Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal Jurnal Sistem Cerdas Jurnal Inti Talafa : Jurnal Teknik Informatika Jurnal Informatika: Jurnal Pengembangan IT TERAS: Jurnal Pengabdian Masyarakat Sosial Budaya Journal of Applied Informatics Science
Farhatuaini, Lia
Unknown Affiliation
Religion Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
RANCANG BANGUN SISTEM PENGOLAHAN DATA PENGGAJIAN KARYAWAN DAN DOSEN TETAP BERBASIS WEB (STUDI KASUS: UNIVERSITAS MUHAMMADIYAH CIREBON) Farhatuaini, Lia; Supriyono, Supriyono; Munnawahroh, Raodhotul
INTI TALAFA: Jurnal Teknik Informatika Vol 10 No 2 (2018): Edisi Juli - Desember 2018
Publisher : Program Studi Teknik Informatika Universitas Muhammadiyah Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32534/int.v10i02.1606

Abstract

Sistem pengolahan data penggajian merupakan sistem yang dibangun untuk mempermudah pelaksanaan penggajian karyawan secara tepat dan akurat dengan mengkomputerisasi keseluruhan maupun beberapa bagian dari proses penggajian tersebut disertai dengan pengendalian atau kontrol atas sistem komputerisasi. Hal ini akan menunjang kelancaran aktivitas di perusahaan atau instansi dalam kegiatan sehari-harinya. Aplikasi sistem pengolahan data penggajian karyawan dan dosen tetpa berbasis web pada Universitas Muhammadiyah Cirebon ini dibuat menggunakan bahasa pemrograman PHP dan sebagai databasenya adalah MySQL. Teknik pengumpulan data dilakukan dengan cara observasi, wawancara, dan studi literatur, sedangkan metode yang digunakan adalah waterfall. Aplikasi berbasis web ini dapat menyajikan data profil karyawan dan dosen, data gaji karyawan dan dosen serta menghasilkan laporan berupa slip gaji, laporan gaji karyawan pertahun, rekap data laporan gaji karyawan pertahun, rekap data laporan gaji perbulan.
Sistem Informasi Manajemen Nilai Siswa Berbasis Web Dan Android (Studi Kasus SD Negeri Kahiyangan) Farhatuaini, Lia; Gunawan, Harry; Cahyani, Dina
INTI TALAFA: Jurnal Teknik Informatika Vol 11 No 1 (2019): Edisi Januari - Juni 2019
Publisher : Program Studi Teknik Informatika Universitas Muhammadiyah Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32534/int.v11i01.1611

Abstract

SD Negeri Kahiyangan belum memiliki Sistem manajeman nilai siswa yang dapat menyimpan dan mengubah data elektronik nilai siswa. Proses pelaporannya masih secara konvensional, yaitu masih dengan cara diketik menggunakan komputer kemudian dicetak dan dibukukan. Hal ini membuat proses pelaporan dan pengarsipan menjadi tidak efektif.Aplikasi yang dibuat adalah Sistem Informasi Manajeman Nilai tidak online. Aplikasi ini dibuat menggunakan bahasa pemrograman PHP dan sebagai databasenya adalah MySQL. Teknik pengumpulan data dilakukan dengan cara observasi, sedangkan metode yang digunakan adalah waterfall.Aplikasi berbasis web dan android ini dapat menyimpan Laporan Siswa dan Nilai Siswa secara terkomputerisasi.
Hybrid Model of Artificial Neural Networks and Flower Pollination Algorithm for Stock Price Prediction Farhatuaini, Lia; Kurniawan, Heru Purnomo; Muslihah, Isnawati
Jurnal Sistem Cerdas Vol. 7 No. 3 (2024)
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v7i3.433

