Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal LIABILITIES (JURNAL PENDIDIKAN AKUNTANSI) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Wulandari, Safira Putri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 2 Documents
Search

 1 
Pengaruh Current Account Saving Account (CASA) terhadap Return on Assets (ROA) pada Bank Konvensional di Indonesia: Peran Moderasi Capital Adequacy Ratio (CAR) Wulandari, Safira Putri; Wahyudi, Ickhsanto
-
Publisher : Fakultas Keguruan dan Ilmu Pendidikan Universitas Muhammadiyah Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/liabilities.v8i2.26344

Abstract

Penelitian ini menganalisis pengaruh Current Account Saving Account (CASA) terhadap Return on Assets (ROA) pada bank konvensional di Indonesia dengan mempertimbangkan peran moderasi Capital Adequacy Ratio (CAR). Data diambil dari 35 bank konvensional yang terdaftar di Bursa Efek Indonesia selama periode 2020-2023, menghasilkan 140 observasi. Analisis menggunakan regresi data panel dengan Random Effect Model dan Moderated Regression Analysis menunjukkan bahwa CASA berpengaruh positif dan signifikan terhadap ROA dengan koefisien 0.0086. Meskipun CAR tidak berpengaruh langsung terhadap ROA, variabel ini berhasil berperan sebagai moderator yang signifikan dalam memperkuat hubungan antara CASA dan ROA. Temuan ini mendukung Signaling Theory yang menyatakan bahwa kombinasi optimal antara pendanaan murah dan kecukupan modal dapat memberikan sinyal positif bagi stakeholders mengenai kesehatan keuangan bank. Secara praktis, penelitian ini menekankan pentingnya integrasi strategi manajemen likuiditas dan modal untuk meningkatkan profitabilitas perbankan. Hasil analisis menunjukkan model penelitian mampu menjelaskan 12.4% variasi ROA, mengindikasikan masih adanya faktor-faktor lain yang perlu dieksplorasi lebih lanjut dalam penelitian mendatang. Implikasi kebijakan dari temuan ini menyarankan perlunya bank mempertahankan rasio CASA optimal sekaligus memperkuat modal sebagai upaya mitigasi risiko dan peningkatan kinerja keuangan
Penggunaan Machine Learning Untuk Pengenalan Pola Batik Parang Menggunakan PCA (Principal Component Analysis) Wulandari, Safira Putri; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i2.150

Abstract

Batik merupakan suatu warisan nenek moyang bangsandonesia dan merupakan ciri khas bangsa Indonesia. Hampir seluruh daerah di Indonesia memiliki ciri khas motif batik sendiri. Dan setiap motif tersebut memiliki berbagai macam makna dan sejarah dari setiap daerah tersebut. Seperti Batik Parang, motif batik Parang memiliki makna petuah untuk tidak pernah menyerah, ibarat ombak laut yang tak pernah berhenti bergerak. Banyaknya kemiripan pola pada batik parang sehingga membuat banyak orang susah mengenali batik tersebut. Selagi itu batik parang merupakan pantangan bagi warga masyarakat Kecamatan Ngluyu KabupatenNganjuk sehingga masyarakat Ngluyu wajib mengetahui batik tersebut. Dengan memanfaatkan teknologi Machine Learning. Teknologi ini merupakan cabang ilmu dari Artificial Intellegence (Kecerdasan Buatan ) yang focus pada pengembangan sebuah system program oleh manusia, dengan begitu Machine Learning dapat di terapkan pada sebuah sistem yang bisa mengenali pola batik parang agar mempermudah pengenalan batik tersebut. Menggunakan metode PCA (Principal Component Analysis) dan klasifikasi metode Euclidean Distance. Dari hasil penelitian diperoleh nilai akurasi terbaik yaitu 93,3% dengan nilai threshold 0-255 pada skenario 2.
Co-Authors Resty Wulanningrum Wahyudi, Ickhsanto