) scheme has been applied to estimate the parameters of model. According to the DIC criterion, this study has found that the APARCH(1,1) model under Student-t distribution is a better fit than the model under normal distribution for any observed rate return series. The 95% highest posterior density interval suggested the APARCH models to model the IDR/JPY and IDR/USD volatilities. In particular, the IDR/JPY and IDR/USD data, respectively, have significant negative and positive leverage effect in the rate returns. Meanwhile, the optimal power coefficient of volatility has been found to be statistically different from 2 in adopting all rate return series, save the IDR/EUR rate return series.
Khazanah informatika, Jun 21, 2021
There is a need in the Universitas Kristen Satya Wacana (UKSW) to identify the research competenc... more There is a need in the Universitas Kristen Satya Wacana (UKSW) to identify the research competence of their faculties at a study program and University level. To accomplish this requirement, we need to automate the analysis of research output and publications quickly. Research articles are scattered in many publisher systems and journals which may be reputable, unreputable, accredited, and unaccredited. We devise a computer code to quickly and efficiently retrieve publication titles recorded in Google Scholar using a machine learning algorithm. The result display is in the form of a word cloud so that dominant and frequent words will be prominent in the visualization. In determining scientific terms to display, we used a modified version of the word cloud Python module and unmodified Term Frequency-Inverse Document Frequency (TF-IDF) library. The algorithm was tested on publication titles of our study program in UKSW and confirmed directly. The system features the ability to produce a word cloud visualization for an individual faculty, for faculties in a study program, or in the University as a whole. We have not differentiated publication sources, whether they are reputable or unreputable, which might affect the accuracy of competence identification.
Media statistika, Apr 16, 2021
The Generalized AutoRegressive Conditional Heteroskedasticity (GARCH) type models have become imp... more The Generalized AutoRegressive Conditional Heteroskedasticity (GARCH) type models have become important tools in financial application since their ability to estimate the volatility of financial time series data. In the empirical financial literature, the presence of skewness and heavy-tails have impacts on how well the GARCH-type models able to capture the financial market volatility sufficiently. This study estimates the volatility of financial asset returns based on the GARCH(1,1) model assuming Skew Normal and Skew Student-t distributions for the returns errors. The models are applied to daily returns of FTSE100 and IBEX35 stock indices from January 2000 to December 2017. The model parameters are estimated by using the Generalized Reduced Gradient Non-Linear method in Excel's Solver and also the Adaptive Random Walk Metropolis method implemented in Matlab. The estimation results from fitting the models to real data demonstrate that Excel's Solver is a promising way for estimating the parameters of the GARCH(1,1) models with non-Normal distribution, indicated by the accuracy of the estimation of Excel's Solver. The fitting performance of models is evaluated by using log-likelihood ratio test and it indicates that the GARCH(1,1) model with Skew Student-t distribution provides the best fitting, followed by Student-t, Skew-Normal, and Normal distributions.
Jurnal Ekonomi & Studi Pembangunan, Mar 5, 2017
Volatiliy measurement and modeling is an important aspect in many areas of finance. The main purp... more Volatiliy measurement and modeling is an important aspect in many areas of finance. The main purpose of this study is to apply seven APARCH-type models with (1,1) lags to investigate the behavior of exchange rate volatility for the EUR, JPY, and USD selling exchange rates to IDR for the duration from January 2010 to December 2015. The competing models include ARCH, GARCH, TARCH, TS-ARCH, GJR-GARCH, NARCH, and APARCH used with Gaussian normal distribution. In order to estimate the model parameters, this study applies the Bayesian inference using the adaptive random walk Metropolis method in the MCMC algorithm. Empirical results based on the deviance information criterion indicate that the GARCH (1,1), APARCH (1,1), and TARCH (1,1) models provide the best fit for the EUR, JPY, and USD data, respectively. In those models, both the JPY and USD data have significant negative leverage effect at the 99% credible level. Moreover, the JPY returns also have significant Taylor effect in return volatility at the 99% credible level.
Pada penelitian ini dibahas tentang penggunaan Indeks Baru untuk mengukur autokorelasi spasial se... more Pada penelitian ini dibahas tentang penggunaan Indeks Baru untuk mengukur autokorelasi spasial secara global. Kontribusi utama dari karya ini adalah untuk mengetahui korelasi antara Indeks Geary dan Indeks Moran. Selain itu penelitian ini bertujuan untuk mengetahui pengaruh spasial terhadap IPM Provinsi-Provinsi di Indonesia. Data yang digunakan adalah data IPM provinsi-provinsi di Indonesia tahun 2010 – 2018. Prosedur yang dilakukan adalah dengan mengukur data IPM menggunakan Indeks Geary dan Indeks Moran. Selanjutnya nilai Indeks Geary dan Indeks Moran digunakan untuk mencari korelasi yang terjadi antara Indeks Geary dan Indeks Moran. Korelasi yang terbentuk antara Indeks Geary dan Indeks Moran sangat kuat sehingga Indeks Baru dapat dirumuskan. Untuk memvalidasi keakuratan Indeks Baru dilakukan uji autokorelasi spasial terhadap Indeks Baru menggunakan Metode Bootstrap dan resampling berdasarkan estimasi densitas Kernel. Berdasarkan hasil resampling menggunakan metode bootstrap dan...
