Mathunesa Jurnal Ilmiah Matematika最新文献_第4页

PERAMALAN JUMLAH UNIT INDUSTRI DI JAWA BARAT MENGGUANAKAN FUZZY TIME SERIES

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2023-05-19 DOI: 10.26740/mathunesa.v11n1.p17-24

Herlinda Sofhya

{"title":"PERAMALAN JUMLAH UNIT INDUSTRI DI JAWA BARAT MENGGUANAKAN FUZZY TIME SERIES","authors":"Herlinda Sofhya","doi":"10.26740/mathunesa.v11n1.p17-24","DOIUrl":"https://doi.org/10.26740/mathunesa.v11n1.p17-24","url":null,"abstract":"Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator perekonomian. Jawa Barat merupakan provinsi dengan jumlah PDRB terbesar ketiga di Indonesia. Berdasarkan data dari Badan Pusat Statistik, sektor industri pengolahan merupakan sektor terbesar yang menyokong PDRB Jawa Barat. Sektor Industri Pengolahan menyokong 42% dari PDRB Jawa Barat. Pada Tahun 2001 jumlah Unit Industri di Jawa barat ada sebanyak 201.953 yang terdiri dari 198.478 Industri Kecil dan Menengah (IKM) dan 3475 Industri Besar (IB). Pada tahun 2021 jumlah unit usaha di Jawa barat mencapai 216.671, artinya terdapat penambahan unit usaha yang cukup banyak dalam 20 tahun yaitu sebanyak 14.718 unit usaha. Pembangunan industri di Jawa barat berkembang sangat pesat. Pembangunan industri ini memberikan dampak positif dan dampak negatif. Perkembangan Industri di Jawa Barat perlu dikendalikan dengan kebijakan yang tepat. Data perkiraan jumlah unit industri di masa yang akan dapat menjadi acuan bagi pemerintah dalam menentukan kebijakan yang tepat. Pada penelitian ini akan dilakukan peramalan menggunakan fuzzy time series untuk memprediksi jumlah unit industri di Jawa Barat. Model fuzzy time series yang digunakan adalah model cheng dan akurasi hasil prediksi akan dihitung menggunakan nilai MAPE. Berdasarkan hasil peramalan menggunakan metode fuzzy time series dengan model cheng, diperoleh prediksi jumlah unit industri tahun 2023 sebesar 215.200. Menurut prediksi jumlah unit industri di Jawa Barat akan berkurang sebanyak 1.471 unit jika dibandingkan tahun sebelumnya. Selanjutnya tingkat akurasi hasil peramalan data jumlah industri menggunakan metode fuzzy time series dengan model cheng menunjukan hasil prediksi yang sangat akurat dengan eror berdasarkan nilai MAPE adalah sebesar 0,442327%. ","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-05-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"41891313","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 1

IMPLEMENTASI METODE BACKPROPAGATION NEURAL NETWORK DALAM MERAMALKAN TINGKAT INFLASI DI INDONESIA 神经网络反向传播方法在入流中的实现

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2023-05-17 DOI: 10.26740/mathunesa.v11n1.p8-16

