Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Dalam beberapa tahun terakhir, jumlah investor saham di Indonesia meningkat pesat, sehingga perlu dilakukan analisis tentang saham yang dapat membantu investor dalam rencana investasinya. Pengelompokan saham dapat membantu investor memilih saham yang sesuai untuk investor. Sayangnya, harga saham terus berubah dari waktu ke waktu. Akibatnya, kegiatan memilih saham untuk investasi bukanlah hal yang mudah. Selain itu, data time series saham dipengaruhi oleh banyak faktor yang mempertimbangakan time frame, kemudian menjadikan data pada setiap sektor memiliki jumlah faktor yang banyak yang disebut data dimensi tinggi. Karena itu, penting untuk menggunakan teknik yang cocok untuk mengelompokkan data dimensi tinggi. Penelitian ini menyajikan dua pendekatan yang dapat digunakan untuk data dimensi tinggi, yaitu subspace clustering dan dimension reduction. Pendekatan subspace clustering menggunakan metode High Dimensional Data Clustering (HDDC), sebuah teknik klasterisasi berbasis model berdasarkan Gaussian Mixture Model, dengan menggunakan algoritma Expectation-Maximization (EM). Pada pendekatan dimension reduction menggabungkan teknik reduksi fitur dan teknik klasterisasi yang sudah sering digunakan yaitu K-Means. Penelitian ini menggunakan dua pendekatan reduksi fitur, yaitu ekstraksi fitur menggunakan Principal Component Analysis (PCA) dan pemilihan fitur menggunakan Correlation Attribute Evaluation. Luaran dari penelitian ini adalah 2 klaster terbentuk di sektor agrikultur, 3 klaster di sektor pertambangan, 4 klaster di sektor industri dasar dan kimia, 2 klaster di sektor aneka industri, 2 klaster di sektor industri konsumsi, 2 klaster di sektor properti dan real estate, 2 klaster di sektor infrastruktur, 2 klaster di sektor keuangan, dan 4 klaster di sektor perdagangan. Dari perhitungan indeks validasi klasterisasi, teknik seleksi fitur memberikan performa yang lebih baik.

---

In recent years, the stock investor in Indonesia has been increasing rapidly, hence it is required to conduct analysis about the stock that helps the investor in their investment plan. Clustering is beneficial to select the appropriate stock for investors. Unfortunately, stock prices keep varying from time to time. Consequently, it is not an easy work to select the stock for investment. In addition, stock price time series data influenced by many factors, so the factors in this study consider the time frame that makes the data in each sector has a larger number of features that called high dimensional data. In this study, high dimensional data are obtained by the time frame of each factor. Therefore, it is important to use a suitable technique to cluster high dimensional data. This study presents two approaches that can be used for high dimensional data, namely subspace clustering and dimension reduction. The subspace clustering approach uses High Dimensional Data Clustering (HDDC), a model-based clustering based on Gaussian Mixture Model, with using the Expectation-Maximization (EM) algorithm. The dimension reduction approach combines feature reduction techniques and common clustering technique, that is K-Means. This study uses two feature reduction approaches, namely feature extraction using Principal Component Analysis (PCA) and feature selection using Correlation Attribute Evaluation. The output of this study are 2 clusters formed in agricultural sector, 3 clusters formed in mining sector, 4 clusters formed in basic and chemical industry sector, 2 clusters formed in various industrial sector, 2 clusters formed in consumption industry sector, 2 clusters formed in property and real estate sector, 2 clusters formed in infrastructure sector, 2 clusters formed in financial sector, and 4 clusters formed in trade sector. Based on the clustering validation index, feature selection techniques provide better performance."

"Penelitian ini bertujuan untuk melihat apakah diversifikasi portofolio pada saham syariah di Indonesia dan Malaysia dapat memberikan benefit berupa pengurangan resiko yang diterima investor, serta untuk melihat apakah faktor makroekonomi mempengaruhi return portofolio saham syariah secara signifikan. Pengujian hipotesis dilakukan dengan melihat adanya size effect dan profitability effect dalam saham syariah di Indonesia dan Malaysia, mengukur koefisien korelasi Pearson antara masing-masing portofolio saham syariah lintas negara serta menguji pengaruh faktor makroekonomi terhadap return portofolio saham syariah Penelitian ini menggunakan sampel emiten dengan jumlah lebih dari 500 emiten di Indonesia dan Malaysia.Hasil penelitian yang ditemukan di antaranya adalah terkonfirmasi adanya size effect dan profitability effect serta korelasi lemah hingga menengah pada portofolio saham syariah di dua negara tersebut. Selain itu, nilai tukar dan indeks saham komposit teruji sebagai variabel makroekonomi yang signifikan mempengaruhi return portofolio saham syariah di Indonesia dan Malaysia.

