Article Per Year (5 Year)
p-Index From 2021 - 2026
1.235
P-Index
This Author published in this journals
All Journal Saintifik : Jurnal Matematika, Sains, dan Pembelajarannya Jurnal Nasional Teknologi Komputer Sistem Pendukung Keputusan dengan Aplikasi PIOR: Jurnal Pendidikan Olahraga ABDI UNISAP: Jurnal Pengabdian Kepada Masyarakat Hanif Journal of Information Systems Jurnal Pengabdian kepada Masyarakat (PEMAS)
Muhammad Hafiz
Universitas Negeri Medan
Religion Humanities Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Library & Information Science Mathematics Physics Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Peningkatan Literasi Investasi melalui Pelatihan Analisis Matematis Pola Open Gap Up pada Investor Pemula di Kota Medan Muhammad Hafiz; Yuan Anisa; Hadijah Hadijah; Rizty Maulida Badri; Michael Sipayung
ABDI UNISAP: Jurnal Pengabdian Kepada Masyarakat Vol. 3 No. 2 (2025): ABDI UNISAP: Jurnal Pengabdian Kepada Masyarakat
Publisher : UPT Publikasi dan Penerbitan Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/abdiunisap.v3i2.534

Abstract

Literasi investasi merupakan kompetensi penting dalam menghadapi perkembangan pasar keuangan modern. Namun, investor pemula seringkali mengalami kesulitan memahami dinamika pergerakan harga saham, terutama dalam mengidentifikasi peluang dan risiko secara matematis. Kegiatan Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan literasi investasi melalui pelatihan analisis matematis pola Open Gap Up pada investor pemula. Metode pengabdian dilaksanakan melalui ceramah, demonstrasi, praktik langsung, dan evaluasi melalui pre-test dan post-test. Materi pelatihan mencakup konsep gap, perhitungan persentase gap, estimasi potensi keuntungan, analisis risk–reward, serta praktik menggunakan data saham riil yaitu perbankan besar di Indonesia (BBRI, BBCA, BMRI, dan BBNI)  melalui finance.yahoo.com. Jumlah peserta 50 orang. Hasil kegiatan menunjukkan bahwa peserta mengalami peningkatan pemahaman yang signifikan terhadap konsep dan analisis matematis investasi saham, serta mampu menerapkan strategi Open Gap Up secara lebih terukur yang awalnya sekitar 45,2% peserta yang faham  menjadi 68,7% peserta. Kegiatan ini diharapkan dapat menjadi kontribusi nyata bagi peningkatan literasi keuangan di masyarakat.
Prediksi Gap-Up Saham Berbasis Logistic Regression Menggunakan Indikator Teknikal Yuan Anisa; Muhammad Hafiz; Hadijah Hadijah; Abdul Gani
Sistem Pendukung Keputusan dengan Aplikasi Vol 4 No 2 (2025)
Publisher : Ali Institute or Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/spk.v4i2.1334

Abstract

This research aims to construct and test a predictive model for the gap-up phenomenon in stocks on the Indonesia Stock Exchange (IDX), with a case study on PT Bank Mandiri Tbk. (BMRI) stock. The research uses a quantitative approach by applying a Binary Logistic Regression model to analyze 1,213 daily historical data points from January 1, 2019, to January 1, 2024.Five technical analysis-based independent variables—vol_spike, rsi, prev_return, macd, and stochastic—were used to predict the probability of a stock gap-up occurrence.The analysis results show that the model as a whole is statistically significant (LLR p-value < 0.05), with an LLR p-value of (8.544e-11) and a Pseudo R-squared of 0.03389. Of the five variables, stochastic, macd, and prev_return were identified as significant predictors. Specifically, a high Stochastic Oscillator value has a strong positive influence on the probability of a gap-up. On the other hand, Moving Average Convergence Divergence (MACD) and Previous Return show a significant negative influence.These findings provide empirical evidence that a combination of technical indicators can be used to model and predict stock price movements at market opening. The implications of this research offer valuable insight for investors who rely on technical analysis as a basis for decision-making.
Survey Sarana dan Prasaran Penjas di SDN 060816 Jalan Sutrisno Medan Area Abdul Azis Nasution; Samsuddin Samsuddin; Cathrine Alexsandra Hutauruk; Muhammad Hafiz
PIOR: Jurnal Pendidikan Olahraga Vol 3, No 2 (2024): Oktober 2024
Publisher : STKIP HARAPAN BIMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56842/pior.v3i2.351

