Article Per Year (5 Year)
p-Index From 2021 - 2026
3.082
P-Index
This Author published in this journals
All Journal Prosiding SNATIF Jurnal Pertanian Agros METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jiko (Jurnal Informatika dan komputer) Krea-TIF: Jurnal Teknik Informatika IC Tech: Majalah Ilmiah Jurnal Pengabdian Pada Masyarakat METHABDI SmartComp IC Tech: Majalah Ilmiah
Sugianti, Devi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Immunology & microbiology Languange, Linguistic, Communication & Media Library & Information Science Medicine & Pharmacology Physics Public Health Other

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

Found 26 Documents
Search

 1   2   3 
PERANCANGAN SISTEM INFORMASI PENGGAJIAN PADA PT. ABC Syaifudin, Anas; Risqiati, Risqiati; Sugianti, Devi
IC Tech: Majalah Ilmiah Vol 19 No 2 (2024): IC Tech: Majalah Ilmiah Volume XIX No. 2 Oktober 2024
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v19i2.308

Abstract

Penelitian ini berfokus pada perancangan dan implementasi sistem informasi penggajian berbasis web di PT. ABC, sebuah perusahaan garmen dengan lebih dari 500 karyawan. Sistem yang dikembangkan bertujuan untuk menggantikan metode manual berbasis Microsoft Excel yang sebelumnya digunakan untuk mengelola penggajian, yang sering kali menyebabkan keterlambatan proses dan kesalahan perhitungan. Sistem baru ini dibangun menggunakan framework Laravel dan basis data MySQL, serta dirancang untuk mengotomatisasi berbagai proses, termasuk pengelolaan data karyawan, penghitungan gaji, lembur, dan pencatatan izin serta cuti. Selain itu, fitur slip gaji digital memudahkan karyawan untuk mengakses informasi gaji mereka secara transparan. Pengujian fungsional dan User Acceptance Test (UAT) dilakukan dengan melibatkan karyawan dan tim HRD melalui kuesioner. Hasil UAT menunjukkan bahwa 90% responden memberikan tanggapan positif terhadap sistem, terutama terkait dengan fitur transparansi gaji dan akses slip gaji digital. Penggunaan kuesioner ini memungkinkan evaluasi yang lebih menyeluruh tentang kepuasan pengguna, memastikan bahwa sistem memenuhi kebutuhan operasional perusahaan dan meningkatkan efisiensi kerja. Peluncuran sistem ini diharapkan dapat memperbaiki proses penggajian, mengurangi kesalahan perhitungan, dan meningkatkan kepuasan karyawan terhadap manajemen gaji perusahaan. Kata kunci: Sistem Informasi Penggajian, Efisiensi Penggajian, Gaji Karyawan.
Business Intellegenge untuk Perencanaan Strategi Pemasaran pada UMKM Sarung dengan Manajemen Dashboard Setianto, Wahyu; Sugianti, Devi; Wibowo, Ari Putra; Risqiati, Risqiati; Darmawan, Arief Soma
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 2 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

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

Abstract

MSMEs are the backbone of the national economy, the government is trying to recover the economy after the Covid-19 pandemic by making a new breakthrough with digitalization. Digitalization helps MSMEs to process and analyze data for decision making. The data stored in the company is increasing, so it requires Business Intelligence to make it easier for companies to present information. MSME Abitex experienced problems in planning sales strategies by looking at interest in each city. The stages of research carried out were problem identification, data collection, design, manufacture, testing results. In identifying problems, problems were found in monitoring sales to create sales strategies, in data collection from 2021 to 2023. The number of transactions was 807 sales with 3 types of sarongs, a total of 14 sarongs produced. In designing using a star schema obtained from the sales fact table, time dim, customer dim, goods dim. Business intelligence can display data visualization by grouping by product, customer and by time, and can see interest in products in each city
IMPROVING INDONESIAN SPEECH EMOTION CLASSIFICATION USING MFCC AND BILSTM WITH AUDIO AUGMENTATION Septiyanto, Muhammad; Susanto, Eko Budi; Sugianti, Devi
JIKO (Jurnal Informatika dan Komputer) Vol 8, No 3 (2025)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v8i3.10820

