Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknologi dan Kejuruan Prosiding Seminar Nasional MIPA Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN)
I Ketut Purnamawan
Unknown Affiliation
Computer Science & IT Education Engineering Other

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

Found 5 Documents
Search

 1 
SUPPORT VECTOR MACHINE PADA INFORMATION RETRIEVAL I Ketut Purnamawan
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 12 No. 2 (2015): Edisi Juli 2015
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (255.424 KB) | DOI: 10.23887/jptk-undiksha.v12i2.6481

Abstract

SVM merupakan classsifier yang mempunyai keunggulan dapat mengolah data berdimensi tinggi, tanpa mengalami penurunan performa yang signifikan. SVM sekarang ini semakin banyak dipergunakan. Pada information retrieval, SVM  juga sudah banyak digunakan, khususnya pada bagian proses klasifikasi. Kemampuan SVM untuk mengolah data berdimensi besar sangat cocok untuk diterapkan pada data teks yang cenderung berdimensi besar. Pada tulisan ini dibahas perbandingan performa SVM dengan performa classsifier lain pada information retrieval. Pembahasan dilakukan berdasarkan hasil penelitian beberapa peneliti. Pada satu penelitian didapatkan bahwa SVM mengungguli classsifier lain. Pada penelitian lain didapatkan performa SVM berimbang dengan classsifier lain. Pada akhir tulisan dibahas mengenai langkah-langkah klasifikasi teks menggunakan SVM. Proses klasifikasi teks ini digunakan pada information retrieval data teks.
PENGARUH KEMAMPUAN BERBAHASA INGGRIS TERHADAP HASIL BELAJAR PEMROGRAMAN BERORIENTASI OBJEK PADA IMPLEMENTASI KURIKULUM ORACLE ACADEMY Luh Joni Erawati Dewi; A.A. Gede Yudhi Paramartha; I Ketut Purnamawan
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 17 No. 1 (2020): Edisi Januari 2020
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (684.166 KB) | DOI: 10.23887/jptk-undiksha.v17i1.23236

Abstract

Oracle Academy merupakan inisiatif dari Oracle untuk mendukung pendidikan ilmu komputer di dunia. Oracle Academy menyediakan beberapa kurikulum yang siap pakai oleh berbagai instansi pendidikan di dunia. Jurusan Teknik Informatika, Fakultas Teknik dan Kejuruan, Universitas Pendidikan Ganesha juga telah menerapkan salah satu kurikulum tersebut. Kurikulum yang diterapkan adalah Java Fundamental yang diintegrasikan dengan mata kuliah Pemrograman Berorientasi Objek (PBO). Seluruh materi telah disediakan oleh Oracle Academy berupa sistem e-learning, materi digital, kuis, UTS, UAS dan tools untuk membantu perkuliahan. Seluruh materi, kuis, UTS, dan UAS adalah berbahasa Inggris sebagai pengantar, sehingga mahasiswa dituntut untuk menggunakan bahasa Inggris secara pasif. Berdasarkan uraian di atas, terkait permasalahan dalam pembelajaran PBO, dan kelebihan yang ditawarkan oleh kurikulum yang ditawarkan oleh Oracle Academy, pada penelitian ini akan diuji pengaruh kemampuan berbahasa Inggris terhadap hasil belajar pemrograman berorientasi objek pada mahasiswa Jurusan Teknik Informatika. Penelitian yang diusulkan adalah korelasi. Pengambilan data dilakukan pada tahun ajaran 2018/2019. Jumlah mahasiswa yang mengikuti perkuliahan PBO adalah sebanyak 70 orang. Dari hasil analisis yang dilakukan dapat diambil kesimpulan bahwa kemampuan berbahasa Inggris tidak mempengaruhi hasil belajar PBO yang menggunakan kurikulum Oracle Academy.
RANCANGAN DETEKTOR GEMPA BERPOTENSI TSUNAMI BERBASIS WIRELESS SENSOR NETWORK DENGAN SISTEM MAGNETIC ALTITUDE (Kajian Teori) Putu Artawan; I Ketut Purnamawan
Prosiding Seminar Nasional MIPA 2015: PROSIDING SEMINAR NASIONAL MIPA UNDIKSHA 2015
Publisher : Prosiding Seminar Nasional MIPA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gempa bumi yang dahsyat bisa memicu atau berpotensi terjadinya Tsunami. Tsunami merupakan gelombang laut yang besar yang terjadi akibat gempa bumi tektonik di dasar laut. Antisipasi lebih dini sangat diperlukan sebagai upaya meminimalisir kerugian akibat bencana Tsunami baik korban jiwa maupun material. Penelitian ini bertujuan merancang Detektor Gempa Bumi Berpotensi Tsunami Berbasis Wireless Sensor Network dengan Sistem Magnetic Altitude, menganalisis data yang diperoleh dari Detektor yang dirancang serta menentukan efektifitasnya. Metode dalam penelitian ini adalah metode eksperimen. Penelitian ini menghasilkan prototype berupa rancangan Detektor Gempa Bumi Berpotensi Tsunami Berbasis Wireless Sensor Network dengan Sistem Magnetic Altitude. Hasil penelitian ini dapat digunakan sebagai desain penelitian kedepan dengan bekerjasama dengan pihak terkait utamanya dalam bidang teknologi informasi, badan meteorologi dan geofisika.Kata Kunci : Tsunami, Detektor, Wirless Sensor Network, Magnetic Altitude
Perbandingan Performansi Support Vector Machine (Svm) dan Backpropagation untuk Klasifikasi Studi Mahasiswa Undiksha Dwi Prima Handayani Putri; Ni Putu Novita Puspa Dewi; I Ketut Purnamawan; Ni Wayan Marti
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.67843

