Articles
<![CDATA[ARSITEKTUR JARINGAN LTE (LONG TERM EVOLUTION) UNTUK MENGATASI BACKHAUL CONNECTION WIFI PADA RURAL AREA DENGAN TEKNOLOGI FOURTH GENERATION (4G) ]]>
<![CDATA[Komang Ayu Triana Indah]]>;
<![CDATA[Ida Bagus Putra Manuaba]]>
<![CDATA[ Just TI (Jurnal Sains Terapan Teknologi Informasi) Vol 10, No 2 (2018): JULI 2018 ]]>
Publisher : <![CDATA[Politeknik Negeri Samarinda ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (360.771 KB)
|
DOI: 10.46964/justti.v10i2.107
<![CDATA[Teknologi WiFi yang digunakan pada rural area pada umumnya untuk jaringan fisik untuk koneksi satu base-station ke base-station yang lain (backhaul) atau ke switching centre seringkali terdapat banyak permasalahan. Wi-Fi dioptimasi untuk penggunaan dengan jangkauan yang pendek, penggunaan untuk luar ruangan dan jangkauan yang panjang akan menyebabkan multipath dan delay spread tidak tertangani secara optimal Meskipun penggunaan teknologi WiFi cukup praktis, akan tetapi penggunaan WiFi untuk koneksi backhaul akan menimbulkan permasalahan karena teknologi WiFi dirancang dan dioptimasi untuk penggunaan dengan cakupan LAN, sedangkan kondisi geografis di pedesaan tidak memungkinkan instalasi tersebut. Teknologi LTE menjawab permasalahan yang timbul dalam instalasi WiFi diantaranya kecepatan puncak data, mobilitas pengguna, daya, konsumsi, handover, fasilitas roaming dan coverage.. Long Term Evolution (LTE) adalah generasi teknologi telekomunikasi selular. Menurut standar, LTE memberikan kecepatan uplink hingga 50 megabit per detik (Mbps) dan kecepatan downlink hingga 100 Mbps. LTE memiliki standar terbaru teknologi jaringan mobile yang diproduksi dengan teknologi jaringan GSM/EDGE dan UMTS/HSDPA. Implementasi LTE untuk mengatasi permasalahan koneksi backhaul di pedesaan dengan teknologi Rural 4G secara teknis dilakukan untuk mengatasi permasalahan koneksi backhaul pada jaringan WiFi.]]>
<![CDATA[Pengabdian Kemitraan Masyarakat Instalasi Jaringan Internet untuk Sistem Registrasi Online pada Objek Wisata Blangsinga Waterfall, Kecamatan Blahbatuh, Gianyar ]]>
<![CDATA[Komang Ayu Triana Indah]]>;
<![CDATA[I Komang Sudiarta]]>;
<![CDATA[I Gusti Ayu Astri Pramitari]]>
<![CDATA[ Bhakti Persada Jurnal Aplikasi IPTEKS Vol 6 No 1 (2020): Mei 2020 ]]>
Publisher : <![CDATA[P3M Politeknik Negeri Bali ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1478.819 KB)
|
DOI: 10.31940/bp.v6i1.1865
<![CDATA[Objek wisata Air Terjun Blangsinga terletak di Desa Blangsinga, Kecamatan Blahbatuh, Kabupaten Gianyar, memiliki keindahan wisata alam yang sangat potensial. Manajemen operasional tempat wisata ini masih dikelola swadaya masyarakat, khususnya Desa Adat Blangsinga, Kecamatan Blahbatuh, Gianyar. Karena masih dikelola secara swadaya, maka infrastruktur sarana dan prasarana masih kurang optimal. Pengaturan registrasi wisatawan masih dilakukan secara manual dengan menggunakan tiket masuk yang ditandai dengan stempel pada tangan wisatawan. Hal ini tentu saja menyulitkan dalam pembuatan laporan keuangan. Selain itu akses masuk ke lokasi objek wisata ini ada dua pintu, yang memungkinkan wisatawan yang masuk tidak didata secara terintegrasi. Pengabdian kepada masyarakat yang sudah dilaksanakan oleh Politeknik Negeri Bali khususnya Program Studi Sistem Informasi Jurusan Teknik Elektro ditujukan bagi pengembangan infrastruktur terutama jaringan internet pada Objek Wisata Blangsinga Waterfall. Pengabdian dilakukan dalam bentuk pembuatan aplikasi ticketing online, instalasi kabel STP, Router Mikrotik dan memastikan interkoneksi antar PC admin bagian registrasi wisatawan.]]>
<![CDATA[KOMPARASI METODE ANT COLONY OPTIMIZATION DENGAN TABU SEARCH UNTUK PENJADWALAN PERKULIAHAN ]]>
<![CDATA[Komang Ayu Triana Indah Triana Indah]]>