---

This study is aimed to evaluate whether portfolio diversification on sharia stock in Indonesia and Malaysia could benefit the investor by minimiziing portfolio risk. Hypothesis testing is done by seeing if there any size effect or profitability occurences on sharia stocks in Indonesia and Malaysia, measuring Pearson correlation between each sharia stock portfolio on cross country basis and estimating the exposure of macroeconomic factor against sharia stock portfolio return. This study also uses sample consisting of more than 500 stocks in Indonesia and Malaysia.

The result of the study therefore confirms the existence of size effect, profitability effect and weak to medium correlation on sharia stock portfolio return on both countries. Additionally, exchange rate and composite stock index are also confirmed as macroeconomic variable with significant exposure on sharia stock portfolio return in Indonesia and Malaysia."

"Penelitian ini berluj uan untuk mengetahui saham-saham yang tergabung dalam LQ45 Bursa Efek Indonesia yang memenuhi kriteria penyeleksian saham sesuai dengan metode Benjamin Graham. Dari hasil seleksi tersebut dilakukan pembentukan portofolio optimal agar memastikan bahwa komposisi portofolio yang terbentuk mampu menghasilkan relurn yang setingi-Lingginya bagi investor.Hasil penelitian ini menyamnkan bahwa hasil portofolio yang di bentuk dengan kriteria investor defensif dan investor aktif memiliki return portofolio yang lebih besar dibandingkan dengan portofolio optimal yang dibentuk dengan menggunakan seleksi berdasarkan average refurn tertinggi dan deviasi standar terendah. Namun ketika dilakukan uji hipotesis terhadap rata-rata return portofolio yang terbentuk diperoleh hasil bahwa tidak terdapat perbedaan rerurn yang signifikan antara portofolio optimal yang terbentuk sesuai kriteria Graham dengan portofolio optimal yang dibentuk berdasarkan average retum tertinggi dan standar deviasi terendah.

---

This research aims to identify stocks that joined LQ45 Indonesia Stock Exchange that meet criteria for selecting stocks according to Benjamin Graham method. The results of the selection was made to ensure the establishment of an optimal portfolio composition, that capable of generating high returns for investors.

The results of this study suggest that portfolio result from the portfolio which formed with the defensive and active investors criteria, will have a larger portfolio return compared to the optimal portfolio which is fomied using the highest average returns and lowest standard deviation. However the hypothesis test on average portfolio returnfound that there was no significant difference in returns between the optimal portfolio formed according to Graham's criteria with the optimal portfolio formed based on the highest average returns and lowest standard deviation."

"Pertumbuhan pasar modal dan ekonomi di Indonesia telah menarik banyak pihak untuk berinvestasi dan mengembangkan pasar. Peningkatan investasi memberikan peluang bagi perusahaan dan investor untuk meningkatkan keuntungan. Dengan persaingan yang semakin ketat serta kondisi pasar yang berubah-ubah, strategi investasi menjadi hal yang sangat penting. Prediksi performa perusahaan terutama di Indonesia menjadi hal yang dibutuhkan untuk mengimbangi perkembangan pasar. Metode Artificial Neural Network merupakan metode yang mulai populer dipakai untuk peramalan yang bersifat kompleks, menggunakan banyak variabel, dan bersifat nonlinear. Oleh karena itu metode ini sangat cocok untuk diterapkan dalam prediksi performa perusahaan di bursa saham yang termasuk kedalam bidang finansial. Dalam penelitian ini neural network juga dipakai untuk mengintegrasikan analisis teknikal dan analisis fundamental dari perusahaan. Hasil penelitian ini memperlihatkan bahwa neural network mampu melewati tingkat minimal pengembalian secara signifikan

---

As the economy and financial market keep growing in Indonesia, The interest to invest and develop the market are increasing. The increasing investment provide opportunity for company and investor to get more profit. With the ever competitive market and always changing market, Strategy to utilize investment become important. The ability to forecast company performance in financial sector become needs to counterbalance the ever-growing market. The Artificial Neural Network is one of the method that get more popular lately to be use as a forecasting method that require more complex model, using more variabel, and tend to be nonlinear. Hence the method really suit to be adapted in financial sector especially in stock market. In addition this study also discuss about integrating technical analysis and fundamental analysis. This study shows that neural network as a predictive model could significantly outperform the minimum return."

