eJournal Komunitas Dosen Indonesia
Not a member yet
1406 research outputs found
Sort by
Analisis Kompleksitas Dokumen Tagihan Piutang Usaha terhadap Inkompatibilitas Pencatatan Akuntansi pada PT Barata Indonesia (Persero)
Full text linkKompleksitas dokumen tagihan bersifat krusial. Ketepatan dalam proses penyiapan dan pembuatan dokumen tagihan berpengaruh pada kesesuaian output atas jenis transaksi yang berhubungan dengan dokumen tagihan. Data yang tidak sesuai akan menimbulkan inkompatibilitas atau ketidaksesuaian dalam pencatatan akuntansi atas dokumen tagihan. Ketidaksesuaian pencatatan akuntansi akan mempengaruhi tingkat keakuaratan dari laporan keuangan. Kemungkinan terburuknya ketidaksesuaian tersebut dapat menghambat kepentingan internal perusahaan. Tidak hanya kepentingan internal, hal tersebut juga akan mengakibatkan adanya bias terhadap informasi yang telah diungkapkan kepada publik. Dengan ini, penelitian dilakukan untuk memberikan gambaran mengenai kompleksnya pencatatan akuntansi dari awal dilakukannya transaksi hingga traksaksi diselesaikan dan laporan keuangan dipublikasikan. Penelitian ini juga akan menjelaskan hal apa saja yang dapat menjadi pendorong pelaksanaan pencatatan akuntansi yang baik dan benar. Penelitian dilakukan dan dijabarkan secara kualitatif deskriptif. Penyajian penjelasan penelitian berdasarkan fakta-fakta yang ditemui penulis selama mengemban tugas di lapangan. Analisis data dilakukan dengan cara analisis tematik. Objek penelitian adalah perusahaan manufacturing yang bergerak pada bidang food, energy, and water yaitu PT Barata Indonesia (Persero). Hasil dan pembahasan penelitian menunjukkan bahwa jenis kendala yang berkaitan dengan kompleksitas dokumen tagihan mampu mempengaruhi ketepatan data laporan keuangan. Hasil lainnya juga menunjukkan bahwa kendala tersebut dapat diatasi dengan bentuk pengendalian yang disesuaikan dengan masing-masing kondisi kendala atas kompleksitas dokumen tagihan.Kompleksitas dokumen tagihan bersifat krusial. Ketepatan dalam proses penyiapan dan pembuatan dokumen tagihan berpengaruh pada kesesuaian output atas jenis transaksi yang berhubungan dengan dokumen tagihan. Data yang tidak sesuai akan menimbulkan inkompatibilitas atau ketidaksesuaian dalam pencatatan akuntansi atas dokumen tagihan. Penelitian dilakukan dan dijabarkan secara kualitatif deskriptif. Penyajian penjelasan penelitian berdasarkan fakta-fakta yang ditemui penulis selama mengemban tugas di lapangan. Analisis data dilakukan dengan cara analisis tematik. Objek penelitian adalah perusahaan manufacturing yang bergerak pada bidang food, energy, and water yaitu PT Barata Indonesia (Persero). Hasil dan pembahasan penelitian menunjukkan bahwa jenis kendala yang berkaitan dengan kompleksitas dokumen tagihan mampu mempengaruhi ketepatan data laporan keuangan. Hasil lainnya juga menunjukkan bahwa kendala tersebut dapat diatasi dengan bentuk pengendalian yang disesuaikan dengan kondisi kendala atas kompleksitas dokumen tagihan
Implementasi Algoritma Regresi Linear Berganda untuk Memprediksi Prestasi Siswa
Full text linkPrestasi siswa merupakan aspek krusial dalam dunia pendidikan yang dipengaruhi oleh berbagai faktor internal dan eksternal. Namun, memprediksi prestasi siswa dengan akurasi tinggi tetap menjadi tantangan bagi para pendidik dan peneliti. Studi ini bertujuan untuk membangun model prediksi yang mampu mengidentifikasi faktor-faktor utama yang berkontribusi terhadap prestasi siswa menggunakan algoritma regresi linear berganda. Model ini dikembangkan dengan menerapkan pendekatan Cross-Industry Standard Process for Data Mining (CRISP-DM), yang terdiri dari tahapan pemahaman bisnis, pengumpulan data, persiapan data, pemodelan, serta evaluasi. Faktor-faktor yang dianalisis dalam penelitian ini mencakup fasilitas belajar, kebiasaan belajar, partisipasi dalam kursus tambahan, motivasi diri, dan dukungan orang tua. Pengumpulan data dilakukan melalui survei kuesioner