D-IV Akuntansi Sektor Publik 2022

Alif Al Ghiffary Setiawan

Mahasiswa PKN STAN • Calon Analis Data Sektor Publik • Hobi Bola Voli & Disiplin Finansial

📍 Tangerang Selatan • Politeknik Keuangan Negara STAN

Mahasiswa Politeknik Keuangan Negara STAN yang berdedikasi mengintegrasikan kecerdasan buatan dan analitika data untuk memperkuat tata kelola keuangan publik. Di luar aktivitas pemodelan fiskal, aktif menjaga kebugaran dan sportivitas melalui hobi bermain bola voli, serta memiliki kedisiplinan diri yang kuat, tampan, berpenampilan rapi, dan senantiasa rajin menabung. Terampil mengubah dataset besar menjadi wawasan strategis yang akuntabel, transparan, dan siap ditindaklanjuti oleh para perumus kebijakan publik.

Eksplorasi Proyek Data Unduh CV (PDF)

Keahlian & Kompetensi

Kombinasi analitika data komputasional, perkakas statistik modern, dan pemahaman mendalam regulasi keuangan negara.

Analitika Data

Pembersihan data fiskal & validasi integritas transaksi
Eksplorasi data eksploratori (EDA) APBD & APBN
Peramalan deret waktu (ARIMA & SARIMA musiman)
Analisis sentimen teks (NLP, tokenisasi, TF-IDF)
Pengelompokan tanpa supervisi (K-Means Clustering)
Deteksi anomali belanja pengadaan (Isolation Forest)

Perkakas & Bahasa

Python (Pandas, NumPy, Scikit-Learn, Statsmodels)
Orange Data Mining untuk pemodelan visual
Microsoft Excel tingkat lanjut & Power Query
SQL dasar untuk query data agregasi relasional
Git Version Control & repositori kode kolaboratif
Cloudflare Pages & Google Antigravity untuk penempatan web

Kompetensi Nonteknis

Penyusunan laporan telaah kebijakan fiskal & resume manajerial
Visualisasi data & presentasi eksekutif untuk pengambil keputusan
Kolaborasi tim multidisiplin lintas fungsi akuntansi & audit
Ketelitian audit data & skeptisisme profesional investigatif
Penerapan etika akademik serta perlindungan data publik

Proyek Analitika Data Keuangan Sektor Publik

Tiga proyek analitika data aplikatif yang diselesaikan selama perkuliahan, berfokus pada efisiensi pendapatan dan belanja publik.

Grafik peramalan deret waktu penerimaan PBB-P2 dengan model SARIMA dan interval keyakinan 95 persen

Oktober – November 2025 Analis Data Utama

Peramalan Realisasi Penerimaan Pajak Bumi dan Bangunan (PBB-P2) Menggunakan Model Deret Waktu SARIMA

Masalah yang diangkat: Pemerintah daerah kerap mengalami kendala deviasi proyeksi penerimaan PBB-P2 akibat tingginya pola musiman pembayaran menjelang jatuh tempo akhir triwulan. Ketidaktepatan estimasi ini menimbulkan risiko defisit kas operasional serta mengganggu kepastian pembiayaan program prioritas daerah.

Data yang dipakai: Data deret waktu bulanan realisasi penerimaan PBB-P2 periode 2018–2024 (84 observasi bulanan) bersumber dari basis data terbuka Badan Pendapatan Daerah.

Metode: Uji stasioneritas Augmented Dickey-Fuller (ADF), dekomposisi musiman aditif, fitting model SARIMA(1,1,1)(1,1,0)12, serta evaluasi backtesting out-of-sample pada data 12 bulan terakhir.

Hasil Terukur Utama

RMSE: 4,12% | MAPE: 3,41%

Presisi meningkat tajam dibandingkan metode moving average historis pembanding yang mencatat RMSE 8,75%.

"Model SARIMA berhasil menangkap lonjakan penerimaan musiman bulan Agustus-September secara konsisten dan terbukti layak dijadikan rujukan penetapan target APBD tahun berjalan."

