Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi JASa (Jurnal Akuntansi, Audit dan Sistem Informasi Akuntansi) JATI (Jurnal Mahasiswa Teknik Informatika) IJoICT (International Journal on Information and Communication Technology)
Esa Kurniawan
Universitas LIA
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penerapan Preference Selection Index (PSI) dalam Pengangkatan Karyawan di Yayasan XYZ Esa Kurniawan; Yuhandri Yuhandri; Sumijan Sumijan
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9, No 1 (2023): April 2023
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i1.2023.78-85

Abstract

Yayasan XYZ merupakan salah satu lembaga Pendidikan dan Kesehatan yang ada di kota pekanbaru, lembaganya terdiri dari Universitas, STEI, SMK, SMA, SMP, Rumah Sakit, dan juga mempunyai beberapa icon lainnya, maka karyawan yang menunjang operasional juga tidak sedikit yang tersebar di beberapa institusi, untuk itu perlunya dilakukan pengangkatan karyawan tetap, agar dapat mensejahterakan karyawan dan tujuan perusahaan tercapai. Merekrut calon yang tepat pada posisi yang tepat bukanlah hal yang mudah, Oleh sebab itu diperlukan suatu sistem yang membantu SDM dalam pengangkatan karyawan. Pengangkatan karyawan diperlukan penilaian oleh tim ahli dibidangnya untuk mendapatkan karyawan tepat yang mempunyai kualitas dan kesungguhan untuk mencapai visi misi dari yayasan, maka perlunya Sistem Pendukung Keputusan yang dirancang untuk mempermudah pengguna dalam mengambil keputusan yang dilakukan secara sistematis, dengan menggunakan metode Prefernce Selection Index dalam pengangkatan karyawan. Pengangkatan karyawan diperlukan penilaian oleh tim ahli dibidangnya untuk mendapatkan karyawan tepat yang mempunyai kualitas dan kesungguhan untuk mencapai visi misi dari yayasan, maka perlunya Sistem Pendukung Keputusan yang dirancang untuk mempermudah pengguna dalam mengambil keputusan yang dilakukan secara sistematis, dengan menggunakan metode Prefernce Selection Index dalam pengangkatan karyawan.Pengangkatan karyawan diperlukan penilaian oleh tim ahli dibidangnya untuk mendapatkan karyawan tepat yang mempunyai kualitas dan kesungguhan untuk mencapai visi misi dari yayasan XYZ, maka perlunya keputusan dalam pengangkatan karyawan menggunakan metode Prefernce Selection Index (PSI) yang akurasiya lebih tinggi dan lebih tepat sasaran tentunya. Hasil dari penelitian ini yaitu ada tiga alternatif dengan nilai peringkat tertinggi antara lain A9 = 0,9307, A1 = 0,9121 dan A6 = 0,9001.
ANALISIS SISTEM FORECASTING PADA PRODUKSI DAN PERMINTAAN TELUR IMPLEMENTASI METODE LEAST SQUARE Ilham, Wanda; Putra, Nursaka; Eka Putri, Tiara; Kurniawan, Esa; Idrison Molina, Jon
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12405