kepada 100 siswa Sekolah Menengah Atas (SMA) yang tersebar di beberapa wilayah. Hasil analisis menunjukkan bahwa dukungan orang tua memiliki pengaruh terbesar terhadap prestasi siswa, diikuti oleh motivasi diri, kebiasaan belajar, dan partisipasi dalam kursus tambahan. Namun, evaluasi model regresi menunjukkan nilai R² sebesar -0,34, yang mengindikasikan bahwa model belum optimal dalam menjelaskan variabilitas data target. Temuan ini menunjukkan bahwa regresi linear berganda mungkin bukan metode terbaik untuk prediksi prestasi siswa, dan diperlukan pendekatan yang lebih kompleks seperti machine learning non-linear atau model berbasis AI. Studi ini memberikan wawasan penting bagi pendidik dan pembuat kebijakan dalam memahami faktor utama yang berkontribusi terhadap prestasi siswa. Selain itu, penelitian ini merekomendasikan pengembangan model prediksi yang lebih canggih guna meningkatkan akurasi hasil dan memberikan rekomendasi berbasis data bagi institusi pendidikan.Prestasi siswa merupakan aspek krusial dalam dunia pendidikan yang dipengaruhi oleh berbagai faktor internal dan eksternal. Namun, memprediksi prestasi siswa dengan akurasi tinggi tetap menjadi tantangan bagi para pendidik dan peneliti. Studi ini bertujuan untuk membangun model prediksi yang mampu mengidentifikasi faktor-faktor utama yang berkontribusi terhadap prestasi siswa menggunakan algoritma regresi linear berganda. Model ini dikembangkan dengan menerapkan pendekatan Cross-Industry Standard Process for Data Mining (CRISP-DM), yang terdiri dari tahapan pemahaman bisnis, pengumpulan data, persiapan data, pemodelan, serta evaluasi. Faktor-faktor yang dianalisis dalam penelitian ini mencakup fasilitas belajar, kebiasaan belajar, partisipasi dalam kursus tambahan, motivasi diri, dan dukungan orang tua. Pengumpulan data dilakukan melalui survei kuesioner kepada 100 siswa Sekolah Menengah Atas (SMA) yang tersebar di beberapa wilayah. Hasil analisis menunjukkan bahwa dukungan orang tua memiliki pengaruh terbesar terhadap prestasi siswa, diikuti oleh motivasi diri, kebiasaan belajar, dan partisipasi dalam kursus tambahan. Namun, evaluasi model regresi menunjukkan nilai R² sebesar -0,34, yang mengindikasikan bahwa model belum optimal dalam menjelaskan variabilitas data target. Temuan ini menunjukkan bahwa regresi linear berganda mungkin bukan metode terbaik untuk prediksi prestasi siswa, dan diperlukan pendekatan yang lebih kompleks seperti machine learning non-linear atau model berbasis AI. Studi ini memberikan wawasan penting bagi pendidik dan pembuat kebijakan dalam memahami faktor utama yang berkontribusi terhadap prestasi siswa. Selain itu, penelitian ini merekomendasikan pengembangan model prediksi yang lebih canggih guna meningkatkan akurasi hasil dan memberikan rekomendasi berbasis data bagi institusi pendidikan
Fashion Cerdas: AI dan Masa Depan Industri Mode
Full text linkIndustri fashion mengalami transformasi fundamental dengan integrasi kecerdasan buatan (AI) dalam berbagai aspek, mulai dari desain, produksi, hingga pemasaran. AI telah merevolusi cara industri ini beroperasi dengan memungkinkan personalisasi tren, prediksi permintaan pasar, serta optimalisasi rantai pasok secara lebih efisien dan akurat. Teknologi berbasis machine learning, computer vision, dan natural language processing berperan dalam menganalisis data konsumen, mengembangkan desain otomatis, serta meningkatkan pengalaman pelanggan melalui sistem rekomendasi berbasis AI. Selain itu, AI berkontribusi dalam pengurangan limbah produksi melalui optimalisasi penggunaan bahan baku dan prediksi tren mode yang lebih presisi, sehingga meningkatkan aspek keberlanjutan industri fashion. Penelitian ini meninjau penerapan AI dalam industri fashion dengan fokus pada berbagai teknologi inovatif yang digunakan dalam pengembangan desain fashion, e-commerce, serta manajemen rantai pasok. Studi ini juga mengidentifikasi tantangan utama dalam implementasi AI, termasuk