Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Nusantara Hasana Journal RENATA Jurnal Pengabdian Masyarakat Kita Semua
Gustina K. S, Annisa Hevita
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Mathematics Nursing Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
OPTIMASI PORTOFOLIO SAHAM MNC36 MENGGUNAKAN METODE MARKOWITZ Gustina K. S, Annisa Hevita; Dewi, Karina Sylfia; Baiti, Putri Isnaini Cahyaning; Azzanina, Nanda
Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 6 No. 1 (2025): Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistik
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/lb.v6i1.954

Abstract

The purpose of this study is to determine the stocks listed in MNC36 for the period April 2024 to February 2025 that are included in the optimal portfolio according to the Markowitz Model. Data analysis was carried out using the Markowitz Model stages which began by collecting closing stock price data until obtaining the optimal portfolio. Based on the results of the analysis that has been carried out, there are 8 stocks that have positive returns and its expected risk less than its expected return, namely BRIS, BRMS, EXCL, HEAL, ICBP, INDF, MTEL, MYOR. After that, a combination of two stocks were proportioned from the 8 stocks before. Therefore, the optimal combination of two stocks was determined: BRIS with fund allocation of 31% and INDF’s capital allocation of 69%. Penelitian ini bertujuan untuk mengidentifikasi saham–saham yang terdaftar dalam MNC36 periode April 2024 sampai dengan Februari 2025 yang dapat dimasukkan dalam portofolio optimal berdasarkan Model Markowitz. Analisis data dilakukan melalui tahapan Model Markowitz, dimulai dengan pengumpulan data harga saham penutupan hingga diperoleh portofolio yang optimal. Berdasarkan hasil analisis yang telah dilakukan, terdapat 8 saham yang memiliki return positif dan nilai expected risk yang lebih kecil dari expected return yaitu BRIS, BRMS, EXCL, HEAL, ICBP, INDF, MTEL, MYOR. Kemudian dilakukan pembobotan saham antara kombinasi dua saham dari ke-8 saham tersebut. Sehingga didapatkan kombinasi optimal dari dua saham yaitu BRIS dengan alokasi dana sebesar 31% dan INDF sebesar 69%.
Literasi Pemanfaatan Software JASP Untuk Meningkatkan Keterampilan Statistik Guru di MAN 1 Bandar Lampung Andirasdini, Indah Gumala; Sofia, Ayu; Rivai, Muklas; Mahrani, Dwi; Yulita, Tiara; Irwan, Sri Efrinita; Berliana Ratam, Aldila Nur Indah; Gustina K.S., Annisa Hevita; Dewi, Karina Sylfia; Marisa, Marisa; Azzanina, Nanda; Baiti, Putri Isnaini Cahyaning; Rosni, Rosni
RENATA: Jurnal Pengabdian Masyarakat Kita Semua Vol. 3 No. 1 (2025): Renata - April 2025
Publisher : PT Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/1.renata.147

Abstract

Guru sebagai agen perubahan memiliki peran strategis dalam mengembangkan literasi digital di lingkungan kerja. Salah satu aspek penting dalam literasi digital adalah kemampuan dalam memanfaatkan teknologi dan aplikasi digital untuk mendukung proses pembelajaran dan pengolahan data. Pemanfaatan software JASP (Jeffreys's Amazing Statistics Program) menjadi salah satu cara efektif bagi guru untuk meningkatkan keterampilan statistik seperti mengolah dan menganalisis data. Dengan memanfaatkan JASP, guru dapat melakukan analisis statistik secara intuitif dan efisien, sehingga memudahkan dalam mengajarkan konsep-konsep statistik kepada siswa. Pengabdian dalam bentuk literasi pemanfaatan software JASP ini didasari oleh kebutuhan mendesak akan kemampuan memahami analisis data yang efektif di kalangan pendidik, mengingat pentingnya pengolahan data dalam proses pembelajaran dan evaluasi. Metode yang digunakan dalam pengabdian ini meliputi pelatihan intensif dan workshop yang dirancang untuk memperkenalkan fitur-fitur utama JASP, termasuk analisis statistik dasar hingga lanjutan. Peserta diberikan kesempatan untuk langsung mempraktikkan penggunaan software sehingga diharapkan dapat meningkatkan pemahaman dan keterampilan. Hasil dari kegiatan ini menunjukkan peningkatan kemampuan guru yang signifikan dalam mengolah dan menganalisis data. Hal ini ditunjukkan dari hasil pre-test dan post-test yang dilakukan sebelum dan sesudah kegiatan. Kegiatan pengabdian ini tidak hanya memberikan pengetahuan baru, tetapi juga membangun kepercayaan diri para guru dalam menggunakan teknologi untuk mendukung pengajaran. Kesimpulan dari pengabdian ini menekankan pentingnya pelatihan berkelanjutan dalam literasi data untuk meningkatkan kualitas pendidikan
PEMODELAN PREMI ASURANSI BERDASARKAN DATA SEVERITY MENGGUNAKAN MODEL LOGNORMAL Cahyaning Baiti, Putri Isnaini; Annisa Hevita G.K.S; Karina Sylfia Dewi; Nanda Azzanina
Nusantara Hasana Journal Vol. 5 No. 3 (2025): Nusantara Hasana Journal, August 2025
Publisher : Yayasan Nusantara Hasana Berdikari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59003/nhj.v5i3.1603

Abstract

The insurance industry in Indonesia requires reliable quantitative approaches to accurately determine premium rates and manage claim risks effectively. This study aims to model pure insurance premiums based on claim severity data using the lognormal regression approach. The data used consist of historical individual claim amounts (severity) obtained from a general insurance company in Indonesia, covering the period from 2009 to 2015. Initial data exploration revealed that the distribution of claim values is positively skewed, indicating the suitability of lognormal modeling. Three models were evaluated: Generalized Linear Model (GLM) with Gamma distribution, GLM with Inverse Gaussian distribution, and linear regression with lognormal transformation. Model selection was based on the Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC). The results show that the lognormal model had the lowest AIC and BIC values, indicating superior performance compared to the other models. The selected model was then used to forecast pure premiums for the next 12 months, followed by the calculation of commercial premiums with a 30% loading factor. The prediction results show a consistent and proportional upward trend in premiums, demonstrating the model’s effectiveness in capturing historical claim patterns and supporting data-driven premium setting.
Co-Authors Andirasdini, Indah Gumala Azzanina, Nanda Baiti, Putri Isnaini Cahyaning Berliana Ratam, Aldila Nur Indah Cahyaning Baiti, Putri Isnaini Dewi, Karina Sylfia Irwan, Sri Efrinita Karina Sylfia Dewi Mahrani, Dwi Marisa Marisa Nanda Azzanina Rivai, Muklas Rosni, Rosni Sofia, Ayu Yulita, Tiara