Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pengembangan Algoritma Sharpe Ratio dengan Integrasi Filter Tren SMA dalam Strategi Portofolio Aset Kripto Andri Fauzan Adziima; Shindi Shella May Wara; Muhammad Nasrudin; Alfan Rizaldy Pratama
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 1 (2025): Juni 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i1.383

Abstract

Penelitian ini mengusulkan sebuah strategi alokasi aset kripto yang bersifat dinamis, dengan menggabungkan pembobotan berdasarkan Sharpe Ratio dan penyaringan tren menggunakan indikator Simple Moving Average (SMA) dari Bitcoin (BTC). Model ini melakukan alokasi ulang modal setiap tiga hari pada tujuh aset kripto utama (BTC, ETH, BNB, SOL, TON, TRX, XRP), dengan ketentuan bahwa harga BTC berada di atas ambang SMA tertentu (50 hari, 100 hari, atau 200 hari). Apabila BTC berada di bawah nilai SMA tersebut, seluruh portofolio secara otomatis dialihkan ke USDT untuk menekan risiko penurunan nilai. Studi ini menggunakan data historis dari 1 Januari 2024 hingga 1 Januari 2025 dan menguji performa model dalam tiga konfigurasi SMA, lalu dibandingkan dengan strategi dasar buy-and-hold. Hasil menunjukkan bahwa strategi dengan parameter SMA 50 hari menghasilkan return kumulatif tertinggi (+231,51%) serta rasio Sharpe terbaik (2,51), jauh melampaui model dengan SMA yang lebih panjang maupun rata-rata return dari strategi dasar (+132,14%). Analisis risiko mengindikasikan bahwa jendela SMA yang lebih pendek memberikan respons yang lebih cepat terhadap tren naik pasar, meskipun disertai dengan peningkatan volatilitas jangka pendek. Secara keseluruhan, temuan ini menguatkan efektivitas strategi hibrida yang mengombinasikan penyaringan tren dengan alokasi berbasis risiko dalam pengelolaan portofolio kripto di tengah kondisi pasar yang fluktuatif.
Optimasi Sistem Antrian Pada Medical Center ITS Dengan Simulasi Discrete Event Dan Response Surface Methodology Shindi Shella May Wara; Muhammad Nasrudin; Andri Fauzan Adziima; Alfan Rizaldy Pratama
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 1 (2025): Juni 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i1.411

Abstract

Medical Center ITS berfungsi sebagai unit rawat jalan yang melayani pemeriksaan, tindakan medis, penunjang medis, dan rujukan bagi civitas academica ITS serta masyarakat umum dengan biaya yang terjangkau. Penelitian ini bertujuan untuk mengoptimalkan sistem antrean di Medical Center ITS, yang sering menghadapi antrean panjang dan berdampak pada waktu tunggu pasien serta efisiensi pelayanan, menggunakan pendekatan simulasi diskrit. Data primer, meliputi waktu antar kedatangan dan waktu pelayanan (resepsionis, poli umum, poli gigi, resep, dan pengambilan obat), dikumpulkan secara empiris untuk memodelkan sistem antrean berbasis kejadian. Model simulasi yang dikembangkan secara akurat merepresentasikan seluruh alur pelayanan. Hasil simulasi menunjukkan bahwa sistem pelayanan saat ini belum optimal dengan hanya satu server di poli umum dan satu di poli gigi. Berdasarkan temuan, skenario penambahan server pada poli gigi menjadi empat dan tetap satu server di poli umum diusulkan sebagai konfigurasi optimum. Implementasi skenario ini terbukti secara signifikan mengurangi waktu tunggu rata-rata pasien dan meningkatkan tingkat utilitas sumber daya. Penelitian ini menegaskan bahwa simulasi diskrit adalah alat pengambilan keputusan yang efektif untuk meningkatkan kualitas dan efisiensi pelayanan di fasilitas kesehatan.
Implementation of Multi-Level Association Rule Mining Based on Concept Hierarchy in Drug Transaction Analysis to Support Inventory Management Nurul Kamalia Zahra; Mohammad Idhom; Andri Fauzan Adziima
Journal of Information Systems and Technology Research Vol. 5 No. 2 (2026): May 2026
Publisher : Ali Institute or Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/jistr.v5i2.1606

Abstract

Drug inventory planning is a crucial aspect in logistics management in first-level health care facilities, as the availability of the right type and quantity of drugs greatly affects the quality of service and patient safety. However, in practice, there are still various problems, such as the mismatch between the amount of stock and the real need for limitations in the use of historical data on drug transactions, and the lack of optimal systems in identifying drug use patterns in a structured and data-based manner. This condition has the potential to cause stockouts and overstock, which has an impact on delays in the delivery of therapy, wasted budgets, and increased risk of expired drugs. In addition, the lack of analysis of drug use combinations also hinders more accurate decision-making in inventory planning and control. Based on these problems, this study aims to apply the Multi-Level Association Rule Mining (MLARM) method in identifying combinations of drug use based on transaction data at health facilities. The results of the study showed that the MLARM method  was effective in identifying patterns of drug use associations at various levels of the hierarchy. At the drug class level, it was found that there was a relationship between hard drugs, over-the-counter drugs, and limited over-the-counter drugs which reflected the use of combinations between drug classes in health services. At the group level of therapy, the association involves analgesics, antibiotics, antihistamines, corticosteroids, and decongestants. Meanwhile, at the level of drug names, specific combinations were found, such as Mms with Kalk, Fe with Paracetamol, Ctm with Paracetamol, and Mefenamic Acid with Amoxicillin. This information can be used to support more optimal management of drug supplies and reduce the risk of stockout and overstock.