Abstract

Emotion classification from speech has become an important technology in the modern artificial intelligence era. However, research for the Indonesian language is still limited, with existing methods predominantly relying on conventional machine learning approaches that achieve a maximum accuracy of only 90%. These traditional methods face challenges in capturing complex temporal dependencies and bidirectional contextual patterns inherent in emotional speech, particularly for Indonesian prosodic characteristics. To address this limitation, this study uses a combination of Mel-Frequency Cepstral Coefficients (MFCC) feature extraction and Bidirectional Long Short-Term Memory (BiLSTM) model with audio augmentation techniques for Indonesian speech emotion classification. The IndoWaveSentiment dataset contains 300 audio recordings from 10 respondents with five emotion classes: neutral, happy, surprised, disgusted, and disappointed. Audio augmentation techniques with a 2:1 ratio using five methods generated 900 samples. MFCC feature extraction produced 40 coefficients that were processed using BiLSTM architecture with two bidirectional layers (256 and 128 units). The model was trained using Adam optimizer with early stopping. Research results show the highest accuracy of 93.33% with precision of 93.7%, recall of 93.3%, and F1-score of 93.3%. The "surprised" emotion achieved perfect performance (100%), while "happy" had the lowest accuracy (88.89%). This result surpasses previous benchmarks on the same dataset, which utilized Random Forest (90%) and Gradient Boosting (85%). This study demonstrates the effectiveness of combining MFCC, BiLSTM, and audio augmentation in capturing Indonesian speech emotion characteristics for the development of voice-based emotion recognition systems.
Segementasi Nasabah Tabungan Pada BMT XXX dengan Metode Fuzzy C Means dan Model RFM darmawan, arief soma; Sugianti, Devi; Syaifudin, Anas
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 10, No 2 (2021): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v10i2.2355

Abstract

Setiap perusahaan akan berlomba lomba untuk meningkatkan pelayanan kepada pelanggan, agar pelanggan tidak berpindah ke pesaing. BMT XXX juga tidak menginginkan nasabahnya berpindah ke pesaing. Pada tahun 2019 nasbah BMT XXX mencapai 4882 nasabah, akan tetapi yang aktif melakukan transaksi penabungan hanya 1392 nasabah. BMT mengalami kesulitan dalam menginterpretasikan data, karena data yang tersaji dalam bentuk manual. Untuk membantu BMT dalam mengelompokkan nasabah yang potensial menggunakan metode fuzzy C Means dan model RFM (Recency, Frequency, dan  Monetary). Metode Fuzzy C means  digunakan karena dapat menggelompokkan data yang lebih besar dan lebih kokoh pada data oulier, dalam menentukan cluster atau kelompok dengan derajat keanggataan. Langkah langkah metode penelitian yang dilakukan adalah pengumpulan data, pengolahan data, metode yang diusulkan, eksperimen metode, validasi hasil atau pengujina. Hasil pengujian dengan Davies Bouldin Index diperoleh 0,464 dengan jumlah klaster sebanyak 6. Dengan kelas nasbah superstar sebanyak 79 nasabah, golden sebanyak 462 nasabah, typical customer  124 nasabah, occantional customer sebanyak 271 nasabah, everyday sopper  239 nasabah, dormant cusomer  217 nasabah. Dengan adanya data tersebut dapat digunakan oleh BMT XXX pengambilan keputusan dalam hal menentukan strategi marketing untuk meningkatkan pelanggan agar pelanggan selalu aktif melakukan penabungan. Kata Kunci : Segementasi nasabah, fuzzy c means, RFM
Association Rule Mining untuk Penentuan Media Promosi Pendaftaran Mahasiswa Baru dengan Metode Apriori Sugianti, Devi
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 1 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i1.4124

