Articles
<![CDATA[Pengambilan Data Aset Website Properti Dan Pembuatan Database Penyimpanan Data Website Ini Vie Hospitality ]]>
<![CDATA[I Gusti Bagus Ngurah Agung Brian Wijaya]]>;
<![CDATA[Ida Ayu Gede Suwiprabayanti]]>;
<![CDATA[I Wayan Supriana]]>
<![CDATA[ Jurnal Pengabdian Informatika Vol. 3 No. 4 (2025): JUPITA Volume 3 Nomor 4, Agustus 2025 ]]>
Publisher : <![CDATA[Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Industri hospitality saat ini memasuki era transformasi digital yang pesat. Hal ini membuka peluang baru bagi perusahaan hospitality untuk meningkatkan layanan dan menjangkau pelanggan yang lebih luas. Namun, di sisi lain, hal ini juga menimbulkan tantangan baru dalam mengelola data yang dihasilkan dari berbagai platform digital.Penelitian ini bertujuan untuk menganalisis manajemen data dan informasi di iNi Vie Hospitality. Penelitian ini fokus pada sumber data dan informasi, pengumpulan dan penyimpanan data, analisis data, dan penggunaan data untuk membuat keputusan dan meningkatkan kinerja.Temuan penelitian menunjukkan bahwa iNi Vie Hospitality memiliki sumber data dan informasi yang beragam, namun sistem pengumpulan dan penyimpanan datanya masih perlu dioptimalkan. Analisis data di iNi Vie Hospitality masih terfokus pada aspek-aspek dasar, dan penggunaan data untuk membuat keputusan dan meningkatkan kinerja masih terbatas.Penelitian ini merekomendasikan iNi Vie Hospitality untuk meningkatkan sistem pengumpulan dan penyimpanan data, mengembangkan kemampuan analisis data, dan memanfaatkan data secara lebih optimal untuk membuat keputusan dan meningkatkan kinerja.]]>
<![CDATA[PERANCANGAN SISTEM APLIKASI INFORMASI PENGELOLAAN BARANG DI BIDANG TIK ]]>
<![CDATA[I Wayan Wikananda Adikara]]>;
<![CDATA[Agus Muliantara]]>;
<![CDATA[I Wayan Supriana]]>
<![CDATA[ Jurnal Pengabdian Informatika Vol. 3 No. 4 (2025): JUPITA Volume 3 Nomor 4, Agustus 2025 ]]>
Publisher : <![CDATA[Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perkembangan teknologi dan sistem informasi merupakan hal yang sangat dibutuhkan oleh dunia industri dan organisasi. Dinas Komunikasi dan Informatika Kabupaten Badung memiliki peran dalam menjaga keamanan serta kelancaran sistem informasi instansi pemerintahan daerah. Bidang TIK pada Dinas KOMINFO Badung merupakan salah satu sektor kelembagaan yang saat ini masih mengelola datanya secara manual atau tidak menggunakan aplikasi, sehingga sistem yang saat ini terdapat banyak kekurangan dan kelemahan terutama pada saat pencatatan barang masuk dan keluar. Dengan adanya sistem berbasis aplikasi ini proses pengelolaan data akan menjadi lebih mudah dan menghemat waktu dan memperkecil kemungkinan terjadinya kesalahan pencatatan barang. Penelitian ini memberikan pandangan penting tentang bagaimana teknologi dapat mendukung kinerja, serta memberikan solusi agar kinerja para pegawai lebih mudah dan efisien.]]>
<![CDATA[Implementasi Algoritma Apriori sebagai Association Rule Learning untuk Mengidentifikasi Pola Item Dataset Penjualan ]]>
<![CDATA[Supriana, I Wayan]]>;
<![CDATA[Rahning Putri, Luh Arida Ayu]]>
<![CDATA[ Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025 ]]>
Publisher : <![CDATA[Universitas Atma Jaya Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Persaingan toko retail semakin ketat, pemasaran dan penataan produk penting untuk efisiensi belanja, menjaga kenyamanan, dan meningkatkan profit. Analisis kebiasaan berbelanja konsumen terhadap barang pada setiap transaksi dengan melakukan market basket analysis. Algoritma Apriori merupakan salah satu teknik untuk menemukan frequent item dalam membangun association rule yaitu hubungan antara kombinasi item dalam suatu dataset. Penelitian ini bertujuan untuk implementasi algoritma Apriori sebagai association rule learning untuk mengidentifikasi pola item dataset penjualan pada toko retail. Association rule itemset dengan algoritma Apriori akan dibandingkan dengan Frequent Pattern Growth (FP-Growth) yang merupakan algoritma untuk menemukan himpunan data yang paling sering muncul pada dataset. Berdasarkan pengujian yang dilakukan rerata nilai lift ratio algoritma Apriori sebesar 1,58 dan rerata nilai lift ratio algoritma FP-Growth sebesar 1,28. Hal ini menunjukkan bahwa algoritma Apriori memiliki kinerja lebih tinggi jika dibandingkan dengan algoritma FP-Growth. ]]>
