Competitive

ANALISIS KLASTER RASIO KEUANGAN PT PEGADAIAN DENGAN METODE K-MEANS DAN RANDOM FOREST

2025-12-30T14:18:56+07:00

Analisis rasio keuangan banyak digunakan untuk menilai kinerja perusahaan, khususnya dari sisi leverage dan profitabilitas. Namun, perubahan pola rasio keuangan dalam jangka panjang sering sulit dilihat secara jelas tanpa bantuan analisis berbasis data. Penelitian ini bertujuan untuk mengelompokkan kinerja keuangan PT Pegadaian periode 2010–2024 dengan menggabungkan metode unsupervised learning dan supervised learning. Analisis dilakukan menggunakan rasio Debt to Asset Ratio (DAR) dan Return on Assets (ROA), yang distandardisasi dengan Z-score, kemudian dikelompokkan menggunakan algoritma K-Means dan diuji kembali menggunakan model Random Forest. Hasil penelitian menunjukkan terbentuknya tiga kelompok kinerja keuangan yang menggambarkan perbedaan kondisi leverage dan profitabilitas antarperiode, dengan nilai silhouette score sebesar 0,5976. Model Random Forest menghasilkan tingkat akurasi sebesar 80 persen, meskipun kinerjanya lebih rendah pada kelompok dengan jumlah data yang terbatas. Penelitian ini menunjukkan bahwa kombinasi DAR dan ROA dapat digunakan tidak hanya untuk menilai kinerja keuangan, tetapi juga untuk mengelompokkan dan memahami pola perubahan kinerja perusahaan dalam jangka panjang dengan bantuan metode pembelajaran mesin.

PERANCANGAN SISTEM INFORMASI MANAJEMEN PERSEDIAAN ALAT TULIS KANTOR (ATK)

2026-06-04T09:10:21+07:00

Sistem informasi manajemen persediaan alat tulis kantor (ATK) diperlukan untuk mendukung
pengelolaan persediaan secara efektif dan terstruktur. Pada PT XYZ, proses permintaan dan
penerimaan ATK belum terdokumentasi secara sistematis sehingga pencatatan dan pemantauan distribusi barang belum optimal. Selain itu, informasi mengenai stok barang dan laporan persediaan belum dapat diakses secara real-time. Penelitian ini difokuskan untuk menghasilkan rancangan sistem informasi manajemen persediaan ATK berbasis website dengan menerapkan metode Prototyping sebagai pendekatan pengembangannya. Analisis kebutuhan sistem dilakukan melalui penerapan metode PIECES dan Kano. Berdasarkan hasil analisis PIECES, diperoleh nilai rata-rata sebesar 1,94 yang masuk dalam kategori Tidak Puas, sedangkan analisis Kano menghasilkan kebutuhan fitur utama meliputi kelola user, unit kerja, barang, pengadaan, permintaan, pengeluaran, dan laporan. Proses bisnis dimodelkan menggunakan BPMN dan perancangan sistem menggunakan UML. Hasil penelitian menunjukkan bahwa rancangan sistem mampu mendokumentasikan proses permintaan dan
penerimaan ATK secara terstruktur, menyediakan informasi persediaan secara real-time, serta
menghasilkan laporan persediaan untuk mendukung pengendalian dan pengambilan keputusan terkait persediaan barang.

PERANCANGAN SISTEM INFORMASI MANAGEMENT REPORT BERBASIS WEB PADA PT POS INDONESIA (PERSERO)

2026-06-05T10:57:59+07:00

Perkembangan teknologi informasi mendorong organisasi untuk mengelola data secara lebih efektif,akurat, dan saling terhubung agar keputusan dapat diambil dengan tepat, sejalan dengan kemajuan teknologi informasi. Namun di PT Pos Indonesia (Persero), penyusunan Management Report masih bergantung pada cara manual melalui Google Sheets dan Google Slides. Akibatnya, tahap rekapitulasi data, perhitungan capaian (achievement) dan pertumbuhan (growth), hingga penyusunan laporan membutuhkan waktu cukup panjang dan rawan kesalahan manusia (human error). Penelitian ini bertujuan merancang Sistem Informasi Management Report berbasis web yang mampu mengintegrasikan proses pengelolaan data dan penyusunan laporan. Metode yang digunakan adalah Prototype, sedangkan analisis sistem dilakukan menggunakan metode PIECES untuk mengidentifikasi
kelemahan sistem berjalan dan metode Kano untuk menganalisis kebutuhan pengguna terhadap fitur sistem. Perancangan sistem dilakukan menggunakan Business Process Model and Notation (BPMN) dan Unified Modeling Language (UML). Hasil penelitian menunjukkan bahwa sistem yang dirancang memiliki fitur pengelolaan data performance, perhitungan indikator secara otomatis, monitoring status pengisian data, validasi data, pembuatan laporan dalam format PowerPoint, serta notifikasi Telegram. Rancangan sistem diharapkan mampu meningkatkan efektivitas dan efisiensi proses penyusunan Management Report, mengurangi potensi kesalahan pengolahan data, serta mendukung penyampaian informasi yang lebih cepat kepada manajemen perusahaan.

CHATBOT PANDUAN FITUR APLIKASI WAKTOO MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE

2026-06-10T15:27:24+07:00

Efisiensi layanan karyawan merupakan aspek penting dalam manajemen sumber daya manusia. Namun, keterbatasan jumlah personel sering menghambat penyampaian informasi dan panduan penggunaan aplikasi perusahaan kepada karyawan baru, khususnya mahasiswa magang. Penelitian ini bertujuan mengembangkan chatbot sebagai media pendamping dalam memberikan informasi terkait penggunaan aplikasi Waktoo HRM, meliputi presensi, manajemen tugas, dan kebijakan perusahaan. Dataset yang digunakan terdiri atas pattern, response, dan label intent yang disimpan pada database MongoDB. Sistem chatbot dibangun menggunakan Streamlit dengan pendekatan Natural Language
Processing (NLP), memanfaatkan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai metode ekstraksi fitur dan Support Vector Machine (SVM) melalui implementasi LinearSVC pada pustaka Scikit-Learn sebagai algoritma klasifikasi intent. Evaluasi model dilakukan menggunakan train-test split 80:20 serta Stratified 5-Fold Cross Validation pada data latih untuk mengukur konsistensi dan kemampuan generalisasi model. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan accuracy sebesar 84,44%, precision 85,69%, recall 84,44%, dan F1-score 84,01%. Selain itu, cross-validation menghasilkan rata-rata F1-score sebesar 0,87 dengan standar deviasi 0,02 yang menunjukkan performa model yang konsisten. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan SVM efektif dalam mengklasifikasikan intent pengguna pada chatbot Waktoo HRM.