Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tujuan dari penelitian ini adalah mencari metode optimasi portofolio terdiversifikasi yang memiliki kinerja paling unggul pada uji out-of-sample. Metode pembentukan dan optimasi portofolio terdiversifikasi menggunakan 3 metode, yaitu: Minimum-Variance, Inverse-Variance, dan Hierarchical Risk Parity. Kinerja portofolio akan dilihat dari tingkat pengembalian yang dihasilkan, sum of squared errors antara return yang aktual dengan yang diharapkan, dan sharpe ratio yang dihasilkan portofolio pada uji out-of-sample. Portofolio yang terdiversifikasi akan dibentuk dengan menggunakan 18 saham yang telah melewati proses seleksi saham dengan pendekatan Single Index Model dengan Cut-off Rate, dimana ke-18 saham tersebut memiliki excess return over beta lebih besar dari cut-off rate yang berasal dari 71 saham yang terdaftar di Bursa Efek Indonesia. Uji out-of-sample akan dibagi atas 3 skenario dengan holding period 4 minggu, 12 minggu, dan 16 minggu dengan melakukan rebalancing di setiap akhir holding period. Hasil uji out-of-sample membuktikan bahwa metode Hierarchical Risk Parity mampu mengungguli 2 metode optimasi portofolio lainnya dengan tingkat pengembalian yang dihasilkan paling besar, SSE yang paling rendah, dan shape ratio paling besar diantara ketiga metode yang ada. Penelitian ini menyimpulkan perlunya menggunakan pendekatan yang lebih kompleks dalam membangun portofolio di Bursa Efek Indonesia untuk menghasilkan portofolio dengan kinerja yang lebih baik.

---

This research aims to find a portfolio optimization method that has superior performance in out-of-sample simulation in the Indonesia equity market. The portfolio will be optimized utilizing 3 methods: Inverse-Variance, Minimum-Variance, and Hierarchical Risk Parity. Portfolio performance will be measured based on the actual return generated by portfolio, Sharpe ratio, and the accuracy with the sum of squared errors and T-test between actual return and expected return of the portfolio in out-of-sample simulations. The out-of-sample simulation will be done in 3 scenarios of holding period and rebalancing at the end of the holding period. The simulation results suggest that the Hierarchical Risk Parity method outperformed 2 other portfolio optimization methods having the highest actual return, Sharpe ratio, and accuracy in predicting returns. This research concludes that a more sophisticated approach is required to build an equity portfolio that has better performance in Indonesia."

"Exchange Traded Funds (ETF) adalah salah satu produk investasi pasar modal yang berupa reksa dana dan diperjualbelikan secara real time layaknya saham. ETF dapat menjadi pilihan investasi yang cocok untuk investor pemula karena lebih terdiversifikasi daripada saham. Meskipun demikian, investor tetap harus menyesuaikan profil risiko masing-masing karena semua produk investasi pasti memiliki risiko yang harus dihadapi. Oleh karena itu, sebelum membeli produk investasi perlu dilakukan analisis terlebih dahulu. Dalam penelitian ini dilakukan analisis menggunakan indikator teknikal untuk mengklasifikasi ETF menggunakan metode Support Vector Machines (SVM). Data ETF yang digunakan adalah data historis mingguan 25 ETF yang terdaftar di Bursa Efek Indonesia sejak 9 Maret 2020 hingga 6 Maret 2022. Indikator teknikal yang digunakan adalah moving average, support and resistance, Bollinger bands, dan directional indicator. Hasil dari perhitungan analisis indikator teknikal tersebut selanjutnya digunakan sebagai data input atau fitur dalam proses klasifikasi SVM. Proses klasifikasi bertujuan untuk mengklasifikasikan ETF yang berpotensi menghasilkan return ≥ 1 (return positif) atau < 1 (return negatif) di minggu selanjutnya dengan model SVM terbaik. Model SVM terbaik ditentukan berdasarkan nilai akurasi tertinggi. Pada penelitian ini, model SVM terbaik menghasilkan akurasi sebesar 77% dengan kernel polinomial dan proporsi data training sebanyak 80%. Terdapat 14 ETF yang diprediksi menghasilkan kelas positif oleh model SVM terbaik dan selanjutnya dilakukan pembentukan portofolio menggunakan metode Risk Parity (RP), Minimum Variance (MinV), dan Equal-Weight (EW). Ketiga metode pembentukan portofolio tersebut dibandingkan performanya untuk memilih portofolio terbaik berdasarkan nilai rasio Sharpe tertinggi. Hasil dari penelitian ini, metode MinV menghasilkan rasio Sharpe tertinggi dibandingkan dua metode lainnya.