A. Wiranto, Eris Setiawan, Aang Nuryaman, M. Usman

{"title":"IMPLEMENTASI METODE BACKPROPAGATION NEURAL NETWORK DALAM MERAMALKAN TINGKAT INFLASI DI INDONESIA","authors":"A. Wiranto, Eris Setiawan, Aang Nuryaman, M. Usman","doi":"10.26740/mathunesa.v11n1.p8-16","DOIUrl":"https://doi.org/10.26740/mathunesa.v11n1.p8-16","url":null,"abstract":"Peramalan merupakan upaya dalam memperkirakan sesuatu di masa depan berdasarkan pada pola data atau informasi di masa lalu. Autoregressive Integrated Moving Average (ARIMA), Exponential Smoothing, dan Seasonal Autoregressive Integrated Moving Average (SARIMA) merupakan beberapa metode yang sering digunakan dalam peramalan data deret waktu. Namun, metode tersebut memiliki kelemahan yaitu data yang digunakan harus stasioner serta akurasi yang dihasilkan kurang baik. Untuk mengatasi kelemahan tersebut, peneliti banyak yang menerapkan metode Jaringan Syaraf Tiruan salah satunya Backpropagation Neural Network. Metode Backpropagation Neural Network sangat baik digunakan dalam peramalan bidang ekonomi. Masalah ekonomi di Indonesia yang sampai saat ini masih menjadi permasalahan besar adalah inflasi. Dalam kajian ini, dilakukan peramalan inflasi di Indonesia menggunakan data inflasi periode Januari 2000 hingga Oktober 2022. Hasil yang diperoleh menunjukan pembagian data terbaik yaitu 50% training dan 50% testing dengan menggunakan fungsi aktivasi sigmoid biner didapatkan arsitektur terbaik yaitu 12-21-1 dengan nilai Mean Square Error (MSE) pada tahapan training sebesar 0,00067535 dan pada tahapan testing yaitu 0,0767. Setelah dilakukan peramalan, diperoleh bahwa inflasi tertinggi terjadi pada bulan Oktober 2023 sebesar 0,5579 serta peramalan inflasi terkecil terjadi pada Februari 2023 sebesar 0,203.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-05-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"46243232","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Mortality Baseline Model Using Linear Time Series and Linear Mixed Model in Excess Mortality Calculation During COVID-19 in DKI Jakarta 雅加达DKI新冠肺炎期间超额死亡率计算中使用线性时间序列和线性混合模型的死亡率基线模型

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2023-05-16 DOI: 10.26740/mathunesa.v11n1.p1-7

Maulia Dita Agistia, Lenny Suardi

{"title":"Mortality Baseline Model Using Linear Time Series and Linear Mixed Model in Excess Mortality Calculation During COVID-19 in DKI Jakarta","authors":"Maulia Dita Agistia, Lenny Suardi","doi":"10.26740/mathunesa.v11n1.p1-7","DOIUrl":"https://doi.org/10.26740/mathunesa.v11n1.p1-7","url":null,"abstract":"COVID-19 pandemic has affected the mortality across a globe. To investigate the impact of COVID-19, many countries have recorded number of deaths due to COVID-19. In Indonesia, DKI Jakarta reports the highest number of mortality due to COVID-19. However, the reported data may have discrepancy, for example the scope of testing for COVID-19 that has not been widely implemented, false-negative on testing results and deaths that occur before COVID-19 test. The measurement of excess mortality has been suggested to cover the lack of data. Baseline mortality will be the main component in calculating excess mortality. Monthly deaths data of DKI Jakarta from January 2018 up to February 2021 will be used to generate baseline mortality model. The analysis will compare two models, linear time series and linear mixed model. Model accuracy will be calculated to choose the better baseline mortality model. The better model of baseline mortality will give better estimation of excess mortality during COVID-19. Linear time series provides a better accuracy on baseline mortality model in DKI Jakarta. The result shows that there are 25,553 excess mortality during COVID-19 pandemic in DKI Jakarta from June 2020 until June 2021. The SMR during pandemic COVID-19 is around 133%.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-05-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"41976939","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

IDEAL FUZZY INTUISIONISTIK-(∈,∈) IMPLIKATIF POSITIF DARI BCK-ALJABAR BCK-ALIABAR蕴涵的直觉函数理想-（∈，∈）正

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2023-03-12 DOI: 10.26740/mathunesa.v10n3.p368-378

Fanindya Sadida Karima, Agung Lukito

引用次数: 0

PELABELAN HARMONIS GENAP SEJATI DARI BEBERAPA GRAF TERHUBUNG 在某些格拉夫连接的真实偶数上进行标记

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-12-30 DOI: 10.26740/mathunesa.v10n3.p361-367

