Article Per Year (5 Year)
p-Index From 2021 - 2026
2.528
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) J-SAKTI (Jurnal Sains Komputer dan Informatika) IJISTECH (International Journal Of Information System & Technology) JURTEKSI MIND (Multimedia Artificial Intelligent Networking Database) Journal JURNAL IT: Media Infromasi STMIK Handayani Makassar Building of Informatics, Technology and Science INFOKUM IJISTECH J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Teknik Informatika Journal of Artificial Intelligence and Engineering Applications (JAIEA) TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi BEduManageRs Journal : Borneo Educational Management and Research Journal
Pratiwi, Heny
Unknown Affiliation
Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Optimalisasi Manajemen Pendidikan Melalui Penerapan Kecerdasan Buatan untuk Meningkatkan Efektivitas Pengambilan Keputusan Pratiwi, Heny; Sa'ad, Muhammad Ibnu; Dovist Calvino
BEduManagers Journal : Borneo Educational Management and Research Journal Vol. 6 No. 1 (2025): BEduManagers Journal : Borneo Educational Management and Research Journal
Publisher : Manajemen Pendidikan Program Doktor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/bedu.v6i1.5025

Abstract

Kemajuan teknologi digital saat ini membuka peluang besar dalam transformasi dan inovasi manajemen pendidikan. Penelitian ini bertujuan mengembangkan dan menguji sistem pendukung keputusan berbasis kecerdasan buatan yang mampu menganalisis dan mengolah data akademik serta administratif secara real-time untuk meningkatkan efektivitas dan efisiensi pengambilan keputusan di institusi pendidikan. Data yang dianalisis meliputi kinerja akademik, tingkat kehadiran, serta informasi administratif siswa. Metode penelitian menggunakan validasi silang lima lipat untuk menguji performa sistem berdasarkan kecepatan pengambilan keputusan dan akurasi prediksi masalah akademik. Hasil penelitian menunjukkan adanya peningkatan kecepatan pengambilan keputusan hingga 30% dan akurasi prediksi mencapai 85%. Temuan ini menegaskan bahwa penerapan teknologi kecerdasan buatan dapat mempercepat proses pengambilan keputusan sekaligus meningkatkan ketepatan strategi manajemen pendidikan, sehingga mendukung terciptanya sistem pendidikan yang lebih adaptif, responsif, dan berkualitas.
Perancangan Model Sistem Aspirasi Mahasiswa Berbasis Web Menggunakan Metode Rapid Application Development Di STMIK Widya Cipta Dharma Cembes, Yosefina; Ekawati, Hanifah; Pratiwi, Heny
JEKIN - Jurnal Teknik Informatika Vol. 5 No. 2 (2025)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v5i2.1439

Abstract

Aspirasi mahasiswa merupakan bentuk partisipasi aktif dalam menyampaikan pendapat, kritik, dan saran terhadap sistem yang berlaku di lingkungan perguruan tinggi. Namun, mekanisme penyampaian aspirasi di STMIK Widya Cipta Dharma masih menggunakan Google Form yang belum terintegrasi, sehingga menimbulkan kendala dalam efisiensi, dokumentasi, dan transparansi pengelolaan. Penelitian ini bertujuan untuk merancang sistem aspirasi mahasiswa berbasis web sebagai solusi yang lebih terstruktur dan efektif. Pengembangan dilakukan menggunakan metode Rapid Application Development (RAD), yang memungkinkan proses iteratif dan melibatkan umpan balik langsung dari pengguna. Sistem ini dirancang untuk tiga jenis pengguna utama: mahasiswa, admin, dan penanggung jawab institusi. Salah satu kebaruan (novelty) sistem ini dibandingkan penelitian sebelumnya adalah adanya fitur pengajuan aspirasi secara anonim tanpa login serta pelacakan status aspirasi secara real-time. Selain itu, penelitian ini juga menambahkan evaluasi usability menggunakan System Usability Scale (SUS), yang belum banyak diterapkan pada penelitian serupa sebelumnya. Hasil pengujian blackbox menunjukkan bahwa seluruh fitur berfungsi dengan baik, dan evaluasi SUS terhadap 10 responden menghasilkan skor rata-rata 83,3, yang termasuk kategori Excellent. Secara praktis, sistem ini terbukti meningkatkan efisiensi, aksesibilitas, dan transparansi dalam pengelolaan aspirasi mahasiswa, serta memberikan pengalaman pengguna yang positif. Kontribusi utama dari penelitian ini adalah terciptanya sistem awal yang adaptif, aman, dan responsif terhadap kebutuhan mahasiswa, serta dapat dijadikan landasan untuk pengembangan sistem layanan aspirasi digital yang lebih komprehensif di masa mendatang.
Sistem Pakar Berbasis Web untuk Diagnosis Penanganan Pasca Panen Kelapa Sawit Menggunakan Metode Naive Bayes Pratiwi, Heny; Sa'ad, Muhammad Ibnu; Zakaria, Muhammad Alamsyah
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 2 (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No2.pp259-267