<![CDATA[ Matrix : Jurnal Manajemen Teknologi dan Informatika Vol 6 No 3 (2016): MATRIX - Jurnal Manajemen Teknologi dan Informatika ]]>
Publisher : <![CDATA[Unit Publikasi Ilmiah, P3M Politeknik Negeri Bali ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (210.865 KB)
<![CDATA[Masalah penjadwalan kuliah merupakan masalah yang sangat kompleks. Inti penjadwalan tersebut adalah menjadwalkan beberapa komponen yang terdiri dari mahasiswa, dosen, ruang, waktu, dan matakuliah dengan memerhatikan sejumlah batasan dan syarat (constraint ) tertentu. Setiap langkah yang dilakukan oleh Tabu Search diambil berdasarkan hasil perhitungan cost yang dilakukan tiap iterasi untuk memilih neighbour solution yang akan menjadi current best solution berikutnya. Sedangkan ACO (Ant Colony Optimization) menggunakan algoritma yang diadaptasi dari prilaku semut untuk menyelesaikan permasalahan kombinatorial. Penelitian ini dirancang untuk membandingkan unjuk kerja metode Tabu search dan ACO ( Ant Colony Optimization) melalui aplikasi penjadwalan perkuliahan dengan menggunakan metode ACO dan Tabu Search didesain dengan memasukkan beberapa parameter yaitu data dosen, matakuliah, ruangan, dan beberapa variabel dari masing-masing parameter yang kemudian diproses sehingga menghasilkan penjadwalan perkuliahan. Adapun hasil yang diperoleh dari penggunaan Tabu Search dan ACO (Ant Colony Optimization) untuk memecahkan masalah penjadwalan kuliah dan ujian di perguruan tinggi. Hasil penelitian untuk membandingkan unjuk kerja antara kedua metode dilihat dari jumlah constrain yang terlanggar serta lamanya waktu yang diperlukan dari masing-masing iterasi pada tiap metode sampai mendapatkan jadwal kuliah.]]>
<![CDATA[Penjadwalan Perkuliahan dengan Metode Metaheuristic Ant Colony Optimization Studi Kasus Politeknik Negeri Bali ]]>
<![CDATA[Komang Ayu Triana Indah]]>;
<![CDATA[Putu Gede Sukarata]]>
<![CDATA[ Matrix : Jurnal Manajemen Teknologi dan Informatika Vol 9 No 2 (2019): MATRIX - Jurnal Manajemen Teknologi dan Informatika ]]>
Publisher : <![CDATA[Unit Publikasi Ilmiah, P3M Politeknik Negeri Bali ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1166.632 KB)
|
DOI: 10.31940/matrix.v9i2.1335
<![CDATA[Lecture scheduling problems are a very complex problem, where the core of the scheduling is how to schedule several components consisting of students, lecturers, space, time, and subject matter with due regard to certain constraints and constraints. The goal to be achieved is to apply the Ant Colony Optimization (ACO) Metaheuristic method to optimize the lecture scheduling system. Every step taken by ACO uses an algorithm adapted from ant behavior to solve combinatorial problems. This system is created using Microsoft Visual Basic programming by entering several parameters, namely Lecturer, Course, Room, and several variables from each parameter which are then processed to produce lecture scheduling. The results obtained from the ACO implementation to solve college scheduling problems are seen from the number of constrained constraints and the length of time required from each iteration in each method to get a class schedule so that they get a schedule with a 82 percent truth level which is a comparison of constraint violations to the total number of timeslot used for scheduling.]]>
<![CDATA[The object detection system of balinese script on traditional Balinese manuscript with findcontours method ]]>
<![CDATA[Putra Manuaba]]>;
<![CDATA[Komang Ayu Triana Indah]]>
<![CDATA[ Matrix : Jurnal Manajemen Teknologi dan Informatika Vol. 11 No. 3 (2021): Jurnal Manajemen Teknologi dan Informatika ]]>
Publisher : <![CDATA[Unit Publikasi Ilmiah, P3M, Politeknik Negeri Bali ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (627.545 KB)
