Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Pengabdian Masyarakat Jamak
Meyliana Meyliana
Universitas Kristen Maranatha
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Social Sciences

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

Found 2 Documents
Search

 1 
BADAN USAHA MILIK DESA: SEBUAH PEMETAAN DAN PENGGALIAN POTENSI (STUDI KASUS DI BUMDES CIMANGANTEN, KECAMATAN TAROGONG KALER, KABUPATEN GARUT, PROVINSI JAWA BARAT) Meyliana Meyliana
JURNAL PENGABDIAN MASYARAKAT JAMAK Vol 2, No 2 (2019): Desember 2019
Publisher : Politeknik Negeri Ambon

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (407.356 KB) | DOI: 10.31959/jpmj.v2i2.263

Abstract

Badan Usaha Milik Desa (BUMDes) memiliki dasar hukum yang diatur dalam Undang Undang No.6 Tahun 2014 Tentang Desa. Di dalam aturan tersebut disebutkan bahwa BUMDes adalah badan usaha yang seluruh atau sebagian besar modalnya dimiliki oleh desa melalui penyertaan secara langsung yang berasal dari kekayaan desa yang dipisahkan guna mengelola aset, jasa pelayanan, dan usaha lainnya untuk sebesar-besarnya kesejahteraan masyarakat desa. Keberadaan BUMDes diharapkan dapat menjadi lokomotif untuk dapat menggerakkan semua potensi desa (Suryanto, 2018). Cimanganten merupakan salah satu desa yang dibawahi oleh Kecamatan Tarogong Kaler, Kabupaten Garut, Provinsi Jawa Barat. Cimanganten terletak di jalan raya besar yang menghubungkan antara Kota Bandung dengan Kota Garut. BUMDes Cimanganten telah didirikan sejak tahun 2016, namun karena kurangnya pemahaman masyarakat desa akan keberadaan BUMDes ini telah membuat dana BUMDes mengalir ke masyarakat tanpa pengembalian. Namun ke depannya, melalui kerjasama antara kepala desa dengan kalangan muda sebagai pengurus BUMDes diharapkan BUMDes Cimanganten dapat aktif kembali untuk mengemban perannya dalam menggerakkan semua potensi desa.
Model Meta Ensemble dan Deep Learning untuk Prediksi Emiten LQ45 Hendra Bunyamin; Oktavianti Oktavianti; Meyliana Meyliana
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.63351

Abstract

LQ (Liquid) 45 merupakan indeks saham yang berisi 45 emiten yang dipilih berdasarkan pertimbangan likuiditas dan kapitalisasi pasar, dengan kriteria-kriteria sebagai berikut: telah tercatat di BEI minimal 3 bulan, aktivitas transaksi di pasar reguler yaitu nilai, volume, dan frekuensi transaksi, jumlah hari perdagangan di pasar reguler, kapitalisasi pasar pada periode waktu tertentu, dan keadaan keuangan dan prospek pertumbuhan perusahaan tersebut. Dengan mengetahui emiten-emiten yang akan masuk ke dalam indeks LQ 45, para investor akan sangat terbantu dalam merencanakan portofolio mereka di masa yang akan datang. Penelitian ini bertujuan membangun model prediksi bagi emiten-emiten yang akan masuk ke dalam LQ 45. Dataset terdiri dari ringkasan saham semua emiten dari 1 Februari 2015 sampai dengan Januari 2022 dan daftar emiten-emiten yang masuk ke dalam LQ 45 dari periode Agustus 2015-Januari 2016 sampai dengan Februari 2022-Juli 2022. Indeks LQ 45 sendiri diperbaharui setiap 6 bulan sekali; oleh karena itu, dalam penelitian ini model prediksi per 6 bulan dibentuk dan dilatih dengan 4-fold cross-validation. Model-model prediksi, yaitu HIVE-COTE 2.0, ROCKET, multi-layer perceptron, stacking recurrent neural networks, dan bi-directional recurrent neural networks memberikan hasil bahwa HIVE-COTE 2.0 HIVE-COTE 2.0 memberikan kinerja terbaik dalam precision, yaitu keunggulan sekitar 9% daripada model-model lainnya dalam memprediksi emiten-emiten jika kriteria yang dipertimbangkan adalah mengurangi false positive. Jika kriteria yang diutamakan adalah menjaga keseimbangan antara  mengurangi false positive dan false negative, maka model multi-layer perceptron dengan banyak neuron yang cukup besar (512) juga memberikan F1 score yang lebih tinggi 9% daripada model-model lain dalam memprediksi emiten-emiten yang akan masuk LQ 45.
Co-Authors Hendra Bunyamin Oktavianti Oktavianti