biaya investasi tinggi, ketergantungan pada data berkualitas, serta isu etika terkait bias algoritma dan dampak terhadap tenaga kerja manusia. Meskipun menghadapi tantangan tersebut, penerapan AI menawarkan peluang besar untuk meningkatkan efisiensi operasional, mempercepat inovasi desain, dan memperkuat daya saing industri fashion di tingkat global. Dengan berkembangnya teknologi AI, industri fashion diharapkan dapat lebih adaptif, inovatif, dan berkelanjutan dalam menghadapi dinamika pasar global. Hasil penelitian ini dapat memberikan wawasan bagi akademisi dan praktisi industri fashion dalam memahami potensi serta implikasi jangka panjang dari adopsi AI, sekaligus mendorong penelitian lebih lanjut mengenai integrasi teknologi ini dalam berbagai aspek industri fashion.Industri fashion mengalami transformasi fundamental dengan integrasi kecerdasan buatan (AI) dalam berbagai aspek, mulai dari desain, produksi, hingga pemasaran. AI telah merevolusi cara industri ini beroperasi dengan memungkinkan personalisasi tren, prediksi permintaan pasar, serta optimalisasi rantai pasok secara lebih efisien dan akurat. Teknologi berbasis machine learning, computer vision, dan natural language processing berperan dalam menganalisis data konsumen, mengembangkan desain otomatis, serta meningkatkan pengalaman pelanggan melalui sistem rekomendasi berbasis AI. Selain itu, AI berkontribusi dalam pengurangan limbah produksi melalui optimalisasi penggunaan bahan baku dan prediksi tren mode yang lebih presisi, sehingga meningkatkan aspek keberlanjutan industri fashion. Penelitian ini meninjau penerapan AI dalam industri fashion dengan fokus pada berbagai teknologi inovatif yang digunakan dalam pengembangan desain fashion, e-commerce, serta manajemen rantai pasok. Studi ini juga mengidentifikasi tantangan utama dalam implementasi AI, termasuk biaya investasi tinggi, ketergantungan pada data berkualitas, serta isu etika terkait bias algoritma dan dampak terhadap tenaga kerja manusia. Meskipun menghadapi tantangan tersebut, penerapan AI menawarkan peluang besar untuk meningkatkan efisiensi operasional, mempercepat inovasi desain, dan memperkuat daya saing industri fashion di tingkat global. Dengan berkembangnya teknologi AI, industri fashion diharapkan dapat lebih adaptif, inovatif, dan berkelanjutan dalam menghadapi dinamika pasar global. Hasil penelitian ini dapat memberikan wawasan bagi akademisi dan praktisi industri fashion dalam memahami potensi serta implikasi jangka panjang dari adopsi AI, sekaligus mendorong penelitian lebih lanjut mengenai integrasi teknologi ini dalam berbagai aspek industri fashion
Implementation of a Decision Support System for Selecting the Best Supplier Using the SAW Method
Full text linkThis study aims to design and implement a Decision Support System (DSS) based on the Simple Additive Weighting (SAW) method in the process of selecting the best supplier within the Micro, Small, and Medium Enterprises (MSMEs) environment, with a case study on Thaiyo Thaitea. In the face of increasingly competitive business environments, choosing the right supplier is a crucial factor in maintaining operational efficiency and service quality. However, the supplier selection process is often subjective and unstructured. Therefore, the SAW method is implemented to provide an objective and systematic approach to evaluating multiple supplier alternatives based on various criteria. This study uses five main criteria in supplier evaluation: price, product quality, completeness, delivery timeliness, and service. The SAW method allows for weighting and normalizing these criteria, resulting in a quantitative ranking of suppliers. The research findings indicate that supplier H. Slamet (A1) achieved the highest score (12.01), making it the best choice for Thaiyo Thaitea. System validation was conducted using the Black Box method to test the application's reliability and functionality. The test results demonstrate