Claim Missing Document
Check
Articles

Found 2 Documents
Search

KLASTERISASI K-MEANS TERHADAP PARTISIPASI PENDIDIKAN PADA WILAYAH SISWA SEKOLAH TERTINGGI DI INDONESIA : IDENTIFIKASI WILAYAH PRIMA DAN WILAYAH ATENSI Muhamad Nawawi
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 13 No. 1 (2026): Prosisko Vol. 13 No. 1 Maret 2026
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v13i1.11650

Abstract

Pendidikan berfungsi sebagai pilar utama pembangunan nasional, namun ketimpangan akses dan partisipasi antarwilayah masih menjadi tantangan kritis di Indonesia. Tujuan dari penelitian ini adalah untuk melakukan pemodelan klasterisasi tingkat partisipasi 3 provinsi dengan tingkat angka sekolah tertinggi di Indonesia yakni Jawa Barat, Jawa Tengah dan Jawa Timur dengan jumlah 100 kabupaten dan kota. Penilaian menggunakan variabel Angka Partisipasi Sekolah (APS), Angka Partisipasi Murni (APM), dan Angka Partisipasi Kasar (APK) yang diturunkan menjadi 9 indikator di setiap jenjang yakni Sekolah Dasar/sederajat (SD), Sekolah Menengah Pertama/sederajat (SMP), dan Sekolah Menengah Atas/sederajat (SMA). Data sekunder yang digunakan berasal dari Badan Pusat Statistik (BPS) Indonesia untuk tahun 2023 dengan tools pemodelan menggunakan aplikasi Orange Data Mining. Metode K-Means Clustering diterapkan dan jumlah klaster yang optimal ditentukan melalui analisis Silhouette Coefficient, yang menghasilkan dua klaster dengan nilai rata-rata Silhouette lebih dari 50%, menandakan kualitas klasterisasi baik. Hasil analisis klaster menunjukkan bahwa Klaster 1 dikategorikan sebagai wilayah prima memiliki tingkat partisipasi yang tinggi di semua jenjang, dengan APS SD/SMP lebih dari 98% dan APS SMA hampir mencapai 80%. Klaster 2 dikategorikan sebagai wilayah atensi memiliki tingkat partisipasi yang kurang baik, terutama tingkat partisipasi studi pada jenjang SMA dengan APS hanya 66,80%. Wilayah dengan kategori klaster ini didominasi oleh Provinsi Jawa Barat dengan 75% kabupaten dan kota. Meskipun Provinsi Jawa Timur didominasi oleh wilayah dengan kategori klaster 1, namun kota Surabaya yang merupakan ibukota provinsi berada pada klaster 2 dengan tingkat partisipasi SMA yang rendah, ditunjukkan dengan APS SMA hanya 65,29%.
Success Factors for Implementing Robotic Process Automation (RPA) in Accounting Information Systems within the Trade Sector: a Systematic Literature Review Dony Waluya Firdaus; Ridwan Zulkifli; Muhamad Nawawi; Irawan Afrianto; Estiko Rijanto; Irfan Sumitra
@is The Best : Accounting Information Systems and Information Technology Business Enterprise Vol 10 No 2 (2025): @is The Best : Accounting Information Systems and Information Technology Busines
Publisher : Labkat Press KA FTIK UNIKOM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/aisthebest.v10i2.18687

Abstract

Digital transformation requires more operational efficiency in the trade sector, with RPA turning out to be one of the key technologies for modernizing Accounting Information Systems. This paper seeks to identify the adoption patterns and dominant factors determining the success of RPA implementation in finance and accounting functions within the trade sector-a domain which, so far, has been underexplored as compared to the banking sector. By means of a Systematic Literature Review with PRISMA 2020 guidelines, along with the bibliometric analysis of 72 Scopus-indexed articles published between 2020 and 2025, this study maps the evolution in technology adoption. The study portrays that RPA's adoption has moved beyond the automation of mere back-office repetitive tasks, such as reconciliation and data entry, toward the orchestration of end-to-end trade processes spanning procurement and logistics, while integrating with AI for handling unstructured data. The study further finds evidence that successful implementation relies on a maturity path leading from accurate selection of routine and high-volume processes to standardization of data input. The sustainability of RPA advantages is defined by organizational capabilities through CoE and successful change management, while supported by strategic governance through alignment of business objectives with information technology.   The result of this study provides a theoretical framework and practical guidance for trading firms in ensuring investments in RPA result in performance metrics and increased compliance.