|
DOI: 10.31940/matrix.v11i3.177-184
<![CDATA[Lontar is a traditional Balinese manuscript with a Balinese script in it. Balinese traditional manuscripts can be more than 100 years old. The age factor of the Balinese manuscript has an impact on the Balinese script in it. Balinese script that has been written more than 10 years tends to be darker. This makes Balinese script not visible well, and this affects the image quality of the manuscript. This thing becomes the main issue in this research, Balinese script detection on Balinese manuscript images. the first of all is image processing using edge detection, canny and Sobel becomes the main algorithm of this process. After image processing, the Balinese manuscript will be processed with the findcontour method to detect an object that contains in it. The final process of this detection system is to separate detected objects into three main groups namely noise object, Balinese script object, and hole object. Application (Balinese script object detection system) is more accurate in detecting Balinese script objects in Balinese script under 1 year (new script), it tends to be more likely to find noise/dirt. This is because the writing of the lontar using a pencil first before using the knife media. This adds to the noise or dirt detected by the application The findcontour method can detect Balinese script objects with a detection result of 30% - 70% Balinese script objects.]]>
<![CDATA[IMPLEMENTASI CCTV ONLINE UNTUK MENINGKATKAN PEMANTAUAN FASILITAS WARGA BANJAR SAMPALAN ]]>
<![CDATA[Rudiastari, Elina]]>;
<![CDATA[Atmaja, I Made Ari Dwi Suta]]>;
<![CDATA[Bawa, I Gusti Ngurah Bagus Catur]]>;
<![CDATA[Indah, Komang Ayu Triana]]>;
<![CDATA[Sukerti, Gusti Nyoman Ayu]]>;
<![CDATA[Astawa, I Nyoman Gede Arya]]>
<![CDATA[ Jurnal Praksis dan Dedikasi Sosial (JPDS) Vol 7, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Negeri Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.17977/um032v7i1p77-84
<![CDATA[IMPLEMENTATION OF ONLINE CCTV TO IMPROVE MONITORING OF BANJAR SAMPALAN RESIDENTS' FACILITIESSampalan Hamlet is a tourist destination where many facilities and infrastructure have begun to be built. The problems faced by the Sampalan Traditional Banjar are that there is no supervision of the routes around the Banjar area, there is no documentary evidence that can be used to analyze accidents that occur around the Banjar, there is no supervision to avoid acts of theft at the temple and there is no supervision of the social activities of residents which was carried out in Banjar. The solution offered in this community service activity for the problems experienced is the installation of CCTV. This service activity aims to help access monitoring and supervision of the Banjar area to increase the security and comfort of residents and visiting tourists. This method of implementing community service activities is implemented into three main stages, namely preparation, implementation and evaluation. The results of the evaluation through a questionnaire resulted in 71.4 percent of residents stating that the installed CCTV was very useful, and 50 percent of residents stated that the presence of CCTV greatly facilitated monitoring and supervision around the Banjar.Dusun Sampalan merupakan destinasi wisata dimana fasilitas serta infrastruktur sudah mulai banyak dibangun. Permasalahan yang dihadapi Banjar Adat Sampalan yaitu belum adanya pengawasan terhadap jalur disekitar areal Banjar, tidak adanya bukti dokumentasi yang dapat digunakan untuk menganalisa peristiwa kecelakaan yang terjadi di sekitar Banjar, tidak adanya pengawasan untuk menghindari tindakan