Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Elastisitas Jurnal Ekonomi Pembangunan Patisambhida : Jurnal Pemikiran Buddha dan Filsafat Agama
Heru Supriyanto
Prodi Statistika Jurusan Matematika FMIPA Universitas Brawijaya
Religion Computer Science & IT Economics, Econometrics & Finance Education Social Sciences Other

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

Found 1 Documents
Search
Journal : Elastisitas Jurnal Ekonomi Pembangunan

 1 
COMPARATIVE FORECASTING EARLY WARNING SYSTEM DEVIASI ANGGARAN PEMERINTAH BERBASIS MACHINE LEARNING: STUDI EMPIRIS IKPA KANWIL DJPB PROVINSI NTB SEBAGAI BUN Sholawatunnisa, Dinda Pusparahmi; Supriyanto, Heru
Elastisitas : Jurnal Ekonomi Pembangunan Vol. 7 No. 2 (2025): Elastisitas, September 2025
Publisher : Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/e-jep.v7i2.04

Abstract

Transformasi digital treasury dalam pengelolaan keuangan negara memerlukan pendekatan berbasis data untuk meningkatkan akuntabilitas APBN. Indikator Kinerja Pelaksanaan Anggaran (IKPA) menjadi instrumen utama dalam mengukur kinerja anggaran pada satuan kerja. Namun, dari delapan indikator penyusun IKPA, selama tiga tahun terakhir, komponen deviasi halaman III DIPA menunjukkan nilai terendah, mengindikasikan adanya tantangan dalam akurasi perencanaan dan eksekusi anggaran. Penelitian ini membandingkan tiga model prediktif berbasis artificial intelligence untuk meramalkan nilai indikator deviasi halaman III DIPA: SARIMA (Seasonal Autoregressive Integrated Moving Average) yang handal dalam menangkap pola musiman, XGBoost (Extreme Gradient Boosting) yang unggul dalam optimasi gradien, dan Random Forest yang kuat dalam menangani kompleksitas data. Dataset mencakup observasi bulanan nilai indikator deviasi halaman III DIPA dari Januari 2022 sampai dengan September 2024, memberikan dasar yang komprehensif untuk analisis time series. Metodologi penelitian menerapkan pendekatan kuantitatif dengan preprocessing data, pemilihan fitur, dan validasi silang untuk memastikan robustness model. Evaluasi performa menggunakan metrik MAE, RMSE, dan MAPE. Temuan penelitian mengungkapkan bahwa Model SARIMA memberikan akurasi prediksi tertinggi dengan error rate terendah. Kontribusi penelitian ini signifikan dalam dua aspek: pengembangan early warning system untuk deviasi anggaran dan penyediaan tools pendukung keputusan berbasis AI untuk perencanaan anggaran yang lebih akurat. Implementasi model ini diharapkan dapat membantu satuan kerja meningkatkan nilai IKPA mereka secara keseluruhan.
Co-Authors Azhari Shouni Barkah Sholawatunnisa, Dinda Pusparahmi Taqwa Hariguna