Prosiding Seminar Nasional Sains dan Pendidikan Sains VIII “Pembelajaran Sains yang Menarik dan M... more Prosiding Seminar Nasional Sains dan Pendidikan Sains VIII “Pembelajaran Sains yang Menarik dan Menantang : sub-tema Memajukan Dukungan Sains dan Matematika pada Dunia Bisnis, Industri dan Pendidikan”, Fakultas Sains dan Matematika, UKSW Salatiga, 15 Juni 2013, Vol 4, No.1 : 472-479Analisa fluktuasi saham untuk menentukan risiko pada salah satu perusahan dengan menggunakan deret Fourier telah dibahas. Hasil yang diperoleh mempunyai frekuensi 0.4092 dengan resiko yang terbesar yaitu return data pada periode (25/4/2012 – 8/5/2012). Semakin besar risiko maka semakin besar pula nilai harapan return yang diperoleh. Oleh karena frekuensi yang dihasilkan dari deret Fourier juga menunjukkan konsekuensi risiko yang sama yaitu frekuensi yang terbesar dari data juga menjelaskan risiko yang terbesar. Dalam makalah ini, data volume saham dianalisa dengan cara yang sama yaitu data volume sebagai deret Fourier. Akan tetapi pada penelitian ini data volume hasil Fuorier dimodelkan secara stokastik s...
Abstrak : Makalah ini membahas tentang bagaimana memperoleh model distribusi total kerugian aggre... more Abstrak : Makalah ini membahas tentang bagaimana memperoleh model distribusi total kerugian aggregat manfaat rawat jalan pada suatu polis asuransi kesehatan berdasarkan simulasi. Simulasi dilakukan untuk membangkitkan tiruan-tiruan total kerugian aggregat tersebut berdasarkan suatu skema rawat jalan dan sesuai tagihan, tanpa batasan polis. Data klaim manfaat rawat jalan dari suatu polis asuransi kesehatan digunakan sebagai data empiris pendukung simulasi. Data tiruan hasil simulasi diestimasi model distribusinya hingga didapati tiga alternatif model yaitu distribusi Gamma, Lognormal, dan Normal. Simulasi diulang hingga diperoleh model yang tepat. Didapati Distribusi normal adalah model distribusi terpilih dengan ketepatan mencapai 87.8%. Kata kunci: Asuransi Kesehatan, Manfaat Rawat Jalan, Model Distribusi, Simulasi, Dan Total Kerugian Aggregat
Suatu perusahaan makanan ringan yang menghasilkan beberapa jenis produk untuk dijual perlu memper... more Suatu perusahaan makanan ringan yang menghasilkan beberapa jenis produk untuk dijual perlu mempertahankan tingkat produksi setiap jenis pada suatu nilai tertentu agar tidak merugi, untuk itu digunakan analisis titik impas atau Break Even Point (BEP) sebagai batas minimum produksinya. Dalam perencanaan produksi, selain titik impas terdapat kendala-kendala lain yang perlu diperhatikan seperti : besarnya permintaan pasar, ketersediaan bahan baku, ketersediaan tenaga kerja dan sarana lainnya. Pada penelitian ini jumlah optimum masing-masing produk yang harus diproduksi ditentukan dengan menggunakan metode Program Linear. Dari hasil analisis titik impas terhadap 6 produk makanan ringan yang diproduksi oleh perusahaan didapat jumlah setiap produk pada titik impas dan besarnya laba. Model Program Linear yang disusun dengan memperhatikan berbagai kendala yang ada untuk memaksimalkan laba total, diperoleh penyelesaian optimum yang menghasilkan laba Rp. 37.916.300 per bulan. Berdasarkan anali...
Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Mar 1, 2012
Pada suatu industri, pengendalian kualitas sangatlah penting, pengendalian dapat dilakukan dengan... more Pada suatu industri, pengendalian kualitas sangatlah penting, pengendalian dapat dilakukan dengan menggunakanStatistical Processing Control (SPC) untuk pengendalian proses dalam memastikan bahwa barang atau jasa yang diproduksi oleh perusahan dengan yang diharapkan sesuai.Grafik pengendali x sering dipakai untuk data yang berdistribusi normal, pada makalah ini akan dibahas grafik pengendali berdasar boxplot untuk data yang tidak berdistribusi normal. Grafik pengendali berdasar boxplot dapat dibangun dengan batas pengendali menggunakan nilai kuartil dan jangkaun antar kuartil. Penelitian ini akan menggunakan data univariat karakteristik O 3 dari sebuah perusahaan "Y" di bidang air minum kemasan, dimana salah satu produknya adalah air mineral kemasan galon 19L merk "X". Perusahaan "Y" memiliki standar kandungan O 3 dalam setiap produksi air mineral galon 19L berkisar antara 0.1-0.4. Dalam penelitian ini, dikontruksikan batas pengendali untuk grafik pengendali berdasar boxplot. Boxplot merupakan alat yang paling banyak digunakan dalam analisis data. Kuartil Q 1 , Q 2 , dan Q 3 akan membagi data terurut menjadi empat bagian. Jangkauan antar kuartil (IQR, Interquartile Range) didefinisikan sebagai selisih kuartil Q 1 terhadap kuartil Q 3 , atau IQR = Q 3-Q 1. Data-data pencilan dapat ditentukan yaitu nilai yang kurang dari 1.5*IQR terhadap kuartil Q 1 dan nilai yang lebih dari 1.5*IQR terhadap kuartil Q 3. Grafik pengendali berdasarkan boxplot pada data O 3 air minum galon 19L merk "X"dari perusahaan "Y" memiliki batas pengendali untuk LCL=0.03 , CL=0,14 dan UCL=0,205 jika digunakan batas boxplot untuk grafik pengen dali UCL=Q 3 +1.5*IQR dan LCL=Q 1-1.5*IQR, sedangkan jika digunakan grafik pengendali berdasar UCL=Q 3 +3*IQR dan LCL=Q 1-3*IQR maka diperoleh LCL=0.04 , CL=0,14 dan UCL=0,25. Grafik pengendali berdasar boxplot yang telah dibangun melalui batas penggendali tersebut memperlihatkan bahwa tidak ada titik yang out of control. Dengan demikian bisa dikatakan bahwa air mineral galon 19L merk "X" dari perusahaan "Y" dalam batas kendali kualitas dan memenuhi syarat kualitas yangdidasarkan pada grafik pengendali berdasarkan boxplot yang diusulkan. Kata kunci : grafik pengendali, boxplot, pencilan (outlier), grafik pengendali berdasar boxplot.
Metode bootstrap merupakan metode resample data dari data asli dengan pengembalian untuk mendapat... more Metode bootstrap merupakan metode resample data dari data asli dengan pengembalian untuk mendapatkan replika data baru dengan banyak pengulangan yang terjadi. Makalah ini menjelaskan tentang penerapan metode bootstrap dalam menguji perbedaan pada lebih dari 2 sampel menggunakan uji Kruskal-Wallis dan uji Friedman. Pada uji Kruskal-Wallis didapatkan hasil bahwa antara kota Purwokerto – Surakarta – Semarang – Tegal tidak terdapat perbedaan signifikan untuk rata-rata inflasi bulanan, sedangkan untuk rata-rata inflasi bulanan jika dihitung 1 tahun ke belakang (YoY) tiap tahunnya antara keempat kota tersebut didapatkan hasil sebaliknya. Sedangkan pada uji Friedman didapatkan hasil untuk periode setiap 2 tahun terdapat perbedaan yang signifikan untuk rata-rata inflasi pada kota Semarang dan Tegal tetapi untuk kota Purwokerto dan Surakarta tidak terdapat perbedaan rata-rata inflasi, sedangkan untuk setiap tahunnya tidak terdapat perbedaan rata-rata inflasi pada keempat kota dan untuk YoY p...
Soal-soal evaluasi yang berbentuk pilihan berganda haruslah memenuhi beberapa kriteria agar dapat... more Soal-soal evaluasi yang berbentuk pilihan berganda haruslah memenuhi beberapa kriteria agar dapat dikatakan sebagai alat evaluasi yang baik. Satu set soal pilihan berganda terdiri dari 35 soal, yang masing-masing soal memiliki 4 opsi jawaban untuk mata pelajaran Matematika kelas VII telah diujikan pada siswa kelas VII di SMP Kristen Bentara Wacana Muntilan. Pada jawaban siswa yang diperoleh dilakukan analisis butir hingga didapatkan koefisien validitas, derajat kesukaran dan daya beda untuk menentukan tingkat kualitas soal. Selanjutnya untuk menentukan kualitas soal digunakan pendekatan logika fuzzy yaitu Sistem Inferensi Fuzzy yang merupakan kerangka komputasi berdasar teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN dan penalaran fuzzy. Adapun metode inferensi yang digunakan dalam makalah ini adalah metode Mamdani. Berdasarkan analisis yang dilakukan diperoleh 15 soal dengan kualitas baik, 15 soal perlu diperbaiki dan 5 soal disarankan untuk tidak dipakai.
MEDIA STATISTIKA, 2021
The Generalized AutoRegressive Conditional Heteroskedasticity (GARCH) type models have become imp... more The Generalized AutoRegressive Conditional Heteroskedasticity (GARCH) type models have become important tools in financial application since their ability to estimate the volatility of financial time series data. In the empirical financial literature, the presence of skewness and heavy-tails have impacts on how well the GARCH-type models able to capture the financial market volatility sufficiently. This study estimates the volatility of financial asset returns based on the GARCH(1,1) model assuming Skew Normal and Skew Student-t distributions for the returns errors. The models are applied to daily returns of FTSE100 and IBEX35 stock indices from January 2000 to December 2017. The model parameters are estimated by using the Generalized Reduced Gradient Non-Linear method in Excel’s Solver and also the Adaptive Random Walk Metropolis method implemented in Matlab. The estimation results from fitting the models to real data demonstrate that Excel’s Solver is a promising way for estimatin...
Uploads
Papers by bambang susanto