---

Exchange-Traded Funds (ETF) is one of the Capital Market investment products in the form of mutual funds and being traded real-time like stocks. ETFs can be suitable for new investors because they are more diversified than stocks. Nonetheless, the risk profile of each investor must be suited since all investment products have risks that must be faced. Therefore, an analysis must be done before buying the investment products. In this study, an analysis was conducted using 4 technical indicators, such as, moving averages, support and resistance, Bollinger bands, and directional indicators. They were used to classify ETFs using the Support Vector Machines (SVM) method. The data used in this study consisted of weekly historical data of 25 ETFs listed on Indonesia Stock Exchange from March 9, 2020, to March 6, 2022. The result of the technical analysis calculation then be used as features in the SVM classification process. The classification process aims to classify ETFs that have the potential to generate returns of ≥ 1 (positive return) or < 1 (negative return) in the following week using the best SVM model. The best SVM model was determined based on the highest accuracy value. An accuracy of 77% with a polynomial kernel was achieved from a 80% proportion of training data. The 14 ETFs were predicted to gain a positive return using SVM for then a portfolio formed using the Risk Parity (RP), Minimum Variance (MinV) and Equal-Weight (EW) methods. The performances of those portfolio were being compared to choose the best portfolio based on the highest Sharpe Ratio value. The highest Sharpe Ratio portfolio were obtained by SVM-MinV method in this study."

"In Risk and portfolio analysis the authors present sound principles and useful methods for making investment and risk management decisions in the presence of hedgeable and non-hedgeable risks using the simplest possible principles, methods, and models that still capture the essential features of the real-world problems. They use rigorous, yet elementary mathematics, avoiding technically advanced approaches which have no clear methodological purpose and are practically irrelevant. The material progresses systematically and topics such as the pricing and hedging of derivative contracts, investment and hedging principles from portfolio theory, and risk measurement and multivariate models from risk management are covered appropriately. The theory is combined with numerous real-world examples that illustrate how the principles, methods, and models can be combined to approach concrete problems and to draw useful conclusions. Exercises are included at the end of the chapters to help reinforce the text and provide insight. "

"Penyakit kardiovaskular merupakan penyebab utama kematian global, termasuk di Indonesia. Evaluasi kesehatan dini, menggunakan heart rate variability (HRV) melalui pengukuran root mean square of successive RR interval differences (RMSSD) dan percentage of successive RR intervals that differ by more than 50 𝑚𝑠 (pNN50), menjadi penting untuk merefleksikan respons relaksasi, stres, kualitas tidur, dan aktivitas fisik. Evaluasi ini sebaiknya dilakukan saat seseorang masih dalam kondisi sehat. Sejalan dengan itu, penelitian ini bertujuan mengevaluasi kesehatan pasien dengan irama jantung normal melalui metode clustering pada variabel RMSSD, pNN50, dan usia, yang diambil dari rekaman elektrokardiogram milik online database Physionet. Setiap cluster yang terbentuk dapat memberikan informasi unik, memungkinkan penentuan risiko penyakit kardiovaskular serta penanganan yang tepat. Namun, karena pola data yang digunakan tidak jelas, mengandung outlier, dan berdimensi rendah, maka dilakukan perbandingan antara metode Hierarchical clustering dan Gaussian Mixture Models (GMM) clustering yang mampu mengatasi hal tersebut. Mengingat GMM clustering yang sangat sensitif terhadap inisialisasi awal, penelitian ini menggunakan dua pendekatan inisialisasi, yaitu acak dan K-Means. Penentuan metode terbaik dilakukan dengan mempertimbangkan metrik evaluasi (efektivitas) dan waktu komputasi metode (efisiensi). Hasil penelitian menunjukkan bahwa GMM clustering dengan inisialisasi K-Means adalah metode terbaik dengan membentuk tiga cluster. Meskipun alat EKG menilai pasien dalam kondisi sehat, namun analisis clustering dapat mengungkapkan informasi penting, terutama bagi pasien yang teridentifikasi memiliki tingkat HRV yang relatif rendah.

