Article Per Year (5 Year)
p-Index From 2021 - 2026
3.323
P-Index
This Author published in this journals
All Journal KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063 Jurnal Pseudocode Journal of ICT Research and Applications SINTECH (Science and Information Technology) Journal WIDYA LAKSANA Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Indonesian Journal of Electrical Engineering and Computer Science Teknomatika (Jurnal Teknologi dan Informatika) INSERT: Information System and Emerging Technology Journal Jurnal Nasional Teknik Elektro dan Teknologi Informasi
I Md. Dendi Maysanjaya
Universitas Pendidikan Ganesha
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
PELATIHAN PENGGUNAAN E-LEARNING SCHOOLOGY BAGI GURU SMK SE-KECAMATAN GEROKGAK Maysanjaya, I Made Dendi; Pradnyana, I Made Ardwi; Listartha, I Made Edy; Pratiwi, Putu Yudia; Kusumadewi, Ni Made Ayu Mita; Walhidayah, Irfan; Yasa, I Gede Agus Sukariana; Cahyadi, Kadek Wawan
JURNAL WIDYA LAKSANA Vol 10, No 2 (2021)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (407.13 KB) | DOI: 10.23887/jwl.v10i2.24977

Abstract

E-learning merupakan terobosan dalam meningkatkan kualitas pembelajaran. Beragam jenis learning management system (LMS) telah dikembangan dan digunakan, salah satunya adalah schoology. Meski demikian masih ada guru, khususnya guru SMK di Kecamatan Gerokgak yang sama sekali belum pernah menggunakan LMS. Sementara ada beberapa guru yang sudah pernah menggunakan LMS, menyatakan bahwa LMS yang digunakan masih memiliki beberapa kelemahan dan cenderung tidak stabil. Berdasarkan permasalahan tersebut dirancanglah sebuah kegiatan pelatihan untuk guru SMK sebanyak 46 orang, dan berasal dari beberapa SMK di Kecamatan Gerokgak. Metode pengabdian yang dilakukan terdiri atas lima tahap kegiatan, yang terdiri atas penentuan lokasi, persiapan, pelatihan, evaluasi, dan pelaporan kegiatan. Dari hasil pengabdian yang dilakukan, sebanyak 95,7% menyatakan sudah bisa menggunakan fitur schoology dan merasakan kebermanfataannya, serta 73,9% menyatakan akan menggunakannya sebagai media pendukung proses pembelajaran.
Prediksi Hasil Tender Pengadaan Barang dan Jasa pada Bagian Pengadaan Barang dan Jasa Sekretariat Daerah Buleleng dengan Algoritma C5.0 I Gede Agus Krisna Perdana; Listartha, I Made Edy; Maysanjaya, I Made Dendi
INSERT : Information System and Emerging Technology Journal Vol. 5 No. 2 (2024)
Publisher : Information System Study Program, Faculty of Engineering and Vocational, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v5i2.76837

Abstract

Pengadaan barang dan jasa adalah salah satu program pemerintah untuk memenuhi kebutuhan akan suatu barang dan jasa oleh suatu Kementrian, Lembaga, atau Perangkat Daerah dengan melalui sebuah metode dan proses agar mencapai kesepakatan harga, waktu dan lainnya untuk memenuhi tujuan dari pengadaan barang dan jasa. di Bagian Pengadaan Barang dan Jasa Sekretariat Daerah Buleleng, setiap tahunnya terdapat paket tender yang gagal karena berbagai faktor yang menyebabkan gagalnya tujuan pembangunan kota dan menjadi isu transparansi penggunaan anggaran pemerintah yang dapat berpengaruhnya pandangan masyarakat terhadap pemerintah. Oleh karena itu datanya perlu digali lebih dalam atau data mining dengan tujuan memprediksi hasil tender sebagai manajemen risiko dalam pengadaan barang dan jasa di BPBJ Sekretariat Daerah Buleleng untuk perencanaan pengadaan barang dan jasa yang lebih efektif dan efesien. Algoritma C5.0 adalah salah satu algoritma yang dapat memproses data hasil tender dengan memproses dataset ke dalam bentuk pohon keputusan yang membentuk aturan-aturan untuk membantu dalam pengambilan keputusan dalam pengadaan tender di BPBJ Sekretariat Daerah Buleleng. Dengan tambahan metode attribute selection dan oversampling, performa terbaik yang didapatkan dari hasil pengujian 3 (tiga) jenis k-fold cross validation yaitu pada 5-fold menghasilkan performa accuracy 0.703152633, precision 0.688464330, recall 0.761427203, dan AUC score 0.703194444, pada 7-fold menghasilkan performa accuracy 0.708044382, precision 0.706945844, recall 0.742024965, dan AUC score 0.708044382, dan pada 10-fold menghasilkan performa accuracy 0.741379310, precision 0.716926571, recall 0.799029680, dan AUC score 0.741343226.
Perbandingan Kinerja Algoritma Naive Bayes dan K-Nearest Neighbor dalam Menganalisis Sentimen Pengguna Game Free Fire Sudiasta Putri, Nyoman Dinda Indira; Maysanjaya, I Made Dendi; Sunarya, I Made Gede
Jurnal Pseudocode Vol 12 No 2 (2025): Volume 12 Nomor 2 September 2025
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/pseudocode.12.2.53-59

