Hasil Pencarian  ::  Simpan CSV :: Kembali

"Manajemen data memilki peranan kunci dalam bagaimana kita mengakses, mengatur, dan mengintegrasikan data. Komunitas riset adalah salah satu domain dimana data disebarkan, contohnyadistribusi data dalam proyek, publikasi dan anggota. Tidak ada standar yang mengatur distribusi data selama ini.Oleh karena itu,value dari data cenderung menurun, contohnya dalam konteksaccessibility, discoverability, dan usability. LinkedLab merupakan sebuah usulanplatform untuk mengelola data untuk komunitas riset dengan menggunakan teknik Linked Data. Kegunaan Linked Data adalah sebuah cara yang efektif untuk mengakses, mengatur, dan mengitegrasikan data.

---

Data management has a key role on how we access, organize, and integrate data. Research community is one of the domain on which data is disseminated, e.g., projects, publications, and members.There is no well-established standard for doing so, and therefore the value of the data decreases, e.g. in terms of accessibility, discoverability, and reusability. LinkedLab proposes a platform to manage data for research communites using Linked Data technique. The use of Linked Data affords a more effective way to access, organize, and integrate the data."

"Penilaian kesesuaian atas standar dan regulasi dilakukan oleh Lembaga Penilaian Kesesuaian (LPK)/Conformity Assessment Body (CAB). Kegiatan penilaian kesesuaian pada barang, jasa, sistem, atau proses dilakukan melalui Pengujian (Testing), Inspeksi (Inspection) dan / atau Sertifikasi (Certification) (TIC). LPK juga dikenal sebagai perusahaan jasa survei. Perusahaan jasa survei di Indonesia memiliki banyak layanan dengan pelanggan yang tersebar di seluruh Indonesia. Banyaknya pelanggan membuat data transaksi menjadi besar yang perlu dilakukan segmentasi untuk menentukan strategi penjualan dan pemasaran. Berdasarkan penelitian sebelumnya, belum banyak penelitian yang ditemukan yang menjadikan perusahaan jasa sebagai objek segmentasi, khususnya perusahaan jasa survei. Penelitian ini melakukan segmentasi pelanggan perusahaan jasa survei menggunakan Recency, Frequency, & Monetary Value (RFM), dan K-Means Clustering. Penelitian ini mengolah 181.724 data transaksi perusahaan jasa. Berdasarkan RFM, pelanggan dapat dibagi menjadi 3 segmen yaitu 646 pelanggan Key Account dengan porsi pendapatan 70,73%, 10.037 pelanggan Regular Account dengan porsi pendapatan 29,06%, dan 3.720 pelanggan Retail dengan porsi pendapatan 0,21%. Berdasarkan K-Means, pelanggan dapat dibagi menjadi 21 klaster. Jumlah klaster, disesuaikan dengan banyaknya Kategori dalam Klasifikasi Baku Lapangan Usaha Indonesia (KBLI). Berdasarkan penelitian ini, K-Means tidak hanya dapat digunakan untuk segmentasi pelanggan barang yang diproduksi, tetapi juga dapat digunakan untuk segmentasi pelanggan perusahaan jasa survei, dan hasil segmentasi dapat digunakan sebagai referensi untuk membuat paket jasa, dan membuat strategi penjualan dan pemasaran.

---

The conformity assessment of standard and regulation is conducted by Conformity Assessment Body (CAB). The conformity assessment activities that applied to goods, services, systems, or processes are carried out through testing, inspection and / or certification (TIC). CAB is also known as a survey service company. Survey service companies in Indonesia have a lot of services with many customers spread nationwide. The large number of customers make large transaction data that needs to be segmented to determine sales and marketing strategies. Based on the previous research, not many studies have been found that take service companies as object of segmentation, especially survey service companies. This study is segmenting customers of survey service companies using Recency, Frequency, & Monetary Value (RFM), and K-Means Clustering. This study processed 181,724 transaction data of a service company. Based on RFM, customers can be divided into 3 segments that are 646 Key Account customers with 70.73% revenue portion, 10,037 Regular Account customers with 29.06% revenue portion, and 3,720 Retail customers with a revenue portion of 0.21%. Based on K-Means, customers can be divided into 21 clusters. The number of cluster, is suit to number of Category in Indonesian Standard of Industrial Classification (ISIC). According to this study, K-Means clustering not only can be used to segment customers of product manufactured, but also can be used to segment customers of survey service company, and the result of segmentation can be used as references for making."

