Claim Missing Document
Check
Articles

Found 2 Documents
Search

Sistem Informasi Manajemen Kependudukan Desa Adat di Bali Sudana, Anak Agung Kompiang Oka; Purnawan, Abdi; Putra, I Ketut Gede Darma; Wirdiani, Ni Kadek Ayu
JST (Jurnal Sains dan Teknologi) Vol. 12 No. 2 (2023): July
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jstundiksha.v12i2.52227

Abstract

Proses pendataan kependudukan di Desa Adat masih dilakukan secara manual sehingga rentan terjadi kesalahan dalam pencatatan data. Permasalahan ini mendorong untuk mengembangkan sistem informasi yang dapat membantu pihak Desa Adat sehingga mempermudah pihak Desa Adat dalam melakukan pendataan kependudukan di lingkungannya serta terintegrasi antara satu Desa Adat dengan Desa Adat lain. Tujuan dari penelitian ini adalah untuk menciptakan sistem informasi manajemen kependudukan desa adat terintegrasi berbasis web. Pengumpulan data pada penelitian ini dilakukan dengan studi literatur beserta wawancara langsung dengan beberapa Prajuru Banjar  Adat dan/atau Prajuru Desa Adat di Bali serta Dinas Pemajuan Masyarakat Adat. Hasil dari proses studi literatur beserta wawancara tersebut diterjemahkan kedalam desain sistem, yaitu gambaran umum sistem, diagram konteks, data flow diagram, dan desain basis data. Penelitian ini dilakukan dengan menggunakan Metode SDLC (Software Development Life Cycle) Model Waterfall dan dikembangkan menggunakan Bahasa pemrograman PHP, dengan Kerangka Kerja Laravel, dan Basis Data MySQL. Hasil dari penelitian ini yaitu sebuah sistem informasi yang membantu manajemen kependudukan Desa Adat yang telah diuji dengan menggunakan Metode Black Box dan Post-Study System Usability Questionnaire (PSSUQ) dan mendapatkan nilai yang baik dibandingkan dengan norma penilaian pada Metode PSSUQ. Sehingga sistem dikategorikan mampu membantu proses pengelolaan data penduduk pada Desa Adat.
Universal Metadata Dictionary: A Platform-Agnostic Metadata Representation Model for Cross-RDBMS Schema Drift Detection Permana, Putu Adi Guna; Sukarsa, I Made; Putra, I Ketut Gede Darma; Putra, I Made Suwija
Journal of Electrical Engineering and Computer (JEECOM) Vol 8, No 3 (2026)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v8i3.17145

Abstract

Enterprise information systems deployed in large-scale organisations commonly operate across heterogeneous Relational Database Management System (RDBMS) environments, where metadata heterogeneity between platforms prevents consistent automated schema drift detection. This paper proposes the Universal Metadata Dictionary (UMD), a platform-agnostic metadata representation model that normalises database schema metadata from six widely deployed RDBMS platforms—Oracle, Tibero, SQL Server, PostgreSQL, MySQL, and SQLite—into a unified 29-element relational structure. The UMD is governed by four design principles—platform independence, completeness, normalisation, and hashability—implemented through a five-stage pipeline: extraction, parsing, mapping, enrichment, and storage. A structured data type normalisation mapping across seven canonical categories eliminates false drift reports arising from platform-specific type nomenclature. Validated through expert review by 13 domain practitioners using a five-point Likert scale (composite mean scores: 4.52–4.70 out of 5) and structural completeness assessment confirming all 29 elements are extractable from standard JDBC and system catalogue access on all six platforms. A suite of 15 structured test scenarios defines the empirical evaluation plan spanning fault injection tests, performance benchmarks, and cross-platform type mapping validation. Three novelties distinguish the UMD from all existing approaches: (1) the first cross-RDBMS metadata normalisation model covering all six platforms simultaneously, including Tibero; (2) a per-object O(1) hash comparison mechanism enabling O(n) total Phase-1 change detection; and (3) a metadata model directly supporting AI-based Semantic Code-Schema Analysis.