Abstract

Free Fire is one of the most popular online games in Indonesia, yet it continues to receive a wide range of user reviews regarding gameplay experiences. These reviews reflect diverse user perceptions, including both praise and criticism, making sentiment analysis essential to understanding user satisfaction. This study aims to classify user sentiments toward Free Fire using a combined dataset collected from the Google Play Store and App Store, and to compare the performance of two text classification algorithms: Naive Bayes and K-Nearest Neighbor (KNN). The data were collected using web scraping techniques and manually labeled by expert validators. Text preprocessing involved cleansing, tokenizing, stopword removal, and stemming, followed by term weighting using the Term Frequency-Inverse Document Frequency (TF-IDF) method. The experimental results show that the Naive Bayes algorithm achieved the highest accuracy of 72.78%, while the KNN algorithm recorded a maximum accuracy of 45.91%. Based on these findings, Naive Bayes is proven to be more effective in classifying user sentiments related to Free Fire. The results of this study are expected to provide constructive insights for developers to improve the quality and user experience of the game.
ANALISIS CONTRAST ERRORS TERHADAP AKSESIBILITAS WEBSITE UNDIKSHA Luh Witari Ningsih; I Made Dendi Maysanjaya; Putu Yudia Pratiwi
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.117018

Abstract

Aksesibilitas web merupakan dimensi kualitas digital yang krusial dalam memastikan keterjangkauan informasi bagi seluruh pengguna tanpa terkecuali, termasuk kelompok penyandang disabilitas visual, kognitif, maupun motorik. Ketiadaan aksesibilitas yang memadai pada sebuah website berpotensi menciptakan kesenjangan digital yang secara fundamental melanggar prinsip kesetaraan hak dalam mengakses informasi. Penelitian ini bertujuan menganalisis secara mendalam dampak contrast error terhadap aksesibilitas website Universitas Pendidikan Ganesha (Undiksha) berdasarkan standar Web Content Accessibility Guidelines (WCAG) 2.1. Evaluasi dilakukan terhadap 10 halaman web berdomai undiksha.ac.id yang mencatatkan tingkat error aksesibilitas tertinggi dari total 51 halaman yang ditelusuri, menggunakan alat Web Accessibility Evaluation Tool (WAVE) sebagai instrumen pengujian otomatis yang komprehensif. Dari keseluruhan 521 error aksesibilitas yang teridentifikasi mencakup tujuh kategori permasalahan, contrast error menempati posisi dominan dengan total 205 kasus atau setara 39,3% dari keseluruhan temuan, menjadikannya permasalahan aksesibilitas paling kritis pada website tersebut. Analisis mendalam mengungkapkan 21 pola kombinasi warna bermasalah yang bersumber dari template global website, dengan rasio kontras terendah hanya mencapai 1,81:1, jauh di bawah ambang batas minimum yang dipersyaratkan WCAG 2.1. Rekomendasi perbaikan dirumuskan mengacu pada standar Level AAA WCAG 2.1 dengan target rasio kontras minimum 7:1, yang terbukti mampu menyelesaikan lebih dari 80% kasus contrast error secara efisien melalui intervensi pada tingkat template utama website. Temuan ini menegaskan bahwa contrast error bukan sekadar persoalan estetika desain, melainkan hambatan nyata yang secara signifikan membatasi inklusivitas digital bagi pengguna dengan gangguan penglihatan dan kelompok rentan lainnya.
Analisis Sentimen Destinasi Wisata Kabupaten Karangasem pada Ulasan Digital Menggunakan Model IndoBERT Elma Regina Nababan; I Made Dendi Maysanjaya; Gede Surya Mahendra
Teknomatika Jurnal Teknomatika, Vol.16 No.01 Maret 2026
Publisher : Institut Teknologi dan Bisnis PalComTech