that all core features, including criteria data management, assessment processes, and user authentication, function as expected. This study provides practical contributions to improving efficiency and objectivity in the decision-making process for MSMEs. The study's implications indicate that the implementation of the SAW method in DSS can produce more transparent, accurate, and structured decisions. This research opens opportunities for further development through real-time data integration or comparisons with other Multi-Criteria Decision Making (MCDM) methods to enhance decision-making flexibility and accuracy in the future.This study aims to design and implement a Decision Support System (DSS) based on the Simple Additive Weighting (SAW) method in the process of selecting the best supplier within the Micro, Small, and Medium Enterprises (MSMEs) environment, with a case study on Thaiyo Thaitea. In the face of increasingly competitive business environments, choosing the right supplier is a crucial factor in maintaining operational efficiency and service quality. However, the supplier selection process is often subjective and unstructured. Therefore, the SAW method is implemented to provide an objective and systematic approach to evaluating multiple supplier alternatives based on various criteria. This study uses five main criteria in supplier evaluation: price, product quality, completeness, delivery timeliness, and service. The SAW method allows for weighting and normalizing these criteria, resulting in a quantitative ranking of suppliers. The research findings indicate that supplier H. Slamet (A1) achieved the highest score (12.01), making it the best choice for Thaiyo Thaitea. System validation was conducted using the Black Box method to test the application's reliability and functionality. The test results demonstrate that all core features, including criteria data management, assessment processes, and user authentication, function as expected. This study provides practical contributions to improving efficiency and objectivity in the decision-making process for MSMEs. The study's implications indicate that the implementation of the SAW method in DSS can produce more transparent, accurate, and structured decisions. This research opens opportunities for further development through real-time data integration or comparisons with other Multi-Criteria Decision Making (MCDM) methods to enhance decision-making flexibility and accuracy in the future
Analisis Kinerja ESP32-CAM Dalam Mendeteksi Objek
Full text linkDeteksi objek merupakan salah satu komponen kunci dalam sistem visi komputer yang banyak digunakan pada berbagai aplikasi seperti pengawasan, otomasi, dan sistem berbasis Internet of Things (IoT). Namun, penerapan algoritma deteksi berbasis deep learning umumnya memerlukan sumber daya komputasi tinggi yang tidak sesuai untuk perangkat berbiaya rendah seperti ESP32-CAM. Penelitian ini bertujuan untuk menganalisis kinerja ESP32-CAM dalam mendeteksi objek menggunakan algoritma YOLOv3, serta mengkaji pengaruh berbagai kondisi lingkungan terhadap hasil deteksi. Studi ini menggunakan pendekatan eksperimental dengan lima skenario pengujian yang mencakup variabel pencahayaan (siang dan malam), gerakan kamera (bergerak dan tidak bergerak), resolusi gambar (800×600 dan 1280×1024 piksel), serta ukuran objek (kecil, sedang, dan besar). Evaluasi dilakukan dengan mengukur tingkat akurasi deteksi, waktu pemrosesan per frame, serta kejernihan citra pada masing-masing skenario. Hasil pengujian menunjukkan bahwa ESP32-CAM mampu mendeteksi objek dengan akurasi tertinggi sebesar 73% pada kondisi siang hari dengan pencahayaan optimal dan kamera statis. Akurasi menurun secara signifikan dalam kondisi gelap, saat kamera bergerak, serta ketika objek berukuran kecil. Penelitian ini menegaskan bahwa keberhasilan deteksi sangat dipengaruhi oleh pengaturan lingkungan dan karakteristik objek. Meskipun