"Salah satu strategi investasi yang dapat diimplementasikan oleh investor adalah strategi market timing, yaitu investor akan menempatkan aset portofolionya pada pasar saham saat kondisi market diperkirakan akan meningkat (bullish) dan memindahkan aset portofolionya pada instrumen investasi pasar uang (deposito), yang berisiko rendah tapi tetap memberikan return yang rendah pula, saat kondisi market sedang menurun (bearish). Penelitian ini menggunakan indeks saham yang ada di Indonesia, yaitu IHSG, LQ45, dan Bisnis-27, dengan periode penelitian dari Januari 2000 hingga Juni 2013. Penelitian mengunakan metode market extreme, yaitu menentukan kinerja portofolio indeks saham yang mengalami kinerja ekstrim, sebagai timing terjadinya perpindahan aset investor dari pasar saham ke pasar uang dan sebaliknya. Berdasarkan skenario yang telah ditentukan, hasil penelitian menunjukan bahwa strategi market timing untuk IHSG dan indeks LQ45 memberikan return lebih tinggi dibandingkan strategi buy-and-hold. Sedangkan penggunaan strategi market timing pada indeks Bisnis-27 memberikan return yang lebih rendah dibandingkan dengan strategi buy-and-hold.

---

ABSTRACTOne of the investment strategy that can be used by investors is Market Timing strategy explained an investor will put its asset portfolio in the stock market when the market conditions are expected to be bullish and move the assets portfolio to the money market instruments (term deposits), which are low-risk but still can provide low-return, when market conditions are expected to be bearish. This study performed by using Indonesia indices, which are Jakarta Composite Index (JCI), LQ45, and Bisnis-27 with time period of study from January 2000 until June 2013. This study using market extreme methods which determine the performance of a portfolio of stock index that performed extreme, and used as timing for investor to switch asset from stock market to money market and vice versa. Based on pre-defined scenarios, the results show that market timing strategy for JCI and LQ45 provide higher return than strategy buy-and-hold. While the implementation of market timing strategy on Bisnis-27 index gives lower return than buy-and-hold strategy."

"Penelitian ini bertujuan untuk mengetahui alokasi portofolio optimal dengan varians minimum dan hedge ratio dari portofolio saham dan kontrak futures emas yang dimiliki pada pasar saham Indonesia. Penelitian dilakukan pada periode keseluruhan yaitu periode 2004 hingga 2014 dan periode krisis keuangan global 2008 hingga 2009. Penelitian ini menggunakan model multivariate GARCH yang terdiri dari Diagonal BEKK GARCH Scalar BEKK GARCH Constant Conditional Correlation GARCH dan Dynamic Conditional Correlation GARCH. Hasil penelitian menunjukkan bahwa dengan menambahkan kontrak futures emas ke dalam portofolio saham yang dimiliki di pasar saham Indonesia dapat mengurangi risiko investasi saham tanpa mengurangi expected return investor dan dapat menjadi alat hedging dari risiko yang mungkin terjadi. Hasil penelitian juga menunjukkan bahwa alokasi portofolio optimal dengan varians minimum pada periode terjadinya krisis keuangan global memiliki rasio yang tidak jauh berbeda dengan periode keseluruhan sedangkan untuk melakukan hedging dilakukan dengan mengambil posisi long beli pada Gold Futures Market.

---

This paper aims to analyzes the optimal weight with minimum variance and hedge ratios of gold stock portfolio holdings in Indonesia stock market. The period of this research from 2004 through 2014 for the all period and from 2008 through 2009 for global financial crisis. This research using Multivariate GARCH model consisting of Diagonal BEKK GARCH Scalar BEKK GARCH Constant Conditional Correlation GARCH dan Dynamic Conditional Correlation GARCH. The result of this reserach suggest that adding gold futures contract to a portfolio of Indonesia stocks decreasing the stock investment risk without lowering the expected return of the investors and gold helps to hedge against stock risk exposure. The results exhibit that global financial crisis have the same optimal weight as the all period and take the long position in Gold Futures Market to hedge in global financial crisis period."