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61423/3gf4n981

Abstract

Kabupaten Karangasem merupakan salah satu sektor strategis pariwisata di Bali, namun data terbaru menunjukkan tren penurunan jumlah kunjungan dari sekitar 1,3 juta pada tahun 2023 menjadi 1,2 juta pada tahun 2024. Kondisi ini memerlukan evaluasi pengalaman pengunjung berbasis data untuk mengoptimalkan peningkatan kualitas dan daya saing destinasi secara responsif. Analisis sentimen diperlukan karena volume ulasan digital yang besar membuat analisis manual menjadi tidak efisien. Penelitian ini menggunakan pendekatan model deep learning IndoBERT melalui tahapan pre-processing dan penerapan Easy Data Augmentation (EDA) serta Downsampling untuk menangani kesinambungan kelas. Berdasarkan hasil pengujian menggunakan Stratified 10-Fold Cross Validation , model berhasil mencapai akurasi sebesar 83% dengan nilai Weighted F1-score sebesar 0,81, Precision 0,81, dan recall 0,81 . Hasil klasifikasi menunjukkan dominasi sentimen positif sebanyak 14.686 ulasan, sementara sentimen negatif (3.880 ulasan) dan netral (2.431 ulasan) memberikan informasi krusial sebagai dasar perbaikan layanan pariwisata di Kabupaten Karangasem.
Perancangan Aplikasi Analisis Sentimen Mengenai Produk Skincare Korea Selatan dengan Kandungan Snail Mucin Berbasis KNN Ni Komang Arista Tri Wahyuni; I Made Gede Sunarya; I Md. Dendi Maysanjaya
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 1 (2026): Karmapati Vol 15 No 1 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i1.108663

Abstract

Popularitas produk skincare Korea Selatan salah satunya produk dengan kandungan snail mucin di Indonesia terus meningkat. Tingginya volume ulasan pengguna pada platform Female Daily menyulitkan konsumen dalam memahami persepsi umum terhadap produk secara menyeluruh. Belum terdapat media yang dapat mengolah dan menyederhanakan data ulasan pengguna secara sistematis untuk memberikan wawasan yang lebih jelas mengenai sentimen konsumen. Penelitian ini merancang aplikasi analisis sentimen ulasan produk skincare berbahan snail mucin menggunakan algoritma K-Nearest Neighbor (KNN). Data penelitian berupa ulasan berbahasa Indonesia yang diperoleh dari platform Female Daily dengan fokus pada beberapa merk produk skincare Korea Selatan dengan kandungan snail mucin seperti pada brand Cosrx, Some By Mi, dan Benton. Proses pemodelan dilakukan menggunakan pendeketan metode SEMMA dengan klasifikasi KNN berbasis Euclidean Distance. Aplikasi dikembangkan menggunakan library Gradio untuk menyediakan antarmuka web yang interaktif dan mudah digunakan. Hasil evaluasi menunjukkan bahwa model KNN mencapai tingkat akurasi sebesar 85% dengan performa klasifikasi yang baik. Aplikasi yang dihasilkan memungkinkan pengguna melakukan prediksi sentimen secara realtime serta memahami hasil analisis tanpa memerlukan pengetahuan teknis. Penelitian ini diharapkan dapat memberikan kontribusi dalam mendukung pengambilan keputusan konsumen serta membantu industri kecantikan dalam memahami persepsi pengguna terhadap produk skincare Korea Selatan di Indonesia.
Perancangan Aplikasi Analisis Sentimen Mengenai Utang Negara Indonesia Berbasis LSTM Trihana Santhi; I Made Dendi Maysanjaya; I Nyoman Saputra Wahyu Wijaya
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 1 (2026): Karmapati Vol 15 No 1 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i1.108664

