Article Per Year (5 Year)
p-Index From 2021 - 2026
3.916
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Technologia: Jurnal Ilmiah Competitive Media Informatika Indonesian Community Service and Empowerment Journal (IComSE) Jurnal Responsif : Riset Sains dan Informatika Jurnal Sains Manajemen Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika Jurnal Sosial dan Abdimas Jurnal Financia : Akuntansi dan Keuangan Hexatech: Jurnal Ilmiah Teknik Competitive SEMINAR TEKNOLOGI MAJALENGKA (STIMA)
Hariyanti, Ifani
Universitas Adhirajasa Reswara Sanjaya
Aerospace Engineering Arts Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Neuroscience Social Sciences Transportation

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
OPTIMALISASI MANAJAMEN SDM BERBASIS AI: DAMPAK PADA EFISIENSI DAN PENGAMBILAN KEPUTUSAN ORGANISASI Drajat, Devi Yuniati; Sandini, Dwi; Hariyanti, Ifani; Raharja, Agung Rachmat
Jurnal Sains Manajemen Vol. 7 No. 1 (2025): Jurnal Sains Manajemen
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jsm.v7i1.1790

Abstract

Penelitian ini bertujuan untuk mengeksplorasi dampak implementasi teknologi berbasis kecerdasan buatan (AI) pada manajemen sumber daya manusia (SDM), khususnya terhadap efisiensi operasional dan pengambilan keputusan organisasi. Data dikumpulkan melalui metode survei dan wawancara semi-terstruktur yang melibatkan 30 responden dari berbagai organisasi yang telah menerapkan teknologi AI. Hasil survei dianalisis menggunakan statistik deskriptif dan inferensial, sementara data wawancara dianalisis secara tematik untuk mendalami tantangan dan peluang implementasi AI. Hasil penelitian menunjukkan bahwa teknologi AI secara signifikan meningkatkan efisiensi operasional, dengan pengurangan beban kerja manual hingga 50% pada beberapa proses seperti rekrutmen dan evaluasi kinerja. Selain itu, AI juga berkontribusi pada pengambilan keputusan yang lebih akurat dan objektif, meskipun terdapat tantangan seperti kurangnya pelatihan teknis dan biaya implementasi yang tinggi. Uji validitas dan reliabilitas instrumen penelitian menghasilkan nilai yang tinggi, menunjukkan bahwa data yang diperoleh dapat diandalkan. Penelitian ini merekomendasikan peningkatan pelatihan teknis dan transparansi sistem AI untuk memaksimalkan potensi teknologi ini dalam manajemen SDM
Penerapan algoritma K-Means Clustering dalam identifikasi pola penggunaan barang di gudang KPU Kabupaten Banyuwangi Safra, Candra Edmond; Hariyanti, Ifani
Hexatech: Jurnal Ilmiah Teknik Vol. 4 No. 2 (2025): Hexatech: Jurnal Ilmiah Teknik
Publisher : ARKA INSTITUTE

