Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Infotek : Jurnal Informatika dan Teknologi TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Jurnal Penelitian dan Pengabdian Masyarakat Jotika Jurnal Abdimas Maduma Journal of Accounting Information System
Lisnawanty
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
OPTIMASI PENGGUNAAN MEDIA SOSIAL SEBAGAI ALAT PROMOSI DALAM KONTEKS DIGITAL MARKETING PADA UMKM BORNEO ISTIMEWA Mustopa, Ali; Lisnawanty; Sa'adah, Rabiatus; Dahlia, Rizka
Jurnal Penelitian dan Pengabdian Masyarakat Jotika Vol. 3 No. 2 (2024): Februari
Publisher : Jotika English and Education Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56445/jppmj.v3i2.131

Abstract

Media sosial, sebagai platform online, memberikan kemudahan dalam berbagi konten dan berinteraksi. Sebagai alat promosi, media sosial menawarkan keuntungan meningkatkan visibilitas produk dan interaksi dengan target audiens. Dengan strategi yang tepat, media sosial dapat menjadi alat pemasaran yang efektif. Keberadaan media sosial memungkinkan interaksi lebih luas, memperluas jejaring, dan mengatasi kendala jarak serta waktu. Meski demikian, analisis menunjukkan bahwa sebagian besar anggota UMKM Borneo Istimewa masih kurang memahami potensi media sosial. Ketidakpahaman ini dapat mengakibatkan kurangnya pengenalan produk, kesulitan dalam pemasaran, dan hambatan promosi. Pemanfaatan media sosial menjadi solusi untuk meningkatkan visibilitas produk, memperluas pasar, dan mengatasi kendala promosi. Oleh karena itu, pelatihan mengenai pemanfaatan media sosial menjadi krusial untuk meningkatkan pemahaman dan keterampilan anggota UMKM, diharapkan membawa dampak positif pada pertumbuhan dan keberlanjutan UMKM Borneo Istimewa
Optimalisasi Prediksi Dalam Kelulusan Berbasis Deep Learning: Perbandingan Kinerja Multi-Layer Perceptron dan Deep Neural Network Dewi, Yumi Novita; Iqbal, Muhammad; Lisnawanty; Maisyaroh; Suhardjono
Infotek: Jurnal Informatika dan Teknologi Vol. 8 No. 2 (2025): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v8i2.30756

Abstract

Predicting on-time graduation is one of the significant challenges in education, aiming to model the factors influencing academic success. This study aims to compare the performance of two Deep Learning algorithms, namely Deep Neural Networks (DNN) and Multi-Layer Perceptron (MLP), in predicting on-time graduation. The methodology used involves evaluating both algorithms with various performance metrics, including Recall, Accuracy, Precision, AUC, MCC, and Cohen Kappa. The results show that DNN performs better in terms of Recall (0.9766), indicating its ability to capture most of the students who graduate on time, although its AUC (0.8625) and Precision (0.8803) are lower compared to MLP. On the other hand, MLP excels in Accuracy (0.8812) and Precision (0.9037), providing more stable results for MCC and Cohen Kappa, demonstrating a better balance in predicting students who graduate on time and those who do not. Overall, while DNN is more sensitive in capturing students who graduate on time, MLP performs better in terms of balance between accuracy and minimizing prediction errors. This study suggests using MLP if the primary priority is accuracy and prediction stability, while DNN is more suitable when the main focus is capturing as many students as possible who graduate on time.
Pemanfaatan AI dalam Pembuatan Media Pembelajaran untuk Guru Paud (HIMPAUDI) Kabupaten Kubu Raya Maulana, Reza; Firmansyah, Yoki; Lisnawanty; Mustopa, Ali
JURNAL ABDIMAS MADUMA Vol. 4 No. 3 (2025): Oktober, 2025
Publisher : English Lecturers and Teachers Association (ELTA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52622/jam.v4i3.535

