Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

1.325

P-Index

This Author published in this journals

All Journal Jurnal Sains dan Teknologi International Journal of Engineering, Science and Information Technology Jurnal Ilmiah Teknologi dan Komputer (JITTER)

I Ketut Gede Darma Putra

Universitas Udayana

Author-ID : 351406

Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation

Published : 7 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Komparasi Algoritma Naïve Bayes dan Neural Network untuk Menentukan Ketepatan Masa Studi Mahasiswa(Studi Kasus: Program Studi Teknologi Informasi Universitas Udayana) Bintari, Ni Putu Erika Sari; Putra, I Ketut Gede Darma; Raharja, I Made Sunia
JITTER : Jurnal Ilmiah Teknologi dan Komputer Vol 3 No 2 (2022): JITTER, Vol.3, No.2, August 2022
Publisher : Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

Abstrak Perguruan tinggi memiliki akreditasi sebagai acuan untuk penilaian terhadap kualitas kampus yang ditentukan oleh Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT). Tingkat akreditasi perguruan tinggi salah satunya dinilai dari kualitas lulusan mahasiswa yaitu lama studi mahasiswa. Lama studi mahasiswa dapat diprediksi menggunakan metode data mining. Metode data mining yang digunakan untuk memprediksi masa studi mahasiswa adalah algoritma naïve bayes dan neural network. Data mahasiswa berupa NIM, jenis kelamin, jalur masuk, IP Semester 1, IP Semester 2, IP Semester 3, IP Semester 4, dan kategori. Data sampel merupakan alumni mahasiswa angkatan 2008-2013 sebanyak 363 mahasiswa. Metode data mining akan dilakukan sebanyak empat kali pengujian berdasarkan jumlah data training dan data testing. Hidden layer yang digunakan sebanyak 1 dan 2 dengan dua neuron, training cycles menggunakan angka kisaran 25 hingga 2000, momentum sebesar 0,9 dan learning rate sebesar 0.5. Nilai performa algoritma naïve bayes akan menampilkan confusion matrix berupa akurasi sedangkan nilai performa algoritma neural network akan menampilkan confusion matrix berupa akurasi dan nilai RMSE.

Implementasi Algoritma Apriori untuk Menemukan Pola Pembelian Konsumen pada Perusahaan Retail Kumalasari, Ulfadiyah Nir; Putra, I Ketut Gede Darma; Dharmaadi, I Putu Arya
JITTER : Jurnal Ilmiah Teknologi dan Komputer Vol 1 No 2 (2020): JITTER, Vol.1, No.2, December 2020
Publisher : Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

Persaingan bisnis yang semakin ketat membuat perusahaan retail harus mencari terobosan baru untuk menentukan strategi yang tepat dalam menjalankan bisnis. Data transaksi penjualan dapat dimanfaatkan oleh pihak manajemen perusahaan untuk menganalisis kebiasaan belanja pelanggan mengenai barang-barang yang sering dibeli secara bersamaan dengan menerapkan analisis keranjang belanja (market basket analysis) menggunakan teknik data mining. Asosiasi merupakan salah satu metode data mining yang digunakan untuk menemukan hubungan menarik antara suatu kombinasi item. Apriori adalah salah satu algoritma dari metode asosiasi yang digunakan untuk menambang frequent itemset (kombinasi item yang sering muncul) dalam membentuk aturan asosiasi. Data yang digunakan dalam penelitian ini adalah sampel 200 data transaksi penjualan. Aturan asosiasi final yang diperoleh dari data transaksi tersebut adalah “Jika konsumen membeli chocolatos chocolate drink28g, maka akan membeli CUP COFFE + AIR SEDUH” dengan persentase support sebesar 2,5% dan confidence sebesar 100%. Hasil penelitian ini membuktikan bahwa Algoritma Apriori cocok diterapkan untuk menemukan pola pembelian konsumen pada data transaksi penjualan. Aturan asosiasi yang dihasilkan dapat digunakan sebagai pendukung dalam pengambilan keputusan oleh manajemen perusahaan.

