Claim Missing Document
Check
Articles

Found 9 Documents
Search

SISTEM INFORMASI DISPOSISI SURAT BERBASIS API MENGGUNAKAN GRAPHQL Rico Sandyca Novenza; I Gede Susrama Mas Diyasa; Sugiarto
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (523.016 KB)

Abstract

Dalam suatu instansi, surat merupakan suatu hal yang penting. Tidak hanya sebagai alat komunikasi, melainkan sebagai bukti atas sebuah kegiatan yang telah dilakukan maupun sebagai pemberi perintah. Pengelolaan surat harus dilakukan setepat-tepatnya sehingga informasi dapat disampaikan dengan cepat dan tepat ketika diperlukan. Namun, surat yang baru dibuat tidak dapat langsung dikirim ke penerima tujuan, tetapi harus melalui beberapa proses yang tidak singkat dan hal tersebut tentu akan memakan banyak waktu dan membuat proses pengiriman kurang efisien. Bahkan ada masanya pengiriman surat mengalami masalah yang membut informasi yang disampaikan terganggu. Untuk menanggulangi masalah diatas, peneliti membangun sebuah sistem surat berbasis GraphQL API. Hal tersebut dilakukan untuk mengatasi masalah-masalah instansi terutama pada bagian penyuratan. Sistem yang dibangun berbasis API, agar nantinya API yang dibangun dapat dikonsumsi oleh berbagai platform. GraphQL digunakan dikarenakan lebih efektif dan efisien dibandingkan dengan arsitektur API serupa. Metode penelitian yang digunakan adalah metode waterfall yang sudah terbukti berhasil menangani penelitian dengan studi kasus serupa. Hasil dari penelitian ini adalah terbentuknya sebuah sistem surat masuk, keluar dan disposisi berbasis GraphQL API yang sudah lulus uji menggunakan metode equivalence partitioning. API yang sudah dibangun nantinya dapat langsung dikonsumsi oleh client agar aplikasi lebih interaktif bagi pengguna
PERANCANGAN SISTEM UJI SERTIFIKASI KOMPETENSI BERBASIS GRAPHQL M. Hafidz Amarul Ma'rufi; I Gede Susrama Mas Diyasa; Sugiarto
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (663.016 KB)

Abstract

Sertifikasi Kompetensi adalah proses pemberian sertifikat kompetensi yang dilakukan secara sistematis dan obyektif melalui ujian kompetensi yang mengacu pada skema sertifikasi yang telah dibuat oleh Lembaga Sertifikasi Profesi (LSP) dan disetujui oleh Badan Nasional Sertifikasi Profesi (BNSP). Proses yang terjadi pada sertifikasi kompetensi dimulai dengan pendaftaran sampai dengan pemberian sertifikat kompetensi kepada asesi. Pengolahan data uji sertifikasi kompetensi masih dilakukan secara manual mulai dari pendaftaran sampai dengan penyimpanan hasil uji yang belum tersistem dan rapi. Dengan penjelasan tersebut, maka diperlukan pergantian metode pengelolahan data LSP dari manual menjadi metode pengelolahan data LSP yang terkomputerisasi dan otomatis. Hasil dari penelitian ini yaitu Sistem Uji Sertifikasi Kompetensi berbasis API dengan gaya arsitektur Graph Query Language (GraphQL) yang dapat mempermudah pengembang antarmuka untuk mendefinisikan data yang dibutuhkan sesuai dengan kebutuhan sehingga akan mengefisiensikan pertukaran data antara sistem dan antarmuka.
Perancangan Alat Pengendalian Lingkungan Greenhouse Berbasis BLYNK Ahmad Sidqi Bahariawansyah Achmad Zulkarnain; I Gede Susrama Mas Diyasa; Fawwaz Ali Akbar
Jurnal Penelitian 12-22
Publisher : Politeknik Penerbangan Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46491/jp.v6i1.548