ESP32-CAM memiliki keterbatasan dalam daya komputasi dan memori, hasil penelitian ini membuktikan bahwa perangkat ini tetap layak digunakan untuk sistem deteksi objek sederhana dalam lingkungan terkendali. Penelitian ini memberikan kontribusi praktis dalam pengembangan sistem deteksi visual berbasis perangkat ringan, dan menawarkan rekomendasi teknis untuk meningkatkan performa melalui pengaturan lingkungan dan pemilihan parameter yang tepat.Deteksi objek merupakan salah satu komponen kunci dalam sistem visi komputer yang banyak digunakan pada berbagai aplikasi seperti pengawasan, otomasi, dan sistem berbasis Internet of Things (IoT). Namun, penerapan algoritma deteksi berbasis deep learning umumnya memerlukan sumber daya komputasi tinggi yang tidak sesuai untuk perangkat berbiaya rendah seperti ESP32-CAM. Penelitian ini bertujuan untuk menganalisis kinerja ESP32-CAM dalam mendeteksi objek menggunakan algoritma YOLOv3, serta mengkaji pengaruh berbagai kondisi lingkungan terhadap hasil deteksi. Studi ini menggunakan pendekatan eksperimental dengan lima skenario pengujian yang mencakup variabel pencahayaan (siang dan malam), gerakan kamera (bergerak dan tidak bergerak), resolusi gambar (800×600 dan 1280×1024 piksel), serta ukuran objek (kecil, sedang, dan besar). Evaluasi dilakukan dengan mengukur tingkat akurasi deteksi, waktu pemrosesan per frame, serta kejernihan citra pada masing-masing skenario. Hasil pengujian menunjukkan bahwa ESP32-CAM mampu mendeteksi objek dengan akurasi tertinggi sebesar 73% pada kondisi siang hari dengan pencahayaan optimal dan kamera statis. Akurasi menurun secara signifikan dalam kondisi gelap, saat kamera bergerak, serta ketika objek berukuran kecil. Penelitian ini menegaskan bahwa keberhasilan deteksi sangat dipengaruhi oleh pengaturan lingkungan dan karakteristik objek. Meskipun ESP32-CAM memiliki keterbatasan dalam daya komputasi dan memori, hasil penelitian ini membuktikan bahwa perangkat ini tetap layak digunakan untuk sistem deteksi objek sederhana dalam lingkungan terkendali. Penelitian ini memberikan kontribusi praktis dalam pengembangan sistem deteksi visual berbasis perangkat ringan, dan menawarkan rekomendasi teknis untuk meningkatkan performa melalui pengaturan lingkungan dan pemilihan parameter yang tepat
Forecasting the Inflation Rate in Lampung Province Using the ARIMA Method
Full text linkInflation is one of the key indicators that reflects the economic stability of a region. Inflation instability can directly impact the purchasing power of the population, increase poverty rates, and create imbalances in macroeconomic policies. In Lampung Province, inflation fluctuations have become a significant issue requiring attention, particularly in the context of regional economic planning and policy-making. This study forecasts the inflation rate using the Autoregressive Integrated Moving Average (ARIMA) method, which is known to be effective in analyzing time series data and providing accurate short-term estimates. The data used comprises monthly inflation rates from 2006 to 2023, obtained from the Central Bureau of Statistics (BPS) of Lampung Province. Five ARIMA model configurations were tested: ARIMA(3,1,2), ARIMA(3,1,1), ARIMA(2,1,1), ARIMA(1,1,1), and ARIMA(5,1,1). Based on the evaluation of the Akaike Information Criterion (AIC) and Mean Absolute Percentage Error (MAPE), the ARIMA(1,1,1) model was identified as the best-performing model, with the lowest AIC value and a MAPE of 0.57. The model also passed diagnostic tests, including residual normality and white noise assessment using the Ljung-Box test. The forecasting results indicate a gradual upward trend in inflation, with predicted rates of 0.23% in January 2024, 0.29% in February 2024, and 0.30% in March 2024. These findings provide early indications that inflation in Lampung Province tends to increase in the short term, and can serve as a basis for formulating more targeted regional inflation