Claim Missing Document
Check
Articles

Found 14 Documents
Search

Penerapan API WhatsApp pada Sistem Pengolahan Data Tabungan Sekolah Menggunakan Model Extreme Programming Rahmawati, Ami; Nurajizah, Siti; Yulianti, Ita
JUSTIKA : Jurnal Sistem Informasi Akuntansi Vol 2 No 2 (2022): JUSTIKA : Jurnal Sistem Informasi Akuntansi
Publisher : Program Studi Sistem Informasi Akuntansi Kampus Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/justika.v2i2.1649

Abstract

Peranan teknologi menempati posisi yang sangat penting terhadap munculnya inovasi yang positif bagi kemajuan suatu institusi terutama lembaga pendidikan. DTA Almuta'alim merupakan suatu lembaga pendidikan yang memiliki program tabungan sekolah, dimana program ini berkaitan dengan pendidikan dan ekonomi yang dilakukan sebagai upaya untuk melatih dan mendidik para siswa agar mampu mengontrol diri dalam menggunakan uang secara bijak. Dalam prosesnya, pengolahan data tabungan pada DTA ini masih dilakukan secara konvensional sehingga semakin banyaknya data yang tersimpan menyebabkan sulitnya pencarian data dan tingkat resiko kesalahan pencatatan/perhitungan menjadi lebih tinggi. Oleh karena itu, untuk mengatasi permasalahan tersebut, maka diperlukan pemanfaatan teknologi dengan membangun sebuah sistem yang dapat menunjang kegiatan program ini. Pada penelitian ini, sistem yang akan dibangun dibuat berbasis web dengan menggunakan bahasa pemrograman PHP MySQLi dan diterapkan melalui pendekatan model Extreme Programming yang terdiri dari 4 tahapan meliputi planning, design, coding dan testing. Selain itu, implementasi API WhatsApss pada sistem juga dilakukan dalam memunculkan fitur notifikasi otomatis untuk informasi transparasi saldo tabungan bagi orangtua/wali. Dengan dibuatnya sistem ini, diharapkan dapat memberikan kontribusi terhadap keberlangsungan program tabungan sekolah melalui kemudahan pengolahan data sehingga proses pengelolaannya menjadi lebih baik.
Peran Manajemen Perubahan dalam Meningkatkan Efektivitas Manajemen Sumber Daya Manusia di Era Transformasi Digital Utama, Zahera Mega; Rahmawati, Ami; Puspitasari, Yuli; Madison, Melvin
Cerdika: Jurnal Ilmiah Indonesia Vol. 5 No. 11 (2025): Cerdika: Jurnal Ilmiah Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/cerdika.v5i11.2775

Abstract

Transformasi digital menuntut organisasi untuk terus beradaptasi melalui praktik manajemen perubahan yang efektif. Perubahan tersebut memerlukan transformasi manajemen Sumber daya manusia (SDM) di beberapa aspek agar organisasi dapat beradaptasi dengan cepat di era transformasi digital. Penelitian ini bertujuan untuk menganalisis hubungan antara manajemen perubahan dan manajemen SDM dalam menghadapi dinamika bisnis yang cepat di era transformasi digital. Metode yang digunakan adalah studi literatur dengan pendekatan kualitatif deskriptif. Hasil analisis menunjukkan bahwa keberhasilan manajemen perubahan sangat dipengaruhi oleh keterlibatan fungsi manajemen SDM, terutama dalam membangun budaya adaptif, menyediakan pelatihan yang relevan, dan meningkatkan komunikasi internal yang kuat agar lebih adapatif dengan kemajuan digital. Studi ini diharapkan dapat menjadi acuan bagi organisasi yang tengah menjalankan inisiatif perubahan di era digital.
DEVELOPMENT OF MANUFACTURING INVENTORY MANAGEMENT SYSTEM USING MATERIAL REQUIREMENT PLANNING METHOD Rahmawati, Ami; Saputra, Rizal Amegia; Yulianti, Ita
Jurnal Riset Informatika Vol. 4 No. 1 (2021): December 2021
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v4i1.135

Abstract

Inventory has an important role in business activities. This is because inventory has an effect on changes in the production market and anticipates price changes in the demand for many goods. PT. Barkah Jaya Mandiri is a company engaged in manufacturing where the management of inventory at the company is still done conventionally. This causes various problems such as the occurrence of discrepancies in the stock of goods, discrepancies in data and final reports as well as obstacles in the production process in the event of a shortage or excess of raw materials. (Material Requirement Planning) in order to overcome the problems that occur in the company. The combination of the SDLC model and data collection techniques including observation, interviews and literature study were also carried out in this study in order to achieve the system that will be built to suit the targeted needs. With this system, the management of inventory data at this company can be done easily and accurately and save time compared to the previous system, so that the procurement of manufacturing raw materials is optimal and employee performance is better.
THE EFFECTIVENESS ANALYSIS OF RANDOM FOREST ALGORITHMS WITH SMOTE TECHNIQUE IN PREDICTING LUNG CANCER RISK Yulianti, Ita; Rahmawati, Ami; Mardiana, Tati
Jurnal Riset Informatika Vol. 4 No. 2 (2022): March 2022
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (996.334 KB) | DOI: 10.34288/jri.v4i2.159

Abstract

Abstract When compared with other types of cancer, most of the population with cancer die from lung cancer.A person needs to do a screening test through X-rays, CT scans, and MRI to detect the disease. However, before carrying out the process, the doctor will ordinarily investigate a medical history and physical examination first to study the symptoms and possible risk factors for lung cancer. The lung cancer data set has a class imbalance that affects the performance of the random forest algorithm in predicting the risk of lung cancer. This study aims to employ the SMOTE technique to the random forest algorithm to increase accuracy in predicting lung cancer risk. In this research, data processing and analysis use the Python programming language. The test results show an accuracy value of 88% with an AUC value of 0.93. When employing the random forest method to forecast lung cancer risk, the SMOTE technique is useful in dealing with class imbalances in the data set.