Abstract

This study aims to design a web-based Expert System that is able to diagnose post-harvest handling of oil palm using the Naive Bayes method. In addition, this study also aims to explore optimal harvesting and post-harvest handling management in order to produce high-quality oil yields. This study was conducted at PT Sawit Sukses Sejahtera, the location where the experts work. Data collection was carried out through interviews with experts related to post-harvest handling of oil palm fruit, as well as literature studies to obtain data relevant to the research topic. The Naive Bayes method is used based on the probability found in the post-harvest handling process of oil palm, while system development follows the ESDLC (Expert System Development Life Cycle) methodology, which is the basis for designing and developing expert systems.
Studi Perbandingan Metode MABAC dan WASPAS dengan Pembobotan ROC dalam Sistem Pendukung Keputusan Pemilihan Supplier Terbaik Pratiwi, Heny; Sa’ad, Muhammad Ibnu; Hasiholan, Jundro Daud
Building of Informatics, Technology and Science (BITS) Vol 7 No 1 (2025): June (2025)
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i1.7278

Abstract

The selection of the right supplier is a crucial factor in the supply chain to ensure product quality, cost efficiency, and timely delivery. This study aims to determine the best supplier by comparing two multi-criteria decision-making methods: Multi-Attributive Border Approximation Area Comparison (MABAC) and Weighted Aggregated Sum Product Assessment (WASPAS). Five key criteria were used in the evaluation: product quality, price, delivery punctuality, service and responsiveness, and reputation and trust. The analysis results show that PT. Indo Makmur (A1) consistently ranked first in both methods, with the highest scores of 0.456 (MABAC) and 0.982 (WASPAS), making it the recommended supplier. PT. Sukses Bersama (A7) and PT. Cahaya Abadi (A3) ranked second and third in both methods, indicating good performance. Meanwhile, UD. Sentosa Jaya (A4) ranked the lowest in both methods, suggesting that this supplier is less competitive than the other alternatives. The comparison of results between MABAC and WASPAS methods demonstrates ranking consistency, confirming that both methods can be reliably used in decision-making. This study provides data-driven recommendations for companies in selecting the best supplier, thereby enhancing supply chain efficiency and supporting long-term business strategies.
Implementasi Bot Whatsapp untuk Layanan Informasi Frontline: Studi Kasus: STMIK Widya Cipta Dharma Putra, Muhammad Sadam Saktia; Azahari; Pratiwi, Heny
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 5 No 2 (2025): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study implements a WhatsApp bot as an automated information service at STMIK Widya Cipta Dharma to assist frontline staff tasks. The system was developed using Node.js and the WhatsApp Web API (Baileys Library) with a rule-based matching approach that maps user keywords to predefined responses. The Waterfall method was applied through analysis, design, implementation, and Black Box Testing. The results show that the bot correctly answered 85% of queries and improved information service efficiency by up to 70%.
NAÏVE BAYES-BASED STUDENT ACHIEVEMENT PREDICTION SYSTEM Angreani, Fadillah; Pratiwi, Heny; Saad, Muhammad Ibnu
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 12 No. 1 (2025): Desember 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v12i1.4238