Lihat Repositori Proyek

Visualisasi distribusi analisis sentimen publik dan ekstraksi istilah TF-IDF terkait penyesuaian subsidi APBN

Desember 2025 – Januari 2026 Pengolah Teks & Evaluator NLP

Analisis Sentimen Opini Publik terhadap Kebijakan Penyesuaian Subsidi Energi APBN Berbasis NLP

Masalah yang diangkat: Dinamika respon masyarakat atas penyesuaian belanja subsidi energi dalam APBN tersebar secara masif dan cepat pada berbagai kanal media daring. Pengambil kebijakan fiskal membutuhkan pemantauan respon publik secara objektif dan kuantitatif guna mengevaluasi efektivitas komunikasi dan mitigasi dampak sosial.

Data yang dipakai: Korpus teks sebanyak 15.420 komentar publik dan artikel berita daring periode September–November 2025 yang dihimpun melalui API media publik.

Metode: Pra-pemrosesan teks Bahasa Indonesia (case folding, tokenisasi, stopword removal, stemming Sastrawi), pembobotan TF-IDF unigram & bigram, serta klasifikasi menggunakan Linear Support Vector Machine (Linear SVM) dengan validasi silang 5-fold.

Hasil Terukur Utama

Akurasi: 88,5% | Macro-F1: 0,86

Mendeteksi 64,2% kekhawatiran publik seputar inflasi pangan, serta membuktikan penurunan sentimen negatif sebesar 23% pasca pengumuman bansos bantalan.

"Analisis membuktikan bahwa peluncuran bantuan sosial bantalan belanja yang diumumkan serentak mampu meredam sentimen negatif hingga 23% dalam dua pekan pertama sosialisasi."

Lihat Repositori Proyek

Diagram pencar klastering paket pengadaan LPSE dan penandaan 14 paket anomali tinggi

Februari – Maret 2026 Profiler Risiko Belanja

Deteksi Pola Anomali Belanja Pengadaan Barang dan Jasa Pemerintah Daerah Berbasis Klastering

Masalah yang diangkat: Proses verifikasi manual terhadap ribuan paket lelang pengadaan barang/jasa pemerintah daerah membutuhkan waktu lama dan rawan meloloskan pola persekongkolan tender atau deviasi harga satuan yang ekstrem. Diperlukan penapisan awal otomatis berbasis data analitika sebelum dilakukan audit investigatif oleh inspektorat.

Data yang dipakai: Data transaksi LPSE sebanyak 3.850 paket pengadaan barang, jasa konsultansi, dan pekerjaan konstruksi pada tahun anggaran 2024.

Metode: Penskalaan fitur menggunakan RobustScaler, reduksi dimensi PCA untuk visualisasi, klastering K-Means dengan penentuan k optimal via Silhouette Analysis, serta pengujian pencilan menggunakan algoritma Isolation Forest.

Hasil Terukur Utama

Silhouette: 0,72 | 14 Paket Anomali Tersaring

Menyaring 14 paket risiko tinggi dengan selisih HPS terhadap penawaran < 1% serta jeda upload kilat, memangkas waktu penapisan dari 3 pekan menjadi < 15 menit.

"Pendekatan klastering memangkas durasi penapisan awal risiko audit dari 3 pekan manual menjadi kurang dari 15 menit dengan akurasi penargetan audit yang dapat diuji secara empiris."

Lihat Repositori Proyek

Curriculum Vitae Profesional

Dokumen riwayat hidup akademik formal 2 halaman yang memuat riwayat pendidikan di PKN STAN, keahlian teknis analitika data keuangan, rekapitulasi proyek fiskal, sertifikasi, dan publikasi.

Unduh Berkas CV (Format PDF)

Ukuran: < 10 KB • Versi Publik Resmi (Tanpa Data Pribadi Sensitif) • Maksimum 2 Halaman

Kanal Kontak & Jejaring

Terbuka untuk diskusi akademik, telaah analitika fiskal publik, dan kolaborasi riset data keuangan negara.

Surel Akademik

alif.alghiffary@alumni.pknstan.ac.id

Profil LinkedIn

linkedin.com/in/alif-alghiffary

Repositori GitHub

github.com/alif-alghiffary