Article Per Year (5 Year)
p-Index From 2021 - 2026
2.064
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri Jurnal Riset Informatika JUSIM (Jurnal Sistem Informasi Musirawas) Academy of Education Journal MULTINETICS Indonesian Journal for Social Responsibility Computer Science (CO-SCIENCE) Cerdika: Jurnal Ilmiah Indonesia Justika : Jurnal Sistem Informasi Akuntansi Jurnal Pariwisata, Bisnis Digital dan Manajemen Journal of Accounting Information System
Rahmawati, Ami
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Industrial & Manufacturing Engineering Mechanical Engineering Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
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.
ENHANCING SLEEP QUALITY PREDICTION THROUGH SMOTE-BASED DATA BALANCING AND HYBRID MACHINE LEARNING MODELS Rahmawati, Ami; Yulianti, Ita; Oktarini Sari, Ani; Nurajizah, Siti; Hikmatulloh
Jurnal Riset Informatika Vol. 8 No. 1 (2025): Desember 2025
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v8i1.456

Abstract

Sleep is a vital aspect in maintaining a person's physical and psychological balance. Poor sleep quality can reduce physical and cognitive performance, increasing the risk of various health problems. This study aims to develop a predictive model for sleep quality based on factors such as lifestyle, stress, daily activities, and caffeine consumption, using XGBoost combined with Recursive Feature Elimination (RFE). XGBoost was chosen for its ability to handle imbalanced datasets and heterogeneous features, while RFE helps simplify the model without losing important information. In the data pre-processing stage, a class imbalance was found, so the Synthetic Minority Over-sampling Technique (SMOTE) process was carried out to balance the proportion of the minority class. The dataset in this study was divided into two parts, namely 80% as training data and 20% as testing data, and validated using cross-validation to ensure generalization. The results show very high model performance with an accuracy of 99.79% on training data, 99.63% on cross-validation, and 99.10% on testing data. This model was then developed into a web application for practical use in analyzing sleep quality prediction. This study emphasizes the methodological contribution of a SMOTE-based hybrid machine learning model and its ready-to-use application implementation, while also opening opportunities for further testing on more diverse datasets and evaluating biases caused by synthetic data.
Co-Authors Ambarsari, Diah Ayu ANI OKTARINI SARI, ANI OKTARINI Dede Wintana Duwi Cahya Putri Buani Gunawan Gunawan Hadianto, Nur Herliawan, Irwan Hidayati, Dian Hikmatulloh Hikmatulloh, Hikmatulloh Ita Yulianti Ita Yulianti Julianti, Yesi Leony Madison, Melvin Muhamad Fikri, Muhamad Novitasari, Hafifah Bella Nurhasanah Nugraha, Siti Oktarini Sari, Ani Puspitasari, Yuli Rahmawati Maulida, Nurul Satia Suhada, Satia Siti Nurajizah Tati Mardiana, Tati Taufik Hidayatulloh Zahera Mega Utama, Zahera Mega