No abstract

No abstract

Pengelolaan keuangan pada koperasi secara manual akan menyulitkan dalam pembuatan laporan keuangan yang representatif secara tepat waktu. Selain karena kurangnya pemahaman SDM yang ada terhadap sistem akuntansi, pengarsipan dan pembukuan transaksi secara manual memerlukan waktu yang lama dalam inventarisasi atau rekap transaksi. Pemanfaatan teknologi informasi berupa perangkat lunak akuntansi dibutuhkan untuk memasukkan data setiap transaksi agar tersimpan secara digital sehingga dapat dilakukan pemrosesan secara otomatis dalam pembuatan laporan keuangan yang sesuai dengan prinsip akuntansi. Namun, implementasi perangkat lunak akuntansi harus  diiringi dengan Standard Operating Procedure (SOP) yang sesuai dan jelas agar dalam operasional dan input transaksi bisa sesuai dan laporan yang dihasilkan sesuai dengan yang diharapkan. Oleh karena itu, proses diskusi untuk penggalian permasalahan transaksi dan pembuatan panduan operasional yang tepat perlu untuk disusun dan di-training-kan ke pengurus dan pengelola koperasi. Kegiatan ini diharapkan dapat meningkatkan SDM dari lembaga mitra kegiatan dalam hal pembuatan laporan keuangan secara akurat dan efisien dengan memanfaatkan teknologi informasi yang sudah terstandardisasi dengan prinsip akuntansi untuk entitas tanpa akuntabilitas publik (SAK-ETAP) yang menjadi dasar dalam penyusunan laporan koperasi. Berdasarkan hasil survey pasca kegiatan, 80% peserta menyatakan bahwa modul standar prosedur operasional atau SOP bagi SDM koperasi yang disusun sangat membantu dalam menjalankan aktivitas hariannya, terutama dalam melakukan input data transaksi ke dalam sistem. Selanjutnya proses pengawasan atau pendampingan secara berkala tetap diperlukan guna menjaga agar system tetap dijalankan dengan baik sesuai dengan SOP yang ada.

<p><em><span lang="IN">Stunting</span></em><span lang="IN"> atau kasus balita kerdil/pendek adalah salah satu masalah di bidang kesehatan yang saat ini sedang dihadapi oleh masyarakat Indonesia. Provinsi Jawa Timur memiliki nilai prevalensi <em>stunting</em> sebesar 26,8% berdasarkan integrasi data Kementerian Kesehatan dan Badan Pusat Statistik. Nilai tersebut masih tergolong tinggi karena standar minimal yang ditetapkan oleh World Health Organization (WHO) adalah sebesar 20%. Oleh karena itu, penelitian ini bertujuan untuk memberikan kontribusi dalam penyelesaian permasalahan <em>stunting</em> di Provinsi Jawa Timur dengan cara menganalisis faktor-faktor yang diprediksi bisa memengaruhi tingkat prevalensi <em>stunting</em> berdasarkan data sekunder hasil survei dari beberapa lembaga resmi dan terpercaya di bidang kesehatan yang telah dipublikasikan. </span><em><span lang="EN-US">S</span><span lang="IN">upervised machine learning</span></em><span lang="IN"> merupakan pendekatan dalam pembuatan kecerdasan buatan (<em>artificial intelligence</em>) yang menggunakan data-data berlabel sebagai data latihnya. Pendekatan ini dirasa sangat sesuai digunakan dalam prediksi nilai prevalensi <em>stunting </em>pada suatu wilayah berdasarkan data-data lain yang relevan.<em> </em> Penelitian-penelitian sebelumnya tentang prediksi prevalensi <em>stunting </em>rata-rata hanya menggunakan salah satu metode <em>supervised machine learning</em> saja dan data sekunder yang digunakan hanya bersumber dari salah satu sumber survei saja. Hasil penelitian menunjukkan bahwa </span><span lang="EN-US">faktor-faktor penyebab yang memiliki korelasi tinggi terhadap nilai prevalensi <em>stunting </em>bukan hanya Berat Badan Lahir Rendah (BBLR) saja, namun juga Indeks Pembangunan Manusia, sanitasi, dan Indeks Penduduk Miskin. </span><span lang="IN">Selain itu, beberapa metode dalam <em>supervised machine learning </em>juga dibandingkan yaitu, <em>linier regression, support vector regression, </em>dan <em>random forest regression.</em></span><em></em><span lang="EN-US">M</span><span lang="IN">etode <em>support vector regression </em></span><span lang="EN-US">dalam penelitian ini </span><span lang="IN">memiliki nilai galat yang lebih rendah yaitu 0,91 untuk MAE dan 1,30 untuk MSE.</span></p><p><span lang="IN"><br /></span></p><p><em><strong><span lang="IN">Abstract</span></strong></em></p><p><em>Stunting or the case of stunted/short toddlers is one of the problems in the health sector that is currently being faced by the people of Indonesia. East Java Province has a stunting prevalence value of 26.8% based on data integration from the Ministry of Health and the Central Statistics Agency. This value is still relatively high because the minimum standard set by the World Health Organization (WHO) is 20%. Therefore, this study aims to contribute to solving the stunting problem in East Java Province by analyzing the factors that are predicted to affect the stunting prevalence rate based on published secondary data from surveys from several official and trusted institutions in the health sector. Supervised machine learning is an approach in making artificial intelligence that uses labeled data as training data. This approach is considered very suitable to be used in predicting the value of stunting prevalence in an area based on other relevant data. Previous studies on predicting the prevalence of stunting on average only used one supervised machine learning method and the secondary data used was only sourced from one survey source. The results showed that the causative factors that have a high correlation to the prevalence of stunting are not only low birth weight (BBLR), but also the Human Development Index, sanitation, and the Poor Population Index. In addition, several methods in supervised machine learning are also compared, namely, linear regression, support vector regression, and random forest regression. The support vector regression method in this study has a lower error value, namely 0.91 for MAE and 1.30 for MSE.</em></p><p><em><strong><span lang="IN"><br /></span></strong></em></p>

Due to the expressiveness of BPMN for representing the business processes, it has replaced EPC as a de-facto process modelling standard. As such, enterprises require to transform their existing EPC business process models to BPMN to keep their competitiveness. ARIS Architect & Designer, as a popular business process modelling tool, provides a model transformation feature, e.g., EPC to BPMN. For the sake of quality, it must guarantee that the resulting model has syntactic correctness and syntactic completeness. However, there is currently limited scientific approach available to evaluate the quality of the model transformation in ARIS Architect & Designer. This study proposes an evaluation of model transformation in ARIS Architect/Designer based on syntactic correctness and syntactic completeness criteria using an experimental approach. The result shows the model transformation in ARIS Architect/Designer has not completely fulfilled the criteria. The result opens further research challenges to improve the quality of EPC to BPMN model transformation.