Abstract

Indonesia sebagai negara berkembang sangat memanfaatkan utang negara untuk meningkatkan pertumbuhan ekonomi dan kesejahteraan masyarakat. Sepanjang pemerintahan Presiden Joko Widodo dari tahun 2014 hingga 2024 utang negara meningkat sangat tinggi, hal ini dapat menyebabkan Indonesia terjebak debt trap bahkan kebangkrutan. Peningkatan utang negara menimbulkan banyak reaksi masyarakat pada media sosial seperti X. Masyarakat terbagi kedalam beberapa kelompok dalam menyikapi isu kenaikan utang negara sehingga diperlukan solusi untuk memahami pandangan masyarakat dan dapat menjadi bahan pertimbangan pemerintah dalam menyusun kebijakan keuangan. Perancangan Aplikasi berbasis metode LSTM menjadi salah satu solusi untuk dapat memprediksi sekaligus memvisualisasikan sentimen masyarakat mengenai utang negara. Data penelitian bersumber dari platform X yang menghasilkan 14.245 tweet yang kemudian diseleksi menjadi 5.359 tweet dan dikelompokkan kedalam tiga kelas sentimen yaitu positif, netral dan negatif. Proses analisis meliputi pre-processing, ekstraksi fitur menggunakan TF-IDF, klasifikasi dengan LSTM dengan SMOTE, dan evaluasi dengan confusion matrix. Hasil evaluasi menunjukkan model mampu mencapai akurasi 85%, presisi 86%, recall 86% dan f1-score 85%. Aplikasi dikembangkan dengan dasar hasil evaluasi dan menggunakan Streamlit untuk membangun interface yang memungkinkan pengguna melakukan prediksi sentimen secara interaktif. Selain menghasilkan prediksi, aplikasi menggunakan sistem warna dan confidence score, aplikasi juga menampilkan hasil pre-processing serta visualisasi distribusi probabilitas pada ketiga kelas sentimen. Aplikasi yang telah dikembangkan diharapkan dapat membantu pemerintah atau pembuat kebijakan serta masyarakat memahami sentimen publik dan dapat menjadi salah satu dasar dalam membuat serta memutuskan kebijakan keuangan yang lebih baik.
Perancangan Aplikasi Analisis Sentimen Mengenai Program Petani Milenial Berbasis IndoBERT Aprilia Monica Sari; I Made Gede Sunarya; I Md. Dendi Maysanjaya
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 1 (2026): Karmapati Vol 15 No 1 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i1.108665

Abstract

Sektor pertanian di Indonesia menghadapi tantangan regenerasi petani akibat minimnya keterlibatan generasi muda, karena hanya 8% berasal dari kelompok usia muda. Menanggapi tantangan tersebut, Kementerian Pertanian Indonesia meluncurkan program Petani Milenial yang menargetkan generasi muda berusia 19 sampai 39 tahun untuk diberdayakan menjadi petani. Program ini memunculkan beragam tanggapan publik di media sosial. Data penelitian ini bersumber dari platform TikTok dengan jumlah data awal 15.422 komentar dan setelah diseleksi menjadi 4.781 komentar dan dikategorikan menjadi dua kelas sentimen yaitu positif dan negatif. Proses analisis mencakup lima tahap yaitu pengumpulan data, pelabelan sentimen, preprocessing data (cleaning, case folding, dan normalize), pemodelan menggunakan IndoBERT dengan Random Over Sampling (ROS) dan k-fold cross-validation, serta evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model IndoBERT dengan ROS mencapai performa yang baik dengan nilai accuracy sebesar 91%, precision 91%, recall 91%, dan F1-Score 91%. Implementasi aplikasi analisis sentiemen didasarkan pada hasil evaluasi dan berbasis Streamlit untuk membangun interface yang dapat membantu pengguna melakukan analisis sentimen secara real-time Aplikasi analisis sentimen ini menyediakan solusi praktis bagi pemangku kepentingan untuk memahami persepsi publik dan dapat menjadi dasar dalam membuat dan memutuskan kebijakan program pertanian yang lebih baik untuk kedepannya.
Sentiment Analysis Of Bali's Rapid Tourism Growth Using IndoBERT With InSet Lexicon Automatic Labelling Ni Ketut Artini Artalia; I Made Dendi Maysanjaya; Putu Hendra Suputra
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 1 (2026): Karmapati Vol 15 No 1 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i1.111839