Abstract

Penelitian ini bertujuan untuk mengetahui kondisi, ketersediaan sarana dan prasarana serta tenaga pengajar dalam mendukung pembelajaran Pendidikan Jasmani dan Olahraga di sekolah. Penelitian dilakukan di SDN 060816 Jalan Sutrisno Medan Area. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian kualitatif deskriptif yang bersifat survey. Subjek penelitian yaitu tenaga pengajar mata Pelajaran Penjas dan murid SDN 060816 Jalan Sutrisno Medan Area. Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode survei dengan menggunakan teknik wawancara, observasi, dan dokumentasi. Dari hasil penelitian yang dilakukan di SDN 060816, dapat disimpulkan bahwa ketersediaan sarana dan prasarana untuk kegiatan pendidikan jasmani di sekolah ini sangat terbatas.
Pemodelan Matematika Pengaruh Pembelian Bersih Investor Asing, Likuiditas, dan Volatilitas Saham BUMI Meilisa Malik; Winmery Lasma Habeahan; Yuan Anisa; Muhammad Hafiz
Saintifik: Jurnal Matematika, Sains, dan Pembelajarannya Vol 12 No 1 (2026): Saintifik: Jurnal Matematika, Sains, dan Pembelajarannya
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/saintifik.v12i1.636

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh pembelian bersih investor asing terhadap return saham PT Bumi Resources Tbk (BUMI) dengan mempertimbangkan likuiditas perdagangan dan volatilitas harga. Topik ini penting untuk diteliti mengingat peran investor asing yang semakin dominan dalam pasar modal Indonesia serta pengaruhnya terhadap pergerakan harga saham, khususnya pada saham berlikuiditas tinggi. Data yang digunakan dalam penelitian ini berupa data harian saham BUMI yang mencakup harga penutupan, volume perdagangan, nilai transaksi, serta aktivitas pembelian dan penjualan investor asing selama periode penelitian.Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis regresi linear berganda menggunakan metode Ordinary Least Squares. Pengolahan dan analisis data dilakukan dengan bantuan Google Colab berbasis bahasa pemrograman Python. Untuk memastikan keandalan model, dilakukan pengujian asumsi klasik yang meliputi uji normalitas residual dan uji autokorelasi.Hasil penelitian menunjukkan bahwa pembelian bersih investor asing berpengaruh positif dan signifikan terhadap return saham BUMI. Selain itu, likuiditas perdagangan yang diukur melalui volume transaksi juga berpengaruh positif dan signifikan terhadap return saham. Sebaliknya, nilai transaksi dan volatilitas harga tidak menunjukkan pengaruh yang signifikan. Temuan ini menegaskan pentingnya aktivitas investor asing dan likuiditas pasar sebagai indikator dalam pengambilan keputusan investasi di pasar modal Indonesia.
Edukasi Model Matematika dalam Menganalisis Harga Wajar dan Estimasi Peluang Penjatahan Saham IPO sebagai Strategi Investor Pemula Muhammad Hafiz; Yuan Anisa; Nanda Novita; Desniarti; Mahliza Nasution; Hadijah; Rizty Maulida Badri
Jurnal Pengabdian kepada Masyarakat (PEMAS) Vol. 3 No. 2 (2026): Mei 2026
Publisher : Yayasan Ran Edu Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63866/pemas.v3i2.129

Abstract

Kurangnya pemahaman investor pemula mengenai analisis saham IPO menyebabkan keputusan investasi sering dilakukan tanpa pertimbangan kuantitatif yang memadai. Kegiatan Pengabdian Kepada Masyarakat (PKM) ini bertujuan memberikan edukasi dan pelatihan mengenai penggunaan model matematika sederhana dalam menentukan harga wajar saham IPO menggunakan metode Price Earning Ratio (P/E Ratio) serta estimasi peluang penjatahan saham melalui pendekatan probabilitas. Kegiatan dilaksanakan selama satu hari secara daring menggunakan aplikasi Zoom Meeting dengan metode ceramah, demonstrasi, praktik perhitungan, dan diskusi interaktif kepada 50 peserta yang terdiri dari mahasiswa dan masyarakat umum. Contoh saham IPO yang digunakan meliputi PT Wira Bakti Sejahtera Tbk (WBSA), PT Chandra Daya Investasi Tbk (CDIA), dan PT Hartadinata Abadi Tbk (EMAS). Hasil evaluasi pre-test dan post-test menunjukkan peningkatan rata-rata pemahaman peserta sebesar 47,8%, dari nilai rata-rata pre-test 34,4% menjadi 82,2% pada post-test. Sebanyak 74% peserta mencapai kategori nilai Sangat Baik (≥80) pada post-test. Peserta juga mampu melakukan simulasi perhitungan harga wajar dan probabilitas penjatahan secara mandiri. Kegiatan ini diharapkan dapat meningkatkan literasi keuangan masyarakat serta membantu investor pemula dalam mengambil keputusan investasi yang lebih rasional dan terukur.
Model Explainable Machine Learning pada Aplikasi Nutrisiaga untuk Prediksi Risiko Stunting di Wilayah Pascabencana Sri Wahyuni; Wiwin Handoko; Hadijah; Muhammad Hafiz; Rizty Maulida Badri
Jurnal Nasional Teknologi Komputer Vol 6 No 2 (2026): April 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i2.442