Abstract

Saat ini telur ayam menjadi salah satu kebutuhan pokok oleh masyarakat Indonesia. Setiap bulan permintaan telur ayam terus meningkat drastis terutama dihari-hari besar. Untuk memenuhi permintaan tersebut, produsen telur ayam terus meningkatkan produksinya dengan harapan akan mendapatkan keuntungan besar. Namun permasalahan yang sering terjadi adalah produksi telur ayam tidak sebanding dengan permintaan dari konsumen. Hal ini disebabkan produsen tidak dapat memperkirakan hasil produksi telur ayam, sehingga produsen terus menerima permintaan konsumen tanpa memikirkan produksi mencukupi permintaan atau tidak. Tujuan dari penelitian ini adalah untuk memprediksi produksi telur ayam pada bulan-bulan selanjutnya berdasarkan hasil produksi pada bulan sebelumnya. Pada penelitian ini akan dilakukan pengolahan data pada produksi telur ayam dan permintaan telur ayam yang diambil pada bulan Januari sampai dengan November. Selanjutnya data tersebut akan diproses dan diuji dengan menggunakan metode Least Square. Hasil dari pengujian yang telah dilakukan, diperoleh nilai akurasi prediksi sebesar 90% dengan prediksi produksi pada bulan Desember sebesar 1352 butir dan prediksi permintaan sebesar 1391. Maka penggunaan metode Least Square mampu melakukan prediksi untuk produksi telur ayam dan prediksi permintaan untuk bulan selanjutnya.
Optimizing Financial Distress Prediction Models in Digital Startups Using Generative Adversarial Networks (GANs) for Financial Data Augmentation Antasari, Novira Dian; Kurniawan, Esa
JASa (Jurnal Akuntansi, Audit dan Sistem Informasi Akuntansi) Vol. 9 No. 3 (2025): December
Publisher : Program Studi Akuntansi Universitas Langlangbuana Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36555/jasa.v9i3.2939

Abstract

Digital startups are highly vulnerable to financial distress due to limited historical financial data and imbalanced datasets between healthy and distressed firms. These challenges reduce the accuracy of existing prediction models, hindering early risk detection for investors and policymakers. This study aims to optimize financial distress prediction in Indonesian digital startups by applying Generative Adversarial Networks (GANs) for financial data augmentation. GANs are used to generate synthetic financial data that replicate real-world distributions, particularly for the minority class, to balance the dataset. A quantitative experimental design was employed, comparing baseline and GAN-augmented models trained on financial ratios such as ROA, ROE, and DER. The results show that the GAN-augmented model achieved higher accuracy (92%), precision (91%), recall (88%), and F1-score (90%) compared to the baseline model. These findings confirm that GAN-based augmentation enhances model robustness and prediction reliability under limited data conditions. The study contributes to financial distress prediction literature by integrating deep learning with synthetic data generation, offering a practical tool for early detection of financial instability in digital startups and supporting data-driven risk management in Indonesia’s digital economy.
A Smart Decision Model for MSME Investments on Islamic Fintech Platforms: Integrating PSI and SWOT Methods Esa Kurniawan; Imam Fathurahman; Novira Dian Antasari
IJoICT (International Journal on Information and Communication Technology) Vol. 11 No. 2 (2025): Vol. 11 No. 2 Dec 2025
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/ijoict.v11i2.10067

Abstract

The rapid growth of Islamic financial technology (fintech) has opened new opportunities for micro, small, and medium enterprises (MSMEs) to access capital. However, investment decision-making remains complex due to diverse risk and return profiles. This study aims to develop a smart investment decision model for MSMEs on Islamic fintech platforms by integrating the Preference Selection Index (PSI) and Strengths, Weaknesses, Opportunities, and Threats (SWOT) methods. Primary data were collected from 30 MSMEs engaged in Islamic fintech funding within the Greater Jakarta area and from 116 users of Islamic fintech platforms serving as respondents. The PSI method was applied to rank MSMEs based on five criteria, return on investment, business risk, capital needs, Sharia compliance, and platform reputation. Results show that Business Risk and Sharia Compliance are the most influential factors determining investment eligibility. The SWOT analysis identified strong platform transparency and Sharia adherence as internal strengths, alongside challenges related to repayment flexibility and financial literacy. Integrating PSI and SWOT produced a comprehensive, Sharia-aligned decision-support framework that enhances objectivity, accuracy, and transparency in MSME funding evaluations. The findings offer actionable insights for investors, fintech operators, and policymakers to strengthen ethical, inclusive, and sustainable Islamic digital finance ecosystems.
Co-Authors Antasari, Novira Dian Eka Putri, Tiara Idrison Molina, Jon Imam Fathurahman Nursaka Putra Sumijan Sumijan Wanda Ilham Yuhandri Yuhandri