Diyanatut Taqiyah, Budi Rahadjeng

{"title":"PELABELAN HARMONIS GENAP SEJATI DARI BEBERAPA GRAF TERHUBUNG","authors":"Diyanatut Taqiyah, Budi Rahadjeng","doi":"10.26740/mathunesa.v10n3.p361-367","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n3.p361-367","url":null,"abstract":"Pelabelan harmonis dari graf G dengan 𝑞 sisi merupakan suatu pemetaan injektif 𝑓 dari suatu titik yang ada pada graf G ke bilangan bulat modulo 𝑞 sehingga setiap sisi 𝑥𝑦 dilabeli 𝑓(𝑥) + 𝑓(𝑦) (𝑚𝑜𝑑 𝑞) menghasilkan label sisi yang berbeda. Graf yang dilabeli menggunakan pelabelan harmonis dinamakan graf harmonis. Pelabelan harmonis genap adalah suatu pemetaan injektif 𝑓 dari suatu titik pada G ke bilangan bulat dari 0 sampai 2𝑞 dan menginduksi fungsi 𝑓∗ dari sisi pada G ke 0,2, … ,2(𝑞 − 1) yang didefinisikan dengan 𝑓∗(𝑥𝑦) = 𝑓(𝑥) + 𝑓(𝑦)(𝑚𝑜𝑑 2𝑞) yang merupakan suatu pemetaan bijektif. Graf yang dilabeli menggunakan pelabelan harmonis genap dinamakan graf harmonis genap. Pelabelan harmonis genap sejati adalah pelabelan harmonis genap dari graf G dengan q sisi yang label titiknya 0,2, … ,2𝑞 − 2. Graf yang dilabeli menggunakan pelabelan harmonis genap sejati dinamakan graf harmonis genap sejati.. Artikel ini membahas mengenai pelabelan harmonis genap sejati pada beberapa graf terhubung. Apabila terdapat graf yang memiliki semua kriteria pelabelan harmonis genap, kemudian graf itu dapat dilabeli dengan pelabelan harmonis genap sejati. Pada artikel ini akan paparkan mengenai suatu graf terhubung yang memiliki kriteria pelabelan harmonis sejati antara lain graf roda serta graf helm.Kata Kunci: pelabelan graf, pelabelan harmonis, pelabelan harmonis genap, pelabelan harmonis genap sejati","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"45084953","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

PENERAPAN PEWARNAAN TITIK GRAF PADA PENYUSUNAN JADWAL SEMINAR PROPOSAL DI JURUSAN BAHASA INGGRIS UIN SAYYID ALI RAHMATULLAH TULUNGAGUNG 报告没有显示基本入口规则中建议的信息

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-07-06 DOI: 10.26740/mathunesa.v10n2.p249-257

Shella Almirawati, Budi Rahadjeng

引用次数: 0

KOMPARASI METODE SUPPORT VECTOR MACHINE (SVM), K-NEAREST NEIGHBORS (KNN), DAN RANDOM FOREST (RF) UNTUK PREDIKSI PENYAKIT GAGAL JANTUNG 对抗性向量机(SVM)、K-NEAREST NEIGHBORS (KNN)和RANDOM FOREST(射频)预测心力衰竭的方法

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-07-06 DOI: 10.26740/mathunesa.v10n2.p258-268

Socayo Adi, Atik Wintarti

{"title":"KOMPARASI METODE SUPPORT VECTOR MACHINE (SVM), K-NEAREST NEIGHBORS (KNN), DAN RANDOM FOREST (RF) UNTUK PREDIKSI PENYAKIT GAGAL JANTUNG","authors":"Socayo Adi, Atik Wintarti","doi":"10.26740/mathunesa.v10n2.p258-268","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n2.p258-268","url":null,"abstract":"Jantung adalah organ yang mempunyai peranan penting dalam kelangsungan hidup manusia karena fungsinya untuk mendistribusikan darah dari paru-paru ke seluruh bagian tubuh, yang dimana darah tersebut mengandung banyak sekali oksigen sehingga dapat membantu proses metabolisme di dalam tubuh manusia. Maka dari itu, organ jantung perlu dilindungi, dirawat, dan dijaga kondisinya untuk mencegah kerusakan pada jantung yang mengakibatkan penyakit gagal jantung. Begitu banyak orang yang meninggal karena penyakit gagal jantung, sehingga harus ada penelitian yang terbarukan untuk memprediksi penyakit gagal jantung tersebut. Peranan Artificial Intelligence (AI) dalam mendeteksi gagal jantung pada penelitian ini bertujuan untuk membandingkan prediksi akurasi dari tiga metode yang dipakai oleh peneliti, yaitu metode Support Vector Machine (SVM), K-Nearest Neighbors (KNN), dan Random Forest (RF). Dataset diambil dari laman UCI Machine Learning dengan judul Heart Failure Clinical Records Dataset. Akurasi paling tinggi yang dapat dihasilkan adalah menggunakan metode SVM dan RF dimana menghasilkan akurasi yang bernilai sama, yaitu 97% dengan rincian metode SVM menggunakan parameter C = 1, gamma = 0.01, kernel = linear dan dalam total waktu running program selama 2.82 detik sedangkan metode RF menggunakan parameter n_estimators = 30, random_state = 0, dan dalam total waktu running program selama 7.29 detik. Lalu untuk metode KNN menghasilkan akurasi yang bernilai 93%, dengan menggunakan parameter n_neighbors = 20 dan dalam total waktu running program selama 0.60 detik. Pada penelitian ini, peneliti juga membuat program Prediksi Gagal Jantung dengan Graphical User Interface (GUI) menggunakan ketiga metode yang telah diuji akurasinya.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-07-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"43732805","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 4

