Melola Discovery

← Melola Discovery

Jurnal

PERBANDINGAN UJI HASIL SIMULASI MONTE CARLO DAN SIMULASI BOOTSTRAP DALAM ANALISIS SAHAM UNTUK MENGHITUNG NILAI VaR DATA

Unnes Journal of Mathematics · Vol. 7 No. 2 (2019) · hlm. 252–261

DOI
10.15294/ujm.v7i2.14109
ISSN
2460-5859, 2252-6943
Terbit
2019-01-02
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Harapan investor terhadap investasinya adalah mendapatkan pengembalian optimal dengan tingkat risiko tertentu. Perlu adanya perhitungan risiko agar tetap berada dalam tingkatan terkendali. Salah satu metode statistika untuk mengukur besar risiko yang ditimbulkan yaitu Value at Risk (VaR). Metode untuk mengestimasi Value at Risk menggunakan Simulasi Monte Carlo dan Simulasi Bootstrap. Pada penelitian ini menggunakan software Microsoft Excel dan SPSS. Data yang digunakan adalah data penutupan saham PT Indosat Tbk dari 1 Januari 2015 sampai dengan Desember 2015. Tujuan penelitian adalah membandingkan nilai taksiran VaR menggunakan program Simulasi Monte Carlo dan Simulasi Bootstrap. Langkah yang digunakan untuk menganalisis adalah menginput data, mengidentifikasi karakteristik data,menghitung nilai return, menghitung parameter mean dan standar deviasi, menghitung nilai acak dari return, menghitung nilai acak dengan parameter, menghitung nilai risiko tertinggi, menghitung VaR, melakukan simulasi sebanyak n kali, menghitung MSE. Hasil estimasi VaR tingkat kepercayaan 95% per 1 rupiah selama 1 hari menggunakan Simulasi Monte Carlo yaitu -12615.77. Sedangkan estimasi menggunakan Simulasi Bootstrap adalah -1330.62 dengan n=113 dan B*=1000. Nilai MSE dari Simulasi Monte Carlo sebesar 0,0514925 sedangkan dari Simulasi Bootstrap adalah 0.00059420. Nilai MSE Simulasi Bootstrap lebih kecil bila dibandingkan nilai MSE Simulasi Monte Carlo.

Jaringan kolaborasi para penulis

40 penulis · 145 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Institut Teknologi Sepuluh Nopember
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Emi PujiastutiState University of Semarang8
Scolastika MarianiState University of Semarang7
Amin SuyitnoAfiliasi tidak diketahui7
Putriaji HendikawatiAfiliasi tidak diketahui6
Arief AgoestantoAfiliasi tidak diketahui6
Stevanus Budi WaluyaAfiliasi tidak diketahui5
Rochmad RochmadAfiliasi tidak diketahui5
Masrukan MasrukanState University of Semarang5
Mulyono MulyonoAfiliasi tidak diketahui4
Mashuri MashuriAfiliasi tidak diketahui3
Moch ChotimAfiliasi tidak diketahui3
Sunarmi SunarmiAfiliasi tidak diketahui3
Isti HidayahAfiliasi tidak diketahui3
Nurkaromah DwidayatiAfiliasi tidak diketahui2
Walid WalidState University of Semarang2
Aisyah Fany AchmaliaAfiliasi tidak diketahui2
Endang Retno WinartiAfiliasi tidak diketahui2
Muhammad Zuhair ZahidAfiliasi tidak diketahui2
Endang SugihartiState University of Semarang2
Wardono WardonoAfiliasi tidak diketahui1
Hendri HandokoAfiliasi tidak diketahui1
Li Wei MingAfiliasi tidak diketahui1
Fajar Eska PradhanaAfiliasi tidak diketahui1
Allief NashrullahAfiliasi tidak diketahui1
Supriyono SupriyonoAfiliasi tidak diketahui1
Ardian Dwi AnggoroAfiliasi tidak diketahui1
Supriyono SupriyonoAfiliasi tidak diketahui1
Retno Dwi AstutiAfiliasi tidak diketahui1
Joko PrasetyoInstitut Teknologi Sepuluh Nopember1
Wuryanto WuryantoAfiliasi tidak diketahui1
Siti KholisohAfiliasi tidak diketahui1
Dedeh KurniasihAfiliasi tidak diketahui1
Frestika Setiani Sya'baningtyasAfiliasi tidak diketahui1
Julia UlfahAfiliasi tidak diketahui1
Putri Dwi PradinaAfiliasi tidak diketahui1
Putri WijayantiAfiliasi tidak diketahui1
Leili UlfiatiAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/ujm/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">PERBANDINGAN UJI HASIL SIMULASI MONTE CARLO DAN SIMULASI BOOTSTRAP DALAM ANALISIS SAHAM UNTUK MENGHITUNG NILAI VaR DATA</dc:title>
	<dc:creator>Mawarti, lida</dc:creator>
	<dc:creator>Sugiman, Sugiman</dc:creator>
	<dc:creator>Kharis, Muhammad</dc:creator>
	<dc:description xml:lang="en-US">Harapan investor terhadap investasinya adalah mendapatkan pengembalian optimal dengan tingkat risiko tertentu. Perlu adanya perhitungan risiko agar tetap berada dalam tingkatan terkendali. Salah satu metode statistika untuk mengukur besar risiko yang ditimbulkan yaitu Value at Risk (VaR). Metode untuk mengestimasi Value at Risk menggunakan Simulasi Monte Carlo dan Simulasi Bootstrap. Pada penelitian ini menggunakan software Microsoft Excel dan SPSS. Data yang digunakan adalah data penutupan saham PT Indosat Tbk dari 1 Januari 2015 sampai dengan Desember 2015. Tujuan penelitian adalah membandingkan nilai taksiran VaR menggunakan program Simulasi Monte Carlo dan Simulasi Bootstrap. Langkah yang digunakan untuk menganalisis adalah menginput data, mengidentifikasi karakteristik data,menghitung nilai return, menghitung parameter mean dan standar deviasi, menghitung nilai acak dari return, menghitung nilai acak dengan parameter, menghitung nilai risiko tertinggi, menghitung VaR, melakukan simulasi sebanyak n kali, menghitung MSE. Hasil estimasi VaR tingkat kepercayaan 95% per 1 rupiah selama 1 hari menggunakan Simulasi Monte Carlo yaitu -12615.77. Sedangkan estimasi menggunakan Simulasi Bootstrap adalah -1330.62 dengan n=113 dan B*=1000. Nilai MSE dari Simulasi Monte Carlo sebesar 0,0514925 sedangkan dari Simulasi Bootstrap adalah 0.00059420. Nilai MSE Simulasi Bootstrap lebih kecil bila dibandingkan nilai MSE Simulasi Monte Carlo.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2019-01-02</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/ujm/article/view/14109</dc:identifier>
	<dc:identifier>10.15294/ujm.v7i2.14109</dc:identifier>
	<dc:source xml:lang="en-US">Unnes Journal of Mathematics; Vol 7 No 2 (2018); 252-261</dc:source>
	<dc:source>2460-5859</dc:source>
	<dc:source>2252-6943</dc:source>
	<dc:source>10.15294/ujm.v7i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/ujm/article/view/14109/12258</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2018 Unnes Journal of Mathematics</dc:rights>
</oai_dc:dc>