control policies.Inflation is one of the key indicators that reflects the economic stability of a region. Inflation instability can directly impact the purchasing power of the population, increase poverty rates, and create imbalances in macroeconomic policies. In Lampung Province, inflation fluctuations have become a significant issue requiring attention, particularly in the context of regional economic planning and policy-making. This study forecasts the inflation rate using the Autoregressive Integrated Moving Average (ARIMA) method, which is known to be effective in analyzing time series data and providing accurate short-term estimates. The data used comprises monthly inflation rates from 2006 to 2023, obtained from the Central Bureau of Statistics (BPS) of Lampung Province. Five ARIMA model configurations were tested: ARIMA(3,1,2), ARIMA(3,1,1), ARIMA(2,1,1), ARIMA(1,1,1), and ARIMA(5,1,1). Based on the evaluation of the Akaike Information Criterion (AIC) and Mean Absolute Percentage Error (MAPE), the ARIMA(1,1,1) model was identified as the best-performing model, with the lowest AIC value and a MAPE of 0.57. The model also passed diagnostic tests, including residual normality and white noise assessment using the Ljung-Box test. The forecasting results indicate a gradual upward trend in inflation, with predicted rates of 0.23% in January 2024, 0.29% in February 2024, and 0.30% in March 2024. These findings provide early indications that inflation in Lampung Province tends to increase in the short term, and can serve as a basis for formulating more targeted regional inflation control policies
Implementasi Arsitektur Microservices pada Pengembangan Aplikasi Absensi Web Terdistribusi
Full text linkAbsensi merupakan bagian penting dalam manajemen sumber daya manusia (SDM) di berbagai instansi. Namun, sistem absensi manual atau terpusat masih banyak digunakan, sehingga sering menimbulkan masalah seperti keterlambatan pencatatan, kurangnya transparansi, dan keterbatasan akses data secara real-time. Permasalahan tersebut dapat menghambat efektivitas pengelolaan kehadiran pegawai. Untuk mengatasinya, penelitian ini menghadirkan inovasi berupa pengembangan aplikasi absensi web terdistribusi berbasis arsitektur microservices. Tujuan dari penelitian ini adalah menciptakan sistem absensi yang lebih fleksibel, skalabel, serta mudah dipelihara dengan membagi fungsi utama sistem ke dalam layanan independen, seperti autentikasi, manajemen karyawan, dan pencatatan absensi. Pengembangan aplikasi dilakukan dengan menerapkan prinsip microservices, di mana setiap layanan berjalan secara mandiri dan saling terhubung melalui protokol HTTP REST. Metode pengujian yang digunakan meliputi black-box testing untuk memastikan setiap fitur berjalan sesuai fungsinya, serta User Acceptance Testing (UAT) untuk menilai kenyamanan dan penerimaan pengguna terhadap sistem. Pengujian juga dilakukan pada skenario ketahanan layanan jika salah satu service mengalami gangguan. Hasil penelitian menunjukkan bahwa implementasi arsitektur microservices pada aplikasi absensi web mampu meningkatkan fleksibilitas pengelolaan data, kemudahan pengembangan, dan pemeliharaan sistem. Sistem yang dibangun juga terbukti tangguh terhadap kegagalan sebagian layanan dan mendukung kontrol akses berbasis peran, pelacakan absensi real-time, serta pelaporan absensi yang terstruktur. Temuan ini penting karena dapat memberikan solusi efektif bagi instansi yang membutuhkan sistem absensi digital yang efisien, transparan, dan mudah dikembangkan ke skala lebih besar di masa mendatang.Absensi merupakan bagian penting dalam manajemen sumber daya manusia (SDM) di berbagai instansi. Namun, sistem absensi manual atau terpusat masih banyak digunakan, sehingga sering menimbulkan masalah seperti keterlambatan pencatatan, kurangnya transparansi, dan keterbatasan akses data secara real-time. Permasalahan tersebut dapat menghambat efektivitas pengelolaan kehadiran