Ramadhany, Achmad
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pengembangan sistem informasi integratif PPh21 berdasarkan PMK 66/2023 untuk pengelolaan insentif kendaraan menggunakan kombinasi metode Agile dan RAD Safri, Safri; Ramadhany, Achmad; Edwil Longdong, Marcelino Paul
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 12 No 2 (2025): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v12i2.1479

Abstract

Penelitian ini bertujuan Pengembangkan Sistem Informasi Integratif untuk pengelolaan insentif kendaraan dan pemotongan PPh21 berdasarkan PMK 66/2023. Sistem dikembangkan dengan pendekatan Agile Development untuk fleksibilitas proses dan Rapid Application Development (RAD) guna percepatan pengolahan data. Penelitian dimulai dari identifikasi kebutuhan, desain Use Case dan ERD, hingga pengembangan sistem dalam empat sprint utama menggunakan Laravel, MySQL, dan Vue.js. Pengujian mencakup unit, integrasi, sistem, dan user acceptance testing (UAT), dengan validasi mencapai akurasi 99%. Sistem telah diimplementasikan secara real-time setelah migrasi ke server produksi. Tantangan yang dihadapi antara lain perubahan kebutuhan pengguna, keterbatasan dana dan waktu uji coba, serta gangguan teknis server. Rencana lanjutan mencakup integrasi sistem payroll, pengembangan aplikasi mobile, dan penerapan machine learning. Hasil penelitian menunjukkan sistem ini efektif, akurat, dan adaptif, mendukung efisiensi operasional dan kepatuhan perpajakan organisasi.
ANALISIS DAN PENERAPAN SISTEM INFORMASI PENGAJIAN EFEK DARI BERLAKUNYA PMK 66/2023 KHUSUSNYA INSENTIF KENDARAAN DI PT XYZ Safri, Safri; Ramadhany, Achmad; Longdong, Marcelino Paul Edwil
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 11 No 2 (2024): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v11i2.1246

Abstract

Penelitian yang dilakukan bertujuan untuk menganalisis dan merancang sistem pelaporan PPh21 dan Sistem Aktiva Tetap di PT XYZ, terkait pemberlakukan PMK 66 tahun 2023 mulai 1 Juli 2023, khususnya atas beban penyusutan kendaraan. Dengan kriteria pada lampiran point 8, dimana beban penyusutan adalah insentif bagi karyawan yang termasuk dalam kriteria yang ditetapkan. Metode penelitian dengan menggunakan FAST (Framework for the Aplication of System Thingking), dengan menggunakan analisis PIECE (Proformance, Information dan Data, Economic, Control, Efficiency, dan Service. Hasil penelitian memberikan gambaran bahwa Aplikasi perlu diperbaharui dan disingkronkan sehingga dapat memenuhi unsur yang ditetapkan dalam PMK, atas hasil analisis maka dibuatkan aplikasi sederhana dengan menggunakan microsoft excel. Setelah dilakukan uji coba pada aplikasi dengan menngunakan e-spt PPh 21-26, aplikasi dapat berjalan dengan baik, tidak terdapat error data pada saat proses import transaksi, dengan demikian aplikasi dapat diterapkan.
¬¬IMPLEMENTASI NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ULASAN PADA GOOGLE PLAY Rehatalanit, Yoke Lucia Renica; Longdong, Marcelino Paul Edwil; Ramadhany, Achmad
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 11 No 2 (2024): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v11i2.1256

Abstract

Reviews on Google Play describes user sentiment towards the application according to the ratings and comments are given. In practice, there is often a discrepancy between the rating and the comments given, resulting in a biased sentiment, so it is necessary to analyze the review to find out the sentiment contained therein. In collecting data from the Google Play site using the Web Scraping technique with the google-play-scraper package from Python. Reviews that are successfully scraped then go through the preprocessing stage so that the data set is more structured. In the next stage, the data set is labeled based on the rating, and given a weight using TF-IDF. After classifying using the Naïve Bayes and Support Vector Machine methods, then evaluating using the confusion matrix, and validating using K-Fold Cross Validation. Research results using the Naïve Bayes method and Support Vector Machine for sentiment analysis on the Google Play website, the Naïve Bayes method produces 87.82% accuracy, 58.90% precision, 60.08% recall, while the Support Vector Machine method produces 90% accuracy .01% , precision 61.89%, recall 60.18%.