---

Cardiovascular diseases are a leading cause of global mortality, including in Indonesia. Early health evaluation, utilizing heart rate variability (HRV) through root mean square of successive RR interval differences (RMSSD) and percentage of successive RR intervals that differ by more than 50 𝑚𝑠 (pNN50) measurements, is crucial to reflect responses to relaxation, stress, sleep quality, and physical activity. This evaluation is ideally conducted while an individual is still in a healthy condition. In line with that, this research aims to evaluate the health of patients with a normal sinus rhythm through clustering methods on variables like RMSSD, pNN50, and age, extracted from electrocardiogram recordings from the online Physionet database. Each cluster can provide unique information, enabling the identification of cardiovascular disease risks and appropriate interventions. However, due to unclear data patterns, the presence of outliers, and is low-dimensiona, a comparison is made between Hierarchical clustering and GMM methods, capable of addressing these issues. Given GMM clustering's sensitivity to initializations, this study employs two approaches, random and K-Means. The determination of the best method is based on considerations of evaluation metrics (effectiveness) and computational time (efficiency). Research results indicate that GMM clustering with K-Means initialization is the most effective and efficient method, forming three clusters. Despite ECG assessments indicating healthy conditions, clustering analysis can reveal crucial information, especially for patients identified with relatively low HRV levels."

"Peradaban yang terus berkembang telah membuat konflik antara manusia dan lingkungan menjadi semakin parah sehingga menyebabkan banyak terjadinya bencana alam. Banyak negara yang terdampak oleh bencana alam dan salah satunya adalah Indonesia. Kondisi dan letak geografis Indonesia menyebabkan banyak terjadinya bencana alam di Indonesia. Oleh karena itu, perlu dilakukan pengelompokan daerah bencana alam di Indonesia untuk mengetahui daerah yang paling sering terkena bencana alam. Metode clustering dapat digunakan untuk mengetahui daerah tersebut. Dari studi literatur yang telah dilakukan, belum ada penelitian yang menggunakan metode hierarchical clustering dan fuzzy c-means untuk clustering daerah bencana alam di Indonesia. Maka dari itu, tujuan dari penelitian ini adalah mengklasifikasi daerah yang sering mengalami bencana alam di Indonesia dengan menggunakan metode hierarchical clustering dan fuzzy c-means. Data yang digunakan dalam penelitian ini adalah data bencana alam di Indonesia dari tahun 2019 hingga 2023. Variabel yang digunakan adalah jumlah kebakaran hutan dan lahan, banjir, cuaca ekstrem, gelombang pasang, tanah longsor, kekeringan, erupsi gunung api, dan gempa bumi di setiap kabupaten yang terdampak bencana alam. Hasil clustering menunjukan terdapat 66 daerah yang sering mengalami banjir, 45 daerah yang sering mengalami kebakaran hutan dan gelombang pasang, dan 30 daerah yang sering mengalami cuaca ekstrem, tanah longsor, kekeringan, erupsi gunung api, dan gempa bumi.

---

The continuously evolving civilization has exacerbated the conflict between humans and the environment, leading to increasingly severe natural disasters. Many countries are affected by natural disasters, and one of them is Indonesia. Indonesia's conditions and geographic location contribute to the occurrence of numerous natural disasters in the country. Therefore, it is necessary to classify areas prone to natural disasters in Indonesia to identify the most frequently affected regions. Clustering methods can be used to determine these areas. From the literature review conducted, there has been no research utilizing hierarchical clustering and fuzzy c-means methods for clustering areas prone to natural disasters in Indonesia. Therefore, the aim of this research is to classify areas that frequently experience natural disasters in Indonesia using hierarchical clustering and fuzzy c-means methods. The data used in this research is the natural disaster data in Indonesia from 2019 to 2023. The variables used include the number of forest and land fires, floods, extreme weather events, tidal waves, landslides, droughts, volcanic eruptions, and earthquakes in each disaster-affected district. The clustering results indicate that there are 66 regions frequently experiencing floods, 45 regions often experiencing forest fires and tidal waves, and 30 regions commonly facing extreme weather, landslides, droughts, volcanic eruptions, and earthquakes."

