Jurnal Go Infotech (E-Jurnal STMIK AUB Surakarta)
Not a member yet
145 research outputs found
Sort by
Pengujian Aplikasi PPH21 Karyawan PT.X Menggunakan Metode Black Box Testing Equivalence Partitioning
Full text linkPPh 21 dimaksud pajak atas gaji dan tunjangan karyawan PT. X, kontraktor pertambangan posisi Lok Batu, Haruai, Tabalong, Kal-Sel, lebih 1.200 karyawan berbagai disiplin ilmu bekerja di sana. Aplikasi komputer ini mempermudah bagian keuangan menghitung gaji setelah dipotong PPh21 dan biaya BPJS kesehatan serta Ketenagakerjaan. Aplikasi yang salah secara logik akan mengakibatkan kerugian bagi penggunanya, oleh karenanya perbaikan kualitas validasi input data akurat sangat dibutuhkan. Apabila proses pengujian menemukan kesalahan, dapat diartikan pengujian tersebut memiliki kaidah yang benar, dari sekian banyak metode uji Black Box, Teknik Equivalence Partitioning merupakan ragam pengujian memasukan kriteria tertentu pada form aplikasi PPh21 meliputi menu data (unit, posisi, PTKP / penghasilan tidak kena pajak, grade, karyawan), form transaksi (gaji), form laporan (gaji, potongan gaji, potongan PPh21) dan selesai. Pengujian ini menentukan apakah aplikasi memenuhi kebutuhan pengguna, tanpa perlu mengetahui bahasa pemrograman pembentuk aplikasi tersebut. Desain uji coba aplikasi metode Black Box teknik Equivalence Partitioning menemukan kesalahan uji coba yang tidak lulus 1 dari 39 test case dengan nilai DRE sebesar 0,0256 atau 2,56%
Implementasi Sistem Informasi Akuntansi pada Bengkel Karya Agung
No full textPengolahan data transaksi secara manual dapat menimbulkan banyak kendala, karena data yang sama dicatat ke dalam beberapa buku transaksi memungkinkan terjadi kesalahan penulisan akibat kelelahan fisik karyawan bagian akuntansi. Laporan-laporan keuangan diterbitkan dengan menyalin dan menghitung data transaksi juga memungkinkan dapat memberikan informasi yang tidak valid kepada pihak manajemen apabila pada laporan-laporan itu berisi kesalahan informasi. Untuk mengatasi kendala ini tim peneliti mengusulkan kepada pihak manajemen untuk mengimplementasikan sistem aplikasi akuntansi berbasis komputer. Pada tahap awal tim peneliti merancang sistem aplikasi akuntansi ini dalam bentuk entity relationship diagram dan use case diagram. Kemudian dilanjutkan dengan membuat basis data, form-form entry data, program-program yang mendukung operasi akuntansi, dan program-program untuk menerbitkan laporan-laporan. Program-program pendukung yang dibuat dapat dipakai untuk memposting buku besar serta menyusun neraca lajur, neraca, perhitungan rugi-laba, dan neraca saldo penutupan. Luaran program meliputi Buku Besar, Laporan Rincian Hutang Usaha, Laporan Rincian Piutang Usaha, Daftar Saldo Hutang Usaha, Daftar Saldo Piutang Usaha, Neraca Lajur, Neraca, Perhitungan Rugi-Laba, Laporan Perubahan Laba Ditahan, dan Neraca Saldo Penutupan. Terdapat juga beberapa luaran berupa jurnal-jurnal transaksi yaitu Jurnal Pembelian, Jurnal Penjualan, Jurnal Penerimaan Kas, Jurnal Pengeluaran kas, Jurnal Umum, Jurnal Ayat Penyesuaian, dan Jurnal Ayat Penutup
Prediksi Loyalitas Pelanggan Menggunakan Jaringan Saraf Tiruan Metode Backpropagasi