pencurian di pura serta tidak adanya pengawasan terhadap aktivitas sosial warga yang dilakukan di Banjar. Solusi yang ditawarkan dalam kegiatan pengabdian kepada masyarakat ini untuk permasalahan yang dialami adalah pemasangan CCTV. Tujuan dari kegiatan pengabdian ini adalah membantu akses monitoring dan pengawasan areal Banjar sehingga meningkatkan keamanan dan kenyamanan warga serta wisatawan yang berkunjung. Metode pelaksanaan kegiatan pengabdian kepada masyarakat ini diimplementasikan menjadi tiga tahapan utama yaitu persiapan, pelaksanaan dan evaluasi. Hasil evaluasi melalui kuisioner menghasilkan 71,4 persen warga menyatakan CCTV yang terpasang tersebut sangat bermanfaat serta 50 persen warga menyatakan bahwa adanya CCTV sangat mempermudah monitoring dan pengawasan di sekitar Banjar.]]>
<![CDATA[Perbaikan Deteksi Objek Metode Findcontour Menggunakan Logika Fuzzy untuk Mendeteksi Objek Aksara Bali pada Daun Lontar ]]>
<![CDATA[Manuaba, IB Putra]]>;
<![CDATA[Indah, Komang Ayu Triana]]>
<![CDATA[ Technomedia Journal Vol 7 No 3 Februari (2023): TMJ (Technomedia Journal) ]]>
Publisher : <![CDATA[Pandawan Incorporation, Alphabet Incubator Universitas Raharja ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (481.379 KB)
|
DOI: 10.33050/tmj.v7i3.1927
<![CDATA[Fungsi findcontour OpenCV dapat digunakan sebagai sebuah metode untuk deteksi objek aksara Bali. Percobaan mendeteksi aksara bali menggunakan fungsi ini mampu mendeteksi seluruh objek yang ada di atas media daun lontar. Objek yang telah terdeteksi adalah objek aksara dan objek bukan aksara. Penelitian ini bertujuan untuk memperbaiki metode pendeteksian dengan fungsi findcontour dengan menambahkan algoritma fuzzy, untuk memisahkan objek aksara bali dengan objek bukan aksara bali. Data pada penelitian ini berupa aksara bali yang ditulis pada daun lontar. Naskah Bali yang digunakan sebagai data dalam penelitian adalah naskah baru yang sengaja ditulis untuk kebutuhan penelitian. Implementasi Logika fuzzy pada penelitian ini digunakan untuk menentukan objek yang telah terdeteksi termasuk objek aksara atau bukan. Hasil terlihat dari objek yang terdeteksi, logika fuzzy mampu menghilangkan 400 – 5000 objek yang tidak di perlukan. Sedangkan dari sisi waktu proses filtering dengan logika fuzzy memberikan dampak pada proses ROI menjadi lebih cepat dengan rerata waktu kurang dari 1 detik.]]>
<![CDATA[An Improvement Object Detection Method Findcontour with Fuzzy Logic for Detect Balinese Script Object ]]>
<![CDATA[Ida Bagus Putra Manuaba]]>;
<![CDATA[Komang Ayu Triana Indah]]>;
<![CDATA[Muhammad Fahmi]]>;
<![CDATA[Irma Nuraeni Salsabila]]>
<![CDATA[ Aptisi Transactions On Technopreneurship (ATT) Vol 4 No 3 (2022): November ]]>
Publisher : <![CDATA[Pandawan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34306/att.v4i3.264
<![CDATA[The function of OpenCV can be used as a method for detecting Balinese script objects . Experiments to detect Balinese script using this function are able to detect all objects that are on palm leaf media. Objects that have been detected are literal objects and non-literal objects. This study aims to improve the detection method with the findcontour function by adding a fuzzy algorithm, to separate Balinese script objects from non-Balinese characters. The data in this study were in the form of Balinese script written on palm leaves. The Balinese manuscripts used as data in the research are new manuscripts that were deliberately written for research purposes. Fuzzy logic in this study is used to determine objects that have been detected, including script objects or not. The results are visible from the detected objects, fuzzy logic is able to eliminate 400 - 5000 objects that are not needed. Meanwhile, in terms of time, the filtering process with fuzzy logic has an impact on the ROI process being faster with an average time of less than 1 second.]]>
