Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal Jurnal Informatika Universitas Pamulang JAMAIKA: Jurnal Abdi Masyarakat KOMMAS: Jurnal Pengabdian Kepada Masyarakat Journal of Research and Publication Innovation Biner : Jurnal Ilmu Komputer, Teknik dan Multimedia OKTAL : Jurnal Ilmu Komputer dan Sains KOMPUTASI Jurihum
Anis Mirza
Universitas Pamulang
Humanities Astronomy Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Social Sciences Transportation Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Pengembangan Aplikasi Rekap Cuti Pegawai Pemerintah Non-PNS di KPP Pratama Jakarta Duren Sawit Menggunakan Metode Prototype Anis Mirza; Melani Dewi Lusita; Desy Diana
Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi dan Sistem Komputer Vol 10 No 1 (2026)
Publisher : Institut Bisnis Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55886/infokom.v10i1.463

Abstract

Pengelolaan cuti pegawai pemerintah Non-PNS (PPNPN) di instansi pemerintah sering menghadapi kendala terkait pencatatan manual, kehilangan data, dan keterlambatan dalam validasi cuti. Di KPP Pratama Jakarta Duren Sawit, pencatatan cuti PPNPN masih dilakukan secara konvensional menggunakan dokumen fisik, sehingga memerlukan waktu yang cukup lama untuk proses persetujuan dan rekapitulasi bulanan. Masalah tersebut mendorong perlunya pengembangan aplikasi berbasis digital yang dapat meningkatkan efisiensi, akurasi, dan transparansi dalam pengelolaan cuti pegawai. Penelitian ini bertujuan untuk mengembangkan aplikasi rekap cuti PPNPN di KPP Pratama Jakarta Duren Sawit menggunakan metode Prototype. Metode ini dipilih karena memungkinkan pengembangan sistem secara iteratif, dengan perbaikan berkesinambungan berdasarkan masukan pengguna. Proses pengembangan meliputi perancangan sistem, pembuatan prototipe awal, evaluasi oleh pengguna, dan penyempurnaan hingga aplikasi siap digunakan. Pengujian aplikasi dilakukan menggunakan Blackbox Testing, yang menilai fungsionalitas sistem berdasarkan input dan output tanpa memeriksa struktur internal program. Hasil pengujian menunjukkan bahwa aplikasi mampu melakukan rekap cuti, memproses pengajuan dan persetujuan secara digital, serta menampilkan laporan bulanan dengan akurasi tinggi. Setiap fitur yang diuji memberikan output sesuai harapan, dan pengguna menyatakan kemudahan dalam mengakses data cuti serta mengurangi kesalahan pencatatan. Dengan adanya aplikasi ini, pengelolaan cuti PPNPN menjadi lebih efektif, transparan, dan hemat waktu, sehingga mendukung kinerja administrasi di KPP Pratama Jakarta Duren Sawit. Penelitian ini memberikan kontribusi praktis bagi instansi pemerintah yang ingin beralih dari sistem manual ke digital dalam pengelolaan cuti pegawai non-PNS.
Implementasi Metode Artificial Neural Network Bidang Peternakan Ayam Broiler Berbasis Jaringan Syaraf Tiruan Untuk Optimasi Kondisi Kandang Di PT. Gunawan Farm Irman Dwi Putra; Anis Mirza
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 5 No 05 (2026): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

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

Abstract

This research discusses the implementation of the Artificial Neural Network (ANN) method in the broiler poultry farming sector to optimize the environmental conditions of chicken coops at PT. Gunawan Farm. The system is designed to assist farmers in monitoring, analyzing, and providing automatic recommendations to maintain the ideal coop conditions that support optimal growth and productivity of broiler chickens. The study begins with data collection from PT. Gunawan Farm, which includes parameters such as temperature, humidity, chicken age, lighting, density, and water supply. The collected data are processed and trained using the feedforward backpropagation algorithm of ANN. The model is then tested to evaluate its accuracy in predicting and recommending the coop conditions.The results show that the ANN model is capable of predicting the coop condition accurately and providing precise recommendations, such as increasing or decreasing temperature, lighting, density, or water supply. The system helps farmers to make faster and more efficient decisions in maintaining environmental stability, thus improving broiler productivity and reducing the risk of decreased livestock quality.
Co-Authors Desy Diana Dzaki Rozaan Irman Dwi Putra Ivan Syah Putra Khaerul Ma'mur Melani Dewi Lusita Muhammad Daffa Saefudin Muhammad Rosyid Ridlo Naufal Athallah Hidayat Rangga Dimas Permadi Resmi Resmi Rizki Ramadhan Lestariono Sri Wahyuni