Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini membahas tentang peran pembinaan yang dilaksanakan oleh KanwilDirektorat Jenderal Provinsi Jawa Tengah dalam meningkatkan kualitasLKPP.Dalam menjalankan peran pembinaan di bidang perbendaharaan, baikpengelolaan maupun pertanggungjawaban keuangan negara kepada satuan kerjakementerian negara/lembaga, Kanwil Ditjen Perbendaharaan telah didukungdengan tim penyuluh perbendaharaan. Penelitian kualitatifdengan menggunakanmetode soft system methodologyini mencoba menguraikan problematika yangterjadi dalam pelaksanaan peran pembinaan tersebut. Penelitian ini berusahamenjawab problem solving interest melalui tujuh tahapan soft systemmethodology.

---

ABSTRACTThis research is about theguidance role undertaken by Directorate General ofTreasury Regional Office of Central Java to improve the quality of government?sfinancial statement. Incarrying out the treasury guidance role, both financialmanagement andaccountability, to the ministries or government?s agencies,Directorate Generalof Treasury Regional Office of Central Java has beensupported by a treasuryguidance team. This qualitative research using soft systemmethodology is aimedto analyse the problems that occur in the implementation ofthe guidance role.This research tries to answer the problem solving interestthrough the sevenstages of soft systems methodology.

---

"

"Industri alat kesehatan di Indonesia mengalami perubahan signifikan sejak 2014 semenjak pemerintahan yang baru mulai memaksimalkan digitalisasi untuk aktivitas pemerintahan, termasuk proses pengadaan barang untuk alat kesehatan. Pengadaan tersentralisasi melalui LKPP ini menghendaki produk untuk terdaftar di platformonline e-Catalogue LKPP. Namun, registrasi ini menimbulkan beberapa ancaman terhadap bisnis dan tidak memiliki manfaat yang terbukti nyata yang dapat menjadi dasar bagi perusahaan alat kesehatan untuk memutuskan registrasi atau pendaftaran produk. Studi ini menganalisa efek dari pendaftaran produk ke sistem LKPP, terhadap Harga Jual dan performa penjualan (Unit Terjual) dari produk-produk yang sudah terdaftar.Hasil studi menunjukkan bahwa Harga Jual dari produk terdaftar sama atau naik secara statistik dari sebelum produk terdaftar, dan rata-rata Unit Terjual per bulan naik secara statistik setelah terdaftar.

---

The medical device industry in Indonesia was undergoing significant changes since 2014 as the new government started to maximize the digitalization of government activities, including the procurement for medical device.

This centralized procurement through LKPP required the products to be registered into the LKPP e-Catalogue online platform. However, the product registration poses some threats to the business, with no evident benefits that medical device companies can use to justify their decision for registering the products. This research

examines the effect of LKPP registration on Selling Price and sales performance (Units Sold) of the registered products. The research showed that the Selling Price of registered products is either statistically the same or increased from before it was registered, and the average Units Sold per month statistically increased after

registration"

"Dalam era digital yang terus berkembang, aktivitas sosial dan bisnis semakin banyak beralih ke media sosial dan digitalisasi melalui e-commerce. Tidak hanya pada sektor jual beli masyarakat, terjadi digitalisasi di bidang pengadaan barang/jasa pemerintah dengan dibangunnya sistem e-katalog. Sistem e-katalog memungkinkan pemerintah dan masyarakat untuk mengawasi dan memastikan bahwa pengadaan barang dan jasa pemerintah dilakukan secara adil dan transparan. Namun, sistem e-katalog mengalami keterbatasan dalam hal jumlah dan jenis produk, sehingga upaya terus dilakukan untuk menambah vendor dan memperluas kesepakatan dengan penjual lokal. Meskipun begitu, masih terdapat banyak produk impor yang tercatat pada daftar produk di e-katalog. Dengan memanfaatkan teknologi Machine Learning, klasifikasi produk ke lokal dan pemetaannya ke kategori di e-katalog dapat membantu menyelesaikan permasalahan yang dihadapi oleh sistem e-katalog ini.Desain penelitian yang digunakan pada penelitian ini adalah Experimental research, dimana klasifikasi produk dan pemetaan kategori yang dilakukan pada penelitian ini menggunakan metode Machine Learning. Pemetaan kategori dilakukan dengan 2 pendekatan, produk ke kategori dan kategori ke kategori. Klasifikasi produk dibagi menjadi 2 kelas yaitu lokal dan impor. Data yang diolah adalah produk dari e-commerce dari rentang November 2022 hingga April 2023.Metode yang digunakan pada penelitian ini untuk klasifikasi produk lokal dan kategori adalah Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), dan Transformers. Dari eksperimen klasifikasi produk lokal dan kategori, keduanya mendapatkan hasil evaluasi terbaik dari model transformers, yang digunakan sebagai model ekstraksi fitur hingga klasifikasi. Performa model klasifikasi produk lokal mendapat f1-score 97,24% dan akurasi 97,25%. Sedangkan model klasifikasi kategori, performa model f1-score 63,74% dan akurasi 64,14%.

---

In the ever-evolving digital era, social and business activities are increasingly turning to social media and digitalization through e-commerce. Not only in the public buying and selling sector, digitization happen in the field of government goods/services procurement with the construction of an e-catalog system. The e-catalog system enables the government and the public to monitor and ensure that government procurement of goods and services is carried out in a fair and transparent manner. However, the e-catalog system suffers from limitations in terms of the number and types of products, so efforts are being made to add more vendors and expand agreements with local sellers. Even so, there are still many imported products listed on the product list in the e-catalog. By utilizing Machine Learning technology, classifying products to local and mapping them to categories in the e-catalog can help solve the problems faced by this e-catalog system.

The research design used in this study is Experimental research, where product classification and category mapping are carried out in this study using Machine Learning methods. Category mapping is done with 2 approaches, product to category and category to category. Product classification is divided into 2 classes, namely local and imported. The processed data are products from e-commerce from November 2022 to April 2023.

The methods used in this study for local product classification and categories are Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), and Transformers. From the local and category product classification experiments, both obtained the best evaluation results from the Transformers model, which was used as a feature extraction model for classification. The performance of the local product classification model gets an f1-score of 97,24% and accuracy 97,25%. While the category classification model, the performance of the f1-score model is 63,74% and accuracy 64,14%.

"