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55904/hexatech.v4i2.1573

Abstract

Pengelolaan logistik dalam penyelenggaraan pemilihan umum memiliki peran vital dalam menjamin kelancaran dan efisiensi proses demokrasi. Namun, pengelolaan barang logistik di gudang Komisi Pemilihan Umum (KPU) Kabupaten Banyuwangi masih dilakukan tanpa analisis data historis yang terstruktur, sehingga berpotensi menimbulkan ketidakefisienan dalam perencanaan dan distribusi barang. Penelitian ini bertujuan untuk mengidentifikasi pola penggunaan barang logistik Pilkada menggunakan algoritma K-Means Clustering pada data historis penggunaan barang di gudang KPU Kabupaten Banyuwangi. Data penelitian terdiri dari 206 record dengan 37 atribut yang mencakup berbagai jenis logistik seperti kotak suara, bilik suara, dan formulir. Analisis dilakukan menggunakan perangkat lunak RapidMiner Studio 9.10 dengan tahapan data preprocessing meliputi pembersihan, normalisasi, serta pembagian data training dan testing. Hasil analisis menunjukkan bahwa data dapat dikelompokkan ke dalam tiga cluster utama yang merepresentasikan tingkat kebutuhan tinggi, sedang, dan rendah. Dapat disimpulkan bahwa evaluasi model menggunakan Davies-Bouldin Index menunjukkan bahwa nilai K menghasilkan pemisahan cluster terbaik dengan struktur data yang kompak. Temuan ini diharapkan dapat menjadi dasar dalam pengambilan keputusan strategis untuk meningkatkan efisiensi pengelolaan gudang logistik Pilkada di KPU Kabupaten Banyuwangi.
Perancangan Sistem IoT Smart Fisher Untuk Kelompok Budidaya Ikan Kaliwungu Rahayu Ramdhani, Yudi; Hariyanti, Ifani; Sandini, Dwi; Susanti, Sari; Najiyah, Ina
Jurnal Sosial & Abdimas Vol. 5 No. 1 (2023): Jurnal Sosial & Abdimas
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jsa.v5i1.1071

Abstract

Kelompok masyarakat yang memiliki mata pencaharian melalui budidaya ikan salah satunya adalah Kelompok Budidaya Ikan Kaliwungu Rahayu yang berlokasi di Dusun Panglajan Desa Cintaratu Kec Parigi Kabupaten Pangandaran. Berdasarkan hasil temuan yang didapatkan dari pembudidaya ikan, baik yang berfokus pada pembenihan maupun pembesaran sama-sama merasakan masa panen yang lama. Pada pembudidaya yang berfokus pada pembenihan masa panen kurang lebih dicapai selama 3 bulan, sedangkan untuk yang berfokus pada pembesaran dicapai selama 4 bulan. Masa panen yang kurang optimal dipengaruhi tidak adanya alat penunjang. Peralatan ini yang berpengaruh pada manajemen kualitas air, selama ini manajemen kualitas air dilakukan secara tradisional dan berdasarkan pengalaman yang diperoleh. Faktor tersebut juga menyebabkan bidang budidaya ikan dipandang memiliki nilai ekonomi yang rendah. Kegiatan pengabdian masyarakat ini bertujuan untuk membantu Kelompok Budidaya Ikan Kaliwungu Rahayu untuk menyelesaikan masalahnya. Metode yang yang digunakan dalam pengabdian masyarakat ini terdiri dari tahapan observasi, wawancara dengan mitra, survey lokasi kolam tempat budidaya ikan, serta sosialisasi hasil perancangan model teknologi yang akan dibuat. Hasil pengabdian masyarakat ini sebuah model perancangan sistem IoT yang akan diterapkan untuk manajemen kolam, pada Kelompok Budidaya Ikan Kaliwungu Rahayu.
PERANCANGAN DAN IMPLEMENTASI CALIFORNIA BEARING RATIO (CBR) DENGAN MENGGUNAKAN C# DAN ARDUINO Raharja, Agung Rachmat; Setiyono, Riyanto; Hariyanti, Ifani
Jurnal RESPONSIF: Riset Sains & Informatika Vol 6 No 1 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i1.1425