Abstract

Predicting the future behavior of the stock market is a difficult task due to its complex and ever-changing nature. This study focuses on predicting BBRI stock prices using an Artificial Neural Network (ANN) improved with the Flower Pollination Algorithm (FPA). We found that the model works well with a 9-100-1 setup, achieving accurate predictions with a Root Mean Square Error (RMSE) of 0.127579154. While FPA effectively reduces errors in the initial 10 iterations, it faces challenges in further improvement, especially in responding to sudden changes in stock prices. Despite performing well overall, the model tends to have a wider margin during unexpected market shifts, indicating a need for additional fine-tuning. This research provides valuable insights into stock price prediction, highlighting the importance of refining models to handle unexpected market changes.
Penguatan Kapasitas Digital Melalui Pelatihan Desain Grafis Pada Komunitas Perempuan (Studi Kasus Fatayat Nu Ranting Losari Lor) Bahiyah, Nurul; Agustin, Afiqoh; Farhatuaini, Lia; Purnomo, Heru; Darwan, Darwan; Saluky, Saluky; Pamuji, Agus; Morin Prita Laura; Azzahra, Melia
TERAS: Jurnal Pengabdian Masyarakat Sosial Budaya Vol. 1 No. 2 (2025): TERAS: Jurnal Pengabdian Masyarakat Sosial Budaya, Mei 2025
Publisher : Gema Cendekia Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71094/teras.v1i2.111

Abstract

Pelatihan desain grafis Canva merupakan salah satu pelatihan yang dapat memberikan keterampilan dan pengetahuan kepada peserta pelatihan untuk membuat desain grafis yang menarik, kreatif, dan informatif. Canva merupakan aplikasi desain grafis yang mudah digunakan dan memiliki berbagai fitur yang lengkap. Oleh karena itu, pelatihan desain grafis Canva dapat menjadi pilihan yang tepat bagi berbagai kalangan, mulai dari pelajar, mahasiswa, hingga pekerja profesional. Salah satunya Fatayat NU Ranting Losari Lor. Metode pengabdian Service Learning. Materi yang diberikan kepada peserta tentang bagaimana merancang, mengelola elemen multimedia (text, gambar, suara dan video) menggunakan aplikasi Canva. Tujuan dari pelaksanaan program pengabdian masyarakat ini adalah untuk memberikan pengetahuan dasar kepada peserta dalam membuat karya grafis, meningkatkan kompetensi melek teknologi bagi peserta dan meningkatkan kemampuan pengurus dan anggota Fatayat dalam bidang desain grafis. Hasil Evaluasi kegiatan yang dilakukan yaitu pembagian kuisioner dengan beberapa indikator yaitu kemudahan penggunaan, kejelasan materi yang disampaikan, dan manfaat yang dirasakan oleh peserta. Pelatihan ini dapat menambah wawasan dan ilmu pengetahun bagi anggota Fatayat NU Rating Losari Lor. Saran yang dapat diberikan yaitu adanya pelatihan berkelanjutan agar anggota Fatayat NU Rating Losari Lor. dapat memaksimalkan ilmu yang telah disampaikan.
Identifikasi Pola Kepuasan Mahasiswa Terhadap Proses Pembelajaran Menggunakan Algoritma K-Means Clustering. Kurniawan, Heru Purnomo; Farhatuaini, Lia
Jurnal Informatika: Jurnal Pengembangan IT Vol 9, No 2 (2024)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v9i2.6740

Abstract

Student satisfaction levels with the learning experience at higher education institutions often exhibit variability. This study aims to comprehend the varying degrees of student satisfaction at Institut Agama Islam Negeri (IAIN) Syekh Nurjati Cirebon. Employing the K-Means clustering method, this research categorizes students based on their satisfaction levels. The survey data analyzed includes 20 dimensions of Service Quality criteria evaluated by students, with these 20 dimensions grouped into five key aspects of Service Quality assessment: tangible, reliability, responsiveness, assurance, and empathy. The analysis reveals three distinct groups of students with differing satisfaction levels: neutral/fair (class 1), agree/good (class 2), and strongly agree/excellent (class 3). Comparisons among these groups highlight the diversity of student perceptions. Furthermore, an examination of the distribution of evaluations within each class uncovers differing priorities in assessment criteria. These research findings offer insights into the spectrum of student satisfaction levels and pinpoint areas warranting further attention in each class. Such insights can inform the development of policies and strategies aimed at enhancing the quality of learning experiences at IAIN Syekh Nurjati Cirebon.
XSentiment-HS: Hierarchical CNN-BiGRU-SVM with Explainable for Indonesian Multi-Level Hate Speech Detection Khayatun Nufus, Gina; Nufus, Gina Khayatun; Dewantara, Rizki; Susanto, Ardi; Sokid; Farhatuaini, Lia; Septiadi, Jaka; Akbar, Mohammad Raihan
Journal of Applied Informatics Science Volume 2 Issue 1 (2026)
Publisher : GWS Tech Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65897/jais.v2.i1.81

