Article Per Year (5 Year)
p-Index From 2018 - 2023
0.659
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] Jurnal Sains Indonesia
Aswan Supriyadi Sunge
Universitas Pelita Bangsa
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Implementasi Cost Control System Berbasis Website pada Departemen PPIC PT XYZ Menggunakan Analisis SWOT Khalis Sofi; Aswan Supriyadi Sunge; RR Wening Ken Widodasih; Sasmitoh Rahmad Riady
Jurnal Sains Indonesia Vol 1 No 2 (2020): Volume 1, Nomor 2, 2020 (Juli)
Publisher : PUSAT SAINS INDONESIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jsi.v1i2.12

Abstract

Cost Control merupakan komponen penting penunjang berjalannya operasional perusahaan. Pada PT XYZ pekerjaan Cost Control dikendalikan oleh departemen PPIC (Production Planning and Inventory Control). Permasalahan yang dihadapi dalam menjalankan pekerjaan ini adalah kurang terkontrolnya dokumen-dokumen Purchase Requirement yang berupa lembaran kertas NCR (No Carbon Required) sehingga berakibat terhadap kurang teraturnya pembuatan Purchase Order yang dilakukan oleh departemen Purchasing. Hal-hal tersebut berimbas kepada budget yang tersedia, akibatnya PPIC sering menemukan kasus over budget. Maka dari itu, dibutuhkan sistem Cost Control untuk memonitoring aktivitas-aktivitas tersebut dan membantu untuk pengambilan keputusan bagi manajamen terkait budgeting. Sebelum dijalankannya sistem, maka diperlukan sebuah analisis mengenai kelemahan, kelebihan, peluang, dan ancaman yang terdapat dalam analisis SWOT. Sehingga sistem Cost Control mampu mengendalikan biaya untuk pemakaian budget berikutnya.
Analisis Sentimen Masyarakat Dengan Metode Naïve Bayes dan Particle Swarm Optimization Septiawan Dwi Pramukti; Agung Nugroho; Aswan Supriyadi Sunge
Techno.Com Vol 21, No 1 (2022): Februari 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i1.5332

Abstract

Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) merupakan kebijakan yang di terapkan pada 15 Kota diluar pulau Jawa dan pulau Bali yang memiliki status zona merah atau daerah yang memiliki resiko tinggi terhadap paparan kasus COVID-19. Pada tanggal 3 Agustus 2021 kebijakan PPKM darurat di beberapa daearah di kepulauan Jawa dan kepualauan Bali di perpanjang sampai 9 Agustus 2021, perpanjangan kebijakan PPKM darurat menuai banyak komentar dari masyarakat sehingga menimbulkan pro dan kontra pada social media twitter. Penelitian ini bertujuan untuk mengetahui hasil klasifikasi sentimen masyarakat mengenai perpanjangan kebijakan PPKM darurat pada social media twitter dan untuk mengetahui hasil accuracy, precision, recall yang dihasilkan dari metode yang digunakan. Penelitian ini menggunakan metode Naïve Bayes dan Particle Swarm Optimization sebagai feature selection, selain itu terdapat tahap preprocessing yang didalamnya meliputi cleansing, remove duplicate, seleksi data, normalisasi, case folding, tokenizing, filtering, stopwords, stemming, dan labeling. Hasil klasifikasi yang didapat 53,31% pengguna twitter setuju dan 46,69% pengguna twitter tidak setuju dengan perpanjangan kebijakan PPKM darurat. Nilai accuracy yang didapatkan meningkat sebanyak 15,21% dari 77,16% menjadi 92,37%, nilai precision yang didapatkan meningkat sebanyak 3,07% dari 87,33% menjadi 90,40%, dan nilai recall yang didapatkan meningkat sebanyak 30,96% dari 64,42% menjadi 95,38%.
PERBANDINGAN ALGORITMA LINEAR REGRESSION, LSTM, DAN GRU DALAM MEMPREDIKSI HARGA SAHAM DENGAN MODEL TIME SERIES Khalis Sofi; Aswan Supriyadi Sunge; Sasmitoh Rahmad Riady; Antika Zahrotul Kamalia
PROSIDING SEMINASTIKA Vol 3 No 1 (2021): 3rd SEMINASTIKA 2021
Publisher : Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/seminastika.v3i1.275

Abstract

Penelitian ini bertujuan untuk memprediksi harga saham dengan membandingkan algoritma Linear Regression, Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU) dengan dataset publik kemudian menentukan performa terbaik dari ketiga algoritma tersebut. Dataset yang diuji bersumber dari Indonesia Stock Exchange (IDX), yaitu dataset harga saham KEJU berbentuk time series dari tanggal 15 November 2019 sampai dengan 08 Juni 2021. Parameter yang digunakan untuk pengukuran perbandingan adalah RMSE (Root Mean Square Error), MSE (Mean Square Error), dan MAE (Mean Absolute Error). Setelah dilakukan proses training dan testing, dihasilkan sebuah analisis bahwa dari hasil perbandingan algoritma yang digunakan, algoritma Gated Recurrent Unit (GRU) memiliki performance paling baik dibandingkan Linear Regression dan Long-Short Term Memory (LSTM) dalam hal memprediksi harga saham, dibuktikan dengan nilai RMSE, MSE, dan MAE dari uji coba GRU paling rendah, yaitu nilai RMSE 0.034, MSE 0.001, dan nilai MAE 0.024.
Co-Authors Agung Nugroho Antika Zahrotul Kamalia Khalis Sofi Riady, Sasmitoh Rahmad RR Wening Ken Widodasih Septiawan Dwi Pramukti