"Upaya untuk meningkatkan kepuasan dan loyalitas donatur serta untuk memandu perumusan perencanaan pengembangan organisasi, maka dibutuhkan strategi pengembangan donatur, adapun untuk melakukan strategi pengembangan donatur dapat dilakukan dengan pendekatan data mining yang meliputi pengelompokan donatur dengan metode clustering dan hasil pengelompokan tersebut dievaluasi dengan artificial neural network (multilayer perceptron), dan menggunakan metode association rules untuk menganalisa peta pemasaran serta dirumuskan strategi pengembangan donatur berdasarkan data transaksi dan visi misi. Hasil penelitian menyarankan bahwa manajemen hubungan lembaga amil zakat dengan donatur perlu dikembangkan sehingga terjalin komunikasi yang aktif antar keduanya.

---

Efforts to increase donor satisfaction and loyalty as well as to guide the formulation of organizational development planning, donor development strategy is required, as for donors to make development strategy can be done with data mining approach that involves the grouping of donors by the method of clustering and classification results were evaluated by artificial neural network (multilayer perceptron), and using methods of association rules to analyze a map of marketing and donor development strategies are formulated based on transaction data and the vision and mission. The results suggest that the management of relations with donor amil zakat institution should be developed so that active communication is established between them."

"Penelitian ini bertujuan untuk membantu UMKM A dalam menentukan jenis produk yang dapat diproduksi kembali dari 4 kategori produk yang dimilikinya, yaitu Tenun Songket, Bordir Karancang, Sulaman Tangan, dan Batik, dengan menggunakan algoritma decision tree. UMKM A telah mengubah strategi produksinya akibat pandemi COVID-19 lalu, fokus pada produksi berbasis pesanan tanpa menyimpan stok barang yang banyak. Untuk mencapai tujuan tersebut, penelitian ini akan mengimplementasikan metode CRISP-DM (Cross-Industry Standard Process for Data Mining) dan algoritma decision tree serta alat bantu perangkat lunak terbaru serta berlisensi sumber terbuka yaitu KNIME. Data yang digunakan dalam penelitian ini akan diperoleh dari UMKM A dan berdasarkan proses bisnis produksi dan penjualan pada periode pandemi COVID-19. Hasil dari penelitian ini diharapkan dapat memberikan wawasan yang berguna bagi UMKM A dalam menyesuaikan strategi produksi mereka dengan kondisi pasar yang terusberubah akibat pandemi COVID-19.

---

This research aims to help MSMEs A in determining the types of products that can be reproduced from the 4 product categories it owns, namely Tenun Songket, Bordir Karancang, Sulaman Tangan, and Batik, using the Decision Tree algorithm. MSMEs A has changed its production strategy due to the COVID-19 pandemic, focusing on production based on orders without keeping large stocks of goods. To achieve this goal, this research will implement the CRISP-DM (Cross- Industry Standard Process for Data Mining) methodology and the Decision Tree algorithm as well as the latest and open source licensed software tools, namely KNIME. The data used in this research will be obtained from MSMEs A and is based on production and sales business processes during the COVID-19 pandemic period. It is hoped that the results of this research will provide useful insights for MSMEs A in adapting their production strategies to changing market conditions due to the COVID-19 pandemic."

"ABSTRAKTesis ini membahas kemampuan dan penggunaan tiga metode data mining dalam melakukan rangkaian analisis dan menemukan informasi dari sekumpulan data yang berjumlah besar yaitu data penggukuran condition monitoring dan faktor ekstenal dari suatu engine alat berat dengan tujuan untuk mendapatkan penjadwalan penggantian engine yang lebih optimal. Metode clustering digunakan untuk mengelompokkan data condition monitoring, association rule digunakan untuk menganalisis keterkaitan antar variabel dan analisis time series digunakan untuk memprediksi nilai dari pengukuran condition monitoring. Hasil penelitian menunjukkan metode data mining dapat digunakan untuk melakukan optimasi penjadwalan.

---

ABSTRACTThis thesis discusses the capability and use of three data mining rsquo s methods in perform the sequence of analysis and explore information from large data set, that is condition monitoring data and external factors of the heavy equipment engine in order to get more optimized engine replacement scheduling.Clustering method is used to classify condition monitoring data, association rule is used to analyze the interrelationship between variables and time series analysis is used to predict the value of condition monitoring. The result showed that data mining methods can be used to perform scheduling optimization."