Article Per Year (5 Year)
p-Index From 2020 - 2025
1.168
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Pengabdian Masyarakat IPTEK Jurnal Sains dan Teknologi Informasi Journal of Technology and Computer (JOTECHCOM)
Mughnyanti, Mayang
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Penerapan Teorema Bayes pada Sistem Pakar dalam Mendiagnosa Penyakit Mata Hewan Peliharaan Pranata, Ardianto; Mughnyanti, Mayang; Mandasari, Sartika
Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Vol. 8 No. 2 (2025): J-SISKO TECH EDISI JULI
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jsk.v8i2.10557

Abstract

Mata merupakan salah satu panca indra makhluk hidup yang memiliki fungsi fital dalam menjalankan aktifitas kehidupan, tidak terkecuali pada hewan peliharaan. Selain butuh penanganan khusus, kondisi gejala yang diderita tidak dapat ditelaah oleh pemilik hewan peliharaan secara tepat dan cepat. Oleh karenanya dibutuhkan sebuah metode pemecahan permasalahan yang mampu mempermudah pemilik hewan peliharaan dalam mengatasi gejala penyakit mata pada hewan yang dimiliki. Sistem pakar merupakan solusi yang tepat dalam menyelesaikan kondisi ini, dimana dalam penerapannya penggunaan algoritma yang tepat juga harus diperhatikan. Algoritma yang dimaksud adalah penerapan teorema bayes di dalam sistem pakar, agar hasil pengukuran lebih dapat dilihat secara sistematik. Dari penerapan teorema bayes dalam mendiagnosa penyakit mata pada hewan peliharaan, maka secara sederhana gejala-gejala yang dilihat oleh pemilik hewan dapat diklasifikasikan ke dalam jenis penyakit mata yang diidentifikasikan. Sehingga pemilik dapat memberikan penanganan yang tepat dalam mengatasi atau meringankan penyakit mata pada hewan peliharaan.
Optimalisasi Penggunaan Smartphone untuk Produksi Konten pada Era Digital di SMK Swasta Delisha Kecamatan Hamparan Perak Mughnyanti, Mayang; Syahputra, Nugroho; Putra, Purwa Hasan; Ningtyas, Alyiza Dwi; Pranata, Ardianto
Jurnal Pengabdian Masyarakat IPTEK Vol. 5 No. 2 (2025): Edisi Juli 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/abdi.v5i2.11636

Abstract

Istilah konten menjadi sangat popular di era perkembangan media sosial, dimana setiap masyarakat bisa menikmati hiburan, berita dan informasi dari berbagai penjuru dunia hanya melalui smartphone. Kapan pun dimana pun informasi dan hiburan dari video-video konten yang disiarkan bisa dinikmati. Hal ini tidak terlepas dari berbagai pihak yang saling berkontribusi, baik dari provider, artis konten hingga masyarakat yang menikmatinya. Seluruh unsur mempengaruhi kecepatan perkembangan konten di kalangan masyarakat. Hal ini menjadi satu hal yang juga harus diperhatikan sebagai masyarakat, apakah kita hanya sebagai penikmat konten atau melihatnya sebagai peluang dalam meningkatkan penghasilan secara digital. Terkait dengan istilah konten, maka konten kreator merupakan kalangan masyarakat yang mampu memanfaatkan perkembangan konten di era digital menjadi peluang yang menguntungkan. Pengenalan konten juga dapat dilakukan di ruang pendidikan agar siswa mampu mengoptimalkan teknologi khususnya smartphone dalam memproduksi konten yang menguntungkan serta berdampak positif. Oleh karena itu kegiatan sosialisasi dilakukan di SMK Swasta Delisha guna meningkatkan pemahaman siswa dalam menghasilkan konten yang positif dan produktif. Dalam kegiatan ini dapat dilihat bahwa setiap siswa mampu berkreasi dalam membuat sebuah video konten serta meningkatkan nilai percaya diri dari siswa yang mengikuti kegiatan.
Analisis Penggunaan Algoritma pada Metode Dempster Shafer dalam Mendiagnosa Penyakit Tanaman Kelengkeng Syahputra, Nugroho; Utari, Cut Try; Pranata, Ardianto; Dalimunthe, Aulia Rahman; Mughnyanti, Mayang
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 24 No 1 (2025): Februari 2025
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v24i1.11847