Abstract

Deteksi ujaran kebencian pada media sosial menuntut interpretasi teks yang kompleks karena sifatnya yang spontan dan ambigu, terutama dalam bahasa Indonesia yang kaya akan slang. Tantangan utama saat ini adalah keterbatasan penelitian sebelumnya yang mayoritas hanya melakukan klasifikasi biner tanpa mendeteksi tingkat keparahan konten. Penelitian ini mengusulkan XSentiment-HS, sebuah model deep learning hierarkis dua tahap untuk deteksi multi-tingkat hate speech. Arsitektur model menggabungkan Convolutional Neural Networks (CNN) untuk ekstraksi fitur lokal dan Bidirectional Gated Recurrent Unit (BiGRU) untuk menangkap ketergantungan kontekstual jangka panjang. Model ini juga diperkuat dengan mekanisme Multi-Head Attention dan Support Vector Machine (SVM) sebagai classifier final. Melalui integrasi ini, XSentiment-HS diharapkan mampu mengatasi tantangan ekstraksi fitur dan polisemi secara lebih efektif dibandingkan metode konvensional.
Integration of Particle Swarm Optimization in Bidirectional Memory Networks for Improved Daily Climate Forecasting Accuracy Susanto, Ardi; Kurniawan, Heru Purnomo; Farhatuaini, Lia; Wilsa, Muhammad Iszul; Nufus, Gina Khayatun; Amri, Ananda Sathria Maulana
Journal of Applied Informatics Science Volume 1 Issue 2 (2025)
Publisher : GWS Tech Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65897/jais.v1.i2.85

Abstract

Global climate change has caused rainfall patterns to become increasingly fluctuating and difficult to predict using conventional weather forecasting methods. Accurate daily rainfall prediction is crucial for hydrometeorological disaster mitigation and agricultural sector planning. Although Deep Learning models such as Long Short-Term Memory (LSTM) and Bidirectional LSTM (BiLSTM) are capable of handling complex time-series data, the manual determination of hyperparameters often results in suboptimal models and entrapment in local optima. This study proposes the integration of the Particle Swarm Optimization (PSO) algorithm to automatically optimize hyperparameters (number of hidden neurons, dropout rate, and learning rate) in LSTM and BiLSTM architectures. The models were evaluated using a multivariate daily climate observation dataset encompassing temperature, humidity, wind speed, and actual rainfall. Experimental results indicate that PSO-based optimization significantly enhances prediction performance compared to baseline models. The PSO-LSTM approach successfully reduced the Root Mean Square Error (RMSE) to 17.59 mm and Mean Absolute Error (MAE) to 9.07 mm, comparable to the performance of PSO-BiLSTM, which achieved an RMSE of 17.59 mm and an MAE of 9.20 mm. These findings prove that automatic parameter tuning using swarm intelligence algorithms can highly optimize sequential neural network architectures in capturing rainfall pattern volatility, making it highly recommended as a foundation for a more accurate early warning system.
Co-Authors Afiqoh Agustin Agus Pamuji Akbar, Mohammad Raihan Amri, Ananda Sathria Maulana Ardi Susanto Azzahra, Melia Cahyani, Dina darwan darwan, darwan Dewantara, Rizki Harry Gunawan Heru Purnomo Khayatun Nufus, Gina Kurniawan, Heru Purnomo Kurniawan, Heru Purnomo Morin Prita Laura Munnawahroh, Raodhotul Muslihah, Isnawati Nufus, Gina Khayatun Nurul Bahiyah Saluky Septiadi, Jaka Sokid Supriyono Supriyono Wilsa, Muhammad Iszul