<![CDATA[PENGEMBANGAN RANCANGAN UNTUK “ROLE PEGAWAI” PADA SISTEM “BOOKING CHAIR” ]]>
<![CDATA[Zulfazazalia Putri Candra Wati]]>;
<![CDATA[I Wayan Supriana]]>;
<![CDATA[Anak Agung Istri Ngurah Eka Karyawati]]>
<![CDATA[ Jurnal Pengabdian Informatika Vol. 1 No. 2 (2023): JUPITA Volume 1 Nomor 2, Februari 2023 ]]>
Publisher : <![CDATA[Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (771.455 KB)
<![CDATA[PT. Hashmicro Solusi Indonesia atau Hashmicro merupakan perusahaan yang bergerak dibidang Software ERP dan berdiri sejak tahun 2015 dimana mulai didirikan di negara Singapura. Dimana pada role Software Implementation Consultant biasanya berhubungan langsung dengan client dan memiliki hari untuk bekerja secara work from office. Pencatatan dan kehadiran dari pegawai yang bekerja di kantor masih bersifat manual serta bagi pegawai yang ingin bekerja di kantor terkadang tidak mendapatkan kursi saat akan bekerja. Menyikapi permasalahan tersebut, dibuatlah rancangan sistem berbasis website yaitu “Booking Chair” yang bertujuan untuk mencatat dan memesanan kursi bagi pegawai yang akan datang ke kantor kepada admin atau Human Resource. Bedasarkan hasil pengembangan rancangan yang telah dipaparkan sebelumnya, komponen yang dibutuhkan oleh permasalahan saat ini telah dipenuhi sehingga aplikasi siap untuk dikembangkan menjadi sebuah sistem website yang sesungguhnya.]]>
<![CDATA[PENINGKATAN PEMBELAJARAN BANTEN BYAKAON MELALUI PERANCANGAN PROTOTIPE APLIKASI TETANDINGAN BANTEN BYAKAON BERBASIS ANDROID UNTUK MASYARAKAT HINDU BALI ]]>
<![CDATA[Anak Agung Istri Dewi Lestari]]>;
<![CDATA[Anak Agung Istri Ngurah Eka Karyawati]]>;
<![CDATA[I Wayan Supriana]]>
<![CDATA[ Jurnal Pengabdian Informatika Vol. 1 No. 2 (2023): JUPITA Volume 1 Nomor 2, Februari 2023 ]]>
Publisher : <![CDATA[Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (263.393 KB)
<![CDATA[Bangkit 2021 merupakan program Kampus Merdeka yang bekerja sama dengan Google, Gojek, Tokopedia dan Traveloka yang dirancang untuk mempersiapkan mahasiswa dengan keterampilan yang dibutuhkan dan sertifikasi teknologi. Pada akhir kegiatan ini, penulis menemukan permasalahan mengenai kebudayaan Bali. Banten merupakan salah satu tradisi budaya Bali. Salah satu banten yang cukup sering digunakan adalah Banten Byakaon. Saat ini tradisi membuat banten dikalangan masyarakat Bali semakin hilang dan berkurang, sehingga dirancang aplikasi berbasis android sehingga memudahkan masyarakat mempelajarinya. Perancangan dilakukan menggunakan pendekatan purwarupa (prototype) dengan tahapan pengumpulan kebutuhan, proses perancangan desain antarmuka, pembuatan purwarupa, serta evaluasi dan perbaikan sehingga diperoleh tampilan desain dan prototype aplikasi tetandingan Banten Byakaon berbasis Android.]]>
<![CDATA[KEGIATAN STUDI INDEPENDEN BERSERTIFIKAT PENGEMBANG MACHINE LEARNING DAN FRONT-END WEB DI PT PRESENTOLOGICS DICODING INDONESIA ]]>
<![CDATA[Karlina Surya Witanto]]>;
<![CDATA[Luh Gede Astuti]]>;
<![CDATA[I Wayan Supriana]]>
<![CDATA[ Jurnal Pengabdian Informatika Vol. 1 No. 2 (2023): JUPITA Volume 1 Nomor 2, Februari 2023 ]]>
Publisher : <![CDATA[Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (388.1 KB)