"ABSTRAK

Semakin strategisnya peran Direktorat Jenderal Bea dan Cukai (DJBC) Kementerian Keuangan Republik Indonesia dalam memfasilitasi perdagangan internasional membuat DJBC harus terus berinovasi dengan memanfaatkan teknologi mutakhir. DJBC dituntut untuk memberikan pelayanan yang efisien dan melakukan pengawasan yang efektif yang merujuk pada praktik-praktik terbaik dalam kepabeanan internasional. Implementasi Big Data pada DJBC bertujuan untuk mendapatkan manfaat dari data yang telah dikumpulkan agar dapat dianalisis untuk mendukung pengambilan keputusan. Konsep Smart Customs and Excise mengusung Big Data sebagai inti dari semua sistem dan proses bisnis pada DJBC, namun sampai dengan saat ini penerapan Big Data masih bersifat proof of concept. Penerapan teknologi baru tanpa adanya arah pengembangan yang jelas memiliki risiko kegagalan, untuk itu diperlukan evaluasi penerapan Big Data di DJBC. Pengukuran tingkat kematangan Big Data dapat digunakan sebagai langkah awal untuk menilai situasi yang sebenarnya dari sebuah organisasi, memperoleh dan memprioritaskan langkah-langkah perbaikan dan kemudian mengontrol setiap tahap pelaksanaannya. Hasil pengukuran kematangan Big Data dapat dijadikan sebagai acuan untuk merumuskan saran dan rekomendasi bagi DJBC untuk mencapai tingkat kematangan yang lebih tinggi. Pengukuran dilakukan menggunakan framework TDWI Big Data Maturity Model untuk mengevaluasi implementasi Big Data pada DJBC. Pengumpulan data dilakukan melalui wawancara pertanyaan tertutup, kemudian diolah menggunakan assessment tools. Hasil evaluasi menunjukkan bahwa tingkat kematangan Big Data pada DJBC ada pada tingkat 3 (Early Adoption) dari skala 1 - 5. Hasil penelitian memberikan rekomendasi pada tiap dimensi untuk dapat meningkatkan tingkat kematangan ke tingkat 4 (Corporate Adoption) dengan prioritas perubahan mulai dimensi organisasi, analitis, manajemen data, infrastruktur, dan tata kelola.

---

ABSTRACT

---

The more strategic role of the Directorate General of Customs and Excise (DGCE) of the Ministry of Finance of Republic of Indonesia in facilitating international trade has made DGCE to continue to innovate by utilizing the latest technology. DGCE is required to provide efficient services and conduct effective supervision that refers to international customs organization best practices. Implementation of Big Data on DGCE aims to get the benefits of the data that has been collected so that it can be analyzed to support decision making. The Smart Customs and Excise concept brings Big Data as the core of all systems and business processes in DGCE, but until now the implementation of Big Data is still proof of concept. Implementation of new technology without the direction of development that clearly defined has the risk of failure, therefore an evaluation is needed regarding the implementation of Big Data on DGCE. Measuring the maturity level of Big Data can be used as a first step to assess the actual situation of an organization, obtain and prioritize corrective steps and then control each stage of its implementation. The measurement results can be used as a reference to formulate suggestions and recommendations for DGCE to reach a higher maturity level. Measurements were made using the TDWI Big Data Maturity Model framework to evaluate the implementation of Big Data on DGCE. Data collection is done through closed question interviews, then processed using assessment tools. The evaluation results indicate that the maturity level of Big Data on DGCE is at phase 3 (Early Adoption) of scale 1 to 5. The results of the study provide recommendations on each dimension to be able to increase the maturity level to phase 4 (Corporate Adoption) with priority changes starting from the organizational dimension, analytics, data management, infrastructure, and governance.

"

"Untuk meningkatkan efisisensi dan efektivitas penerimaan pajak yang berdasarkan self assessment system, data dan dokumen perpajakan menjadi sangat penting karena data ini digunakan Untuk menguji kebenaran, kelengkapan dan kejelasan kewajiban perpajakan para wajib pajak (WP). Ketidakbenaran, ketidaklengkapan dan ketidakjelasan data/dokumen akan menyebabkan penerimaan pajak menjadi tidak efesien dan efektif.Setelah setengah dekade reformasi jilid I itu berjalan, sejumlah kelemahan/kendala masih dirasakan oleh Ditjen Pajak. Kelemahan/kendala disebabkan karena administrasi perpajakan yang belum sempurna, selain itu belum tersedianya sistem pengolahan data dan dokumen perpajakan yang handal. Untuk mendukung penyempurnaan lanjutan administrasi perpajakan tersebut, pada awal tahun 2007 mulai dilakukan pembangunan Pusat Pengolahan Data dan Dokumen Perpajakan (PPDDP). Fungsi dari PPDDP adalah Untuk mengumpulkan, menerima, memproses, merekam, dan menyimpan dokumen fisik SPT yang berasal dari Kantor Pelayanan Pajak (KPP).Oleh karena ini tujuan utama dari penilitian (tesis) ini adalah : Untuk mengkaji efektivitas biaya pengembangan sistem pengolahan data dan dokumen perpajakan di KPDDP Makasar secara analisis finansial (keuangan). Ada beberapa model yang diusulkan dalam pengembangan tersebut, yatu: Centralized scan and capture, Federated scan and centralized capture, distributed scan and centralized capture, dan distributed scan and federated capture.

---

To improve the effectiveness and efficiency of the tax revenue based on the self assessment system, tax documents and data becomes very important because this data is used to test the correctness, completeness and clarity of the taxpayer's tax liability (WP). Untruth, incompleteness and vagueness of data / document will cause tax receipts to be inefficient and ineffective.

After half a decade of reforms volume I walked, a number of weaknesses / obstacles still being felt by the Directorate General of Taxes. Weaknesses / constraints occur because of: taxation administration is not perfect, but it is the unavailability of data processing systems and tax documents that handal. To support the continued improvement of the tax administration, in early 2007 started the construction of the Central Data Processing and Document Taxation (PPDDP). The function of PPDDP is to collect, receive, process, record, and store physical documents SPT from the Tax Office (LTO).

Therefore the main purpose of this study (thesis) are: to assess the cost effectiveness of data processing and tax documents systems development in KPDDP Napier in financial analysis. There are several models proposed in the development: Centralized scanning and capture, Federated scan and centralized capture, distributed capture scanning and centralized, federated and distributed scanning and capture."