Klasifikasi Pos Pengeluaran Perjalanan Dinas Menggunakan Deep Learning Sequence Model

Main Article Content

Meredita Susanty

Abstract

Laporan perjalanan yang berisi hal-hal detail terkait dengan kegiatan yang telah dilakukan selama perjalanan dinas merupakan laporan wajib yang harus dibuat oleh pelaku perjalanan berdasarkan Peraturan Menteri Keuangan dan Menteri Negara Badan Usaha Milik Negara. Salah satu hal yang harus dilaporkan adalah penggunaan dana selama kegiatan dilakukan. Semakin lama perjalanan dinas, semakin banyak pengeluaran yang harus dilaporkan, baik jumlah maupun bukti pembayarannya. Penelitian ini bertujuan membantu mengefisienkan kegiatan pelaporan keuangan perjalanan dinas dengan melakukan pengelompokkan secara otomatis setiap item pengeluaran menggunakan pendekatan machine learning. Dengan menggunakan arsitektur Recurrent Neural Network dan Long Short-Term Memory model mengklasifikasikan setiap item pengeluaran ke tiga pos pengeluaran. Hasil penelitian menunjukkan arsitektur LSTM memberikan performa lebih baik dengan nilai akurasi 86%.

Downloads

Download data is not yet available.

Article Details

How to Cite
Susanty, M. (2023). Klasifikasi Pos Pengeluaran Perjalanan Dinas Menggunakan Deep Learning Sequence Model. PETIR, 16(1). https://doi.org/10.33322/petir.v16i1.1762
Section
Articles

References

[1] “PMK No. 113/PMK.05/2012 tentang Perjalanan Dinas Dalam Negeri Bagi Pejabat Negara, Pegawai Negeri, Dan Pegawai Tidak Tetap [JDIH BPK RI].” https://peraturan.bpk.go.id/Home/Details/126950/pmk-no-113pmk052012 (accessed Sep. 02, 2022).
[2] “Peraturan Menteri BUMN PER-02/MBU/2011 tanggal 05 Agustus 2011 | JDIH Kementerian BUMN.” https://jdih.bumn.go.id/lihat/PER-02/MBU/2011 (accessed Sep. 02, 2022).
[3] M. Susanty and H. Nugroho, “Optical Character Recognition Implementation for Admission System in Universitas Pertamina,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 1, pp. 165–170, 2020, doi: 10.24176/simet.v11i1.3838.
[4] A. Sherstinsky, “Deriving the Recurrent Neural Network Definition and RNN Unrolling Using Signal Processing,” no. March, 2018, [Online]. Available: https://www.linkedin.com/in/alexsherstinsky.
[5] S. Hochreiter and J. Schmidhuber, “Long Short-Term Memory,” Neural Comput., vol. 9, no. 8, pp. 1735–1780, Nov. 1997, doi: 10.1162/NECO.1997.9.8.1735.
[6] A. Sherstinsky, “Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) Network,” Phys. D Nonlinear Phenom., vol. 404, Aug. 2018, doi: 10.1016/j.physd.2019.132306.

Most read articles by the same author(s)