Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal International Journal of Natural Science and Engineering Buffer Informatika
Mihuandayani
Unknown Affiliation
Computer Science & IT Engineering

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

Found 3 Documents
Search

 1 
Implementation of the Simple Multi-Attribute Rating Technique (SMART) for Decision Making on the Selection of the Best Prospective Employee Mihuandayani; Sanggilalung, Rida P.; Mamuaya, Supit
International Journal of Natural Science and Engineering Vol. 7 No. 2 (2023): Juli
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/ijnse.v7i2.54994

Abstract

Human resource management is the important part of the company, it can affect the success of the company. In the process of selecting new employees at the company, several problems often occur such as ineffective time, the company still sorts out the prospective employee files conventionally and then compared them with other files for assessment, so it took a long time because there are many applicants who apply with different quality. In addition, there can be subjectivity to the data from the assessment results of prospective employees for certain reasons such as having emotional closeness with stakeholders. It needed a system to handle these problems such as Decision Support System (DSS). This study proposed the Simple Multi-Attribute Rating Technique (SMART) approach in evaluating prospective employees. There are five criteria used in this study, namely written tests, interviews, education, award certificates, and work experience. This decision support system can help stakeholders, especially the head of the company's branches, to determine the best candidate for employees with accurate and objective results. In this research, a comparison was also made between the SMART method and a manual system, which obtained an accuracy rate of 91.33% with the proposed method. The SMART method can be an effective and reliable option for selecting job candidates, as it can minimize errors and improve recruitment efficiency, thereby positively impacting company productivity and employee performance.
Implementasi YOLOv8 untuk Deteksi dan Hitung Objek Manusia dengan Convolutional Neural Network Mihuandayani; Sefranda Pesik, Wanda Helmi; Mamuaya, Supit; Akbar Nuzul Putra; Mulyaman, Eman
Buffer Informatika Vol. 11 No. 1 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

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

Abstract

Di era digital saat ini, teknologi telah menjadi bagian tak terpisahkan dari kehidupan sehari-hari, mendorong kebutuhan untuk pemantauan dan penghitungan objek yang efisien dan akurat, khususnya manusia. Meskipun berbagai metode deteksi objek telah berkembang, masih ada tantangan signifikan dalam mengelola dan memantau jumlah pengunjung secara otomatis dalam lingkungan publik dengan akurasi tinggi, terutama dalam kondisi real-time dan berbagai skenario kompleks. Penelitian ini memanfaatkan metode YOLOv8 berbasis arsitektur Convolutional Neural Network (CNN) untuk merancang dan mengimplementasikan sistem deteksi serta penghitungan objek manusia. Tujuan dari penelitian ini adalah untuk mengatasi gap dalam teknologi deteksi objek yang ada dengan meningkatkan efisiensi dan akurasi pemantauan ruang publik melalui penghitungan otomatis jumlah pengunjung. Studi kasus dilakukan di STMIK Multicom menggunakan dataset Common Objects in Context dan video yang diambil menggunakan ponsel di lingkungan kampus untuk evaluasi kinerja sistem. YOLOv8 memungkinkan deteksi objek secara real-time dengan akurasi tinggi, menjadikan tugas yang sebelumnya bergantung pada upaya manual lebih efisien dan akurat. Hasil evaluasi menunjukkan tingkat akurasi sebesar 85%, yang menandakan kemampuan sistem dalam mendeteksi dan menghitung objek manusia secara efektif, meskipun masih menghadapi tantangan pada skenario dengan jarak dekat atau objek yang besar. Penelitian ini berkontribusi pada kemajuan sistem otomatis untuk deteksi dan penghitungan objek, mengisi kekurangan dalam teknologi yang ada, dan menawarkan solusi efektif untuk pengelolaan dan pemantauan destinasi pengunjung.
Analisis Data Kelulusan Untuk Memprediksi Mahasiswa Berpotensi Dropout Menggunakan Algoritma C4.5 Tuntun, Ritham; Rahmat, Oktaviar; Mihuandayani; Michel Farrel Tomatala
Buffer Informatika Vol. 11 No. 1 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

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

Abstract

Pendidikan tinggi berperan penting dalam mencetak sumber daya manusia yang siap bersaing di dunia kerja. Namun, tingginya angka mahasiswa yang mengalami putus kuliah menjadi tantangan besar bagi perguruan tinggi, termasuk STMIK Multicom, yang dapat mempengaruhi reputasi dan akreditasi institusi. Penelitian ini bertujuan untuk menganalisis data kelulusan mahasiswa STMIK Multicom dari tahun 2019 hingga 2023 menggunakan algoritma pohon keputusan C4.5 untuk memprediksi potensi mahasiswa yang berisiko dropout. Algoritma C4.5, yang merupakan teknik data mining, memungkinkan pembentukan model prediksi yang mudah dipahami dengan menganalisis berbagai atribut mahasiswa, seperti status pekerjaan, pendapatan orang tua, status tempat tinggal, dan jarak tempat tinggal ke kampus. Hasil analisis menunjukkan bahwa model C4.5 menghasilkan akurasi 63%, recall 38%, dan presisi 62%, yang mengindikasikan potensi algoritma ini dalam memprediksi mahasiswa yang berisiko dropout. Penelitian ini diharapkan dapat memberikan kontribusi dalam menurunkan angka dropout di STMIK Multicom dan meningkatkan tingkat kelulusan mahasiswa.
Co-Authors Akbar Nuzul Putra Mamuaya, Supit Mulyaman, Eman Rahmat, Oktaviar Sanggilalung, Rida P. Sefranda Pesik, Wanda Helmi Tomatala, Michel Farrel Tuntun, Ritham