Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal EAJ (ECONOMICS AND ACCOUNTING JOURNAL) bit-Tech Biner : Jurnal Ilmu Komputer, Teknik dan Multimedia JRIIN :Jurnal Riset Informatika dan Inovasi APPA : Jurnal Pengabdian Kepada Masyarakat Riau Jurnal Teknik Informatika
Rahmat Hidayat
Universitas Pamulang
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Transportation

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
THE EFFECT OF TAX PLANNING AND DEFERRED TAX LIABILITIES ON EARNS MANAGEMENT Zulfa Rosharlianti; Rahmat Hidayat
EAJ (Economic and Accounting Journal) Vol 2, No 2 (2019): EAJ (Economic and Accounting Journal)
Publisher : S1 Accounting Department, Faculty of Economic, Universitas Pamulang.

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1759.802 KB) | DOI: 10.32493/eaj.v2i2.y2019.p124-132

Abstract

This researched are intended to analyze the effect of planning tax and deferred tax liabilities on earn management. Manufacturing companies listing on the IDX from 2013 to 2017 are the object of research. This research uses secondary data on annual reports obtained through the sites www.idx.co.id. Purposive sampling is the method used in sampling, with population of 132 entity and the sample in this research are 10 entities the observation period of 5 years, with the result that obtained 50 samples. The method data analysis of this research used multiple regression analysis with the SPSS version 24.The results shows that the tax planning has a negative effect on earn management, neither the deferred tax liabilities does not have effect on earn management. Simultaneously the tax planning and deferred tax liabilities have a positive effect on earn management.
Implentasi Sistem Pendukung Keputusan Menentukan Karyawan Tetap Menggunakan Metode Additive Ratio Assessment (Aras) Herwis Gultom; Rahmat Hidayat
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2261

Abstract

Dalam dunia kerja yang semakin kompetitif, meningkatkan kualitas karyawan menjadi salah satu pusat perhatian utama dalam bidang pengembangan sumber daya manusia. Proses penentuan dan pengangkatan seorang karyawan tetap sering kali menghadapi tantangan, terutama terkait dengan kurangnya transparansi dalam penilaian. Saat ini, penilaian karyawan tetap cenderung bersifat subjektif, bergantung pada pendapat pribadi supervisor atau pinpinan, yang dapat mengakibatkan ketidakadilan dan bias dalam pengambilan keputusan. Selain itu, proses perhitungan yang masih dilakukan secara manual membutuhkan waktu yang lama dan dapat menyebabkan kesalahan. Oleh karena itu, diperlukan suatu sistem yang dapat mendukung keputusan dalam menentukan karyawan tetap dengan lebih efisien dan objektif. Salah satu solusi yang disarankan adalah pembuatan Sistem Pendukung Keputusan (SPK) berbasis web yang menggunakan pendekatan Evaluasi Rasio Tambahan. Metode ARAS memungkinkan evaluasi karyawan berdasarkan kriteria yang telah ditentukan secara objektif, sehingga mengurangi pengaruh subjektivitas. Dengan menggunakan pendekatan pengembangan perangkat lunak metode waterfall, sistem ini dirancang untuk memberikan hasil perhitungan yang akurat dan rekomendasi karyawan yang layak untuk diangkat sebagai karyawan tetap. Hasil penelitian menunjukkan bahwa implementasi sistem ini tidak hanya meningkatkan akurasi dalam penilaian, tetapi juga mempercepat proses pengambilan keputusan oleh supervisor. Dengan demikian, sistem ini berpotensi untuk meningkatkan kualitas mengelola sumber daya manusia di perusahaan, menciptakan lingkungan kerja yang lebih adil dan transfaran.
Rancang Bangun Website Bengkel Mobil Modern dengan Fitur Pemesanan Servis, Estimasi Biaya, dan Chat Pelanggan Rama Achmad Fadillah; Rama Nittia Khadifa; Muhammad Raihan Syahputra; Robi Farhan Anshori; Mohamad Taufik Wibowo; Shita Nurul Ayasha; Adam Bahtiar; Silvi Fitriya; Aditya Kusuma Wardana; Rahmat Hidayat; Simon Simarmata
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 3 No 5 (2026): APPA : Jurnal Pengabdian kepada Masyarakat
Publisher : Shofanah Media Berkah

