Claim Missing Document
Check
Articles

Found 2 Documents
Search

EKSISTENSI E-COMMERCE DALAM PERATURAN PERUNDANG-UNDANGAN DI INDONESIA Hendra Adi Saputra; Ernawati
Journal of Mandalika Literature Vol. 3 No. 2 (2022)
Publisher : Institut Penelitian dan Pengembangan Mandalika (IP2MI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (223.235 KB) | DOI: 10.36312/jml.v3i2.1014

Abstract

Transaksi Bisnis e-commerce merupakan transaksi yang memanfaatkan kecanggihan alat komunikasi elektronik namun perkembangan transaksi ini belum diimbangi dengan perkembangan perundang-undangan di Indonesia. Hingga permasalahan hukum transaksi bisnis e-commerce di Indonesia menjadi isu utama para pelaku bisnis. Eksistensi e-commerce di dalam Peraturan Perundang-undangan di Indonesia dapat dilihat dari permasalahan tersebut. Di Indonesia segala transaksi bisnis yang berkaitan dengan perjanjian jual beli berpegang pada Buku III Kitab Undang-undang Hukum Perdata mengenai perjanjian dan mengenai keabsahan transaksi elektronik mengacu pada Undang-undang Nomor 11 Tahun 2008 tentang Informasi danTransaksi Elektronik.
Pemodelan Prediksi Alokasi Pagu Belanja Pegawai dengan Metode Neural Network dan Linear Regression Rudi Hartono; Hendra Adi Saputra; Gandung Triyono
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.708

Abstract

Belanja Pegawai meupakan belanja rutin yang diterima Aparatur Sipil Negara (ASN) yang merupakan hak pegawai sebagai wujud penghargaan atau kompensasi atas tugas yang telah dilaksanakan untuk mendukung fungsi dan tugas unit organisasi pemerintah. Penelitian ini bertujuan untuk memprediksi alokasi pagu belanja pegawai tersebut dengan mengimplementasikan dan membandingkan kinerja algoritma Neural Network dan Linear Regression. Penelitian ini menggunakan rasio data pelatihan dan pengujian 90:10, 80:20 dan 70:30 dengan hasil pengujian menggunakan algoritma neural network mendapatkan nilai RMSE sebesar 1.528.548.203,391, 1.574.970.259,712, dan 1.502.955.371,784, sedangkan Linear Regression mendapatkan nilai RMSE sebesar 1.525.213.978,925, 1.612.945.104,455, dan 1.540.826.342,006. Berdasarkan hasil perbandingan pada rasio ideal data uji dan latih 80:20, dapat disimpulkan bahwa algoritma Neural Network dengan nilai RMSE 1.574.970.259,712 menunjukkan nilai kinerja yang lebih baik dari pada Linear Regression dengan nilai RMSE 1.612.945.104,455, diharapkan hasil tersebut dapat digunakan untuk membantu prediksi penyedian alokasi pagu belanja pegawai dimasa yang akan datang.