ANALISA KESTABILAN MODEL PENYEBARAN COVID-19 DENGAN VARIAN BARU 新冠肺炎环境模型在新方差中的稳定性分析

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-07-06 DOI: 10.26740/mathunesa.v10n2.p317-325

Nabila Izzatul Haq, Budiamala Prawoto

{"title":"ANALISA KESTABILAN MODEL PENYEBARAN COVID-19 DENGAN VARIAN BARU","authors":"Nabila Izzatul Haq, Budiamala Prawoto","doi":"10.26740/mathunesa.v10n2.p317-325","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n2.p317-325","url":null,"abstract":"Pada dasarnya, semua virus yang muncul bisa berubah dan mengalami mutasi seiring berjalannya waktu. Salah satunya adalah virus corona atau SARS-CoV-2 yang muncul pada akhir tahun 2019. Varian-varian baru dari virus corona mempengaruhi laju penularan dan tingkat kekebalan atau efektifitas vaksin. Artikel ini akan membahas model penyebaran varian asli maupun varian baru covid-19 yang dapat berpengaruh pada kekebalan vaksin dan adanya re-infeksi virus. Penelitian ini menggunakan model dasar SIR yang dimodifikasi dengan tahapan penentuan asumsi awal, kontruksi model, penentuan titik equilibrium, dan simulasi numerik. Populasi pada penelitian dibagi menjadi subpopulasi rentan, subpopulasi yang mendapat vaksin, subpopulasi yang terinfeksi virus asli, subpopulasi yang terinfeksi varian virus baru, subpopulasi yang sembuh dari virus asli dan subpopulasi yang sembuh dari varian virus baru. Dari model yang dikontruksi, didapatkan empat titik kesetimbangan. Titik bebas penyakit didapat ketika populasi yang terinfeksi dan sembuh dari virus asli maupun baru berjumlah nol, titik kesetimbangan varian baru didapat ketika populasi yang terinfeksi dan sembuh dari virus baru berjumlah nol. Sebaliknya, titik kesetimbangan varian asli muncul ketika populasi yang terinfeksi dan sembuh dari varian asli berjumlah nol. Dan titik endemik ketika populasi yang terinfeksi virus asli maupun virus baru tidak sama dengan nol. Penelitian ini bertujuan untuk menganalisis kestabilan pada setiap titik kesetimbangan dengan bantuan nilai . Analisa dilakukan melalui syarat nilai parameter dari tingkat efektivitas vaksin (p) dan tingkat penularan varian virus baru (delta).","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-07-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47816316","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 1

Klasifikasi Batik di Jawa Timur Berdasarkan Analisis Dimensi Fraktal Dengan Menggunakan Metode Box Counting 基于分形维数分析的盒计数法

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-07-06 DOI: 10.26740/mathunesa.v10n2.p349-358