Abstract

Abstract: SMP Muhammadiyah 5 Samarinda still relies on manual evaluation with limited data analysis tools in predicting student academic achievement. This study aims develop a system for predicting the learning achievement of students at SMP Muhammadiyah 5 Samarinda using the Naive Bayes classification method. The dataset used consists of 192 student exam scores covering academic scores, attendance, parents’ education and income, and living conditions as independent variables, while the dependent variable is the achievement label (achieved or not achieved). The preprocessing stage includes label normalization, feature selection, and median imputation to handle missing data. The dataset was divided into 75% training data and 25%. The model was implemented as a pipeline consisting of a median imputer and a Gaussian Naive Bayes classifier. The evaluation results showed that the model achieved an accuracy of 79.2%, with a perfect recall value (1.00) in the high-achieving class and (0.64) in the low-achieving class. This shows that the model is quite effective in identifying high-achieving students. The trained model was then integrated into a Flask-based web application, which enables online predictions through a simple form interface, facilitating contextual interpretation. This system is expected to assist in educational decision-making by helping teachers identify students’ achievement levels early on and design more targeted learning interventions. Keywords: academic performance; educational data mining; naive bayes; prediction system; student achievement Abstrak: SMP Muhammadiyah 5 Samarinda masih bergantung pada evaluasi manual dengan alat analisis data terbatas dalam melakukan prediksi prestasi akademik siswa. Penelitian ini bertujuan mengembangkan sistem prediksi prestasi belajar siswa SMP Muhammadiyah 5 Samarinda menggunakan metode klasifikasi Naive Bayes. Dataset yang digunakan terdiri atas 192 data nilai ujian siswa yang mencakup skor akademik, kehadiran, pendidikan dan pendapatan orang tua, serta kondisi tempat tinggal sebagai variabel independen, sedangkan variabel dependen berupa label prestasi (berprestasi atau tidak berprestasi). Tahap preprocessing meliputi normalisasi label, seleksi fitur, serta imputasi median untuk menangani data yang hilang. Dataset dibagi menjadi 75% data latih dan 25%. Model diimplementasikan dalam bentuk pipeline yang terdiri atas median imputer dan Gaussian Naive Bayes classifier. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 79,2%, dengan nilai recall sempurna (1,00) pada kelas berprestasi dan lebih rendah (0,64) pada kelas tidak berprestasi. Hal ini menunjukkan bahwa model cukup efektif dalam mengidentifikasi siswa berprestasi. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi web berbasis Flask, yang memungkinkan prediksi secara daring melalui antarmuka formulir sederhana untuk mendukung interpretasi kontekstual. Sistem ini diharapkan dapat membantu untuk pengambilan keputusan dalam pendidikan dengan membantu guru mengidentifikasi tingkat prestasi siswa sejak dini dan merancang intervensi pembelajaran yang lebih terarah. Kata kunci: prestasi akademik; penambangan data Pendidikan; naive bayes; sistem prediksi; prestasi siswa
Co-Authors Adeputra, James Angreani, Fadillah Anwar, Rafidan Azahari Azahari, Azahari Cembes, Yosefina Damaya, Filio Angga Daud, Jundro Dovist Calvino Ekawati, Hanifah Fahriawan, Muhammad Halim, Ryan Artanto Harianto, Kusno Harpad, Bartolomius Ita Arfyanti Junirianto, Eko Lamsi, Rahmadiansyah Zain Muhammad Ibnu Saad Saad NUR FITRIANI Putra, Muhammad Sadam Saktia SA'AD, MUHAMMAD IBNU Saad, Muhammad Ibnu Salmon Sa’ad, Muhammad Ibnu Suhariyadi, Yonatan Sururi, M Za’iem Syamsuddin Mallala W Wahyuni, W Wahyuni - Wahyuni Y Yunita Zakaria, Muhammad Alamsyah