Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal CogITo Smart Journal Idealis : Indonesia Journal Information System
Koapaha, Hartiny
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Aligning Information Technology Governance with Business Goals Using the COBIT 2019 Framework: A Case Study of a Innovation Consultancy Firm Mokodaser, Wilsen Grivin; Mambu, Joe Yuan; Koapaha, Hartiny; Lompoliu, Erienika
CogITo Smart Journal Vol. 10 No. 2 (2024): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v10i2.799.548-560

Abstract

Technological advancements have ushered the world into a new era, particularly in the realm of information. In this context, information technology is considered a crucial tool to support and enhance corporate management, enabling companies to compete in the market. One common approach to managing information technology is by using IT governance frameworks such as COBIT (Control Objectives for Information and Related Technology) 2019. To date, there has been no research or evaluation conducted on the IT performance of Meet Ventures, Pte. Ltd., leaving the maturity level of information technology implementation in the company unclear. This project aims to explore the use of information systems and information technology at Meet Ventures, Pte. Ltd. in managing their operations and data. The project's approach involves a literature study on COBIT 2019 design factors. Based on the application of COBIT 2019, the prioritized objectives identified are BAI03 – Manage Solutions Identification and Build, BAI06 – Manage IT Changes, and MEA01 – Monitor, Evaluate, Assess Performance and Conformance. The assessment of various design factors in COBIT 2019 indicates that Meet Ventures, Pte. Ltd. has a strong focus on innovation, differentiation, and customer service. They also demonstrate a commitment to legal compliance and external regulations, a customer service culture, and effective risk management.
Model Random Forest Data Historis Multivariat Untuk Prediksi Pendapatan Asuransi Mokodaser, Wilsen Grivin; Koapaha, Hartiny; Adam, Stenly Ibrahim
IDEALIS : InDonEsiA journaL Information System Vol. 8 No. 2 (2025): Jurnal IDEALIS Juli 2025
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/idealis.v8i2.3512

Abstract

Perusahaan asuransi adalah perusahaan keuangan non-bank yang melindungi nasabah dari risiko dan mengumpulkan uang dari premi nasabah selama periode tertentu, sesuai dengan ketentuan polis. Karena perusahaan asuransi telah lama terlibat dalam perekonomian negara, masyarakat tidak begitu ragu akan layanan yang mereka tawarkan. Disebabkan oleh ketidakpastian yang terkait dengan hal-hal seperti kesehatan, pendidikan, harta-benda, dan kematian, kesadaran masyarakat tentang pentingnya asuransi terus meningkat. Asuransi menjadi alat penting bagi masyarakat untuk mengantisipasi risiko atau kerugian di masa depan. model Random Forest diterapkan untuk memprediksi pendapatan asuransi bulan berikutnya berdasarkan data historis multivariat dari bulan Januari hingga Juli/Agustus. Hasil evaluasi menunjukkan bahwa model memiliki performa yang cukup baik dalam menangkap pola pendapatan, dengan skor evaluasi Mean Absolute Error (MAE) sebesar ±25.139.426 menunjukkan bahwa rata-rata kesalahan prediksi hanya sekitar 25 juta rupiah, angka yang masih tergolong wajar jika dibandingkan dengan skala pendapatan keseluruhan. Mean Squared Error (MSE) sebesar 2.9815 × 10¹⁵ mencerminkan adanya beberapa error besar, meskipun hal ini wajar mengingat skala data dan keberadaan outlier yang sulit dihindari. R² Score sebesar 0.85 menandakan bahwa 85% variabilitas pendapatan dapat dijelaskan oleh model dari data historis, yang menunjukkan performa prediksi yang sangat baik. Kontribusi ilmiah dari penelitian ini adalah penerapan pendekatan regresi non-linear berbasis Random Forest untuk melakukan peramalan pendapatan asuransi menggunakan data multivariat historis bulanan, yang jarang dibahas secara mendalam dalam konteks industri asuransi. Pendekatan ini tidak hanya menyoroti efektivitas Random Forest dalam menangkap pola musiman dan hubungan non-linier antar variabel waktu, tetapi memberikan landasan eksplorasi metode machine learning lanjutan dalam analisis data asuransi.
Co-Authors Erienika Meiling Lompoliu Joe Yuan Mambu Stenly Ibrahim Adam Wilsen Grivin Mokodaser