Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Dinna Yunika Hardiyanti
Sistem Informasi, Universitas Sriwijaya
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
OPTIMASI PROSES LAYANAN PERPUSTAKAAN MENGGUNAKAN BPI, PCE, DAN FMEA PADA DINAS PERPUSTAKAAN PROVINSI SUMATERA SELATAN Tarisha Ispahan; Dinna Yunika Hardiyanti; Pacu Putra Suarli
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16771

Abstract

Pelayanan perpustakaan yang efisien merupakan faktor penting dalam meningkatkan kualitas layanan publik. Namun, proses pendaftaran anggota serta peminjaman dan pengembalian buku di Dinas Perpustakaan Provinsi Sumatera Selatan masih didominasi oleh aktivitas manual yang berdampak pada lamanya waktu layanan dan meningkatnya risiko kesalahan. Permasalahan tersebut menyebabkan rendahnya efisiensi dan keandalan proses layanan. Penelitian ini bertujuan untuk mengoptimalkan proses layanan perpustakaan melalui pendekatan Business Process Improvement (BPI) dengan dukungan Process Cycle Efficiency (PCE) dan Failure Mode and Effect Analysis (FMEA). Metode penelitian yang digunakan adalah mixed method, meliputi pemodelan proses As-Is dan To-Be menggunakan BPMN, pengukuran efisiensi dengan PCE, serta analisis risiko menggunakan FMEA. Hasil penelitian menunjukkan bahwa perancangan proses To-Be berbasis digital mampu mengeliminasi aktivitas tidak bernilai tambah dan meningkatkan efisiensi secara signifikan. Nilai PCE pada proses pendaftaran anggota meningkat hingga 99,72%, sedangkan proses peminjaman dan pengembalian buku mencapai 96,27%. Selain itu, FMEA berhasil mengidentifikasi risiko kritis, seperti pencetakan kartu anggota (RPN 240) dan pencatatan peminjaman manual (RPN 210), yang menjadi dasar perbaikan proses. Dengan demikian, integrasi BPI, PCE, dan FMEA terbukti efektif dalam menghasilkan proses layanan perpustakaan yang lebih cepat, akurat, dan andal.
ANALISIS KLASTERING RISIKO PEKERJAAN MENGGUNAKAN METODE K-MEANS PADA DATA SIKA Adetya Rielisa Putri; Dinna Yunika Hardiyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16780

Abstract

Industri migas memiliki potensi bahaya tinggi sehingga memerlukan pengelolaan keselamatan berbasis data operasional yang akurat. Pada PT Pertamina Hulu Rokan Zona 4 Field Limau, data Sistem Izin Kerja Aman (SIKA) selama ini masih dimanfaatkan secara administratif dan belum dianalisis untuk mengidentifikasi pola izin kerja. Penelitian ini bertujuan menggali pola pengelompokan pekerjaan berdasarkan atribut lokasi, jenis pekerjaan, dan durasi izin kerja menggunakan data SIKA. Metode yang digunakan adalah klasterisasi K-Means terhadap 4.453 data izin kerja periode 2023–2025 yang telah melalui tahap pembersihan data, pengkodean one-hot encoding, dan normalisasi Min-Max. Penentuan jumlah klaster optimal dievaluasi menggunakan Elbow Method, Silhouette, Davies-Bouldin Index, Calinski-Harabasz Index. Hasil evaluasi menunjukkan konfigurasi optimal terdiri dari dua klaster dengan nilai Silhouette Score 0,9306 dan DBI 0,4437. Klaster pertama merepresentasikan pekerjaan rutin dengan durasi izin relatif pendek dan dominasi pekerjaan dingin, sedangkan klaster kedua menggambarkan pekerjaan teknis intensif dengan durasi izin lebih panjang dan berlokasi di area Field. Hasil penelitian ini memberikan gambaran objektif pola izin kerja yang dapat digunakan sebagai dasar awal pertimbangan dalam perencanaan pengendalian keselamatan kerja
PENERAPAN METODE LONG SHORT-TERM MEMORY UNTUK PREDIKSI PRODUKSI MINYAK BUMI BERDASARKAN DATA TIME SERIES HARIAN Wardah Shifa Maharani; Dinna Yunika Hardiyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16778

Abstract

Produksi minyak bumi merupakan komponen strategis dalam sektor energi sehingga membutuhkan sistem prediksi yang akurat untuk mendukung perencanaan dan pengambilan keputusan. Seiring waktu, produksi minyak menunjukkan pola fluktuatif dan memiliki ketergantungan jangka panjang yang menjadikan proses prediksi sebagai tantangan tersendiri. Kondisi tersebut menimbulkan permasalahan dalam menentukan metode yang mampu memodelkan pola time series data produksi secara efektif dengan tingkat kesalahan yang rendah. Oleh karena itu, penelitian ini bertujuan untuk menerapkan metode Long Short-Term Memory (LSTM) sebagai metode dalam memprediksi produksi minyak bumi berdasarkan data time series harian. Proses penelitian diawali dengan tahapan pra-pemrosesan data yang meliputi pembersihan data, normalisasi, serta pembagian data. Selanjutnya, model LSTM dilatih menggunakan data produksi periode 1 Januari 2022 hingga 31 Juli 2025 dan dievaluasi menggunakan metrik Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan nilai RMSE sebesar 100,49 dan MAPE sebesar 1,72% yang mengindikasikan tingkat kesalahan prediksi rendah dan akurasi yang sangat baik. Dengan demikian, metode LSTM mampu mempertahankan pola fluktuasi produksi serta menghasilkan prediksi yang selaras dengan tren historis sehingga layak digunakan sebagai pendukung pemantauan dan perencanaan produksi minyak bumi
Co-Authors Adetya Rielisa Putri Pacu Putra Suarli Tarisha Ispahan Wardah Shifa Maharani