Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Hikamatzu Journal of Multidisciplinary Research Journal of Education and Pedagogy
Vina Yunistiyani
Politeknik Negeri Semarang
Religion Humanities Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Library & Information Science Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Evaluasi Kualitas Materi Pembelajaran ERP Odoo Modul Point of Sale pada Praktikum ERP Rahmawati Ulfah; Vina Yunistiyani; Sarana Sarana
Journal of Education and Pedagogy Vol. 3 No. 1 (2026): April
Publisher : CV Rena Cipta Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62354/jep.v3i1.62

Abstract

Perkembangan teknologi informasi telah mendorong pemanfaatan Enterprise Resource Planning (ERP) sebagai media pembelajaran untuk meningkatkan kompetensi mahasiswa yang sesuai dengan kebutuhan industri. Salah satu aplikasi ERP yang banyak digunakan dalam pembelajaran adalah Odoo, khususnya modul Point of Sale (PoS) yang memungkinkan mahasiswa memahami proses bisnis secara terintegrasi. Penelitian ini bertujuan untuk mengevaluasi kualitas materi pembelajaran ERP Odoo modul Point of Sale (PoS) serta menganalisis pengaruhnya terhadap kepuasan mahasiswa pada kegiatan praktikum ERP. Penelitian menggunakan pendekatan kuantitatif dengan metode survei. Responden penelitian adalah mahasiswa Program Studi Komputerisasi Akuntansi Politeknik Negeri Semarang yang telah mengikuti praktikum ERP Odoo. Data dikumpulkan menggunakan kuesioner skala Likert dan dianalisis menggunakan metode Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil penelitian menunjukkan bahwa seluruh indikator memenuhi kriteria validitas dan reliabilitas dengan nilai outer loading di atas 0,70, nilai Average Variance Extracted (AVE) di atas 0,50, serta nilai Composite Reliability dan Cronbach’s Alpha di atas 0,70. Evaluasi menunjukkan bahwa kualitas materi pembelajaran ERP Odoo dinilai baik oleh mahasiswa. Namun, hasil model struktural menunjukkan bahwa kualitas materi memiliki pengaruh yang sangat lemah terhadap kepuasan mahasiswa dengan koefisien jalur sebesar -0,083 dan nilai R² sebesar 0,007. Temuan ini menunjukkan bahwa kepuasan mahasiswa kemungkinan lebih dipengaruhi oleh faktor lain di luar kualitas materi pembelajaran.
Use of Artificial Intelligence (AI) and Machine Learning (ML) in Corporate Governance against Financial Fraud Alfiyah Aditya Rahmawati; Zakia Maulida Antono; Vina Yunistiyani
Hikamatzu | Journal of Multidisciplinary Vol. 2 No. 2 (2025): Multidisciplinary Approach
Publisher : Hikamatzu | Journal of Multidisciplinary

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Financial fraud continues to pose significant risks to global economic stability, encouraging the growing adoption of artificial intelligence (AI) and machine learning (ML) within corporate governance frameworks. This bibliometric review analyzes 46 articles published between 2017 and 2025, revealing a strong annual growth rate of 35.7%, indicating increasing scholarly attention to this research domain. The findings show that China and India are the most productive countries, followed by the United Kingdom, reflecting the expanding geographical distribution of AI- and ML-based fraud research. Key contributing authors include Chen Y, Li Y, and Wu Z. Keyword and trend analyses highlight emerging research themes such as fraud detection, deep learning, learning systems, and crime-related risk assessment. Recent studies increasingly emphasize advanced ML techniques and AI-driven governance mechanisms to strengthen fraud prevention and monitoring. Future research should further explore comparative empirical evidence on AI and ML effectiveness in corporate governance systems, particularly across different regulatory and institutional contexts, while integrating emerging techniques such as deep learning and hybrid intelligent systems.
Co-Authors Alfiyah Aditya Rahmawati Rahmawati Ulfah Sarana Sarana Zakia Maulida Antono