Abstract

Di era digital saat ini, anak-anak usia dini semakin terpapar dengan teknologi dan media sosial. Fenomena brain rot yang ditandai dengan konsumsi konten dangkal dan adiktif menjadi isu serius yang mengancam kemampuan berpikir kritis serta kesehatan mental anak. Masalah ini juga dihadapi oleh Himpunan Guru PAUD (HIMPAUDI) Kabupaten Kubu Raya. Keterbatasan penguasaan teknologi, terutama dalam pemanfaatan kecerdasan buatan (AI), menjadi kendala utama para guru PAUD. Sebagai solusi, dilakukan edukasi melalui workshop untuk mengajarkan para guru PAUD dalam pembuatan video pembelajaran yang edukatif dan menarik dengan memanfaatkan teknologi AI. Workshop ini dirancang aplikatif dan kontekstual agar guru dapat langsung mempraktikkan penggunaan AI dalam pembelajaran, serta melibatkan 40 guru PAUD. Untuk mengukur efektivitas kegiatan, digunakan instrumen angket pre-test dan post-test. Hasil survei menunjukkan bahwa semua peserta memiliki pandangan positif terhadap kegiatan ini, dengan 100% dari mereka setuju atau sangat setuju bahwa kegiatan tersebut memberikan pemanfaatan ilmu pengetahuan dan teknologi kepada peserta. Luaran dari kegiatan ini adalah kemampuan guru dalam menghasilkan video pembelajaran berbasis AI. Kata Kunci : Anak Usia Dini; Kecerdasan Buatan; Guru PAUD; Media
Sistem Informasi Pengelolaan Kas Kecil pada PT. Budi Bangun Konstruksi Talia, Fani; Lisnawanty, Lisnawanty; Anna, Anna; Irmayani, Windi; Supriyatna, Adi; Lisnawanty
JAIS - Journal of Accounting Information System Vol. 2 No. 1 (2022): Juni
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jais.v2i01.1404

Abstract

PT. Budi Bangun Konstruksi merupakan perusahaan yang bergerak dalam ruang lingkup bisnis jasa kontraktor, pengadaan barang dan perdagangan. Maraknya perkembangan bisnis tersebut membuat usaha perancangan konstruksi bangunan dan interior semakin kompleks dan menjadi perhatian utama para developer. PT. Budi Bangun Konstruksi bukanlah satu-satunya perusahaan yang memberikan jasa kontraktor, pengadaan barang dan perdagangan. Dalam proses pencatatan penerimaan dan pengeluaran kas yang diterapkan di PT. Budi Bangun Konstruksi belum sesuai dengan prosedur yang ada. Maka dari itu, sistem informasi akuntansi penerimaan dan pengeluaran kas diimplementasikan pada PT. Budi Bangun Konstruksi. Pengguna dalam sistem informasi ini adalah Manager Keuangan dan Staff Keuangan pada PT. Budi Bangun Konstruksi. Berdasarkan hasil pengujian menggunakan blackbox testing diperoleh bahwa semua fungsionalitas berjalan sesuai harapan (valid).
Aplikasi Prediksi Harga Saham Telkom Indonesia Berbasis Streamlit Menggunakan Machine Learning Saputra, Juliandra; Kezia Omega Octaviani; Jimi Andrean; Fairuz Anwar Nugroho; Lisnawanty
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 5 No 2 (2025): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

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

Abstract

Fluctuations in the share price of PT Telkom Indonesia (TLKM) are a major obstacle for individual investors, who generally rely on non-numerical analysis. This study attempts to create a simple prediction solution by comparing the effectiveness of three machine learning algorithms, namely linear regression, support vector machine (SVM), and neural network (NN), then applying them to an interactive web application using the Streamlit framework. Historical TLKM stock data was prepared through a feature engineering process before performance testing. According to the comparison results, the Support Vector Machine (SVM) model proved to have the best predictive ability compared to Linear Regression and NN. The superiority of SVM can be seen from the lowest RMSE (Root Mean Squared Error) value and the highest R² (Coefficient of Determination) score, which shows that SVM is better at capturing non-linear patterns and the complexity of the TLKM market. The selected model was then integrated into the Streamlit application, which provides real-time prediction results and comparison visualizations. This research successfully bridges the gap between the accuracy of advanced machine learning models and the real needs of investors by providing an informative and easy-to-use decision-making tool.
Co-Authors Adi Supriyatna Ali Mustopa, Ali Anna Anna, Anna Fairuz Anwar Nugroho firmansyah, Yoki Jimi Andrean Kezia Omega Octaviani Lisnawanty Maisyaroh Muhammad Iqbal Reza Maulana Rizka Dahlia Sa'adah, Rabiatus Saputra, Juliandra Suhardjono Talia, Fani Windi Irmayani Yumi Novita Dewi