Abstract

Dempster Shafer merupakan salah satu metode yang sering digunakan dalam pemecahan permasalahan pada penerapan algoritma sistematis di dalam sistem pakar. Penerapannya pada umumnya dilakukan untuk segala penyakit pada manusia yang biasanya memiliki seorang ahli atau pakar yang cukup jelas seperti para ahli atau spesialis pada penyakit organ dalam tubuh. Namun bagaimana jika penyakit pada makhluk lain seperti hewan atau tumbuhan yang pada dasarnya juga memiliki tenaga ahli dibidangnya? Salah satu komoditas yang dapat diuji adalah tanaman kelengkeng. Kelengkeng sendiri merupakan buah yang memiliki nilai ekonomis yang cukup tinggi dengan tekstur dan aroma khas yang dimiliki. Dalam penerapannya, metode Dempster Shafer cukup mudah digunakan dengan algoritma dan konsep yang terstruktur secara sistematis. Dapat dilihat hasil diagnosa berdasarkan gejala yang muncul pada tanaman kelengkeng dan dapat diklasifikasikan ke dalam beberapa jenis penyakit yang telah diidentifikasikan. Selain itu penerapan metode ini juga memberikan kebaharuan penerapan metode sistem pakar pada bidang perkebunan dan pertanian. Dan hasil akhirnya dapat dipahami seluruh tahapan penerapan metode Dempster Shafer dalam suatu bidang ilmu kepakaran.
Penerapan Algoritma FP-Growth Data Mining Untuk Pole Persediaan Stok Barang Aksesoris HP Mughnyanti, Mayang
Jurnal Sains dan Teknologi Informasi Vol 4 No 2 (2025): Maret 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/jussi.v4i2.7804

Abstract

The need for inventory stock, especially HP accessories, is one of the main pillars of the business process that must be carried out by the store management. Where the opportunity for calculation errors is carried out conventionally without an in-depth analysis that causes inaccurate determination of the amount of inventory that must be fulfilled, the results of the study present a solution with a Data Mining approach using association rule techniques. in the study using 100 data from sales transaction history within a certain period of time identified by running the Frequent Pattern Growth (FP-Growth) algorithm to maximize computational performance in the process of extracting item patterns. From the results of testing the stock data of HP accessories, it is known that the calculation results by applying Association rules in searching for each itemset by applying the FP-Growth algorithm there are 9 rules with the condition of a support value limit of <10% and a confidence value of 70%. While 16 rules that do not meet the value requirements of a total of 25 rules.
PENGGUNAAN MACHINE LEARNING UNTUK ESTIMASI BIAYA DAN WAKTU KONSTRUKSI BANGUNAN GEDUNG Subrata, Anda; Parman, Parman; Mughnyanti, Mayang
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3322

