Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi semanTIK
Mardiawati Mardiawati
Universitas Sembilanbelas November Kolaka
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Informasi Pendaftaran Siswa Baru (PSB) Berbasis Web Pada SMKN 2 Kolaka Mardiawati Mardiawati; Safrizal Safrizal; Rabiah Adawiyah
Jurnal Nasional Teknologi dan Sistem Informasi Vol 8, No 1 (2022): April 2022
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v8i1.2022.25-33

Abstract

SMKN 2 Kolaka merupakan salah satu instansi pendidikan yang ada di Kabupaten Kolaka yang beralamat di Jalan Bypass Kolaka-Pomalaa.Tujuan dirancang dan diimplementasikan sistem informasi pendaftaran siswa baru berbasis web ini karena kurangnya informasi kepada calon siswa baru mengenai informasi proses pendaftaran siswa baru seperti alur pendaftaran, informasi biaya pendaftaran dan lain-lain. Sehingga dengan perancangan sistem informasi ini calon siswa baru dapat mengakses informasi-informasi pendafatran siswa baru secara online sehingga para calon siswa baru tidak harus ke sekolah untuk mendapatkan informasi pendaftaran. Dalam perancangan sistem informasi pendaftaran siswa baru berbasis web ini menggunakan bahasa pemprograman PHP dan MySQL sebagai server basis data yang sudah terangkum dalam satu aplikasi XAMMP, perancangan sistem mengunakan metode waterfall yang terdiri dari analisis, desain sistem, pengkodingan dan pengujian. Tujuan dari pembuatan sistem ini adalah untuk mendukung proses pelayanan sehingga mampu meningkatkan mutu pelayanan dalam penyampaian informasi kepada publik dan membantu pihak sekolah dalam mengolah data calon siswa baru dengan baik. Setelah melakukan implementasi sistem dan pengujian user yang dilakukan dengan menggunakan metode wawancara pada pihak sekolah, maka didapatkan hasil bahwa dengan adanya sistem informasi pendaftaran siswa baru berbasis web ini dapat membantu para calon siswa baru untuk menerima dan mengakses informasi pendaftaraan secara online baik itu informasi persyaratan pendaftaran, jadwal tes, biaya pendaftaran, pengumuman kelulusan, maupun fitur  kartu tes yang bisa dicetak langsung oleh calon siswa baru yang nantinya digunakan sebagai syarat untuk mengikuti ujian seleksi. Serta dapat membantu pihak sekolah dalam pembuatan laporan siswa baru secara online, sehingga informasi yang diberikan tersebar secara lebih efektif dan efesien, dan pengolahan data penerimaan siswa baru dapat dikerjakan secara lebih efektif.
Optimasi Model Deep Learning untuk Klasifikasi Stunting berdasarkan Data Antropometri dan Status Imunisasi mardiawati mardiawati; Alders Paliling; Nurul Mutmainnah
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.233

Abstract

Stunting adalah masalah gizi jangka panjang yang memengaruhi pertumbuhan dan perkembangan anak. Klasifikasi status stunting sangat penting untuk mencegah dampak negatif jangka panjang terhadap kualitas hidup anak. Penelitian ini bertujuan untuk mengembangkan dan mengoptimalkan model Deep Learning dengan arsitektur Multilayer Perceptron (MLP), yaitu jenis jaringan syaraf tiruan berlapis yang mampu mempelajari pola non-linear secara efektif, dalam klasifikasi status stunting berdasarkan data Antropometri dan status imunisasi. Dataset yang digunakan terdiri dari 78 data balita, dengan distribusi seimbang antara stunting dan normal. Data yang digunakan masih tergolong kecil karena hanya mengambil sampel pada satu puskesmas. Model dilatih dengan algoritma Adam, menggunakan proses normalisasi data dan teknik early stopping untuk mencegah overfitting. Hasil evaluasi model menunjukkan kinerja yang sangat baik, dengan akurasi mencapai 87.5%, precision 1.00, recall 0.78, dan F1 Score 0.875. Temuan ini menunjukkan bahwa pendekatan berbasis MLP dapat menjadi alternatif yang efektif dalam mendukung proses klasifikasi status stunting secara otomatis dan akurat. Stunting is a long-term nutritional problem that affects children's growth and development. Early detection of stunting status is very important to prevent long-term negative impacts on children's quality of life. This research aims to develop and optimise Deep Learning models with Multilayer Perceptron (MLP) architecture in the classification of stunting status based on Anthropometric data and immunisation status. The dataset used consists of 78 toddler data, with a balanced distribution between stunting and normal. The model was trained with Adam's algorithm, using data normalisation process and early stopping technique to prevent overfitting. The model evaluation results showed excellent performance, with accuracy reaching 87.5%, precision 1.00, recall 0.78, and F1 Score 0.875. These findings suggest that MLP-based approaches can be an effective alternative in supporting the automatic and accurate classification of stunting status.
Co-Authors alders paliling Nur Fakhrunnisaa Nurul Mutmainnah Rabiah Adawiyah Safrizal Safrizal