Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Masyarakat Indonesia
Diva, Krisna
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Macro VBA pada Microsoft Excel dalam Penyusunan Laporan Manajemen di PT. Perkebunan Nusantara IV Regional I Khairul; Diva, Krisna; Irfan Nainggolan; M. Azwan; Ari Anshari Yuliansyah Siregar
Jurnal Masyarakat Indonesia (Jumas) Vol. 4 No. 03 (2025): Jurnal Masyarakat Indonesia (Jumas)
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jumas.v4i03.343

Abstract

Penyusunan Laporan Posisi Keuangan (Neraca) merupakan komponen penting dalam Laporan Management yang berfungsi sebagai dasar pengambilan keputusan manajemen. Namun, proses penyusunan laporan tersebut di PT Perkebunan Nusantara IV Regional 1 masih dilakukan secara manual dengan memanfaatkan data dari sistem SAP yang diolah kembali menggunakan Microsoft Excel, sehingga membutuhkan waktu yang relatif lama dan berpotensi menimbulkan kesalahan. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan efisiensi dan akurasi penyusunan Laporan Posisi Keuangan melalui implementasi Macro Visual Basic for Applications (VBA) pada Microsoft Excel yang terintegrasi dengan data SAP. Metode yang digunakan adalah pendekatan partisipatif dan aplikatif melalui tahapan analisis kebutuhan, perancangan dan pengembangan template Macro VBA, pelatihan, serta pendampingan implementasi kepada pegawai. Hasil kegiatan menunjukkan bahwa template Macro VBA berhasil mengotomatisasi proses pengelompokan akun, penyusunan format neraca, dan perhitungan komponen aset, liabilitas, serta ekuitas secara akurat dan konsisten. Implementasi sistem ini mampu mempercepat waktu penyusunan laporan, mengurangi risiko kesalahan perhitungan, serta meningkatkan pemahaman dan keterampilan pegawai dalam pemanfaatan teknologi otomasi. Dengan demikian, penerapan Macro VBA pada penyusunan Laporan Posisi Keuangan dapat menjadi solusi efektif untuk meningkatkan kualitas dan efisiensi pelaporan keuangan perusahaan.
Analisis Sentimen Publik Berbasis KNN Terhadap Kinerja Purbaya dan Sri Mulyani Selama Sebulan anshari, ari; Diva, Krisna; Azwan, M; Nainggolan, Irfan; Wijaya, Rian Farta; Sitorus, Zulham
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 3 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i3.1461

Abstract

Masyarakat selalu khawatir tentang perubahan staf Menteri Keuangan karena mereka memainkan peran penting dalam menjaga stabilitas ekonomi negara. Purbaya Yudhi Sadewa menggantikan Sri Mulyani sebagai Menteri Keuangan dalam Kabinet Merah Putih. Karena mungkin mengungkapkan tingkat penerimaan publik dan kepercayaan terhadap kebijakan yang akan diterapkan, persepsi publik selama bulan pertama menjabat sangat penting. Studi ini menggunakan algoritma K-Nearest Neighbor (KNN) untuk menguji sentimen publik terhadap pemikiran di platform media sosial X selama bulan pertama masa jabatan kedua kedua tokoh tersebut. Dataset ini mencakup 2.071 cuitan dari Sri Mulyani (21 Oktober–20 November 2024) dan 2.960 cuitan dari Purbaya Yudhi Sadewa (8 September–7 Oktober 2025). Setelah praproses dan pelabelan data dengan IndoBERT, distribusi sentimen untuk Purbaya adalah 57,80% positif dan 42,20% negatif, sedangkan untuk Sri Mulyani adalah 46,74% positif dan 53,26% negatif. TF-IDF kemudian akan digunakan untuk ekstraksi fitur, sementara KNN dengan K=5 dan metrik jarak kesamaan kosinus akan digunakan untuk klasifikasi. Menurut hasil evaluasi, model KNN Sri Mulyani memiliki akurasi 77% dengan presisi 78%, recall 77%, dan skor F1 77%, sedangkan model KNN Purbaya memiliki akurasi 80% dengan presisi 80%, recall 78%, dan skor F1 79%.
Co-Authors Anshari, Ari Ari Anshari Yuliansyah Siregar azwan, m Irfan Nainggolan Khairul M. Azwan Nainggolan, Irfan Sitorus, Zulham Wijaya, Rian Farta