Claim Missing Document
Check
Articles

Found 2 Documents
Search

Empowering MSME's through Digital Transformation in Accounting Hadiono, Kristophorus; Supriyanto, Aji; Adhi, Antono; Singh, Narinderjit Singh Sawaran; Damaryanti, Rr. Fitri
Jurnal Pengabdian Masyarakat Bestari Vol. 3 No. 12 (2024): December 2024
Publisher : PT FORMOSA CENDEKIA GLOBAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55927/jpmb.v3i12.12270

Abstract

Despite the numerous benefits offered by digitalization, many MSMEs in Malaysia still rely on manual accounting methods. This reliance on manual processes results in inefficiencies, errors, and time-consuming tasks. By leveraging digital tools and technologies, MSMEs can streamline their accounting operations, improve accuracy, and make informed business decisions. This study will investigate the specific challenges and opportunities associated with digitalizing accounting processes in MSMEs, including factors such as cost, technological literacy, and data security. Through a comprehensive analysis, this community service program will propose practical recommendations to facilitate the adoption of digital accounting solutions and empower MSMEs to thrive in the digital age.
Analisis Sentimen Aplikasi Adiraku di Google Play Store Menggunakan Metode Support Vectore Machine Afif, Randi Afif; Supriyanto, Aji; Damaryanti, Rr. Fitri; Prasetya Adi, Wahyu
JURNAL FASILKOM Vol. 15 No. 1 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i1.8510

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Adiraku yang diambil dari Google Play Store dengan menggunakan algoritma Support Vector Machine (SVM). Data ulasan yang diperoleh kemudian melalui proses preprocessing, seperti casefolding, filtering, tokenizing, dan stemming, untuk mempersiapkan data sebelum dilakukan klasifikasi. Hasil klasifikasi menunjukkan bahwa model SVM berhasil mengklasifikasikan ulasan dengan akurasi sebesar 91%. Pada sentimen positif, model menunjukkan kinerja yang sangat baik dengan precision 0.94 dan recall 0.93, sementara pada sentimen negatif, meskipun masih baik, terdapat peluang untuk peningkatan dengan precision 0.84 dan recall 0.86. Visualisasi menggunakan wordcloud digunakan untuk mengidentifikasi kata-kata dominan pada kedua kategori sentimen tersebut, dengan kata-kata positif seperti "mudah", "bantu", dan "bagus" mendominasi ulasan positif, sedangkan kata-kata negatif seperti "gak", "kontrak", dan "error" muncul lebih sering pada ulasan negatif. Evaluasi model menggunakan classification report menunjukkan bahwa model SVM memiliki performa yang baik, meskipun terdapat ruang untuk perbaikan pada kategori negatif. Berdasarkan hasil analisis ini, disarankan agar pengembangan aplikasi lebih difokuskan pada peningkatan fitur aksesibilitas, transparansi kontrak, dan pengalaman pengguna secara keseluruhan.