pegawai. Untuk mengatasinya, penelitian ini menghadirkan inovasi berupa pengembangan aplikasi absensi web terdistribusi berbasis arsitektur microservices. Tujuan dari penelitian ini adalah menciptakan sistem absensi yang lebih fleksibel, skalabel, serta mudah dipelihara dengan membagi fungsi utama sistem ke dalam layanan independen, seperti autentikasi, manajemen karyawan, dan pencatatan absensi. Pengembangan aplikasi dilakukan dengan menerapkan prinsip microservices, di mana setiap layanan berjalan secara mandiri dan saling terhubung melalui protokol HTTP REST. Metode pengujian yang digunakan meliputi black-box testing untuk memastikan setiap fitur berjalan sesuai fungsinya, serta User Acceptance Testing (UAT) untuk menilai kenyamanan dan penerimaan pengguna terhadap sistem. Pengujian juga dilakukan pada skenario ketahanan layanan jika salah satu service mengalami gangguan. Hasil penelitian menunjukkan bahwa implementasi arsitektur microservices pada aplikasi absensi web mampu meningkatkan fleksibilitas pengelolaan data, kemudahan pengembangan, dan pemeliharaan sistem. Sistem yang dibangun juga terbukti tangguh terhadap kegagalan sebagian layanan dan mendukung kontrol akses berbasis peran, pelacakan absensi real-time, serta pelaporan absensi yang terstruktur. Temuan ini penting karena dapat memberikan solusi efektif bagi instansi yang membutuhkan sistem absensi digital yang efisien, transparan, dan mudah dikembangkan ke skala lebih besar di masa mendatang
Pengaruh Kepemimpinan dan Motivasi Kerja Terhadap Disiplin Kerja Karyawan (Studi Pada PT. Dipo Internasional Pahala Otomotif Pekanbaru Bagian Departemen Service)
Full text linkKeberhasilan suatu perusahaan dapat ditentukan dengan melihat sumber daya manusianya. Sebab, sumber daya manusia yang akan menjadi penggerak sehingga dapat mendukung kinerja perusahaan dimasa depan. Maka sangat penting bagi bisnis untuk memiliki sumber daya manusia yang terampil dan berkualitas. Oleh karena itu, penting bagi perusahaan melakukan seleksi saat perekrutan karyawan, serta manajemen sumber daya manusia dengan baik agar tujuan perusahaan dapat tercapai. Tujuan pada penelitian ini untuk memahami bagaimana kepemimpinan dan motivasi kerja mempengaruhi disiplin kerja karyawan di PT. Dipo Internasioanal Pahala Otomotif Pekanbaru Bagaian Departemen Service. Adapun permasalahan dalam penelitian ini yaitu disiplin kerja yang menurun dalam beberapa tahun terakhir. Sampel penelitian diambil dari keseluruhan karyawan yaitu 64 orang. Penelitian ini masuk dalam jenis penelitian kuantitatif yang menggunakan prosedur pengumpulan data berupa kuesioner atau angket dan disebarkan dengan memanfaatkan teknik sampling total. Data yang didapatkan dari hasil penyebaran kuesioner diolah dengan program analisis SPSS 24. Hasil pengujian menunjukkan bahwa variabel kepemimpinan memiliki dampak pada disiplin kerja karyawan, didapatkan nilai thitung = 2.468 > ttabel 1.998 serta sig 0.016 < 0.05. Kemudian motivasi kerja mempunyai pengaruh terhadap displin kerja, didaptkan thitung = 4.105 > ttabel 1.998 serta sig 0.000 < 0.05. Selanjutnya kepemimpinan dan motivasi kerja terhadap disiplin kerja, dengan fhitung 45.370 > ftabel 3.15, serta sig 0.000 < 0.005
Pengaruh Budaya Organisasi dan Gaya Kepemimpinan Transformasional Terhadap Komitmen Organisasi Melalui Motivasi Keja Sebagai Variabel Intervening