<![CDATA[Saat ini kita sedang menghadapi Revolusi Industri 4.0 yang serba digital. Teknologi telah membantu atau menggantikan semua aspek kegiatan yang dilakukan oleh manusia. Sumber daya manusia yang ahli dalam bidang teknologi sangat dibutuhkan untuk mengakselerasi Indonesia menuju dunia digital. Salah satu tantangan terbesar bagi setiap talenta di dunia teknologi adalah materi pelatihan standar Industri yang berkualitas tinggi. Dicoding bersama perusahaan teknologi lainnya bekerja sama untuk menghadirkan materi pembelajaran berkualitas tinggi yang sesuai dengan standar Industri melalui platform Dicoding Academy. Studi Independen adalah salah satu program Kampus Merdeka yang diselenggarakan oleh Kementerian Pendidikan, Kebudayaan, Riset dan Teknologi Republik Indonesia. Untuk menghasilkan talenta berstandar tinggi yang sesuai dengan standar Industri, PT Presentologics Dicoding Indonesia mengajukan program Studi Independen dalam beberapa paket belajar, salah satunya Pengembang Machine Learning dan Front-End Web. Peran machine learning sangat mencolok dan signifikan dalam disrupsi Industri 4.0. Pada path Pengembang Machine Learning dan Front-End Web peserta mampu melakukan visualisasi data; menerapkan algoritma machine learning dan membuat model yang optimal; menyelesaikan masalah nyata dengan penerapan machine learning; serta mendapatkan materi soft skill untuk mempersiapkan karir di masa yang akan datang. Peserta dibimbing oleh mentor expert dalam bidangnya untuk mengembangkan soft skill maupun hard skill. Oleh karena itu, kegiatan ini sangat penting untuk diadakan kembali.]]>
<![CDATA[PENGEMBANGAN PROYEK MACHINE LEARNING PREDIKSI TUBERKULOSIS PADA KEGIATAN MBKM STUDI INDEPENDEN BERSERTIFIKAT DICODING 2021 ]]>
<![CDATA[Marissa Audina]]>;
<![CDATA[Anak Agung Istri Ngurah Eka Karyawati]]>;
<![CDATA[I Wayan Supriana]]>
<![CDATA[ Jurnal Pengabdian Informatika Vol. 1 No. 2 (2023): JUPITA Volume 1 Nomor 2, Februari 2023 ]]>
Publisher : <![CDATA[Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (293.312 KB)
<![CDATA[Kampus Merdeka merupakan bagian dari kebijakan Merdeka Belajar oleh Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia yang memberikan kesempaatan bagi mahasiswa untuk mengasah kemampuan sesuai minat dan bakat dengan terjun langsung ke dunia kerja sebagai persiapan karier di masa depan. Salah satu program yang ditawarkan adalah Merdeka Belajar Kampus Merdeka Studi Independen Bersertifikat (MBKM SIB) pada PT. Presentologics Dicoding Indonesia. Satu dari empat paket belajar yang disediakan adalah paket Pengembang Machine Learning dan Front-End Web. Machine learning terus berkembang setiap tahunnya dan semakin banyak diimplementasikan di berbagai bidang industri, salah satunya adalah bidang kesehatan. Pada proyek akhir dari kegiatan MBKM SIB Dicoding ini, telah dikembangan proyek machine learning yaitu proyek prediksi penyakit tuberkulosis berdasarkan data gambar chest x-ray yang dapat mengklasifikasikan dan memprediksikan data chest x-ray ke dalam dua kategori yaitu normal dan tuberkulosis. Proyek ini diharapkan dapat membantu dokter atau tenaga ahli kesehatan sebagai pendukung keputusan dalam proses diagnosis penyakit tuberkulosis melalui citra chest x-ray pasien.]]>
<![CDATA[Pengembangan Sistem Identifikasi Keluarga Miskin Di Kabupaten Tabanan Dengan Menggunakan Metode Naïve Bayes Dalam Pengentasan Kemiskinan ]]>
<![CDATA[Supriana, I Wayan]]>
<![CDATA[ JST (Jurnal Sains dan Teknologi) Vol. 7 No. 1 (2018) ]]>
Publisher : <![CDATA[Universitas Pendidikan Ganesha ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (414.606 KB)
|
DOI: 10.23887/jstundiksha.v7i1.12669