ANALISIS SENTIMEN BERITA UNIVERSITAS UDAYANA MENGGUNAKAN METODE FULL TEXT SEARCH (NATURAL LANGUAGE) DAN RULE BASED METHOD Khasanah, Siti Rohmatul; Putra, I Ketut Gede Darma; Dharmadi, I Putu Arya
JITTER : Jurnal Ilmiah Teknologi dan Komputer Vol 3 No 1 (2022): JITTER, Vol.3, No.1, April 2022
Publisher : Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

Abstrak Perkembangan teknologi membuat berita online banyak disajikan melalui website. Saat ini banyak berita tentang Universitas Udayana yang ada di berbagai website. Dengan adanya berita tersebut Universitas Udayana dapat melakukan evaluasi untuk meningkatkan citranya dimata publik dengan cara melakukan analisis sentimen berita mengingat Universitas Udayana merupakan salah satu Universitas yang paling diminati di Bali. Data berita didapatkan dengan melakukan web scraping dari beberapa situs berita. Data berita yang didapatkan diproses dengan beberapa tahapan, tahapan tersebut meliputi filtering, stemming, pencocokan kata dengan metode Full Text Search (Natural Language), klasifikasi sentimen dengan metode Rule Based Method, visualisasi dengan web dan pengujian menggunakan confussion matix. Hasil pengujian menunjukkan aplikasi analisis sentimen berita Universitas Udayana dapat bekerja dengan baik untuk mengenali sentimen berita positif sebagai kelebihan Universitas Udayana dan mengenali sentimen berita negatif sebagai kekurangan Universitas Udayana dengan tingkat akurasi sebesar 94%, tingkat presisi positif sebesar 98%, presisi negatif sebesar 84%, presisi netral sebesar 100%, recall positif sebesar 91%, recall negatif sebesar 96%, dan recall netral sebesar 100%. Keywords: Analisis Sentimen, Full Text Search (Natural Language), Rule Based Method, Berita Online Universitas Udayana.

Clustering Artikel pada Portal Berita Online Menggunakan Metode K-Means Wardy, Dwiki Krisnanda; Putra, I Ketut Gede Darma; Rusjayanthi, Ni Kadek Dwi
JITTER : Jurnal Ilmiah Teknologi dan Komputer Vol 3 No 1 (2022): JITTER, Vol.3, No.1, April 2022
Publisher : Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

The news categories on news portals are so diverse that the performance of the editors is increasing. The number of news articles each month, adds to the editor's task to manually categorize articles into predetermined categories. Clustering can be used to group data so that later it can group data in the same category with similar data. K-Means is a method that can be used to perform clustering. K-Means is a distance-based clustering technique that is divided into a series of clusters and only works for numeric attributes. The K-Means test conducted in this study is intended to compare cluster values. The K-Means made in this study apply TF-IDF, feature selection, and PCA. The cluster value assessment process uses visualization in the form of a bar plot of each metric value that is considered, namely the mean silhouette, accuracy, precision, recall, F1-score, and silhouette score. The results of the research that has been carried out by the K-Means method can achieve 94.93% accuracy and recall, 95.07% precision, and 94.94% F1-score.

Co-Authors Anak Agung Kompiang Oka Sudana Ayu Wirdiani Bintari, Ni Putu Erika Sari Dharmadi, I Putu Arya I Gede Totok Suryawan I Made Sukarsa I Made Sunia Raharja, I Made Sunia I Putu Agus Eka Darma Udayana, I Putu Agus Eka I Putu Arya Dharmaadi Jo, Minho Khasanah, Siti Rohmatul Kumalasari, Ulfadiyah Nir Made Sudarma Purnawan, Abdi Rusjayanthi, Ni Kadek Dwi Wardy, Dwiki Krisnanda

Title Search

Found 4 Documents Search Journal : Jurnal Ilmiah Teknologi dan Komputer (JITTER)

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search
Journal : Jurnal Ilmiah Teknologi dan Komputer (JITTER)