Abstract

Jumlah perguruan tinggi swasta di Jawa Tengan terdapat 247 perguruan tinggi, persaingannya semakin ketat. Maka dari itu dibutuhkan inovasi agar dapat beradaptasi dan bertahan. Keunggulan perguruan tinggi harus ditonjolkan dalam mempromosikan perguruan tinggi tersebut. STMIK Widya Pratama disetiap tahunnya melakukan promosi untuk menjaring mahasiswa baru. Adapun media promosi yang digunakan berupa brosur, poster, spanduk, radio, koran, bagian pendaftaran, teman, dosen/staf, sosial media. Data dibagian pendaftaran semakin lama bertambah besar dari tahun ke tahunnya, maka dari itu perlu diolah. Model pengolahan data yang digunakan adalah  data mining agar dapat menyelesaiakan permasalahan dalam menemukan atribut-atribut yang terjadi besamaan adalah Association rules (aturan asosiasi). Tahapan metode penelitian yang dilakukan adalah: Extraction, Prepocessing, algoritma data mining dan rule. Pada penelitian ini di hasilkan bahwa jika teman maka sosial media, dengan batasan nilai support min 0,3 dan minimal confidence 0,5. Algoritma apriori dapat membetuk pola kombinasi dengan aturan asosiasi setelah melakukan perhitungan nilai support dan confidence
Case Based Reasoning Untuk Mendeteksi Penyakit Kucing Dengan Metode KNN Darmawan, Arief Soma; Sugianti, Devi; Halim, Muhammad Faisal
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i2.3452

Abstract

Kucing adalah hewan kesayangan yang sangat populer dikalangan masyarakat Indonesia. Ketersediaan dokter tidak sebanding dengan banyaknya masyarakat yang mencintai kucing serta pemilik juga banyak yang belum mengetahui cara pemeliharaan dengan benar. Jenis penyakit yang dialami kucing sangat banyak maka dari itu membutuhkan penanganan dan pengobatan yang berbeda-beda. Maka untuk dapat mendiagnosa penyakit pada kucing dibutuhkan sebuah sistem dengan berbasis Case Based Reasoning(CBR) dengan metode K Nearest Neighbor. Case Base Reasoning (CBR) dapat penyelesaikan masalah berdasarkan masa lalu yang sama untuk menyelesaikan masalah yang baru, dalam memecahkan kasus baru maka mengingat kasus lama. Algoritma K Nearest Neighbor memilih data  sejumlah K yang paling dekat dari data baru. Metode penelitian yang digunakan adalah CHRISP –DM (Cross Industry Process for data mining)  dengan tahapan sebagai berikut: Fase Pemahaman Bisnis, Fase Pemahaman data, Fase Pengolahan Data, Fase Pemodelan, Fase Evaluasi dan Fase penyebaran. Data yang didapat 320 data, setelah melalukan fase pengolahan data menjadi 250 data. Pengujian akurasi didapatkan akurasi yang paliing tinggi adalah dengan menggunakan nilai K= 3 dengan tingkat akurasi sebesar 97 %.
Co-Authors Al Karomi, Adib Al Karomi, M. Adib Anas Syaifudin Asterina, Della Esti Awansyah, Zyakia Darmawan , Arief Soma DARMAWAN, ARIEF SOMA Darmawan, Arif Soma Faizal Kurniawan Halim, Muhammad Faisal Hapsoro, Wim Indrayanti, Indrayanti M Imam Arifandy, M Imam Munthe, Dinda Putri Rahmi, Elfi Ridwan, Aditya Risqiati, Risqiati Rizki Maulana, Rizki Septiyanto, Muhammad Shaela, Pamela Susanto, Eko Budi Syaifudin, Anas Wahyu Setianto, Wahyu WIBOWO, ARI PUTRA Widiyono, Widiyono Wim Hapsoro, Hermanus