<![CDATA[Multi Task Deep Learning with Transformer Encoder Decoder for Semantic Segmentation ]]>
<![CDATA[Indah, Komang Ayu Triana]]>;
<![CDATA[Darma Putra, I Ketut Gede]]>;
<![CDATA[Sudarma, Made]]>;
<![CDATA[Hartati, Rukmi Sari]]>
<![CDATA[ JOIV : International Journal on Informatics Visualization Vol 9, No 1 (2025) ]]>
Publisher : <![CDATA[Society of Visual Informatics ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.62527/joiv.9.1.1978
<![CDATA[Visual understanding is one of the core elements of computer vision consisting of image classification, object detection, and segmentation. The system applies a multilayer process to obtain complex image and video understanding using deep learning methods to convert the images to text. Therefore, this study aimed to extract video in the form of frames followed by the application of Transformer and Inception V3 architectures to the image captioning process. The synchronization was based on Multi-task Deep Learning method developed by combining Convolutional Neural Network (CNN) system in the image area, Recurrent Neural Network (RNN) with Long Short-Term Memory (LSTM) in the sentence area, Caption Content Network (CCN), and Relational Network Context (RCN). Moreover, Transformer Encoder-Decoder architecture was used in the process of labeling and determining the relationships between objects. The results of the image-to-text conversion process were determined by comparing prospective translated text with one or more references. This was achieved using accuracy and loss validation tables to provide graphical comparisons between the number of epochs and losses. The test results showed that the validation data accuracy was 70.166% while the loss was 22,648% and this showed more epoch iterations led to greater validation accuracy.Keywords— Visual Understanding, Transformer, Encoder, Decoder]]>
<![CDATA[The BERT Uncased and LSTM Multiclass Classification Model for Traffic Violation Text Classification ]]>
<![CDATA[Komang Ayu Triana Indah]]>;
<![CDATA[I Ketut Gede Darma Putra]]>;
<![CDATA[I Made Sudarma]]>;
<![CDATA[Rukmi Sari Hartati]]>;
<![CDATA[Minho Jo]]>
<![CDATA[ Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol 15 No 02 (2024): Vol. 15, No. 2 August 2024 ]]>
Publisher : <![CDATA[Institute for Research and Community Services, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24843/LKJITI.2024.v15.i02.p04
<![CDATA[The increasing amount of internet content makes it difficult for users to find information using the search function. This problem is overcome by classifying news based on its context to avoid material that has many interpretations. This research combines the Uncased model BiDirectional Encoder Representations from Transformer (BERT) with other models to create a text classification model. Long Short-Term Memory (LSTM) architecture trains a model to categorize news articles about traffic violations. Data was collected through the crawling method from the online media application API through unmodified and modified datasets. The BERT Uncased-LSTM model with the best hyperparameter combination scenario of batch size 16, learning rate 2e-5, and average pooling obtained Precision, Recall, and F1 values of 97.25%, 96.90%, and 98.10%, respectively. The research results show that the test value on the unmodified dataset is higher than on the modified dataset because the selection of words that have high information value in the modified dataset makes it difficult for the model to understand the context in text classification.]]>
