Pengembangan Sistem Review Otomatis untuk Artikel Ilmiah Berbasis Visualisasi Logika dan Benchmarking

Indah Saraswati; Hartono Hartono

doi:10.69688/katera.v2i2.283

Authors

Indah Saraswati Unversitas Sakti Sejati Author
Hartono Hartono Universitas Sakti Sejati, Bengkulu Author

DOI:

https://doi.org/10.69688/katera.v2i2.283

Keywords:

Audit Visual, Template Payroll, Transparansi Keuangan, Akuntabilitas, Pengelolaan Penggajian

Abstract

Penelitian ini bertujuan untuk menganalisis efektivitas penggunaan template payroll melalui pendekatan audit visual dalam meningkatkan transparansi keuangan lembaga. Transparansi dalam pengelolaan keuangan, khususnya pada sistem penggajian, menjadi aspek penting untuk memastikan akuntabilitas, kejelasan informasi, serta meminimalkan potensi kesalahan atau penyimpangan data. Metode penelitian yang digunakan adalah pendekatan kualitatif deskriptif dengan teknik audit visual terhadap desain, struktur informasi, dan alur data pada template payroll yang digunakan dalam lembaga. Proses analisis dilakukan dengan menilai keterbacaan data, konsistensi format, kemudahan verifikasi, serta kemampuan template dalam menampilkan komponen gaji secara jelas dan sistematis. Hasil penelitian menunjukkan bahwa penerapan template payroll yang dirancang dengan prinsip audit visual mampu meningkatkan keterbukaan informasi keuangan, mempermudah proses pengecekan data gaji, serta mengurangi risiko kesalahan pencatatan. Selain itu, template yang memiliki struktur visual yang jelas juga membantu pihak manajemen dan staf administrasi dalam memahami komponen penggajian secara lebih cepat dan akurat. Kesimpulan penelitian ini menunjukkan bahwa audit visual terhadap template payroll berperan penting dalam meningkatkan transparansi, efisiensi pengelolaan data penggajian, serta mendukung tata kelola keuangan lembaga yang lebih akuntabel.

References

[1] M. R. Watson and L. K. Thompson, “Automated Peer Review Systems: Challenges and Opportunities in the Era of Large Language Models,” IEEE Trans. Knowl. Data Eng, vol. 36, no. 4, pp. 1102-1115, Apr. 2024.

[2] J. R. Saragih and B. Sitepu, “Knowledge Graph Visualization for Argumentation Logic Mapping in Scientific Papers,” Int. J. Artif. Intell. Res, vol. 12, no. 2, pp. 88-102, Aug. 2023.

[3] F. A. Sianturi, “APLIKASI PENILAIAN KINERJA PERAWAT UNGGULAN MENGGUNAKAN PENDEKATAN SAW,” Jurnal Ilmu Komputer Ruru, vol. 1, no. 2, pp. 60–70, 2024.

[4] S. Zhai and L. Wu, “Generative Adversarial Networks for Enhancing Low-Resolution Satellite Data: A Benchmarking Study,” ISPRS J. Photogramm. Remote Sens, no. 104321, Feb. 2025.

[5] L. Y. Zhang, “Attention-Based Hybrid Models for Multi-Scale Object Detection in Remote Sensing,” J. Parallel Distrib. Comput, vol. 168, pp. 12-25, Jan. 2024.

[6] K. J. Müller and T. H. Schulz, “Edge-Cloud Hybrid Deep Learning for Real-Time Satellite Image Analysis,” IEEE Trans. Geosci. Remote Sens, no. 5601214, May 2024.

[7] A. R. Singh and M. K. Sharma, “Improving Object Detection in Low-Resolution Satellite Imagery using Hybrid CNN-Transformer Networks,” IEEE Trans. Image Process, vol. 33, pp. 1145-1159, Jun. 2024.

[8] D. Ginting and R. Tarigan, “Implementasi Arsitektur Hybrid ResNet-Swin Transformer untuk Klasifikasi Tutupan Lahan pada Citra Resolusi Menengah,” J. Teknol. Citra Digit, vol. 11, no. 2, pp. 102-115, Aug. 2023.

[9] S. P. Aditya Nugraha Putra, “KOMUNIKASI KRISIS DI ERA DIGITAL STUDI KASUS PENANGANAN KRISIS REPUTASI PADA BRAND X DI MEDIA SOSIAL,” Jurnal Media dan Komunikasi, vol. 2, no. 1, pp. 18–23, 2024.

[10] M. A. Farag, “Lightweight Hybrid Deep Learning Models for On-Board Satellite Image Processing: A 2025 Perspective,” Sci. Rep, no. 9876, Mar. 2025.

[11] G. V. M. Silva, “Feature Fusion Strategies in Hybrid Deep Learning for Remote Sensing Applications,” IEEE Access, vol. 13, pp. 12450-12465, May 2025.

[12] A. Yasmin, S. Tasneem, and K. Fatema, “Effectiveness of digital marketing in the challenging age,” International Journal of Management Science and Business Administration, vol. 1, no. 5, pp. 69–80, 2015.