Wardah Hidayatillah, M. Jakfar

{"title":"Klasifikasi Batik di Jawa Timur Berdasarkan Analisis Dimensi Fraktal Dengan Menggunakan Metode Box Counting","authors":"Wardah Hidayatillah, M. Jakfar","doi":"10.26740/mathunesa.v10n2.p349-358","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n2.p349-358","url":null,"abstract":"Tujuan penelitian ini adalah untuk mengklasifikasikan batik dari Jawa Timur berdasarkan nilai dimensi fraktalnya dengan menggunakan metode box counting. Metode box counting atau metode penghitungan kotak adalah prosedur penghitungan dimensi fraktal untuk obyek yang kompleks. Metode ini sangat efektif digunakan untuk menghitung dimensi fraktal pada obyek dengan bentuk yang tidak beraturan. Sehingga metode ini cocok dalam menghitung dimensi fraktal pada batik yang memiliki bentuk tidak beraturan. Penelitian dilakukan dengan menentukan nilai dimensi fraktal pada setiap jenis motif batik dari Jawa Timur yang telah ditentukan. Proses menentukan dan menganalisis dimensi fraktal pada batik dilakukan dengan cara mengolah citra batik terlebih dahulu dengan proses utamanya yaitu proses biner (binary process) untuk mengasilkan gambar biner yang hanya memiliki warna hitam dan putih. Hasil gambar dari proses biner yang kemudian dihitung nilai dimensi fraktalnya dengan menggunakan metode box counting, dengan menghitung daerah hitam pada gambar yang telah diolah citranya tersebut. Selanjutnya berdasarkan dari hasil nilai dimensi fraktalnya akan diklasifikasikan nilai dimensinya dengan algoritma tetangga terdekat atau k-Nearest Neighbour (k-NN). Dengan menggunakan algoritma k-Nearest Neighbour akan ditunjukkan pada klasifikasinya, bagaimana sebuah motif batik dapat menggambarkan satu atau lebih kelompok. Sehingga dapat meningkatkan efisiensi dengan menunjukkan bahwa satu motif batik dapat mewakili satu atau lebih kelompok tanpa harus menunjukkan semua motif. \u0000Kata kunci: batik, dimensi fraktal, k-Nearest Neighbour, box counting.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-07-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"43441668","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 1

PENENTUAN STRATEGI HEDGING DAN EXERCISE OPSI SAHAM KARYAWAN PADA PASAR DENGAN KONDISI REGIME SWITCHING 决定员工在注册开关条件下的市场份额选择的HEDGING策略和EXERCISE

Mathunesa Jurnal Ilmiah Matematika Pub Date : 2022-07-06 DOI: 10.26740/mathunesa.v10n2.p336-343

Dea Widyananda, Rudianto Artiono

{"title":"PENENTUAN STRATEGI HEDGING DAN EXERCISE OPSI SAHAM KARYAWAN PADA PASAR DENGAN KONDISI REGIME SWITCHING","authors":"Dea Widyananda, Rudianto Artiono","doi":"10.26740/mathunesa.v10n2.p336-343","DOIUrl":"https://doi.org/10.26740/mathunesa.v10n2.p336-343","url":null,"abstract":"Opsi saham karyawan merupakan salah satu jenis opsi saham yang diberikan oleh perusahaan kepada karyawan sebagai bentuk insentif atau penghargaan. Opsi tersebut memberikan hak kepada karyawan untuk membeli saham dari perusahaan pada periode tertentu sesuai harga yang telah disepakati saat opsi tersebut diberikan. Artikel ini bertujuan untuk memperkirakan exercise pemegang opsi saham karyawan dan menentukan strategi hedging (lindung nilai) dinamis saat pasar mengalami kondisi regime switching yaitu ketika pasar mengalami kondisi yang berbeda, baik saat meningkat maupun ketika menurun sehingga proses regime switching dirasa mampu menggambarkan keadaan pasar yang lebih realistis sesuai dengan keadaan ekonomi yang sedang terjadi. Dengan menerapkan metode utility indifference price, optimal hedging dan strategi exercise akan ditentukan melalui masalah maksimalisasi utilitas. Pendekatan juga dilakukan dengan memperhitungkan sebagian hedging yang berkorelasi dengan aset likuid dan multiple early exercise opsi saham tipe amerika. Penelitian ini menghasilkan strategi hedging yang optimal dan strategi exercise yang sesuai dengan kondisi pasar saat ini, yang nantinya akan berguna untuk memperkirakan exsercise pemegang opsi saham karyawan di bawah kondisi pasar yang berbeda dan menghitung biaya yang terkait dengan opsi bagi perusahaan. Kata Kunci: Opsi Saham Karyawan, Hedging, Exercise, Regime Switching.","PeriodicalId":31823,"journal":{"name":"Mathunesa Jurnal Ilmiah Matematika","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-07-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"46750872","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0