<![CDATA[Kemiskinan adalah isu klasik yang masih terjadi di berbagai daerah di Indonesia termasuk Bali, khususnya daerah Tabanan yang memiliki tinggkat kemiskinan lebih tinggi dari tingkat kemiskinan provinsi. Jumlah penduduk miskin di Kabupaten Tabanan masih cukup tinggi meskipun Bali manjadi salah satu tujuan wisata mancanegara. Berbagai program prorakyat diterapkan untuk mengurangi tingkat kemiskinan oleh pemerintah Kabupaten Tabanan, namun dalam prakteknya program kemiskinan seringkali salah sasaran. Dalam penelitian ini dilakukan penerapan pemanfaatan kemajuan teknologi informasai untuk mengidentifikasi sebuah rumah tangga, sistem yang dibangun akan menentukan tingkat kemiskinan rumah tangga berdasarkan indikator tingkat keluarga sejahtera. Metode identifikasi untuk mengetahui tingkat kesejahteraan rumah tangga dengan menggunakan analisis Bayesian yang dalam hal ini adalah Naïve Bayes Classifier. Hasil yang diperoleh berdasarkan analisis dan implementasi bahwa sistem yang dibangun mampu mengidentifikasi tingkat kesejahteraan rumah tangga sebesar 72% berdasarkan data uji yang digunakan, hal ini akan memudahkan program pengentasan kemiskinan dapat disalurkan tepat sasara sesuai rumah tangga miskin yang membutuhkan.Kata kunci: Kemiskinan, Rumah Tangga Miskin, Bayesian Analysis, Naïve Bayes Classifier]]>
<![CDATA[Sistem Informasi Prediksi Penilaian Kredit Perbankan Menggunakan Algoritma K-Nearest Neighbor Classification ]]>
<![CDATA[Supriana, I Wayan]]>;
<![CDATA[Raharja, Made Agung]]>;
<![CDATA[Gunawan, Putu Wida]]>
<![CDATA[ JST (Jurnal Sains dan Teknologi) Vol. 8 No. 1 (2019) ]]>
Publisher : <![CDATA[Universitas Pendidikan Ganesha ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (808.048 KB)
|
DOI: 10.23887/jstundiksha.v8i1.16470
<![CDATA[The existence of banking institutions is very important for people's lives, especially used for raise funds in the form of deposits, demand deposits, savings and others. Besides that, it is an institution banks can also play a role as channeling funds in the form of credit to the public and business entities that need it. Problems in credit disbursement cause bad loans from customers, causing losses to the bank. Credit assessment is one of the important stages that must be carried out by the bank before credit is given to the credit applicant. The credit appraisal process belongs to a semi-structured problem that is quite complex, therefore it is necessary to develop a system to predict the feasibility of applying for credit. The system built in this study uses the K-Nearest Neighbor Classification algorithm by assessing prospective borrowers from the training data used. Based on the research that has been done, the K-Nearest Neighbor Classification algorithm can be modeled in a bank credit assessment. System testing results show accuracy of calculation accuracy of 81,82%.]]>
<![CDATA[Inspired GWO-based Multilevel Thresholding for Color Images Segmentation via M. Masi Entropy ]]>
<![CDATA[I Made Satria Bimantara]]>;
<![CDATA[I Wayan Supriana]]>;
<![CDATA[I Komang Arya Ganda Wiguna]]>;
<![CDATA[Ida Bagus Gede Sarasvananda]]>
<![CDATA[ Jurnal Buana Informatika Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025 ]]>
Publisher : <![CDATA[Universitas Atma Jaya Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Image segmentation is crucial in image processing and computer vision, with multilevel thresholding (ML-ISP) offering robust solutions for complex images. However, effectively applying ML-ISP to RGB color images remains a challenge due to computational complexity and the limitations of traditional optimization algorithms, such as the Grey Wolf Optimizer (GWO). This study proposes an Inspired Grey Wolf Optimizer (IGWO) to address these issues and enhance ML-ISP for RGB color images. The performance stability of IGWO is comprehensively evaluated using three distinct objective functions: the Otsu method, the Kapur Entropy, and the M. Masi Entropy. Qualitative and quantitative analyses using PSNR, SSIM, and UQI were conducted on benchmark images. Results consistently demonstrate that IGWO, particularly with M. Masi Entropy, achieves superior segmentation quality. This research incorporates GridSearch-based hyperparameter tuning. The findings highlight the effectiveness and robustness of the proposed IGWO approach for complex ML-ISP tasks on color images.]]>