No full textPrediksi loyalitas pelanggan penting dalam menjaga dan meningkatkan hubungan dengan pelanggan. Dengan mengidentifikasi pelanggan yang berpotensi loyal atau berisiko berpindah, perusahaan dapat mengambil langkah proaktif untuk menjaga dan memperkuat keterlibatan pelanggan. Dalam industri telekomunikasi, tingkat churn pelanggan cukup tinggi. Meskipun ada biaya yang terkait dengan pengelolaan pelanggan yang sudah ada, mendapatkan pelanggan baru bisa jadi lebih mahal. Churn mengacu pada penentuan konsumen mana yang paling mungkin membatalkan langganan layanan berdasarkan cara mereka menggunakannya. Salah satu cara yang dapat dilakukan untuk memprediksi kecenderungan pelanggan guna mengurangi kecenderungan untuk berhenti atau berpindah penggunaan dari suatu produk/layanan adalah dengan program pengembangan loyalitas yang efektif. Namun, proses ini masih belum optimal karena hanya menggunakan analisis konvensional tanpa metode atau algoritma khusus. Neural Network merupakan model matematika yang terinspirasi dari cara kerja jaringan saraf di otak manusia. Model ini merupakan salah satu komponen inti dalam machine learning dan kecerdasan buatan, yang terdiri dari sejumlah besar elemen pemrosesan informasi (neuron) yang saling berhubungan dan bekerja sama untuk memecahkan suatu masalah tertentu, yang umumnya merupakan masalah klasifikasi atau prediksi. Neural Network memiliki beberapa kelebihan dibandingkan metode perhitungan lainnya, yaitu kemampuan untuk memperoleh pengetahuan bahkan dalam kondisi interferensi dan ketidakpastian. Hal ini dikarenakan Neural Network dapat melakukan generalisasi, abstraksi, dan ekstraksi sifat-sifat statistik. Dalam penelitian ini, kami akan menerapkan jaringan saraf tiruan dengan metode backpropagation untuk memprediksi loyalitas pelanggan, mengurangi tingkat churn pada industri telekomunikasi, dan mengoptimalkan program pengembangan loyalitas pelanggan yang efektif
Integrasi Machine Learning dalam Homebase Sistem Informasi untuk Analisis Produktivitas Akademik
No full textPenelitian ini bertujuan untuk mengintegrasikan teknik Machine Learning (ML) dalam sistem informasi berbasis homebase guna menganalisis produktivitas akademik. Sistem informasi akademik konvensional sering mengalami keterbatasan dalam memberikan analisis mendalam terkait data akademik mahasiswa, dosen, dan staf administrasi (Turban et al., 2021). Oleh karena itu, penelitian ini mengembangkan sistem yang memanfaatkan algoritma ML untuk menganalisis, memprediksi, dan memberikan wawasan terkait kinerja akademik (Yusuf et al., 2022). Implementasi ML diharapkan dapat meningkatkan akurasi dan efektivitas pengolahan data akademik, seperti nilai mahasiswa, tingkat kehadiran, dan interaksi dalam proses pembelajaran (Zhou et al., 2023). Sistem ini diuji menggunakan data historis untuk menghasilkan rekomendasi bagi pihak universitas dalam pengambilan keputusan yang lebih baik. Hasil penelitian menunjukkan bahwa integrasi ML dalam sistem informasi homebase meningkatkan akurasi analisis dan efisiensi dalam pemantauan serta evaluasi produktivitas akademik (Mendoza & Bastias, 2020)
Integrasi Kecerdasan Buatan Dalam Industri Otomotif: Strategi, Tantangan dan Arah Transformasi Digital
No full textIntegrasi kecerdasan buatan (Artificial Intelligence/AI) dalam industri otomotif telah menjadi elemen kunci dalam mendukung transformasi digital yang komprehensif. Studi ini membahas strategi penerapan AI dalam sektor otomotif, khususnya di Indonesia, serta tantangan dan arah perkembangannya di era digital. Teknologi AI, termasuk machine learning, big data analytics, Internet of Things (IoT), dan sistem cruise control, telah digunakan sebagai strategi untuk meningkatkan efisiensi manufaktur, keselamatan berkendara, serta pengembangan kendaraan otonom. Selain itu tantangan mengenai keterbatasan