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

Abstract

Transformasi digital menjadi kebutuhan mendesak bagi usaha mikro, kecil, dan menengah (UMKM) untuk meningkatkan efisiensi operasional dan kualitas layanan. Namun, sebagian besar bengkel mobil skala UMKM masih bergantung pada sistem administrasi manual yang berpotensi menimbulkan ketidakefisienan, kesalahan pencatatan, dan keterbatasan komunikasi dengan pelanggan. Penelitian pengabdian kepada masyarakat ini bertujuan untuk merancang dan mengimplementasikan website bengkel mobil modern yang dilengkapi dengan fitur pemesanan servis online, estimasi biaya otomatis, dan chat pelanggan. Metode pelaksanaan mengadopsi pendekatan System Development Life Cycle (SDLC) dengan model Waterfall yang dimodifikasi melalui integrasi umpan balik iteratif pada tahap pengujian dan evaluasi. Implementasi dilakukan pada mitra TDY Auto Service yang berlokasi di Kecamatan Bojongsari, Kota Depok. Hasil implementasi menunjukkan bahwa sistem mampu meningkatkan efisiensi administrasi, memperbaiki akurasi pencatatan data, serta meningkatkan kualitas komunikasi antara bengkel dan pelanggan. Monitoring penggunaan selama dua minggu menunjukkan peningkatan jumlah pemesanan servis melalui website dan respon positif dari mitra maupun pelanggan. Dengan demikian, website bengkel mobil modern yang dikembangkan terbukti relevan dan efektif sebagai solusi digital bagi UMKM otomotif.
Rancang Bangun Aplikasi Customer Relationship Management (CRM) pada PT Impala Films Farizi Ilham; Adam Bahtiar; Rahmat Hidayat; Rizky Hermawan
Jurnal Riset Informatika dan Inovasi Vol 4 No 3 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Perkembangan teknologi informasi yang pesat mendorong perusahaan untuk meningkatkan kualitas pelayanan kepada pelanggan guna mempertahankan loyalitas dan meningkatkan kepuasan pelanggan. PT Impala Films sebagai perusahaan yang bergerak di bidang industri kreatif menghadapi tantangan dalam mengelola data pelanggan, interaksi, serta pelayanan secara efektif dan terintegrasi. Oleh karena itu, diperlukan suatu sistem yang mampu mengelola hubungan dengan pelanggan secara lebih optimal. Penelitian ini bertujuan untuk merancang dan membangun aplikasi Customer Relationship Management (CRM) pada PT Impala Films. Metode yang digunakan dalam pengembangan sistem adalah metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Aplikasi ini dirancang untuk membantu perusahaan dalam mengelola data pelanggan, riwayat interaksi, serta meningkatkan efisiensi pelayanan dan komunikasi dengan pelanggan. Hasil dari penelitian ini adalah sebuah aplikasi CRM yang dapat mempermudah PT Impala Films dalam mengelola hubungan pelanggan secara terstruktur dan terintegrasi. Dengan adanya aplikasi ini, diharapkan dapat meningkatkan kualitas pelayanan, mempercepat proses pengolahan data, serta mendukung pengambilan keputusan yang lebih tepat.
Enhanced TextCNN dengan Gated Mechanism dan Aspect Fusion untuk Klasifikasi Rating Film Berdasarkan Ulasan Pengguna Rahmat Hidayat; Nur Laelasari; Adam Bahtiar; Rizky Hermawan; Perani Rosyani
BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia Vol. 3 No. 5 (2025): BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia
Publisher : CV. Shofanah Media Berkah

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

Abstract

This research proposes an Enhanced TextCNN architecture, integrating a Gated Mechanism and Aspect Fusion to address challenges in automatic movie rating classification from user reviews, such as text complexity and the need to understand sentiment towards specific aspects (e.g., plot, acting). The proposed model incorporates Gated Linear Units (GLU) as an adaptive filter in the convolutional layers to suppress noise and enhance key features, alongside an aspect fusion layer that employs multi-head self-attention to explicitly extract and weight information relevant to specific movie aspects from the text, enabling context-aware classification. Experimental results on a dataset of 50,000 movie reviews show the model achieves an accuracy of 85.67% and a weighted F1 score of 85.55%, significantly outperforming the baseline TextCNN (78.34% accuracy) by a 7.33% improvement, while also demonstrating robustness across reviews of varying lengths and offering better computational efficiency compared to more complex models like BERT.
Predicting Student Academic Performance Using Learning Activity Data: A Comparative Study of Random Forest and Decision Tree Models Rahmat Hidayat; Herwis Gultom; Yuda Samudra
Riau Jurnal Teknik Informatika Vol. 4 No. 3 (2025): November 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i3.4032

Abstract

This study compares the effectiveness of the Random Forest and Decision Tree algorithms in predicting students' academic performance based on learning activities. The data used included reading scores, writing scores, math scores, and demographic variables such as gender, race/ethnicity, parental level of education, lunch, and test preparation course. The research was carried out through the stages of data cleaning, training and test data sharing, model training, and evaluation using confusion matrix and accuracy, precision, recall, and F1-score metrics. The results show that Random Forest performs best with 97% accuracy, surpassing Decision Tree which has 94% accuracy. The feature importance analysis  revealed that cognitive ability—especially in the reading score, writing score, and math score features—had the greatest influence on prediction results. These findings confirm that the Random Forest model is more reliable and effective as a prediction tool in the academic decision support system to detect the potential for decline in student achievement early.
Co-Authors Adam Bahtiar Aditya Kusuma Wardana Farizi Ilham Herwis Gultom Mohamad Taufik Wibowo Muhammad Raihan Syahputra Nur Laelasari Perani Rosyani Rama Achmad Fadillah Rama Nittia Khadifa Rizky Hermawan Robi Farhan Anshori Shita Nurul Ayasha Silvi Fitriya Simon Simarmata Yuda Samudra Zulfa Rosharlianti