Muslimah Muslimah
Universitas Nusa Mandiri

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Penggajian Online dengan Prediksi Anggaran Berbasis Machine Learning di MTs Irsyadul Athfal Depok Muhammad Rizki Beurata; Erhan Agung Wijaya; Muslimah Muslimah; Frisma Handayanna
Jurnal Komputer Antartika Vol. 4 No. 1 (2026): Maret
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i1.1318

Abstract

Pengelolaan penggajian tenaga pendidik secara manual berpotensi menimbulkan kesalahan perhitungan, duplikasi data serta keterlambatan pelaporan keuangan. Penelitian ini bertujuan mengembangkan sistem penggajian online berbasis web yang terintegrasi dengan fitur prediksi anggaran menggunakan metode Machine Learning Regresi Linear Sederhana pada MTs Irsyadul Athfal. Metode pengembangan sistem menggunakan System Development Life Cycle (SDLC) model Waterfall yang terdiri dari analisis kebutuhan, perancangan sistem, implementasi, pengujian dan pemeliharaan. Sistem dikembangkan menggunakan PHP dan MySQL. Model prediksi dibangun berdasarkan data historis penggajian untuk memperkirakan kebutuhan anggaran periode berikutnya. Hasil penelitian menunjukkan bahwa sistem mampu mengotomatisasi proses absensi, perhitungan gaji, pembuatan laporan serta menghasilkan estimasi anggaran dengan tingkat akurasi yang baik. Sistem ini meningkatkan efisiensi administrasi dan membantu manajemen dalam pengambilan keputusan berbasis data.   Manual payroll management may lead to miscalculations, data duplication, and delayed financial reporting. This study aims to develop a web-based online payroll system integrated with a budget prediction feature using a Simple Linear Regression Machine Learning method at MTs Irsyadul Athfal. The system development applies the Waterfall model of the System Development Life Cycle (SDLC), including requirement analysis, system design, implementation, testing, and maintenance. The system is built using PHP and MySQL. The prediction model utilizes historical payroll data to estimate future budget requirements. The results show that the system successfully automates attendance management, salary calculation, reporting, and budget forecasting with satisfactory accuracy. The system improves administrative efficiency and supports data-driven managerial decision-making