Abstract

Bali’s rapid tourism growth has generated diverse public opinions, particularly on TikTok, where comment sections reflect debates and societal concerns. The absence of an automated sentiment monitoring system may delay policy responses and potentially intensify social conflict. Therefore, sentiment analysis is required to understand public perception comprehensively. This study conducts sentiment analysis on TikTok comments related to Bali’s tourism growth using a transformer-based approach. IndoBERT, a pre-trained model for Indonesian-language processing, is employed due to its superior performance compared to traditional machine learning methods. Sentiment labelling is performed using the Indonesian Sentiment Lexicon (InSet Lexicon), which provides an efficient and consistent automatic labelling alternative to manual annotation. Model performance is evaluated through two experimental scenarios: IndoBERT with InSet Lexicon automatic labelling, and IndoBERT combined with InSet Lexicon and Random Over Sampling (ROS). The results show that applying ROS significantly improves classification performance by addressing class imbalance, resulting in higher accuracy, precision, recall, and F1-score. The analysis indicates that public sentiment toward Bali’s tourism growth is predominantly neutral, suggesting that most user express opinions in an informative and descriptive manner rather than strong emotional responses. Overall, the integration of IndoBERT, InSet Lexicon automatic labelling, and Random Over Sampling is proven to be an effective approach for Indonesian sentiment analysis, particularly in examining socially informative issues such as tourism development in Bali.
Klasifikasi Severity Level Diabetic Macular Edema Berbasis ResNet-50 I Made Dendi Maysanjaya; Putu Yudia Pratiwi; I Gusti Ayu Agung Diatri Indradewi
Jurnal Pseudocode Vol 13 No 1 (2026): Volume 13 Nomor 1 Februari 2026
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/pseudocode.13.1.9-13

Abstract

Diabetes is one of the most common diseases people suffer from today, and it can lead to complications such as blindness, heart disease, and kidney failure. The condition of blindness caused by this disease is known as diabetic retinopathy (DR). An ophthalmologist will use a fundus camera to examine the retina, looking for several clinical features, such as microaneurysms (MA), hemorrhages (HM), cotton-wool spots (CWS), and exudates. Based on these clinical symptoms, clinicians then determined the patient's level of diabetic macular edema (DME) severity. Although several studies have applied CNN-based architectures for diabetic retinopathy detection, limited attention has been given to the impact of dataset imbalance handling on DME severity classification, particularly using ResNet-50. This study highlights the significant impact of extensive data augmentation on classification performance in imbalanced DME datasets. Evaluate performance using the accuracy, precision, and recall metrics. We used the IDRiD dataset, which consists of 516 images split into a training set of 413 and a test set of 103. IDRiD divides the dataset into three classes, namely normal, moderate DME, and severe DME. In the preprocessing stage, we enhanced contrast using CLAHE and resized the images to 224x224 pixels. To address the imbalance, we applied 11 data augmentation methods. We experimented by comparing the performance of two models: one with and one without dataset augmentation. Based on the test results, the best performance was obtained with the model that included dataset augmentation, achieving an accuracy of 0.5961, a precision of 0.63, and a recall of 0.61, while the baseline model (without dataset augmentation) gained 0.4553, 0.36, and 0.34 for the accuracy, precision, and recall, respectively.
Co-Authors Ali Djamhuri Aprilia Monica Sari Cahyadi, Kadek Wawan Dessy Seri Wahyuni Dharma Putra, I Gede Wira Driya, Putu Dhanu E. Elsa Herdiana Murhandarwati Elma Regina Nababan Gede Aditra Pradnyana Gede Saindra Santyadiputra, Gede Saindra Gede Surya Mahendra Hanung Adi Nugroho I Gede Agus Krisna Perdana I Gede Mahendra Darmawiguna I Gede Riyan Ardi Darmawan I Gede Rusdy Mahayana Putra I Gusti Ayu Agung Diatri Indradewi I Made Angga Darma Putra I Made Ardwi Pradnyana I Made Edy Listartha I Made Gede Sunarya I Nyoman Saputra Wahyu Wijaya Irfan Walhidayah Irfanda, Achmad Kadek Suwis Satria Atmaja Komang Jepri Kusuma Jaya Komang Pramayasa Kusumadewi, Ni Made Ayu Mita Luh Witari Ningsih Made Satria Wibawa Made Windu Antara Kesiman Muhammad Ridwan Ni Ketut Artini Artalia Ni Komang Arista Tri Wahyuni Noor Akhmad Setiawan Putu Hendra Suputra Putu Setiari, Gusti Ayu Putu Yudia Pratiwi Saraya, Fashan Sudiasta Putri, Nyoman Dinda Indira Trihana Santhi Widhia K.Z Oktoeberza Yasa, I Gede Agus Sukariana