<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="18531">
<titleInfo>
<title>ANALISIS PREDIKTIF HARGA SAHAM BERBASIS INFORMASI LAPORAN KEUANGAN PADA PT PANTAI INDAH KAPUK DUA TBK (PANI) PERIODE 2018-2024</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Sumiyatun, S.Kom., M.Cs.</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>BAADIA, RISWANDI - 195610057</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)</publisher>
<dateIssued>2026</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent>030 SI 2026</extent>
</physicalDescription>
<note>Penelitian ini bertujuan membangun dan menguji model analisis prediktif berbasis Sistem Informasi guna memproyeksikan pergerakan harga saham PT Pantai Indah Kapuk Dua Tbk (PANI) periode 2018-2024 berdasarkan fitur data Return on Assets (ROA), Debt to Equity Ratio (DER), dan Earnings per Share(EPS). Objek ini dipilih karena fenomena structural break akibat transformasi bisnis fundamental dari manufaktur ke properti yang memicu fluktuasi ekstremharga saham. Metode penelitian menggunakan pendekatan kuantitatif asosiatif dengan data sekunder kuartalan sebanyak 26 observasi dari Stockbit. Proses analisis mengintegrasikan konsep Business Intelligence melalui data preprocessing berupa teknik interpolasi linear untuk penanganan data hilang (missing values) dan transformasi Logaritma Natural (Ln) untuk normalisasi varians data. Pembangunan model prediksi dilakukan secara komputasional menggunakan algoritma regresi linear berganda berbasis Python di Google Colab. Hasil uji kontribusi fitur (uji t) menunjukkan variabel ROA berkontribusi relatif kecil terhadap peningkatan akurasi model. Sebaliknya, fitur DER membawa bobot informasi signifikan berarah negatif, sedangkan fitur EPS memiliki kontribusi signifikan berarah positif kuat terhadap proyeksi sistem. Secara simultan, model prediktif menunjukkan kualitas kesesuaian yang sangat baik dengan nilai koefisien determinasi (R2) sebesar 81,7%. Hal ini membuktikan luaran model akurat untuk diimplementasikan sebagai komponen model base dalam Decision Support System (DSS) investasi guna mendukung pengambilan keputusan terstruktur (data-driven decision making).</note>
<subject authority=""><topic>Analisis Prediktif</topic></subject>
<subject authority=""><topic>Sistem Pendukung Keputusan</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>030 BAA A R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">BAA0030SI2026</numerationAndChronology>
<sublocation>RAK REFERENSI SKRIPSI SI</sublocation>
<shelfLocator>030 BAA A R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>18531</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2026-08-03 13:47:38</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2026-08-03 13:48:34</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>