Abstract

Cuaca dan iklim di Indonesia sering kali tidak menentu yang menyebabkan seringnya gagal panen. Hal ini membuat petani menggunakan beberapa cara untuk membuat tanaman mereka bertahan salah satunya dengan menggunakan greenhouse, namun penggunaan greenhouse masih belum sepenuhnya dapat disesuaikan karena pengendalian yang dilakukan secara manual sehingga dengan menggunakan teknologi khususnya dibidang Internet of Things (IoT), pengendalian dapat dilakukan secara otomatis secara jarak jauh. Pada penelitian ini, akan membuat perancangan alat untuk mengendalikan lingkungan greenhouse yang dihubungkan dengan aplikasi Blynk sebagai aplikasi pengendali jarak jauh. Berdasarkan hasil pengujian, penggunaan alat berjalan sesuai dengan yang diharapkan.
RANCANGAN PERANGKAT LUNAK OUTBOUND BELA NEGARA BERBASIS WEB Hadiansyah Rachmawan Putra; Chrystia Aji Putra; Agung Mustika Rizki; I Gede Susrama Mas Diyasa; Sri Wibawani; Ariyono Setiawan
Jurnal Penelitian 173-179
Publisher : Politeknik Penerbangan Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46491/jp.v6i3.585

Abstract

Teknologi saat ini mengalami perkembangan sangat pesat dan memberi banyak manfaat dalam berbagai aspek. Saat ini, teknologi sangat membantu dalam memberikan fasilitas untuk menjalakan kegiatan secara online. Semua kegiatan yang biasa dilakukan diluar rumah atau lapangan seperti pekerjaan, sekolah maupun berpergian kini terhalang karena adanya pandemik COVID-19 ini. Seperti halnya kegiatan Outbond Bela Negara ini yang harus dilaksanakan secara daring atau online di rumah masing – masing padahal yang seharusnya kegiatan ini dilaksanakan di luar lapangan. Terkait dengang permasalahan tersebut maka dibutuhkan sebuah sistem yang bisa menjadi sarana kegiatan Outbond Bela Negara seperti mengumpulkan tugas, melihat informasi tentang Bela Negara dan pemberian nilai terhadap tugas tersebut. Penelitian ini menghasilkan Sistem Informasi Outbond Bela Negara (SIOBEL) yang berbasis website dengan menggunakan framework Vue.JS di sisi Client, diintegrasikan menggunakan API menggunakan GraphQL. Untuk melakukan pengujian sistem ini akan menggunakan metode Blackbox.
Geometric Brownian Motion and Value at Risk For Analysis Stock Price Of Bumi Serpong Damai Ltd Trimono Trimono; Di Asih I Maruddani; Prisma Hardi Aji Riyantoko; I Gede Susrama Mas Diyasa
Internasional Journal of Data Science, Engineering, and Anaylitics Vol. 1 No. 1 (2021): International Journal of Data Science, Engineering, and Analytics Vol 1, No 1,
Publisher : International Journal of Data Science, Engineering, and Analytics

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1063.683 KB) | DOI: 10.33005/ijdasea.v1i1.3

Abstract

Investment is one of the activities that last actually attractive to the people of Indonesia. One of the most widely traded financial assets in the capital market is stocks. Stock prices frequently experience challenges to predict changes, so they can increase or decrease at any time. One method that can be applied to predict stock prices is GBM. Then, the risk can be measured using the VaR risk measure. The GBM model is determined to be accurate in predicting the stock price of BSDE.JK, with a MAPE value of 5.17%. By using VaR-HS and VaR CFE, the prediction of risk of loss at the 95% confidence level for the period 06/07/21 is -0.0597 and -0.0623
ANALISIS WEBSITE MONSTERMAC BERBASIS DIGITAL MARKETING DAN SEO (SEARCH ENGINE OPTIMIZATION) DALAM STRATEGI PEMASARAN Fityan Hanif Assalmi hanif; I Gede Susrama Mas Diyasa
Jurnal Penelitian 332-342
Publisher : Politeknik Penerbangan Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46491/jp.v7i4.1189

Abstract

MonsterMAC berspesialisasi dalam teknologi integrator sistem tertanam, Internet of Things (IoT), vending machines, dan teknologi militer. Penelitian ini dilakukan karena penulis ingin menunjukkan hasil kinerja website MonsterMAC berdasarkan SEO (Search Engine Optimisation) dan Google Analytics dalam strategi pemasarannya. Metode penelitian yang digunakan adalah penelitian kualitatif deskriptif menggunakan metode pengumpulan data dengan tinjauan pustaka. Digital marketing merupakan metode baru untuk meningkatkan pelanggan, salah satunya adalah dengan menggunakan teknik SEO, optimasi website melalui SEO memiliki dua komponen: optimasi on-page dan optimasi off-page. Hal ini dapat meningkatkan jumlah pengunjung dan mempengaruhi penjualan produk dan layanan. Temuan ini mungkin menjelaskan mengapa situs web MonsterMAC tidak menempati peringkat pertama di halaman Google.
ANALISIS PEMANFAATAN SOSIAL MEDIA INSTAGRAM MONSTERAR DALAM STRATEGI PEMASARAN Michael Alexander Justin Audison Sibarani; I Gede Susrama Mas Diyasa
Jurnal Penelitian 343-352
Publisher : Politeknik Penerbangan Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46491/jp.v7i4.1190