Abstract

Abstrak: Cost and time estimation of building construction projects often face challenges due to the complexity of influencing variables, such as material type, architectural design, geographical conditions, and labor productivity. This study implements a machine learning algorithm to improve the accuracy of cost and project duration estimation by utilizing historical construction project datasets. The methodology used includes data preprocessing, feature selection, and model training using the Random Forest Regressor algorithm and Artificial Neural Network (ANN). The dataset consists of 500 building projects in Indonesia with attributes such as floor area, number of floors, type of structure, location, contract value, and completion time. The evaluation results show that Random Forest has better performance than ANN on both estimation targets. For cost estimation, Random Forest produces MAE of 2,283.68 million rupiah and MAPE of 62.31%, while ANN has MAE of 2,944.58 million rupiah and MAPE of 65.04%. In the project completion time estimation, Random Forest recorded MAE of 153.36 days and MAPE of 59.89%, while ANN produced MAE of 245.76 days and MAPE of 77.12% for time estimation. This study proves that machine learning can be used effectively to support more accurate and efficient construction project planning. Kata kunci: Construction Cost Estimation, Project Duration Estimation, Machine Learning, Random Forest, Artificial Neural Network, Building Construction Projects.Abstract: Estimasi biaya dan waktu proyek konstruksi bangunan gedung sering kali menghadapi tantangan karena kompleksitas variabel yang mempengaruhi, seperti jenis material, desain arsitektural, kondisi geografis, serta produktivitas tenaga kerja. Penelitian ini mengimplementasikan algoritma machine learning untuk meningkatkan akurasi estimasi biaya dan durasi proyek dengan memanfaatkan dataset historis proyek konstruksi. Metodologi yang digunakan meliputi praproses data, seleksi fitur, dan pelatihan model menggunakan algoritma Random Forest Regressor dan Artificial Neural Network (ANN). Dataset terdiri dari 500 proyek bangunan gedung di Indonesia dengan atribut seperti luas lantai, jumlah lantai, jenis struktur, lokasi, nilai kontrak, serta waktu penyelesaian. Hasil evaluasi menunjukkan bahwa Random Forest memiliki performa lebih baik dibandingkan ANN pada kedua target estimasi. Untuk estimasi biaya, Random Forest menghasilkan MAE sebesar 2.283,68 juta rupiah dan MAPE 62,31%, sedangkan ANN memiliki MAE sebesar 2.944,58 juta rupiah dan MAPE 65,04%. Pada estimasi waktu penyelesaian proyek, Random Forest mencatat MAE sebesar 153,36 hari dan MAPE 59,89%, sedangkan ANN menghasilkan MAE sebesar 245,76 hari dan MAPE 77,12% untuk estimasi waktu. Studi ini membuktikan bahwa machine learning dapat digunakan secara efektif untuk mendukung perencanaan proyek konstruksi yang lebih akurat dan efisien. Keywords: Estimasi Biaya Konstruksi, Estimasi Durasi Proyek, Machine Learning, Random Forest, Artificial Neural Network, Proyek Bangunan Gedung. 
Decision Support System For Determining the Best Teacher at Private Ballerina Elementary School using the Simple Additive Weighting (SAW) Method Dewi, Maimuna; Wahyuni , Dewi; Mughnyanti, Mayang
Journal of Technology and Computer Vol. 1 No. 3 (2024): August 2024 - Journal of Technology and Computer
Publisher : PT. Technology Laboratories Indonesia (TechnoLabs)

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

Abstract

At this time the utilization of science and technology is developing very quickly and producing new innovations that must be balanced with the ability to adapt to these technologies. One of these fields is a decision support system that can assist in decision-making. SDS Balerina is an educational institution in Medan. SDS Balerina has conducted assessment activities to determine the best teacher, but the assessment has not produced maximum results because all teachers are said to be good, all of them are equal, no one distinguishes their degrees, the results of the assessment are not announced to the teacher concerned, only the principal knows about it and does the assessment. However, what determines this decision-making is the decision-maker himself because the system is only an alternative decision. The final decision is still determined by the decision maker, namely the school principal.
Decision Support System to Determine the Best Student at MAS Islamic Center in Class XI using a Simple Additive Weighting Method Thania, Sheila Try; Wayahdi, M. Rhifky; Mughnyanti, Mayang
Journal of Technology and Computer Vol. 1 No. 4 (2024): November 2024 - Journal of Technology and Computer
Publisher : PT. Technology Laboratories Indonesia (TechnoLabs)

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

Abstract

This research aims to develop a Decision Support System (DSS) in determining the best students at MAS ISLAMIC CENTRE by using the Simple Additive Weighting (SAW) method. The SAW method was chosen because of its ability to calculate the number of performance weights on each alternative effectively, allowing comparison of various options based on specified criteria. This research uses a quantitative approach with system development that follows the Waterfall model, starting from the needs analysis stage to implementation and maintenance. The results show that the designed system is able to process student data accurately and display student rankings quickly and efficiently. This provides an advantage for schools in making decisions that are more objective and supported by solid data. The implementation of SAW-based DSS is expected to be a solution that supports transparency and effectiveness in determining the best students in the educational environment.
Co-Authors Cut Try Utari, Cut Try Dalimunthe, Aulia Rahman Dewi Wahyuni Dewi, Maimuna M. Rhifky Wayahdi Mandasari, Sartika Ningtyas, Alyiza Dwi parman parman Pranata, Ardianto Putra, Purwa Hasan Subrata, Anda Syahputra, Nugroho Thania, Sheila Try