Abstract

Stunting merupakan masalah gizi kronis yang berpotensi meningkat pada periode pascabencana akibat terganggunya akses pangan, layanan kesehatan, sanitasi, serta meningkatnya kerentanan kelompok anak. Dalam kondisi tersebut, diperlukan kemampuan untuk memprediksi risiko stunting secara lebih dini agar intervensi gizi darurat dapat ditetapkan secara tepat sasaran. Penelitian ini mengembangkan Model Explainable Machine Learning pada aplikasi Nutrisiaga untuk memprediksi risiko stunting di wilayah pascabencana dengan pendekatan yang transparan bagi tenaga kesehatan. Model prediksi dibangun menggunakan tiga algoritma, yaitu Random Forest, XGBoost, dan Neural Network, yang dilatih dengan fitur terkait karakteristik anak dan faktor pendukung di lingkungan pascabencana. Untuk mengatasi keterbatasan interpretasi dari model berbasis machine learning, penelitian ini mengintegrasikan Explainable AI (XAI) menggunakan metode SHAP dan LIME sebagai alat interpretabilitas. SHAP digunakan untuk mengukur kontribusi tiap fitur terhadap hasil prediksi, sedangkan LIME digunakan untuk memberikan penjelasan lokal pada contoh data tertentu sehingga pengguna dapat memahami alasan model pada kasus yang spesifik. Hasil pengujian menunjukkan bahwa model dapat memberikan prediksi risiko stunting yang terukur, sementara visualisasi dan skor interpretasi dari SHAP serta LIME membantu pengguna dalam mengidentifikasi faktor dominan yang memengaruhi prediksi. Dengan demikian, penelitian ini berkontribusi pada pengembangan aplikasi nutrisi yang tidak hanya mampu memprediksi risiko stunting, tetapi juga menyediakan penjelasan yang mendukung pengambilan keputusan intervensi gizi darurat secara lebih akuntabel dan dapat dipahami.
Flood Prediction Model Using the Random Forest Algorithm in Padangsidimpuan City Alvi Nasution; Putri Maulidina Fadilah; Muhammad Hafiz
Hanif Journal of Information Systems Vol. 4 No. 1 (2026): August Edition
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/hanif.v4i1.79

Abstract

Flooding is a complex environmental phenomenon influenced by meteorological, temporal, and urban conditions. This study aims to develop a flood risk prediction model in Padangsidimpuan City using the Random Forest algorithm by integrating meteorological and temporal variables. The data set consists of historical observations from Padangsidimpuan City, including rainfall, temperature, humidity, wind direction, and flood occurrence status. The data were processed and divided into training and testing sets to evaluate model performance. The results indicate that the Random Forest model achieves strong classification performance, with an accuracy of 0.98 and specificity of 0.99, demonstrating a high capability in correctly identifying non-flood conditions. The model also shows good discrimination ability, with a ROC-AUC value of approximately 0.87. However, the recall value of 0.50 suggests that only half of the actual flood events are correctly detected, primarily due to class imbalance between flood and non-flood data. Feature importance analysis reveals that short-term meteorological variables, particularly rainfall and temperature, along with temporal patterns, are the most influential factors in flood prediction. In addition, spatial interpretation shows that flood-prone areas in Padangsidimpuan City are concentrated in densely populated urban zones with limited drainage capacity, highlighting the influence of urban environmental conditions on flood risk.Overall, the Random Forest model provides a strong foundation for flood risk prediction in Padangsidimpuan City. However, further improvements in data balancing and model optimization are required to enhance sensitivity and support a more reliable flood early warning system.
Co-Authors Abdul Azis Nasution Abdul Gani Alvi Nasution Cathrine Alexsandra Hutauruk Desniarti Hadijah Hadijah Mahliza Nasution Malik, Meilisa Michael Sipayung Nanda Novita Putri Maulidina Fadilah Rizty Maulida Badri Samsuddin Samsuddin Sri Wahyuni Winmery Lasma Habeahan Wiwin Handoko Yuan Anisa