Claim Missing Document
Check
Articles

Penilaian Tata Kelola dan Manajemen Infrastruktur TI Bank BPD XYZ Menggunakan COBIT 2019: Assessment of IT Infrastructure Governance and Management Bank BPD XYZ Using the COBIT 2019 Budiana, I Wayan; Aryanto, Kadek Yota Ernanda; Sunarya, I Made Gede
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1043

Abstract

Bank BPD XYZ telah memiliki 144 aplikasi yang dikelola secara mandiri di Data Center dan Disaster Recovery Center Bank BPD XYZ. Berdasarkan laporan monitoring dan audit dari regulator, terindentifikasi beberapa permasalahan yang terkait dengan pengelolaan infrastruktur TI. Oleh karena itu, diperlukan sebuah penilaian tata kelola dan manajemen infrastruktur TI menggunakan kerangka kerja COBIT 2019 yang bertujuan untuk menilai seberapa besar capability level dan maturity level saat ini, serta menganalisis tingkat kesenjangan (gap) dengan tingkat yang diharapkan yang selanjutnya akan digunakan sebagai dasar untuk memberikan rekomendasi perbaikan. Hasil pengisian formulir design factor oleh top level management, domain obyektif yang memiliki tingkat kepentingan ? 70 yaitu EDM03 Ensured Risk Optimization, APO12 Managed Risk, APO13 Managed Security, dan MEA03 Managed Compliance with External Requirement. Berdasarkan hasil pengisian kuesioner obyektif terpilih, setelah dilakukan analisis didapatkan nilai pada domain obyektif EDM03 3,44 persentase 68,87% largely, APO12 3,45 persentase 68,93% largely, APO13 3,63 persentase 72,50% largely, dan MEA03 3,63 persentase 72,50% largely. Terdapat kesenjangan (gap) pada setiap domain obyektif terpilih, nilai kesenjangan pada domain obyektif EDM03 0,57, APO12 0,55, APO13 0,37, dan MEA03 0,38. Hasil ini merupakan deskripsi tata kelola dan manajemen Bank BPD XYZ saat ini dalam mengelola infrastruktur TI yang telah dilaksanakan.
Android-based decision support system using MAGIQ-MARCOS for digital bank selection Mahendra, Gede Surya; Wiradika, I Nyoman Indhi; Aryanto, Kadek Yota Ernanda
Matrix : Jurnal Manajemen Teknologi dan Informatika Vol. 15 No. 3 (2025): Matrix: Jurnal Manajemen Teknologi dan Informatika
Publisher : Unit Publikasi Ilmiah, P3M, Politeknik Negeri Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31940/matrix.v15i3.148-162

Abstract

Choosing a digital bank is a challenge for anyone, especially due to cognitive biases that influence decision making. This study aims to develop an Android-based Decision Support System (DSS) using the MAGIQ MARCOS method to provide recommendations for digital banks that suit users’ preferences. The MAGIQ method is used to weight the main criteria, namely Application Performance (C1), Financial Reports (C2), and User Experience (C3), while MARCOS is used to rank digital banking alternatives. This study includes data collection through surveys and interviews, data processing using MAGIQ for weighting, and ranking alternatives using MARCOS. The results indicate that Jenius ranked first with a preference value of 0.7632 followed by Seabank with 0.7164 and Krom Digital Bank with 0.6983. These findings show that the system is able to differentiate alternatives based on user priorities. The system achieved an accuracy of 80.39 percent compared with students’ manual selections confirming that the recommendations align with actual user preferences. The recommendations generated by the system are consistent with the priorities of decision makers who value application quality and user experience. Use case testing also shows that all test scenarios function as expected. This research contributes to the development of technology based DSS to help students make more rational and data driven decisions in choosing a digital bank. Future work may integrate real time data updates and predictive analysis to improve recommendation accuracy and expand the MAGIQ-MARCOS method to other sectors that require multi criteria decision making.
SEGMENTASI BANGUNAN PERKOTAAN PADA CITRA SATELIT BERESOLUSI TINGGI: CNN, U-NET (VGG16), DAN DEEPLABV3+ (RESNET-50) Putu Haryaka Setadewa; Kadek Yota Ernanda Aryanto; Luh Joni Erawati Dewi
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6552

Abstract

Seiring meningkatnya laju urbanisasi di Indonesia, kebutuhan pemetaan bangunan yang akurat menjadi semakin penting untuk mendukung perencanaan tata ruang, mitigasi bencana, dan pengelolaan infrastruktur perkotaan. Pendekatan konvensional berbasis survei manual dinilai kurang efisien, terutama di wilayah dengan pertumbuhan pesat. Oleh karena itu, pemanfaatan citra satelit dan Deep learning menjadi solusi potensial untuk identifikasi bangunan secara otomatis. Penelitian ini membandingkan performa tiga model segmentasi bangunan pada citra satelit resolusi tinggi: CNN konvensional (CNN-K), U-Net berbasis VGG16 (U-VGG), dan DeepLabV3+ dengan ResNet-50 (DL-ResNet). Dataset terdiri atas 1.216 patch citra dari kawasan Bali Selatan yang telah dilabeli dan diaugmentasi. Evaluasi dilakukan menggunakan metrik akurasi, IoU, dice coefficient, precision, recall, dan F1-score. Hasil menunjukkan U-VGG unggul (dice 89%, IoU 81%) dengan keseimbangan presisi dan efisiensi, sementara DL-ResNet mendekati hasilnya (dice 85%, IoU 80%) tetapi memerlukan sumber daya komputasi lebih besar. CNN-K mengalami overfitting dengan performa terendah.
OPTIMASI MODEL PREDIKSI EXTREME GRADIENT BOOSTING DENGAN GENETIC ALGORITHM UNTUK PRODUKSI DAN PRODUKTIVITAS PADI Wirakusuma, Kadek Ardy; Ni Putu Novita Puspa Dewi; Kadek Yota Ernanda Aryanto
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6633

