Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal Teknika Jupiter Informanika Prosiding Konferensi Nasional PKM-CSR Jurnal Teknologi Informatika Multimedia Digital
AHYAR SUPANI
POLITEKNIK NEGERI SRIWIJAYA
Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Nursing Public Health Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : jupiter

 1 
Pengembangan Sistem Informasi Audit Mutu Internal Politeknik Negeri Sriwijaya Indarto; Mustaziri Mustaziri; Ahyar Supani; Ali Firdaus; Rian Rahmanda Putra; Elreza Randika; M. Dandi Fadli
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 18 No 2 (2026): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/jupiter.v18i2.11923

Abstract

Audit mutu internal (AMI) merupakan instrumen penting dalam Sistem Penjaminan Mutu Internal (SPMI) perguruan tinggi. Di Politeknik Negeri Sriwijaya, proses AMI masih dilakukan secara manual menggunakan dokumen cetak dan spreadsheet, menyebabkan inefisiensi dalam penjadwalan, pencatatan temuan, monitoring tindak lanjut, dan pelaporan. Penelitian ini bertujuan mengembangkan sistem informasi audit mutu internal berbasis web menggunakan framework CodeIgniter 4 dengan metode Agile-Scrum. Metode Agile-Scrum dipilih karena karakteristiknya yang iteratif dan inkremental, memungkinkan pengembangan bertahap dengan keterlibatan aktif stakeholder (Pusat Penjamin Mutu, auditor, auditee) melalui sprint review dan feedback berkelanjutan. Sistem dirancang untuk mengelola seluruh siklus audit mulai dari perencanaan, pelaksanaan, pelaporan, hingga monitoring tindak lanjut secara terintegrasi. Fitur utama meliputi manajemen pengguna multi-role, penjadwalan audit, instrumen audit digital berbasis standar SPMI, dokumentasi temuan dan bukti, pelaporan otomatis (PDF/Excel), dashboard analitik real-time, serta notifikasi otomatis. Pengujian dilakukan dengan User Acceptance Testing (UAT) melibatkan 3 role utama. Hasil menunjukkan acceptance rate 100% pada 18 skenario uji. Kepuasan pengguna mencapai rata-rata 4,63 dari skala 5. Sistem dinyatakan layak implementasi dan telah diakses melalui https://siami.polsri.ac.id. Penelitian ini berkontribusi pada digitalisasi penjaminan mutu serta menjadi best practice penerapan Agile-Scrum di lingkungan perguruan tinggi vokasi. Kata kunci— Audit Mutu Internal, Agile-Scrum, CodeIgniter, Sistem Informasi, Penjaminan Mutu.
Pengembangan Local Density-Aware Adaptive Distance Weighted K-Nearest Neighbor untuk Klasifikasi Stroke Pada Data Tidak Seimbang Ahyar Supani; Yuli Andriani; Indarto; Ariansyah Saputra
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 18 No 3 (2026): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/jupiter.v18i3.12520

Abstract

Stroke merupakan salah satu penyebab utama kematian dan disabilitas di dunia sehingga memerlukan deteksi dini untuk meningkatkan keberhasilan penanganan. Penerapan machine learning dalam prediksi risiko stroke masih menghadapi kendala akibat karakteristik dataset yang sangat tidak seimbang (highly imbalanced), sehingga algoritma klasifikasi cenderung bias terhadap kelas mayoritas dan kurang mampu mengidentifikasi kasus stroke sebagai kelas minoritas. Penelitian ini mengusulkan Local Density-Aware Adaptive Distance-Weighted K-Nearest Neighbor (LDADW-KNN) dengan mengintegrasikan informasi local density dan adaptive distance weighting ke dalam mekanisme pembobotan tetangga agar proses weighted voting lebih adaptif terhadap data takseimbang. Pengujian dilakukan menggunakan Stroke Prediction Dataset yang terdiri atas 5.110 sampel dengan rasio ketidakseimbangan kelas sebesar 19,52:1. Tahapan penelitian meliputi preprocessing, normalisasi standar scaler, perhitungan jarak Euclidean, estimasi local density, pembobotan adaptif, dan proses klasifikasi. Hasil pengujian menunjukkan bahwa LDADW-KNN memperoleh accuracy 0,94, recall 0,02, precision 0,11, F1-score 0,03, G-Mean 0,14, Balanced Accuracy 0,51, dan AUC 0,61, dengan kinerja yang kompetitif dibandingkan lima varian KNN pembanding. Meskipun peningkatan deteksi kelas minoritas masih terbatas, metode ini berpotensi menjadi alternatif pengembangan algoritma klasifikasi untuk data medis tidak seimbang dan mendukung pengembangan sistem pendukung keputusan klinis berbasis kecerdasan buatan.
Co-Authors A. BAHRI JONI M A.Bahri Joni M ALI FIRDAUS Ariansyah Saputra Elreza Randika Hartini Hidayati Ami IND ARTO Indarto M. Dandi Fadli Meiyi Darlies Mustaziri Mustaziri NUR ADILA Raden Ayu Aisyah Lutfiah Rasyid Maulana Siregar Rian Rahmanda Putra Safari Nurliana Siti Kumaidah SLAMET WIDODO Slamet Widodo Yuli Andriani