Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Informasi AnoaTIK: Jurnal Teknologi Informasi dan Komputer Media of Computer Science
Mardiawati
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Library & Information Science

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
RANCANG BANGUN APLIKASI MANAJEMEN PERPUSTAKAAN Mardiawati; Paliling, Alders; Ilham, Andi
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 2 No 1 (2024): Juni 2024
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v2i1.26

Abstract

Dalam proses peminjaman dan pengembalian buku pihak pengelola perpustakaan SMAN 1 Pomalaa mencatat seluruh transaksi menggunakan buku. Dengan masih menggunakan cara konvensional ini, pengelola perpustakaan menghadapi kesulitan antara lain sulitnya memonitor jumlah buku yang masih tersedia diperpustakaan, sulitnya memonitor jumlah buku yang sedang dipinjam, serta sulitnya memonitor buku yang sudah dikembalikan. Hal ini tentunya dapat diminimalisir dengan pemanfaatan teknologi informasi dalam proses manajemen perpustakaan. pengumpulan data dilakukan dengan cara observasi secara langsung proses pendataan buku, proses pencatatan transaksi peminjaman dan pngembalian di perpustakaan SMAN 1. Adapun hasil penelitian ini yaitu sebuah aplikasi manajemen perpustakaan dimana terdapat dua pengguna yaitu admin dan user. Adamin dapat menambahkan data buku, data pengguna, mengolah data transaksi peminjaman dan pengembalian. Sedangakan user dapat melihat data buku yang tersedia di perpustakaan dan dapat melihat riwayat peminjaman buku serta dapat mencetak kartu anggota. setelah dilakukan pengujian menggunakan blackbox maka disimpulkan bahwa semua fungsi yang ada di aplikasi manajemen perpustakaan telah berfungsi sebagaimana mestinya sehingga dapat diimplementasikan di perpustakaan SMAN 1 Pomalaa.
Expert System For Identification Of Symptoms And Diseases In Lobsters Using The Backward Chaining Method Yiyuni; Miftachurohmah, Nisa; Paliling, Alders; Mardiawati; Sya'ban, Kharis
Media of Computer Science Vol. 2 No. 1 (2025): June 2025
Publisher : CV. Digital Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69616/mcs.v2i1.232

Abstract

Lobster is a high-value fishery commodity widely cultivated, including in Watorumbe Bata Village. However, diseases attacking lobsters are often difficult for farmers to identify early, leading to economic losses due to delayed treatment. This study aims to develop an expert system to identify lobster symptoms and diseases using the backward chaining method. This method enables the system to reason logically and systematically from disease hypotheses to symptom facts. Data collection was conducted through observation, interviews with lobster experts, and literature study. The system development followed the Waterfall model, comprising analysis, design, coding, and testing phases. The implementation results show that the system can diagnose diseases based on symptom inputs and provide information including disease name, cause, solution, and likelihood level. Black-box testing confirmed that all system functions operated properly, while accuracy testing using 20 sample data showed a system accuracy rate of 90%. These results indicate that the expert system using the backward chaining method is effective in assisting farmers to identify lobster diseases more quickly and accurately, thus supporting the sustainability and productivity of lobster farming.
Evaluasi Model Ensemble Learning pada Identifikasi Faktor Risiko Diabetes Mellitus Syaban, Kharis; Mardiawati
Jurnal Teknologi dan Informasi (JATI) Vol 15 No 2 (2025): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v15i2.16238

Abstract

Diabetes Mellitus (DM) adalah penyakit kronis dengan angka kejadian yang terus meningkat, terutama di negara berkembang. Mengidentifikasi faktor risiko DM merupakan langkah penting dalam upaya pencegahan dan deteksi dini. Studi ini menganalisis performa dari sejumlah pendekatan ensemble learning—meliputi bagging, boosting, stacking, dan voting—dalam upaya meningkatkan akurasi dan kestabilan prediksi risiko diabetes melitus. Analisis dilakukan menggunakan dataset PIMA Indians Diabetes yang telah melalui tahapan pra-pemrosesan dan diuji melalui eksperimen komputasi. Model dasar seperti Logistic Regression, Support Vector Machine, dan Random Forest dikombinasikan dengan teknik ensemble untuk meningkatkan keandalan prediksi. Evaluasi dilakukan dengan metrik akurasi, Mean Squared Error (MSE), dan R² Score. Hasil menunjukkan bahwa semua metode ensemble mencapai akurasi tinggi sebesar 97%, namun memiliki perbedaan dalam R² Score—Gradient Boosting memiliki nilai tertinggi (0.65), diikuti oleh Stacking (0.63) dan AdaBoost (0.64). Ini menunjukkan bahwa meskipun akurasi konsisten, kemampuan model dalam menjelaskan variabilitas target bergantung pada teknik ensemble yang digunakan. Penelitian ini mengonfirmasi bahwa ensemble learning meningkatkan kinerja prediktif dibandingkan model individu dan memiliki potensi besar dalam skrining diabetes berbasis komunitas, sebagaimana dibahas dalam literatur terbaru.
Co-Authors alders paliling Andi ilham, Andi Miftachurohmah, Nisa Sya'ban, Kharis Syaban, Kharis Yiyuni