Abstract

Produksi padi di Kabupaten Buleleng meningkat dari tahun 2021 hingga 2023, namun produktivitas justru menurun hingga 8%. Kondisi ini berpotensi mengganggu stabilitas pasokan beras di tengah pertumbuhan penduduk sebesar 4,59% per tahun. Diperlukan pendekatan prediktif berbasis kecerdasan buatan untuk memodelkan hubungan kompleks antar variabel pertanian. XGBoost dipilih karena kemampuannya dalam menangkap pola non-linear dan sering digunakan dalam analisis data pertanian, sementara Genetic Algorithm (GA) digunakan untuk menentukan kombinasi hiperparameter optimal guna meningkatkan performa model. Model XGBoost tanpa optimasi diterapkan sebagai pembanding untuk mengevaluasi efektivitas pendekatan hybrid. Hasil analisis menunjukkan bahwa optimasi hiperparameter berpengaruh signifikan terhadap hasil prediksi. Model GA-XGBoost menghasilkan tingkat kesalahan lebih rendah, dengan penurunan nilai MAPE sekitar 2,98% untuk prediksi produksi padi dan 0.21% untuk produktivitas dibandingkan dengan model standar atau default.
ANALISIS KOMPARATIF U-NET ATTENTION DAN RESNET-50 UNTUK SEGMENTASI SEMANTIK SUNGAI PADA CITRA PENGINDERAAN JAUH Wijaya, Gede Andra Rizqy; Ni Putu Novita Puspa Dewi; Kadek Yota Ernanda Aryanto
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6637

Abstract

Pemantauan potensi banjir sungai merupakan langkah penting dalam mitigasi risiko bencana dan perencanaan tata ruang wilayah. Dengan perkembangan zaman dan meningkatnya ketersediaan data citra satelit dengan resolusi tinggi yang mengikutinya, pemantauan potensi banjir bisa dilakukan dengan metode yang terkini, seperti dengan menggunakan metode deep learning, terutama pada semantic segmentation. Dengan menggunakan model semantic segmentation yang berbasiskan deep learning, pemantauan sungai dalam langkah mitigasi risiko bencana alam bisa dilakukan dengan lebih fleksibel. Dengan menggunakan arsitektur ResNet-50 dan U-Net Attention, didapatkan akurasi yang tinggi, dimana masing-masing arsitektur mencapai tingkat akurasi hingga lebih dari 90%. Model dilatih menggunakan data sungai yang sudah dilakukan masking pada bagian sungainya saja, tidak menghiraukan wilayah lainya seperti genangan air besar lain yang berada diluar area sungai. Dalam penelitian ini juga dapat disimpulkan bahwa arsitektur U-Net Attention memiliki akurasi dan juga ketepatan yang lebih baik dibandingkan dengan arsitektur ResNet-50. Implementasi hasil dari penelitian ini diharapkan dapat mendukung pengembangan sistem pemantauan banjir berbasis teknologi, sehingga bisa meningkatkan kesiapsiagaan dan efisiensi dalam mitigasi bencana alam.
Co-Authors ., I Wayan Adi Sumertama A. A. Gede Yudhi Paramartha Agus Ariwanta, I Putu Yesha Agus Seputra I Ketut Aryani, Luh Nitra Budiana, I Wayan Dewa Gede Hendra Divayana, Dewa Gede Hendra Gede Aditra Pradnyana Gede Indrawan Gede Rasben Dantes Gede Surya Mahendra Gede Suweken GUSTI NGURAH MADE AGUS WIBAWANTARA . I Gede Aris Gunadi I Gede Mahendra Darmawiguna I Gede Nyoman Agung Jayarana I Gusti Agung Ayu Sekarini I Gusti Made Wahyu Krisna Widiantara I Ketut Eddy.P I Made Agus Widiana Putra I Made Candiasa I Made Edy Listartha I Made Gede Sunarya I Nyoman Sukajaya I Putu Eka Sutariawan I PUTU EKA SUTARIAWAN . I WAYAN GEDE SABDANA, S.KOM . Ida Bagus Prayoga Bhiantara Indriyani, Ni Luh Putu Ratih Indriyani, Ni Luh Putu Ratih Jaya, I Nyoman Surya Kadek Rihendra Dantes Kafabi, Moh Iqbal Luh Joni Erawati Dewi Luh Nitra Aryani Luh Putu Wiwien Widhyastuti M.Cs S.Kom I Made Agus Wirawan . Made Ari Sucahyana Made Windu Antara Kesiman Ni Ketut Pradani Gayatri Sarja Ni Made Rai Masita Dewi Ni Nyoman Mestri Agustini Ni Putu Novita Puspa Dewi Ony Andewi, Putu Purba, Gabriel Nathanael Pusparani, Diah Ayu Putu Alan Arismandika Putu Gede Surya Cipta Nugraha Putu Haryaka Setadewa Sanjaya, Kadek Oki Sanjaya, Kadek Oki Sari, Ni Ketut Ayu Purnama Siti Saibah Pua Luka Siti Saibah Pua Luka Sukajaya, I N. Sumertama, I Wayan Adi Suryaningsih, Gusti Ketut Suryaningsih, Gusti Ketut Taufik Akbar Taufik Akbar Trywanto Rina Wiani, Ni Wayan Yulya Widhiyanti Metra Putri, Dewi Arum Widhiyanti, Anak Agung Sandatya Widiantara, I Gusti Made Wahyu Krisna Wijaya, Gede Andra Rizqy Wiradika, I Nyoman Indhi Wirakusuma, Kadek Ardy Yudistira, Bagus Gede Krishna