Article Per Year (5 Year)
p-Index From 2021 - 2026
1.503
P-Index
This Author published in this journals
All Journal JUTIK : Jurnal Teknologi Informasi dan Komputer METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi
I Putu Astya Prayudha
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Engineering Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
MODEL INTEROPERABILITAS PERANGKAT LUNAK SISTEM RESERVASI HOTEL DAN SPA DENGAN IMPLEMENTASI RESTFUL API I Putu Astya Prayudha; Made Pasek Agus Ariawan; Ida Bagus Adisimakrisna Peling
Jurnal Teknologi Informasi dan Komputer Vol. 10 No. 2 (2024): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36002/jutik.v10i2.2969

Abstract

Penelitian ini membahas pengembangan model interoperabilitas untuk meningkatkan integrasiperangkat lunak dalam sistem reservasi hotel dan spa. Interoperabilitas menjadi faktor kritis dalammemastikan keterhubungan yang efektif antara komponen perangkat lunak yang berbeda dalamlingkungan yang kompleks. Dengan fokus pada industri perhotelan dan spa, penelitian inimengusulkan suatu model yang memungkinkan perangkat lunak berbagai sistem dapat salingberkomunikasi dan beroperasi secara sinergis. Metodologi penelitian melibatkan analisiskebutuhan, perancangan model interoperabilitas, dan implementasi prototipe. Hasil eksperimenmenunjukkan bahwa model yang diusulkan berhasil meningkatkan efisiensi dan keterhubunganantara aplikasi reservasi hotel dan spa, membawa dampak positif pada pengalaman pengguna danmanajemen operasional. Implikasi penelitian ini dapat membantu pengembangan sistem reservasiyang lebih adaptif dan responsif terhadap perkembangan teknologi serta tren industri.
ANALISIS VISUAL TENTANG POLA KEBAKARAN HUTAN: STUDI KASUS MENGGUNAKAN DATA INDEKS CUACA DAN AREA TERBAKAR Putu Satya Saputra; I Putu Gede Abdi Sudiatmika; I Putu Astya Prayudha
Jurnal Teknologi Informasi dan Komputer Vol. 10 No. 3 (2024): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36002/jutik.v10i3.3458

Abstract

Kebakaran hutan menyebabkan kerugian yang signifikan dalam bentuk kerusakan habitat, emisi gasrumah kaca, hilangnya kehidupan satwa liar, dan bahkan hilangnya nyawa manusia. Untuk mengurangirisiko kebakaran hutan, sangat penting untuk memahami faktor-faktor yang mempengaruhinya. Kondisicuaca, seperti kelembaban, suhu, kekeringan, dan kecepatan angin, dikenal sebagai faktor utama yangmemengaruhi kebakaran hutan. Oleh karena itu, analisis visual terhadap pola kebakaran hutanmenggunakan data indeks cuaca dapat memberikan wawasan yang berharga. Indeks kebakaran hutan,seperti FFMC, DMC, DC, dan ISI, telah dikembangkan untuk memprediksi risiko kebakaran hutan.Indeks-indeks ini mengukur kelembaban bahan bakar, kekeringan, dan penyebaran awal kebakaran.Namun, ada kebutuhan untuk memahami lebih dalam bagaimana indeks-indeks ini berkorelasi denganpola kebakaran hutan sebenarnya. Data tentang kebakaran hutan, termasuk lokasi, waktu, dan luas areaterbakar, tersedia dalam berbagai dataset. Analisis visual terhadap data ini dapat membantu dalammengidentifikasi pola-pola spasial dan temporal dari kebakaran hutan, serta korelasinya dengan faktorfaktor cuaca. Visualisasi data memainkan peran kunci dalam memahami pola-pola yang kompleks dalamdataset besar. Dengan menggunakan teknik visualisasi yang tepat dapat mengidentifikasi tren, anomali,dan pola-pola yang tidak terlihat secara langsung melalui analisis statistik. Penelitian ini bertujuan untukmenganalisis visual pola kebakaran hutan dengan menggunakan data indeks cuaca dan area terbakar.Hasil penelitian ini diharapkan dapat memberikan pemahaman yang lebih dalam tentang hubunganantara kondisi cuaca dan kebakaran hutan. Informasi yang diperoleh dapat digunakan untukmeningkatkan pemahaman tentang risiko kebakaran hutan serta mengembangkan strategi yang lebihefektif dalam mitigasi bencana kebakaran hutan.
PERANCANGAN SISTEM PENDETEKSI TEMPAT PARKIR MOBIL MENGGUNAKAN METODE YOU ONLY LOOK ONCE (YOLO) DI POLITEKNIK NEGERI BALI I Wayan Candra Winetra; I Putu Astya Prayudha; Ni Gusti Ayu Putu Harry Saptarini
Jurnal Teknologi Informasi dan Komputer Vol. 10 No. 4 (2024): JUTIK : Jurnal Teknologi Informasi dan Komputer, Edisi Desember 2024
Publisher : LPPM Universitas Dhyana Pura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36002/jutik.v10i4.3577