Abstract

California Bearing Ratio (CBR) adalah suatu cara (metode) untuk menentukan nilai daya dukung suatu tanah dalam menahan atau memikul beban-beban yang bekerja pada tanah, yaitu beban-beban yang bekerja pada permukaan jalan. Untuk mengetahui beban tanah biasanya di lakukan pada sebuah alat uji CBR pada lab, selain itu hasil perolehan yang di dapatkan dari uji tersebut masih manual dan tidak dapat disimpan ke dalam komputer, dengan adanya aplikasi CBR ini hasil yang di dapatkan dapat disimpan ke dalam sebuah komputer dan dapat dilihat berulang sesuai dengan kebutuhan. Metode penelitian yang digunakan adalah R&D dan menghasilkan sebuah produk yaitu software dan hardware. Perangkat lunak menggunakan C# dan perangkat kerasnya menggunakan Arduino. Dengan menggunakan aplikasi ini operator hanya memasukkan data yang sudah di siapkan pada aplikasi dan secara otomatis akan menghasilkan nilai yang dapat dilihat oleh operator, selain itu terdapat grafik yang dapat dilihat dan hasilnya disimpan ke dalam komputer dan hasil ini berupa file excel dan PDF. Hardware menggunakan arduino untuk menyambungkan ke dalam mekanik. Dengan adanya aplkasi ini pencarian perhitungan CBR menjadi terkomputerisasi.
PREDIKSI HARGA SAHAM BBCA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY DAN GATED RECURRENT UNIT Hariyanti, Ifani; Putra, Vito Hafizh Cahaya; Raharja, Agung Rachmat
Jurnal RESPONSIF: Riset Sains & Informatika Vol 7 No 1 (2025): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v7i1.1901

Abstract

Penelitian ini bertujuan untuk memprediksi harga saham PT Bank Central Asia Tbk (BBCA) menggunakan model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Data harga saham diambil dari Yahoo Finance (2010–2023) sebanyak 3.464 data, mencakup atribut Tanggal, Open, High, Low, Close, Adj Close, dan Volume. Data diproses menggunakan MinMax Scaler sebelum pelatihan model. Model dievaluasi menggunakan MAE, RMSE, dan MAPE untuk mengukur performa prediksi. Hasil penelitian menunjukkan bahwa GRU lebih unggul dibandingkan LSTM dalam memprediksi harga saham BBCA, dengan akurasi prediksi yang lebih mendekati nilai aktual. Dari hasil eksperimen pelatihan model menggunakan dataset harga saham BBCA harian dengan berbagai kombinasi hyperparameter yang ditetapkan, ditemukan bahwa model dengan metrik evaluasi terendah adalah model LSTM dengan batch size 64 dan epoch 20. Model ini memberikan nilai MAE sebesar 158.508342, RMSE sebesar 208.687816, dan MAPE sebesar 2.248164%. Temuan ini diharapkan berkontribusi pada pengembangan analisis keuangan di Indonesia.
ANALISIS SISTEM REKOMENDASI MUSIK BERDASARKAN LIRIK DENGAN METODE TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY Muhyidin, Muhammad Sahel; Hariyanti, IFani; Novianto, Muhammad Fahmi; Apriliani, Anna Alifia; Rohmah, Sophia Nur
SEMINAR TEKNOLOGI MAJALENGKA (STIMA) Vol 8 (2024): STIMA 8.0 : Menuju Kesinambungan : Inovasi dan Adaptasi Teknologi untuk Pembangunan Be
Publisher : Universitas Majalengka

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

Abstract

This study develops and evaluates a music recommendation system using content-based filtering, focusing on lyrical analysis. Utilizing Term Frequency-Inverse Document Frequency (TF-IDF) and cosine similarity metrics, the system analyzes a dataset of 6,049 songs to identify thematically related music based on lyrical content. The methodology involves data preprocessing, feature extraction, and the application of a content-based filtering algorithm to compare song attributes. Results indicate the system's ability to generate relevant recommendations, potentially enhancing user experience in music discovery. This research contributes to the field of personalized content delivery systems, offering insights into the effectiveness of lyric-based music recommendation algorithms
Pengembangan Model Klasifikasi Pneumonia dari Awal dengan Resnet50 (Development of A Pneumonia Classification Model With Resnet50 From Scratch) Ali Akbar Rismayadi; Ifani Hariyanti; Agung Rachmat Raharja
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 1 (2025): Februari 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i1.8815

