Pengelompokan Data DIPA Berbasis Penyerapan Anggaran Menggunakan Metode Self Organizing Map (SOM)

  • Haerul Harun Mahasiswa Jurusan Teknik Elektro, ITS, Surabaya
  • I Ketut Eddy Purnomo Dosen Jurusan Teknik Elektro, ITS Surabaya
  • Eko Mulyanto Y Dosen Jurusan Teknik Elektro, ITS Surabaya

Abstrak

Selama ini regulasi untuk mengatasi keterlambatan penyerapan anggaran ditujukan secara umum ke semua satuan kerja pengguna anggaran APBN karena tidak diketahui satuan kerja mana yang berpotensi besar mengalami keterlambatan penyerapan anggaran, padahal karakteristik setiap satuan kerja sangat beragam. Satuan kerja yang di tahun sebelumnya terlambat penyerapannya belum tentu tahun ini juga akan mengalami keterlambatan karena Daftar Isian Pelaksanaan Anggaran (DIPA) setiap satuan kerja berubah-ubah setiap tahun. Jumlah satuan kerja yang sangat banyak dan beragam tidak sebanding dengan jumlah Kantor Pelayanan Perbendaharaan Negara (KPPN) dan SDM di KPPN tersebut yang sangat terbatas. Hal ini berakibat pada rentang kendali yang sangat luas, sehingga dimungkinkan regulasi tidak tepat menyasar satuan kerja yang sangat berpotensi mengalami keterlambatan penyerapan anggaran. Untuk itu dibutuhkan sistem yang dapat mengelompokkan satker berdasarkan tingkat penyerapan anggarannya sehingga regulasi bisa difokuskan ke kelompok satuan kerja yang kemungkinan tingkat penyerapannya paling rendah. Daftar Isian Pelaksanaan Anggaran (DIPA) yang diberikan kepada setiap satuan kerja pada akhir tahun sebelum tahun anggaran berjalan dimulai, berisi beberapa data yang mungkin dapat diolah untuk menemukan kelompok satker yang tingkat penyerapannya paling rendah. Pengolahan data secara cepat, efisien dan efektif sangat diperlukan oleh Ditjen Perbendaharaan guna mendapatkan informasi dan mendukung pengambilan keputusan. Metode yang akan digunakan dalam mengelompokkan DIPA adalah metode Self Organizing Map (SOM). Metode ini merupakan bagian dari Jaringan Syaraf Tiruan yang tergolong dalam unservised learning dan mempunyai kemampuan untuk mengelola data-data input tanpa harus memiliki nilai sebagai target. Metode SOM dapat memberikan keluaran berupa kelompok-kelompok satker berdasarkan tingkat penyerapan anggarannya.

Referensi

Arijatmiko, W. (2012). Sistem Pendukung Keputusan Multidimensi Dengan Metode Self Organizing Map untuk Nominasi Sertifikasi Pendidik.

Haykin, S. (2005). Neural Network A Comprehensive Foundation. Pearson Education.

Herriyanto, H. (2012). Faktor-Faktor Yang Menpengaruhi Keterlambatan Penyerapan Anggaran Belanja Pada Satuan Kerja Kementerian/Lembaga di Wilayah Jakarta.

Irman Hermadi, d. (2006). Clustering Menggunakan SOM, Studi Kasus: Data PPMB IPB.

Kusumadewi, S. (2004). Membangun Jaringan Syaraf Tiruan Menggunakan Matlab dan Excel Link. Yogyakarta: Graha Ilmu.

Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi Offset.

Santosa, B. (2007). Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu

Diterbitkan
2015-12-04