Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Informatika Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika RENATA Jurnal Pengabdian Masyarakat Kita Semua
Dewi, Karina Sylfia
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Mathematics 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
Klasterisasi Penyakit pada Data Klaim Rujukan Tingkat Lanjut BPJS Kesehatan Menggunakan Algoritma Density-Based Spatial Clustering of Application with Noise Rivai, Muklas; Huda, Misbahul; Rosni; Dewi, Karina Sylfia
Jurnal Informatika Vol 25 No 2 (2025): Jurnal Informatika
Publisher : Institut Informatika Dan Bisnis Darmajaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30873/jurnalinformatika.v25i12

Abstract

Over time and with the advancement of technology, an increasing number of disease-claim submissions have been received by Badan Penyelenggara Jaminan Sosial (BPJS) for Health, causing data accumulation to the point that the dataset can now be categorized as Big Data. One of the challenges of Big Data is that it cannot be processed using conventional methods, thus requiring specialized approaches such as data clustering. The purpose of this study is to determine the optimal number of clusters and to analyze the characteristics of the cluster groups. The type of data used is secondary data obtained from the BPJS Health database. The data used consists of claim data from Fasilitas Kesehatan Rujukan Tingkat Lanjutan (FKRTL) under BPJS Health from January 2019 to December 2020. The variables used include childbirth, accidents, catastrophic diseases, and other diseases. The stages of the clustering process include data normalization, parameter determination, application of the Density-Based Spatial Clustering of Application with Noise (DBSCAN) algorithm, and evaluation of cluster results using the silhouette index. The results of the clustering analysis on FKRTL claim data based on the International Statistical Classification of Diseases and Related Health Problems, 10th Revision (ICD-10), show that there are three clusters and one noise cluster, with an average silhouette index of 0.6595942, indicating that the model has a medium structure. Cluster 1 consists of two members with dominant claim categories being accidents and other diseases, cluster 2 consists of 27 members with childbirth as the dominant claim category, cluster 3 consists of four members with catastrophic diseases and other diseases as the dominant claim categories, and the noise cluster consists of one member with childbirth as the dominant claim category.
Co-Authors Andirasdini, Indah Gumala Azzanina, Nanda Baiti, Putri Isnaini Cahyaning Berliana Ratam, Aldila Nur Indah Dwi Mahrani Gustina K. S, Annisa Hevita Irwan, Sri Efrinita Marisa . Misbahul Huda Rivai, Muklas Rosni, Rosni Sofia, Ayu Yulita, Tiara