infrastruktur digital, minimnya sumber daya manusia yang kompeten di bidang AI, serta isu etika dan keamanan data. Penelitian ini juga menyoroti pentingnya strategi kolaboratif antara pemerintah, industri, dan institusi pendidikan untuk mempercepat integrasi AI sebagai arah transformasi digital secara inklusif dan berkelanjutan. Hasil studi memberikan rekomendasi strategis guna mengoptimalkan pemanfaatan AI dalam meningkatkan daya saing industri otomotif nasional dan mempercepat transformasi digital yang adaptif dan bertanggung jawab
Metode SMART pada Sistem Informasi Pendukung Keputusan Penerima Bantuan Beasiswa Yayasan
No full textBeasiswa dari Yayasan A-M kepada para siswa QAF ditujukan untuk para siswa yang memenuhi persyaratan dalam hal prestasi nilai maupun keadaan perekonomian orangtua/wali siswa. Peneliti termotivasi untuk membuat aplikasi yang dapat membantu bagian penanganan beasiswa di sekolah tempat penelitian ini untuk memudahkan mengelola keputusan memilih calon penerima beasiswa menurut algoritma metode SMART. Sistem aplikasi yang dihasilkan dari penelitian ini ditujukan untuk mengolah data prestasi nilai-nilai ujian keagamaan dan nilai rata-rata untuk beberapa mata pelajaran pada rapor siswa berdasarkan kriteria dan subkriteria untuk pemrosesan keputusan. Sistem menghasilkan luaran-luaran berupa Laporan Data Pendukung Siswa dan Laporan Hasil Keputusan mengenai para siswa yang dapat diusulkan menerima bantuan beasiswa yayasan
Implementasi Blockchain untuk Keamanan Data Akademik dalam Sistem Informasi Perguruan Tinggi
Full text linkKeamanan data akademik menjadi isu kritis dalam era digitalisasi pendidikan tinggi. Sistem informasi akademik tradisional rentan terhadap manipulasi data, pencurian identitas, dan kehilangan integritas dokumen. Teknologi blockchain menawarkan solusi inovatif untuk meningkatkan keamanan dan transparansi data akademik. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem keamanan data akademik berbasis blockchain yang dapat menjamin integritas, autentisitas, dan traceability dokumen akademik mahasiswa Penelitian menggunakan pendekatan Design Science Research dengan mengimplementasikan private blockchain menggunakan Hyperledger Fabric. Sistem diuji menggunakan dataset 500 transkrip akademik dengan skenario pengujian keamanan, kinerja, dan skalabilitas. Evaluasi dilakukan melalui pengujian throughput, latency, dan resource consumption. Implementasi blockchain berhasil mengurangi risiko manipulasi data hingga 99.8%. Sistem mampu memproses 1.200 transaksi per detik dengan latency rata-rata 2,3 detik. Hash verification mencapai akurasi 100% dalam mendeteksi perubahan data. Storage overhead meningkat 15%, namun memberikan jaminan immutability yang signifikan. Blockchain terbukti efektif dalam meningkatkan keamanan data akademik dengan memberikan jaminan integritas, transparansi, dan audit trail yang komprehensif. Sistem dapat diimplementasikan pada skala perguruan tinggi dengan consideration terhadap resource requirements
Implementasi Metode Forward Chaining dan Algoritma Naive Bayes Pada Sistem Pakar Pendeteksi Penyakit Sapi Perah