"Penelitan ini membahas tentang heterogenitas pada material beton dan dampaknya terhadap sifat mekanisnya yang sering diabaikan dalam melakukan pemodelan beton. Penelitian ini berfokus pada efek dari variabilitas dan dimensi, khususnya dalam damage model dan retak pada beton. Pemodelan ini menggunakan software FE dan mengaplikasikan Mazars Damage Model. Untuk menghasilkan variabilitas kerusakan pada beton, digunakan generator random field yang disebut Turning Band Method (TBM). Beberapa sampel kubus beton polos berukuran 15 x 15 x 15 cm³, 20 x 20 x 20 cm³, dan beton bertulang dengan sampel pull-out 20 x 20 x 20 cm³ dimodelkan dengan uji tarik dengan memvariasikan ukuran mesh dan panjang korelasi untuk mengamati pola kerusakannya. Hasil pada sampel kubus beton polos menunjukkan bahwa ukuran mesh yang lebih kecil yaitu 1 cm menyebabkan distribusi retakan yang lebih bervariasi dibandingkan dengan ukuran mesh 2.5 cm. Selain itu, panjang korelasi yang lebih kecil menghasilkan penyebaran microcracks di semua sisi sampel beton, sedangkan panjang korelasi yang lebih besar retak terlokalisasi di bagian-bagian tertentu. Hasil pada beton bertulang dengan sampel pullout menunjukkan bahwa Random Field-Turning Band Method tidak berpengaruh secara signifikan untuk memprediksi pola retak dan kerusakan pada beton.

---

This study addresses the heterogeneity of concrete material and its impact on mechanical properties, which is often overlooked in concrete modeling. It focuses on the effects of variability and dimension, particularly in damage and concrete cracking modeling. This research applies concrete variability in a FE using Mazars Damage Model to govern the behavior law. To capture the variability of concrete damage, a random field generator called the Turning Band Method is used. Some plain concrete cube sample of 15 x 15 x 15 cm³, 20 x 20 x 20 cm³, and reinforced concrete of pull-out sample of 20 x 20 x 20 cm³ are modelled under tension test, varying the mesh size and length correlation to observe the damage response. The results in plain concrete cube samples show that a smaller mesh size of 1 cm leads to a more varied distribution of cracks compared to a mesh size of 2.5 cm. Moreover, a smaller correlation length causes the spread of microcracks on all sides of the concrete sample, whereas a larger correlation length localizes in certain areas. The results in reinforced concrete of pull-out sample show that the TBM has no significant effect to predict crack and damage response."

"Tujuan: Mengetahui faktor-faktor risiko yang berhubungan dengan terjadinya kanker serviks.Metode: Penelitian kasus-kontrol ini dilakukan di RSUD A.W. Sjahranie Samarinda Kalimantan Timur mulai Januari hingga Juli 2009. Bilangan masing-masing 58 pasien untuk setiap kelompok kasus dan kontrol. Variabel dalam penelitian ini adalah usia, menarche, menopause, usia pertama kali menikah, paritas, status merokok suami, penggunaan kontrasepsi hormonal, jenis kontrasepsi hormonal, lama kontrasepsi hormonal, penggunaan kontrasepsi IUD (intra uterine device) dan lama kontrasepsi IUD.Hasil: Analisis data final menunjukkan bahwa paritas dan lama penggunaan kontrasepsi hormonal meningkatkan risiko kanker serviks. Perempuan dengan 5-12 anak dibandingkan 0-4 anak memiliki peningkatan risiko kanker serviks sebanyak 2,6 kali. Jika dibandingkan dengan perempuan yang tidak menggunakan kontrasepsi hormonal,mereka yang menggunakan selama 1-4 tahun dan 5-25 tahun memiliki peningkatan risiko kanker serviks sebanyak 2 dan 4,5 kali.Kesimpulan: Skrining terhadap kanker serviks disarankan lebih difokuskan pada perempuan berisiko tinggi, khususnya perempuan yang pernah melahirkan anak lebih dari 5 kali atau perempuan yang menggunakan kontrasepsi hormonal dengan lama pemakaian lebih dari 5 tahun.

---

AbstractAim: To find risk factors associated with cervical cancer.Methods: This a case-control study conducted in A.W. Sjahranie County General Hospital at Samarinda East Kalimantan from January until July 2009. There were 58 patients for each case and control group. Variables in this study were age, menarche, menopause, age of fi rst marriage, parity, spouse?s smoking status, hormonal contraception use, type of hormonal contraception, duration of hormonal contraception, IUD (intra uterine device) contraception use and duration of IUD contraception.Results: fi nal data analysis shows that parity and duration of hormonal contraception use increased the risk of cervical cancer. Women who had 5-12 children than 0-4 children had 2.6-folds increased risk to be cervical cancer. Compared to women never use of hormonal contraception, those who ever had hormonal contraception for 1-4 years and 5-25 years had two time and 4.5 times increased risk to be cervical cancer respectively.Conclusion: Cervical cancer screening recommended to be focused on high-risk groups, among others, women with the number of children born more than fi ve people or women in particular users of hormonal contraception methods with a range of use more than five years."