Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JTAM (Jurnal Teori dan Aplikasi Matematika) WIDYA LAKSANA
Wedashwara, I Gede Putu Wirarama
Unknown Affiliation
Mathematics Other

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

Found 3 Documents
Search

 1 
IMPLEMENTASI TEKNOLOGI TEPAT GUNA SMART VILLAGE BERBASIS RASPBERRY PI PADA DESA PETANG Ahmadi, Candra; Wedashwara, I Gede Putu Wirarama; Hermawan, Dadang; Santoso, Joko
JURNAL WIDYA LAKSANA Vol 10, No 1 (2021)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jwl.v10i1.30276

Abstract

Desa Petang terletak di Kecamatan Petang, Kabupaten Badung. Desa ini berada di ketinggian 800 meter dari atas permukaan laut. Desa Petang merupakan salah satu desa yang dijadikan tujuan wisata di Bali. Desa petang merupakan desa agronomi/pertanian dan pariwisata. Desa petang memiliki potensi pertanian yang luar biasa terutama manggis, yang apabila dikelola dengan baik, maka akan menjadi Agro Wisata bagi desa petang. Selain pertanian, petang juga memiliki kekayaan alam yang luar biasa yang berupa pemandangan pegunungan dan sungai yang biasa dipergunakan sebagai arung jeram, namun sayang kondisi arung jeram di desa Petang seaakan matri suri karena tidak meiliki tata kelola yang baik dan sarana untuk promosi. Petang juga memiliki sentra sentra pengrajin perak yang berada pada desa tersebut. Permasalahan utam dalam industry perak adalah masalah produksi (stok bahan baku), Manajemen keuangan dan masalah pemasaran. Pada kegiatan ini akan dilakukan pendampingan dan pelatihan. Selain pelatihan dan pendampingan, pada kegiatan ini akan direncanakan membuat sistem informasi untuk desa berbasis raspberry pi, melakukan pelatihan entrepreneurship  bagi aparat desa dan masyarakat desa petang untuk menumbuhkan sentra sentra industry kecil, Untuk mitra UKM yang terlibat selain dilakukan pelatihan akan dibangun sistem e-commerce agar meningkatkan pendapatan UKM.
IMPLEMENTASI TEKNOLOGI TEPAT GUNA SMART VILLAGE BERBASIS RASPBERRY PI PADA DESA PETANG Ahmadi, Candra; Wedashwara, I Gede Putu Wirarama; Hermawan, Dadang; Santoso, Joko
JURNAL WIDYA LAKSANA Vol 10 No 1 (2021)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (323.607 KB) | DOI: 10.23887/jwl.v10i1.30276

Abstract

Desa Petang terletak di Kecamatan Petang, Kabupaten Badung. Desa ini berada di ketinggian 800 meter dari atas permukaan laut. Desa Petang merupakan salah satu desa yang dijadikan tujuan wisata di Bali. Desa petang merupakan desa agronomi/pertanian dan pariwisata. Desa petang memiliki potensi pertanian yang luar biasa terutama manggis, yang apabila dikelola dengan baik, maka akan menjadi Agro Wisata bagi desa petang. Selain pertanian, petang juga memiliki kekayaan alam yang luar biasa yang berupa pemandangan pegunungan dan sungai yang biasa dipergunakan sebagai arung jeram, namun sayang kondisi arung jeram di desa Petang seaakan matri suri karena tidak meiliki tata kelola yang baik dan sarana untuk promosi. Petang juga memiliki sentra sentra pengrajin perak yang berada pada desa tersebut. Permasalahan utam dalam industry perak adalah masalah produksi (stok bahan baku), Manajemen keuangan dan masalah pemasaran. Pada kegiatan ini akan dilakukan pendampingan dan pelatihan. Selain pelatihan dan pendampingan, pada kegiatan ini akan direncanakan membuat sistem informasi untuk desa berbasis raspberry pi, melakukan pelatihan entrepreneurship  bagi aparat desa dan masyarakat desa petang untuk menumbuhkan sentra sentra industry kecil, Untuk mitra UKM yang terlibat selain dilakukan pelatihan akan dibangun sistem e-commerce agar meningkatkan pendapatan UKM.
Sentiment Analysis of Hotel Reviews in Senggigi using Decision Tree and Support Vector Machine Algorithm Putra, Lalu Muhammad Reza Suganda; Wijayanto, Heri; Wedashwara, I Gede Putu Wirarama
JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 10, No 1 (2026): January
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jtam.v10i1.34960

Abstract

The tourism industry is a rapidly growing sector that significantly contributes to the economy, including Indonesia. One of the popular tourist destinations in Indonesia is Senggigi, located on the island of Lombok. This destination offers high natural and cultural appeal. In the tourism industry, hotels are crucial as primary accommodations for travelers to stay and rest. Tourist reviews on hotel services greatly influence potential visitor’s decisions in selecting the right accommodation. Therefore, sentiment analysis of hotel reviews is essential for understanding customer satisfaction levels and assisting hotel managers in improving service quality. This research applies a comparative quantitative approach using Decision Tree and Support Vector Machine (SVM) algorithms. The dataset consists of 6,920 hotel reviews collected from TripAdvisor platforms through web scraping techniques. Data preprocessing included data cleaning, case folding, tokenization, stop word removal, and stemming to enhance classification performance. Sentiment labels were categorized into positive, neutral, and negative classes. Model performance was evaluated using multiple metrics, including accuracy, precision, recall, and F1-score, to ensure a comprehensive assessment. The word frequency distribution reveals that that accommodation experience and room quality play a crucial role in customer satisfaction. Positive sentiment is dominated by adjectives like great, nice, and beautiful, reflecting pleasant experiences. Negative sentiment is expressed more politely through phrases such as not good or not very nice. Neutral sentiment tends to be descriptive without strong emotional expression. In terms of model performance, SVM outperformed the Decision Tree model, achieving an accuracy of 90%, precision of 91%, recall of 90%, and an F1-score of 85%. In comparison, the Decision Tree achieved an accuracy of 87%, precision of 84%, recall of 87%, and an F1-score of 85%. These findings demonstrate the superior capability of SVM in handling complex and diverse textual data. This study contributes academically by strengthening empirical evidence on the effectiveness of machine learning–based sentiment analysis in the tourism domain and practically by providing actionable insights for hotel managers to improve service quality and customer satisfaction.
Co-Authors Candra Ahmadi, Candra Dadang Hermawan Heri Wijayanto Joko Santoso Putra, Lalu Muhammad Reza Suganda Siti Zubaidah