Claim Missing Document
Check
Articles

Found 5 Documents
Search

Perancangan E-Office Administrasi Pada Kantor Kelurahan Muara Bulian Yulia Arvita; Agus Siswanto; Ibnu Sani Wijaya; Irawan Irawan; Agus Setiawan Sholeh
Jurnal Processor Vol 16 No 2 (2021): Processor
Publisher : LPPM STIKOM Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/processor.2021.16.2.1093

Abstract

Management of administrative data at the Muara Bulian Village Office which is still conventional where data collection and reporting are still using bookkeeping, so that there is often difficulty in making letters, reports and searches, the absence of digital data back-up makes the administration process less efficient. So an efficient and effective information system is needed to support ticket sales bookkeeping. In addition, researchers also design computerized administrative applications. The benefit of this study is that it can improve the quality of service to the population. The results of this study are an administrative application as a tool for processing administrative data, letters and report generation. This application is expected to help employees of the Muara Bulian Village Office in providing the best service to the population. Keywords: E-Office, administration, Village Office
Analisa dan Perancangan Sistem Pendukung Keputusan Penentuan Pemberian Kredit Pada Bank XYZ Yulia Arvita
Jurnal Ilmiah Media Sisfo Vol 11 No 1 (2017): JURNAL ILMIAH MEDIA SISFO
Publisher : LPPM STIKOM Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (598.521 KB)

Abstract

Kredit merupakan salah satu bentuk jasa yang ada dalam perbankan yaitu menyalurkan dana kepada masyarakat dengan menggunakan jaminan. Dalam pemberian suatu kredit atau pinjaman pada Bank XYZ terdapat 5 faktor dasar yang menjadi acuan dalam analisa pemberian kredit yang dikenal dengan 5C (Charater, Capacity, Capital, Collateral, Condition of economic). Faktor - faktor tersebut yang akan menjadi kriteria sistem pendukung keputusan. Dalam menganalisis kredit ini, membutuhkan waktu yang lama dan prosedur yang panjang. Maka dirancanglah sebuah sistem pendukung keputusan agar dapat memudahkan pihak bank khususnya bagian kredit dalam menganalisa proses kredit dan memberikan prioritas sehingga dapat memberikan keuntungan apabila kredit tersebut disetujui. Sistem pendukung keputusan ini menggunakan metode AHP yang memberikan informasi yang presisi agar dapat menghasilkan keputusan yang tepat untuk pemberian kredit usaha dan sistem ini akan difokuskan untuk menyelesaikan masalah ketidaktepatan informasi yang dibutuhkan untuk merumuskan keputusan pemberian kredit modal.
Analisa dan Perancangan Sistem Pendukung Keputusan Penentuan Pemberian Kredit Pada Bank XYZ Yulia Arvita
Jurnal Ilmiah Media Sisfo Vol 11 No 1 (2017): JURNAL ILMIAH MEDIA SISFO
Publisher : LPPM Universitas Dinamika Bangsa

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

Abstract

Kredit merupakan salah satu bentuk jasa yang ada dalam perbankan yaitu menyalurkan dana kepada masyarakat dengan menggunakan jaminan. Dalam pemberian suatu kredit atau pinjaman pada Bank XYZ terdapat 5 faktor dasar yang menjadi acuan dalam analisa pemberian kredit yang dikenal dengan 5C (Charater, Capacity, Capital, Collateral, Condition of economic). Faktor - faktor tersebut yang akan menjadi kriteria sistem pendukung keputusan. Dalam menganalisis kredit ini, membutuhkan waktu yang lama dan prosedur yang panjang. Maka dirancanglah sebuah sistem pendukung keputusan agar dapat memudahkan pihak bank khususnya bagian kredit dalam menganalisa proses kredit dan memberikan prioritas sehingga dapat memberikan keuntungan apabila kredit tersebut disetujui. Sistem pendukung keputusan ini menggunakan metode AHP yang memberikan informasi yang presisi agar dapat menghasilkan keputusan yang tepat untuk pemberian kredit usaha dan sistem ini akan difokuskan untuk menyelesaikan masalah ketidaktepatan informasi yang dibutuhkan untuk merumuskan keputusan pemberian kredit modal.
PELATIHAN PENGGUNAAN GOOGLE WRKSPACE DENGAN MENGGUNAKAN SMARTPHONE UNTUK SISWA SMP NEGERI 25 KOTA JAMBI Nurhayati; Yulia Arvita; Manja Purnasari; Yessi Hartiwi
Jurnal Pengabdian Masyarakat UNAMA Vol 2 No 1 (2023): JPMU Volume 2 Nomor 1 April 2023
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/jpmu.2023.2.1.737

Abstract

Pada saat pandemi saat ini siswa di tuntut untuk bisa melaksanakan pembelajaran daring melalui media teknologi di rumah. Teknologi yang bisa di gunakan siswa dalam proses belajaran salah satu satu nya mayoritas siswa miliki adalah smartphone. Google workspace adalah salah satu aplikasi di smartphone yang bisa didownload dengan gratis.dan ini juga merupakan salah satu fasilitas yang digunakan dalam proses pembelajaran. Google workspace ini banyak jenis nya salah satu nya adalah google doc yang digunakan dalam proses pembelajaran. Tujuan di adakanya PKM ini adalah untuk memberikan sosialisasi dan pelatihan mengenai google doc yang merupakan salah satu solusi untuk mengerjakan tugas dari rumah selama proses pembelajaran daring lewat sarana smartphone. sehingga di harapkan siswa – siswa di SMP Negeri 25 Kota Jambi pada saat pandemi tetap dapat mengikuti pelajaran dan dapat membuat tugas sekolah dengan menggunakan smartphone.
Klasifikasi Metode Pembayaran Transaksi Menggunakan Algoritma Naïve Bayes dan Support Vector Machine: Studi Kasus 17 Coffee & Eatery Nur Aufa, Lia; Nurhadi Nurhadi; Yulia Arvita
Prosiding Seminar Nasional Ilmu Teknik Vol. 2 No. 2 (2025): Desember: Prosiding Seminar Nasional Ilmu Teknik
Publisher : Asosiasi Riset Ilmu Teknik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/prosemnasproit.v2i2.88

Abstract

This study aims to classify customer payment methods at 17 Coffee & Eatery using machine learning algorithms, namely Naïve Bayes and Support Vector Machine (SVM). The increasing use of digital and non-cash payments has generated large volumes of transaction data that are rarely analyzed optimally, even though such data contain valuable information for business decision making. This research used secondary transaction data collected from January to March 2025, consisting of 10,147 transaction records. The dataset included several attributes such as order time, payment time, transaction type, total sales, number of items, and payment method. Data preprocessing was performed through data cleaning, feature engineering, normalization, and label encoding before being divided into training and testing sets with an 80:20 ratio. The Naïve Bayes and SVM models were then trained and evaluated using accuracy, precision, recall, F1-score, and ROC–AUC metrics. The results show that both algorithms were able to classify payment methods effectively, but SVM achieved higher accuracy and more stable performance than Naïve Bayes. These findings indicate that SVM is more suitable for handling complex and heterogeneous transaction patterns. The implementation of machine learning for transaction classification can support more efficient financial management and data-driven decision making for small and medium enterprises in the culinary sector.