Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal RABIT: Jurnal Teknologi dan Sistem Informasi Univrab REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal Pengabdian kepada Masyarakat Nusantara
Yenny Rahmawati
Universitas Tiga Serangkai
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Social Sciences

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

Found 3 Documents
Search

 1 
Audit Sistem Informasi Menggunakan Framework COBIT 4.1 pada Website Mydigilearn Telkom Indonesia Ilham Fannani; Luthfia Nurma Hapsari; Yenny Rahmawati; Ahmad Muhariya
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 10 No. 1 (2026): Volume 10 Nomor 1 Januari 2026
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v10i1.15669

Abstract

Perkembangan teknologi saat ini tak bisa dibendung lagi. Kemajuan disetiap bidang tak lepas dari teknologi sebagai penunjangnya, terutama teknologi informasi. Akan tetapi hal tersebut harus dimbangi dengan adanya sebuah evaluasi atau audit terhadap sistem informasi sehingga ancaman atau kerugian dapat dihindari ataupun dicegah. Penelitian ini bertujuan mengetahui sejauh mana kinerja sistem informasi pembelajaran yaitu mydigilearn sebagai layanan publik yang telah diterapkan untuk karyawan internal Telkom Indonesia dan memberikan rekomendasi tata kelola perbaikan setelah mengetahui kesenjangan antara tatakelola saat ini dengan tatakelola yang diharapkan sesuai dengan framework yang digunakan. Framework yang digunakan dalam penelitian ini adalah COBIT versi 4.1 khusus pada domain Deliver and Support (DS). Teknik pengumpulan datanya dilakukan dengan wawancara dan kuisioner dengan narasumber yang telah ditentukan sesuai dengan domain dan Control Objective yang digunakan. Metode analisis data dilakukan beberapa tahap, yaitu penentuan domain, penentuan proses kontrol, penentuan indikator dan pemetaan tingkatkematangan. Hasil dari penelitian ini adalah untuk mengetahui tingkat kematangan (maturity level) pada implementasi mydigilearn Telkom Indonesia khusus pada Domain DS, yaitu berada pada level 4 yang berarti sudah terukur dan terintegrasi antar proses yang berlangsung. Dan analisa GAP antara kondisi yang diharapkan dengan kondisi saat ini rata-rata sebesar 0,6.
DETEKSI PENYAKIT GLAUKOMA MENGGUNAKAN DETEKSI OD DAN SEGMENTASI BV DENGAN ALGORITMA SVM Yenny Rahmawati; Ilham Fanani; Luthfia Nurma Hapsari; Ahmad Muharya
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 11 No 1 (2026): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v11i1.7217

Abstract

Glaucoma is a neurodegenerative disease that causes damage to the optic nerve head and visual field defects. Although the neural aspect is often the main focus, vascular factors play a crucial role but are often overlooked in conventional diagnosis. This study proposes a glaucoma detection approach based on optic disc (OD) detection and blood vessel (BV) segmentation as a more targeted GLCM texture feature extraction stage. The dataset used consists of 550 glaucoma images and 200 non-glaucoma images. The extracted features were then classified using a Support Vector Machine (SVM) with an RBF kernel. The results show that the model achieves an accuracy of 76% with a weighted average F1-score of 0.68. An in-depth evaluation of each class shows significant performance in the glaucoma class with a recall value of 0.99, indicating that the post-segmentation OD and BV texture features are highly informative in capturing structural damage patterns. However, in the non-glaucoma class, a low recall value of 0.12 with a precision of 0.80 was found, indicating a tendency for false positives. The high recall value in the glaucoma class shows that this method is very effective and reliable for early detection (screening) purposes, where minimizing the risk of false negatives is a top priority in clinical diagnosis.
Otomasi Nutrisi Hidroponik Berbasis IoT untuk Greenhouse Mitra Soloraya melalui PjBL-OJT Ahmad Muhariya; Dziky Ridhwanullah; Yenny Rahmawati; Wawan Laksito Yuly Saptomo; Sapto Nugroho; Teguh Susyanto; Muhammad Hasbi; Saly Kurnia Octaviani; Ilham Fannani
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 7 No. 2 (2026): Edisi Mei - Agustus
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v7i2.9243

Abstract

Kesenjangan antara penguasaan teori Internet of Things (IoT) dan implementasi perangkat keras di lapangan menjadi tantangan pendidikan tinggi dalam mencetak talenta pertanian modern. Merespons hal ini, Program Studi S1 Informatika Universitas Tiga Serangkai (UTS) menyelenggarakan Pelatihan dan On-the-Job Training (OJT) "Smart Farming Project Based Learning" berkolaborasi dengan Edutic dan Balai Pelatihan Vokasi dan Produktivitas (BPVP) Surakarta. Kegiatan ini bertujuan menyelesaikan kendala pencampuran nutrisi hidroponik manual yang rentan tidak presisi pada unit usaha mitra. Melalui pendekatan Project Based Learning (PjBL), 16 mahasiswa lintas program studi dilibatkan mulai dari perancangan hingga implementasi purwarupa Smart Nutrition System pada empat greenhouse mitra. Hasil kegiatan menunjukkan 100% peserta dinyatakan kompeten pada Uji Kompetensi (UJK) skema otomasi nutrisi, dan tiga dari empat purwarupa sistem berhasil diimplementasikan secara berkelanjutan di lokasi mitra. Kolaborasi antara kampus, industri, dan lembaga vokasi terbukti efektif mencetak talenta digital sekaligus mengakselerasi digitalisasi sistem hidroponik pada level UMKM/BUMDes.
Co-Authors Ahmad Muhariya Ahmad Muharya Dziky Ridhwanullah Ilham Fanani Ilham Fannani Luthfia Nurma Hapsari Luthfia Nurma Hapsari Muhammad Hasbi Saly Kurnia Octaviani Sapto Nugroho Teguh Susyanto Wawan Laksito Yuly Saptomo