Abstract

Monster Augmented Reality, juga dikenal sebagai MonsterAR adalah perusahaan yang berspesialisasi dalam Hi-Technology Marketing dan Branding Development. Penelitian ini dilakukan untuk menganalisis dari penggunaan Sosial Media Instagram MonsterAR sebagai elemen utama dalam strategi pemasaran Digital Marketing. Metode penelitian yang digunakan adalah metode kualitatif deskriptif berupa pengumpulan data dengan tinjauan pustaka. Dengan hadirnya strategi Digital Marketing yang memberi kemudahan bagi pelaku bisnis untuk memasarkan dan mempromosikan produk atau jasanya seperti penjualan, promosi, pelayanan dan edukasi. Dari hasil akhir penelitian ini mungkin dapat menjelaskan mengapa pemanfaatan sosial media dapat meningkatkan efektivitas pemasaran sehingga dapat menjangkau semua konsumen yang diinginkan dan memengaruhi hasil penjualan produk.
Analisis Sentimen Kendaraan Listrik Pada Twitter Menggunakan Metode Long Short Term Memory Dian Agus Prawinata; Ani Dijah Rahajoe; I Gede Susrama Mas Diyasa
SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi Vol. 2 No. 1 (2024): Januari : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi
Publisher : STIKes Ibnu Sina Ajibarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59841/saber.v2i1.857

Abstract

In facing the increasing awareness of environmental impact, electric vehicles have become a primary focus in the global automotive industry. With the advancement of technology and the growing need for eco-friendly solutions, the evaluation of public sentiment towards electric vehicles becomes highly relevant. This research aims to analyze opinions expressed on Twitter regarding the use of electric vehicles using the Long Short Term Memory (LSTM) classification method. Utilizing a dataset of 30,000 entries, this study applies the LSTM algorithm to classify sentiment in tweets. Four different scenarios are tested, involving combinations of Continuous Bag of Words (CBOW) and Skip-Gram feature extraction methods, as well as data split percentages of 80:20 and 70:30. The research results demonstrate high accuracy levels across all scenarios, ranging from 85.16% to 85.9%. These findings indicate the effectiveness of sentiment analysis in gauging public perspectives on the use of electric vehicles. This study makes a significant contribution to understanding public sentiment related to electric vehicles based on Twitter data while highlighting the application of sentiment analysis techniques in the context of electric vehicle usage.
Comparing Structured Prompts for Denoising Noisy Certificate Text Dimas Saputra; I Gede Susrama Mas Diyasa; Eva Yulia Puspaningrum; Wan Suryani Wan Awang
IJCONSIST JOURNALS Vol 6 No 2 (2025): March
Publisher : International Journal of Computer, Network Security and Information System

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijconsist.v6i2.133

Abstract

This study addresses the challenge of noisy text resulting from Optical Character Recognition (OCR) on certificates, which hinders effective classification in Recognition of Prior Learning (RPL) contexts. To mitigate this issue, researchers propose the use of prompt-based denoising leveraging a Large Language Model (LLM), specifically the Gemini model, to refine the extracted text prior to classification. The methodology integrates OCR via PyTesseract, LLM-driven denoising using structured prompts (CSIR, CLEAR, and CO-STAR), and a BERT-base-uncased model for classification. Synonym replacement is also applied for data augmentation. Performance evaluation is conducted using accuracy, validation accuracy, confusion matrix, and classification reports. The results demonstrate a substantial improvement in classification performance. The baseline scenario achieved an accuracy of 82.14%, whereas the best-performing prompt structure, CO-STAR, reached 98.81%, marking an increase of over 15 percentage points. Similar trends were observed across all evaluation metrics, with CO-STAR delivering the highest precision, recall, and F1-score values. In conclusion, incorporating LLM-driven denoising through effective prompt strategies enhances the quality of OCR-extracted text and significantly boosts classification outcomes in certificate-based applications.