Full text linkPenelitian ini mengkaji pengaruh budaya organisasi dan gaya kepemimpinan transformasional terhadap komitmen organisasi dengan motivasi kerja sebagai variabel intervening pada karyawan Hotel Swiss-Belinn SKA Pekanbaru. Penelitian ini menggunakan metode deskriptif kuantitatif dengan penyebaran kuesioner kepada 95 karyawan. Teknik pengambilan sampel adalah sampling jenuh, di mana seluruh populasi digunakan sebagai sampel. Analisis data dilakukan menggunakan SmartPLS 3.2 untuk menguji hubungan antara variabel. Hasil penelitian menunjukkan bahwa budaya organisasi tidak memiliki pengaruh signifikan terhadap komitmen organisasi dengan nilai t-statistik sebesar 1.141 (p-value 0.254). Namun, gaya kepemimpinan transformasional memiliki pengaruh signifikan terhadap komitmen organisasi dengan nilai t-statistik sebesar 3.365 (p-value 0.001). Motivasi kerja ditemukan memiliki peran mediasi signifikan dalam hubungan antara budaya organisasi dan komitmen organisasi dengan nilai t-statistik sebesar 4.543 (p-value 0.000). Sebaliknya, pengaruh mediasi motivasi kerja antara gaya kepemimpinan transformasional dan komitmen organisasi tidak signifikan dengan nilai t-statistik sebesar 1.677 (p-value 0.094). Penelitian ini menyoroti pentingnya gaya kepemimpinan transformasional dalam meningkatkan komitmen organisasi melalui motivasi kerja, meskipun budaya organisasi sendiri tidak menunjukkan pengaruh langsung yang signifikan. Implikasi praktis dari penelitian ini adalah bahwa manajemen hotel perlu fokus pada pengembangan dan pemeliharaan gaya kepemimpinan transformasional yang efektif untuk meningkatkan motivasi dan komitmen karyawan. Penelitian ini memberikan wawasan berharga bagi praktisi dan akademisi dalam mengelola sumber daya manusia di industri perhotelan yang kompetitif
PENGARUH LITERASI KEUANGAN DAN AKSES KEUANGAN TERHADAP PERTUMBUHAN UMKM BIDANG KULINER DI KOTA SEMARANG MELALUI PENDANAAN EKSTERNAL SEBAGAI VARIABEL INTERVENING
Full text linkUMKM memiliki kontribusi secara signifikan dalam mendorong pertumbuhan perekonomian di Indonesia. Namun, pandemi covid-19 telah berdampak buruk bagi perekonomian global tak terkecuali bagi sektor UMKM di Indonesia, sehingga berdampak pada penurunan pendapatan, penurunan aset, dan produktivitas bagi pelaku usaha. Untuk itu penelitian ini bertujuan untuk menguji bagaimana Literasi keuangan dan Akses keuangan dapat mempengaruhi Pertumbuhan UMKM Bidang Kuliner di Kota Semarang melalui Pendanaan eksternal sebagai solusi atas permasalahan permodalan yang dimiliki oleh pelaku usaha mikro, kecil, dan menengah bidang kuliner Kota Semarang. Penelitian ini menggunakan pendekatan kuantitafif deskriptif melalui data primer dan penyebaran kuesioner kepada 100 responden pada seluruh pelaku UMKM bidang kuliner di Kota Semarang. teknik yang digunakan yaitu non-probability sampling dan purposive sampling dalam menentukan sampel penelitian. Temuan penelitian ini menunjukkan dampak positif dan signifikan pada hubungan Literasi keuangan dan Akses keuangan terhadap pertumbuhan UMKM serta Pendanaan eksternal mampu menjadi variabel intervening pada penelitian ini. Rekomendasi Pendanaan tersebut diharapkan dapat berkontribusi untuk mewujudkan solusi untuk perkembangan usaha yang berkelanjutan.UMKM memiliki kontribusi secara signifikan dalam mendorong pertumbuhan perekonomian di Indonesia. Namun, pandemi covid-19 telah membawa dampak buruk bagi perekonomian dunia tak terkecuali bagi sektor UMKM di Indonesia, sehingga berdampak pada penurunan pendapatan, penurunan aset, dan produktivitas bagi pelaku usaha. Untuk itu penelitian ini bertujuan untuk menguji bagaimana Pengaruh Literasi keuangan dan Akses keuangan terhadap Pertumbuhan UMKM Bidang Kuliner di Kota Semarang melalui Pendanaan eksternal sebagai solusi atas permasalahan permodalan yang dimiliki oleh pelaku usaha mikro, kecil, dan menengah bidang kuliner Kota Semarang. Penelitian ini menggunakan pendekatan kuantitafif deskriptif melalui data primer dan penyebaran kuesioner kepada 100 responden pada seluruh pelaku UMKM bidang kuliner di Kota Semarang. teknik yang digunakan yaitu non-probability sampling dan purposive sampling dalam menentukan sampel penelitian. Hasil penelitian ini menunjukkan dampak positif dan signifikan pada hubungan Literasi keuangan dan Akses keuangan terhadap pertumbuhan UMKM serta Pendanaan eksternal mampu menjadi variabel intervening pada penelitian ini. Rekomendasi Pendanaan tersebut diharapkan dapat berkontribusi untuk mewujudkan solusi untuk perkembangan usaha yang berkelanjutan