Abstract

Manajemen parkir di Politeknik Negeri Bali (PNB) yang dilakukan secara manual seringkalimengakibatkan kemacetan dan pemanfaatan lahan parkir yang tidak efisien. Penelitian ini mengatasitantangan tersebut dengan mengembangkan sistem deteksi ruang parkir mobil secara real-time. Sistem inimenggunakan algoritma You Only Look Once (YOLO), sebuah metode deteksi objek mutakhir, untukmengidentifikasi secara akurat ruang parkir yang tersedia di lingkungan kampus PNB. Denganmemberikan informasi parkir secara real-time kepada pengguna, sistem ini bertujuan untukmenyederhanakan prosedur parkir, mengurangi kemacetan, dan meningkatkan efisiensi keseluruhankampus. Hasil penelitian ini menunjukkan kelayakan dan efektivitas sistem yang diusulkan dalammeningkatkan manajemen parkir di PNB
Perancangan Sistem Peringatan Dini Bencana Berbasis Website Terintegrasi BMKG dan Notifikasi Whatsapp Nuarta, I Wayan; I Putu Astya Prayudha; Ni Gusti Ayu Putu Harry Saptarini; Gde Brahupadhya Subiksa
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 10 No. 1 (2026): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol10No1.pp7-17

Abstract

Indonesia has a high level of disaster risk due to its geological conditions. Although the BMKG has provided early warning information, its dissemination has not been fully received by the public in a timely manner. Meanwhile, the widespread use of WhatsApp in Indonesia offers an opportunity to utilize it as a medium for delivering disaster-related information. This study aims to design a website-based disaster early warning system integrated with BMKG data and WhatsApp notifications based on provincial regions. The system was developed using the Waterfall method with PHP, MySQL, and a WhatsApp gateway service, utilizing earthquake and weather data that are updated automatically. The results indicate that the system operates according to functional requirements. WhatsApp notifications were successfully delivered with a 95% success rate and an average delivery time of 2.6 seconds. Black box testing showed 100% valid results, while the System Usability Scale evaluation achieved a score of 82.5, indicating a very good level of usability.
Evaluasi Model Convolutional Neural Network (CNN) dalam Klasifikasi Penyakit Daun Jagung Berbasis Web Menggunakan Citra Digital Santika, I Gusti Ngurah Arya; Ni Gusti Ayu Putu Harry Saptarini; I Putu Astya Prayudha; Gde Brahupadhya Subiksa
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 10 No. 1 (2026): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol10No1.pp98-106

Abstract

Corn leaf diseases such as blight and rust can reduce crop yields if they are not detected at an early stage. In Penatahan Village, the process of identifying these diseases is still carried out manually through visual observation, which may lead to misidentification due to the similarity of symptoms between different diseases. Therefore, a technology-based system is needed to assist the identification process in a more objective and efficient manner. This study aims to classify corn leaf diseases using the Convolutional Neural Network (CNN) method based on digital leaf images. The dataset used consists of 319 images categorized into three classes: healthy, blight, and rust, with 80% of the data used for training and 20% for validation. The model was developed using a transfer learning approach with the MobileNetV2 architecture and evaluated using a confusion matrix. The experimental results indicate that the model achieved an accuracy of 92.19%, indicating that the CNN method is capable of effectively classifying corn leaf diseases. The developed system can be utilized as a tool to assist in the rapid and objective identification of corn leaf diseases.
Co-Authors ABDI SUDIATMIKA, I PUTU GEDE Gde Brahupadhya Subiksa I Wayan Candra Winetra Ida Bagus A. Swamardika Ida Bagus Adisimakrisna Peling Ida Bagus Adisimakrisna Peling Made Pasek Agus Ariawan Made Sudarma Ni Gusti Ayu Putu Harry Saptarini Nuarta, I Wayan Putu Satya Saputra Santika, I Gusti Ngurah Arya