Claim Missing Document
Check
Articles

Found 7 Documents
Search

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (159.252 KB) | DOI: 10.24843/JTRTI.2022.v03.i02.p12

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (491.718 KB) | DOI: 10.24843/jitter.v1i2.69743

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (479.942 KB) | DOI: 10.24843/JTRTI.2022.v03.i01.p20

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (276.206 KB) | DOI: 10.24843/JTRTI.2022.v03.i01.p34

Abstract

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.
EEG-Based Focus Analysis to Evaluate the Effectiveness of Active Learning Approaches Udayana, I Putu Agus Eka Darma; Sudarma, Made; Putra, I Ketut Gede Darma; Sukarsa, I Made; Jo, Minho
International Journal of Engineering, Science and Information Technology Vol 5, No 4 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i4.1068

Abstract

Electroencephalography (EEG) has emerged as a non-invasive and objective technique for monitoring brain activity in real time, widely applied to measure cognitive states such as concentration and alertness. Its ability to capture brain responses during learning processes makes EEG a promising tool to evaluate student engagement more accurately than conventional methods. This study investigates the effectiveness of two active learning methods, Project-Based Learning (PjBL) and Problem-Based Learning (PBL), in the context of English tutoring for elementary students using EEG signals as a cognitive indicator. A total of 20 students aged 8–12 years from ThinkerBee Learning Centre Bali participated in the study. EEG data were recorded using the Muse 2 Headband while students completed test-based tasks designed for each learning method. The EEG signals were preprocessed using bandpass filtering, Continuous Wavelet Transform (CWT), and frequency band decomposition. Concentration scores were then calculated using two approaches: a heuristic method based on the Beta/(Theta + Alpha) ratio and a Long Short-Term Memory (LSTM) model. The heuristic method produced average scores of 0.3991 (PjBL) and 0.3822 (PBL), with a 4.42% difference, while the LSTM model showed a more substantial difference, with scores of 0.5454 (PjBL) and 0.4265 (PBL). A Spearman correlation test between EEG-derived scores and students’ academic results yielded a perfect correlation value of 1.0000, indicating a strong relationship between cognitive engagement and learning outcomes. These results demonstrate the potential of EEG as a reliable tool for objectively assessing learning effectiveness in primary education contexts.
Smart Stego: A Web Application for Hiding Secret Data in Images with LSB and CNN Suryawan, I Gede Totok; Sudarma, Made; Putra, I Ketut Gede Darma; Sudana, Anak Agung Kompiang Oka
International Journal of Engineering, Science and Information Technology Vol 5, No 4 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i4.1008

Abstract

This study develops a web-based steganography model to insert the identity of artisans in the form of palmprint images into the image of gringsing ikat woven cloth as a medium for ownership authentication. The method used in the insertion process combines a Convolutional Neural Network and the Least Significant Bit. In contrast, extracting or re-introducing palmprint images from stego images is carried out using a CNN-based classification model. This system was tested with two scenarios; in the first scenario, one palmprint image was inserted into 26 different cloth motifs, while in the second scenario, one cloth motif was inserted into 99 different palmprint images. The test results showed that the system produced consistent confidence values for all cloth motifs in the first scenario. In contrast, in the second scenario, the system achieved an average confidence of 93.5% and a recognition accuracy of 87%. The developed application has proven to be efficient with a reduction in stego image size of up to 66% while maintaining the quality of the stego image, as well as a speedy average execution time of 0.15 seconds for insertion and 0.09 seconds for extraction. These findings prove that the developed steganography model can effectively insert and re-recognize identity images (palmprints) in woven cloth images and has the potential to be applied as an image-based craft product ownership verification system.
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.