Abstract

Kelulusan mahasiswa tepat waktu merupakan salah satu tujuan dalam setiap universitas, tidak terkecuali Universitas Pendidikan Ganesha. Permasalahan ketidaklulusan mahasiswa tepat waktu tidak hanya akan menimbulkan permasalahan bagi mahasiswa tersebut, tetapi juga pada akreditasi kampus. Langkah preventif dapat dilakukan dengan mengidentifikasi mahasiswa yang berpotensi studinya mengalami masalah. Solusi ini dapat dilakukan dengan membuat model machine learning yang dapat mengklasifikasikan apakah seorang mahasiswa terindikasi bermasalah atau tidak. Pada penelitian ini, kinerja model SVM dan Backpropagation akan dibandingkan. Penelitian ini menggunakan sejumlah 4100 instances dengan features seperti indeks prestasi semester dari semester satu sampai enam, IPK, jumlah satuan kredit semester dari semester satu sampai enam, SKS komulatif, nominal UKT, penghasilan orang tua, dan asal daerah mahasiswa. Terdapat tiga buah percobaan untuk proporsi pembagian dataset dengan proporsi pembagian dataset terbaik pada 90%:10% dan nilai k=4 untuk K-Fold Cross Validation. Model SVM dengan kernel polinomial memberikan performa terbaik dengan akurasi 97%, begitu pula dengan model Backpropagation yang menggunakan fungsi aktivasi sigmoid memiliki performa terbaik pada akurasi 97%. Sehubungan dengan perbandingan hasil Confusion Matrix serta kurva AUC, model Backpropagation menujukkan performa yang sedikit lebih unggul daripada model SVM. Pada proses pembuatan model, arsitektur serta parameter-parameter pada model harus diperhatikan agar model terbaik dapat dihasilkan. 
Model Classifer Judul Berita Pariwisata Indonesia Berdasarkan Sentimen Ni Luh Putu Risma Dewi; I Nyoman Saputra Wahyu Wijaya; I Ketut Purnamawan; Ni Wayan Marti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241117617

Abstract

Kemajuan teknologi dan platform digital telah menyebabkan perubahan penting dalam industri pariwisata, termasuk penyebaran berita pariwisata. Artikel-artikel berita yang kerap dipublikasikan melalui portal media online dapat berdampak besar pada persepsi positif maupun negatif bagi pembaca. Oleh sebab itu, penelitian ini bertujuan untuk mengembangkan sebuah classifier yang mampu melakukan klasifikasi terhadap judul berita pariwisata berdasarkan sentimen. Sebelumnya, penelitian serupa biasanya lebih berfokus pada klasifikasi berita pariwisata Indonesia dengan menggunakan data dari platform Twitter. Namun, dalam penelitian ini, penulis melakukan pendekatan yang berbeda dengan menggunakan data dari portal berita online, dengan hanya mengambil judul berita sebagai sumber datanya. Penelitian berfokus pada analisis dan klasifikasi sentimen atau sikap emosional yang terkandung dalam judul-judul berita pariwisata. Dalam penelitian ini, digunakan metode machine learning Support Vector Machine (SVM). Data dikumpulkan dari situs berita Detik.com dan diberi label secara manual sesuai dengan sentimen yang terkandung dalamnya. Proses preprocessing teks digunakan untuk mempersiapkan data judul berita pariwisata Indonesia sehingga fiturnya dapat diekstraksi dengan pendekatan Binary Term Presence. Data penelitian dibagi menjadi dua bagian, yaitu 90% untuk proses pelatihan (training proses) dan 10% untuk pengujian, menerapkan teknik K-Fold Cross Validation untuk membagi data dalam proses pelatihan. Hasil penelitian menunjukkan bahwa pendekatan Binary Term Presence berhasil mencapai akurasi sebesar 87,80% dengan kernel RBF. Penelitian ini memberikan kontribusi penting dalam memahami respon publik terhadap topik atau isu pariwisata yang dipublikasikan oleh media. Metode dan pendekatan yang dikembangkan diharapkan dapat menjadi panduan dalam menganalisis sentimen terkini terkait industri pariwisata dan berita yang terkait dengannya.
Co-Authors A. A. Gede Yudhi Paramartha Dwi Prima Handayani Putri I Nyoman Saputra Wahyu Wijaya Luh Joni Erawati Dewi Ni Luh Putu Risma Dewi Ni Putu Novita Puspa Dewi Ni Wayan Marti Putu Artawan