Abstract

Abstrak - Pneumonia merupakan penyakit pernapasan yang dapat mengancam jiwa, khususnya bagi kelompok rentan seperti anak-anak dan lansia. Diagnosa pneumonia melalui citra X-ray dada memerlukan keahlian medis yang tinggi dan dapat memakan waktu. Oleh karena itu, dalam penelitian ini dikembangkan model klasifikasi pneumonia berbasis ResNet50 yang dibangun dari awal (scratch) untuk mendeteksi pneumonia secara otomatis dan akurat. Dataset yang digunakan dalam penelitian ini adalah Chest X-ray Images (Pneumonia) yang tersedia secara publik di Kaggle, yang terdiri dari dua kategori utama: Normal dan Pneumonia. Model dilatih dengan menggunakan optimizer Adam dan binary cross-entropy loss serta dievaluasi dengan berbagai metrik, seperti accuracy, precision, recall, dan F1-score. Untuk mengatasi tantangan yang dihadapi dalam pelatihan dari awal, langkah preprocessing seperti resize, normalisasi, dan data augmentation diterapkan untuk meningkatkan generalisasi model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 95%, dengan nilai F1-score sebesar 0.95 untuk kedua kelas. Kurva ROC dengan nilai AUC sebesar 0.99 menunjukkan bahwa model memiliki kinerja klasifikasi yang sangat baik. Meskipun demikian, model masih mengalami beberapa kesalahan klasifikasi pada kasus false negatives, yang dapat diatasi dengan teknik fine-tuning lebih lanjut atau penggunaan transfer learning. Kesimpulan dari penelitian ini adalah bahwa model ResNet50 dari awal mampu memberikan performa yang baik dalam klasifikasi pneumonia, meskipun terdapat tantangan dalam keterbatasan data dan waktu komputasi yang diperlukan.Kata Kunci: Pneumonia, ResNet50, X-ray, Deep Learning, Klasifikasi Citra, Augmentasi Data. Abstract- Pneumonia is a life-threatening respiratory disease, particularly for vulnerable groups such as children and the elderly. Diagnosing pneumonia through chest X-ray images requires a high level of medical expertise and can be time-consuming. Therefore, this study aims to develop an automated and accurate pneumonia classification model based on ResNet50 built from scratch to detect pneumonia effectively. The dataset used in this research is the publicly available Chest X-ray Images (Pneumonia) from Kaggle, consisting of two primary categories: Normal and Pneumonia. The model was trained using the Adam optimizer and binary cross-entropy loss, and evaluated using various performance metrics, including accuracy, precision, recall, and F1-score. To address the challenges associated with training from scratch, preprocessing steps such as image resizing, normalization, and data augmentation were applied to enhance the model's generalization. The evaluation results indicate that the model achieved an accuracy of 95%, with an F1-score of 0.95 for both classes. The ROC curve with an AUC value of 0.99 demonstrates the model's excellent classification performance. However, the model still encounters some misclassification in false negatives, which could be improved through further fine-tuning or by utilizing transfer learning techniques. This study concludes that the ResNet50 model built from scratch can provide good performance in pneumonia classification, despite the challenges related to data limitations and computational resources.Keywords: Pneumonia, ResNet50, X-ray, Deep Learning, Image Classification, Data Augmentation.
Co-Authors Agung Rachmat Raharja Ali Akbar Rismayadi Ali Akbar Rismayadi, Ali Akbar Apriliani, Anna Alifia Bagas Oxy Exa Andriansyah Drajat, Devi Yuniati Dwinta Mulyanti Egi Septiana Fadila Andini Febrianto, Rudhi Wahyudi Feti Fatimah Maulyan Hafizh Cahaya Putra, Vito Husaini, Al - Iedam Fardian Anshori, Iedam Fardian Ina Najiyah Irawan, Rivaldy MAXSI ARY Muhamad Ridwan Ramadan Muhyidin, Muhammad Sahel Novianto, Muhammad Fahmi Rahadi, Panji Firman Ria Yuli Angliawati Rissa Nurfitriana Handayani Riyanto Setiyono, Riyanto Rohmah, Sophia Nur Safra, Candra Edmond Sandini, Dwi Sari Susanti, Sari Sulaeman, Aqil Tama Wildan Wiguna Yudi Ramdhani Yuniati Drajat, Devi