No full textTujuan dari penelitian ini adalah mengimplementasikan algoritma Naive Bayes dengan menggunakan metode inferensi forward chaining ke dalam aplikasi sistem pakar yang dapat digunakan untuk mendiagnosa penyakit berdasarkan gejala yang timbul pada hewan ternak sapi perah. Penelitian ini menggunakan pendekatan pengembangan dengan metode Expert System Development Life Cycle (ESDLC). Tahapan yang digunakan pada penelitian ini yaitu penilaian, akuisisi pengetahuan, desain, implementasi pengujian, dokumentasi, dan pemeliharaan. Hasil penelitian ini adalah terciptanya sebuah sistem pakar untuk mendiagnosa penyakit pada sapi perah yang dapat digunakan oleh peternak untuk menangani ternak sapi perah yang sakit. Sistem pakar diagnosa sapi perah ini menghasilkan informasi berupa nama penyakit, gejala yang ditimbulkan, penyebab, dan cara pencegahan maupun pengobatan yang dapat dilakukan. Hasil pengujian dari penelitian ini menyatakan bahwa rata-rata penilaian pengguna terhadap sistem pakar diagnosa penyakit pada sapi perah menggunakan metode forward chaining dan algoritma naive bayes adalah 40% memberikan penilaian sangat baik, 41,7% memberikan penilaian baik dan 18,3% cukup baik. Artinya, sistem pakar memberikan dampak yang positif, yaitu dapat membantu peternak untuk mendapatkan diagnosa awal penyakit sapi perah
Pengembangan Sistem Internet Of Things (IoT) untuk Real-Time Monitoring Kinerja Mesin Diesel Stasioner : Studi Eksperimental Pengaruh Campuran Biodiesel Minyak Jarak Terhadap Suhu dan Konsumsi Bahan Bakar
No full textSalah satu bidang yang menarik dalam studi mesin diesel stasioner adalah penggunaan bahan bakar alternatif dan dampaknya terhadap kinerja mesin. Penelitian sebelumnya telah membahas penggunaan biofuel, bahan bakar sintetis, dan sumber energi alternatif lainnya untuk menggerakkan mesin ini. Tujuan dari penelitian ini adalah untuk menyelidiki kemungkinan minyak jarak sebagai sumber bahan bakar pengganti untuk mesin diesel yang dapat menurunkan konsumsi bahan bakar dan memengaruhi suhu mesin dengan dicampur bahan bakar minyak diesel serta mengembangkan sistem Internet of Things (IoT) sebagai alat real-time monitoring. Jenis penelitian eksprimental dengan variabel penelitian, variabel bebas terdiri atas, bahan bakar minyak diesel, minyak jarak dan campuran minyak jarak-minyak diesel (dengan perbandingan 10:90, 25:75, 50:50) dan sistem IoT yang dikembangkan menggunakan sensor suhu (LM35 atau thermocouple) dan sensor aliran bahan bakar (flowmeter) yang terintegrasi dengan mikrokontroler (NodeMCU/ESP32), variable terikat terdiri atas, konsumsi bahan bakar dan temperatur kerja mesin dan variabel kontrol adalah temperature ruang saat pengujian. penelitian ini menghasilkan temuan bahwa konsumsi bahan bakar dengan penggunaan minyak jarak sebagai bahan bakar motor diesel (5,83 CC/menit pada putaran 3000 rpm) tertinggi. Bahan bakar campuran menghasilkan konsumsi bahan bakar yang lebih rendah dari bahan bakar minyak jarak (50% minyak jarak, konsumsi bahan bakar 5,46 CC/menit pada putaran 3000 rpm) dan demikian pula dengan suhu motor diesel (51,5 oC pada putaran 3000 rpm) tertinggi. Bahan bakar campuran menghasilkan suhu motor yang lebih rendah dari bahan bakar minyak jarak (50% minyak jarak, suhu motor 48 oC pada putaran 3000 rpm). Jadi kesimpulan yang dapat diangkat dari hasil penelitian adalah implementasi sistem IoT dapat menyediakan data kinerja mesin secara akurat dan real-time, memfasilitasi analisis data yang cepat dan pengambilan keputusan operasional yang efisien dan data yang dihasilkan adalah konsumsi bahan bakar minyak jarak lebih tinggi dibanding minyak diesel dan Bahan bakar campuran menghasilkan konsumsi bahan bakar yang lebih rendah dari bahan bakar minyak jarak tetapi masih diatas bahan bakar minyak diesel. sementara suhu motor diesel yang dihasilkan tidak jauh berbeda dengan kondisi konsumsi bahan bakar