Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Ilmiah MEA (Manajemen, Ekonomi, dan Akuntansi)
Saputra, Mochamad Gilang
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS DAMPAK LAPORAN KEUANGAN YANG TRANSPARAN TERHADAP KEPUTUSAN INVESTASI SAHAM Saputra, Mochamad Gilang
Jurnal Ilmiah Manajemen, Ekonomi, & Akuntansi (MEA) Vol 7 No 3 (2023): Edisi September - Desember 2023
Publisher : LPPM STIE Muhammadiah Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31955/mea.v7i3.3508

Abstract

Berbagai tinjauan literatur dilakukan untuk menilai hubungan antara kualitas pelaporan keuangan dan investasi. Namun hubungan di antara keduanya memerlukan penelitian lebih lanjut dari sudut pandang yang berbeda untuk memperluas pengetahuan kita secara teoritis tentang apa yang telah dilakukan dan dimana penelitian tersebut dicapai. Penelitian ini menyajikan tinjauan sistematis terhadap hubungan antara kualitas pelaporan keuangan dan investasi yang bertujuan untuk memberikan review komprehensif dari semua artikel yang membahas topik ini hingga tahun 2023. Temuan utama membahas 10 artikel dan model dibangun dari hubungan berbagai jenis variabel yang diikuti dari penelitian untuk memperluas penelitian ini. Kebanyakan studi dikumpulkan berdasarkan data sekunder dari pasar saham dan dianalisis terutama dengan menggunakan model regresi, selain beberapa survei dan kuesioner eksperimen semu dan satu wawancara. lebih jauh, Sebagian besar penelitian yang dianalisis dilakukan dalam konteks perusahaan yang publisitasnya tercatat di pasar modal. Temuan dalam penelitian ini dapat membuat korelasi antara kualitas pelaporan keuangan dan investasi dan akan sangat membantu untuk menyoroti panduan penelitian di masa depan.
Implementasi Feature Selection Menggunakan Boruta untuk Peningkatan Akurasi Model Lapser Prediction: Implementation of Feature Selection Using Boruta to Improve the Accuracy of the Lapser Prediction Model Saputra, Mochamad Gilang; Santoso, Bagus Jati
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1992

Abstract

Memprediksi pelanggan lapser menjadi tantangan utama di sektor layanan data yang kompetitif, disertai tingginya biaya akuisisi pelanggan baru. Penelitian ini mengusulkan pendekatan feature selection menggunakan Boruta untuk meningkatkan akurasi model lapser, dengan menerapkan teknik wrapper pada Random Forest. Proses modeling lapser prediction menggunakan algoritma machine learning Gradient Boosting yang dianalisis sebelum dan sesudah seleksi fitur Boruta. Hasil eksperimen pada data menunjukkan bahwa Boruta efektif dalam meningkatkan metrik utama (akurasi, recall, dan AUC). Model Gradient Boosting meraih akurasi hingga 75.10%, recall 74.42%, dan AUC 82.18% setelah menggunakan Boruta. Sebelum menggunakan Boruta nilai akurasi 71.74%, recall 68.74%, dan AUC hanya 77.77%. Temuan tersebut menegaskan bahwa pendekatan yang diusulkan dapat memprediksi lapser secara lebih dini, serta membantu penyusun kebijakan menyusun strategi retensi pelanggan yang lebih efektif, sehingga meminimalkan potensi kerugian dan memperkuat daya saing di pasar.
Co-Authors Santoso, Bagus Jati