Claim Missing Document
Check
Articles

Found 23 Documents
Search

SISTEM INFORMASI PENJADWALAN KEGIATAN BIDANG REHABILITASI BNNP BALI Putu Bagus Ananta Wijaya, Ngakan; Ida Ayu Gde Suwiprabayanti Putra; Putu Praba Santika
Jurnal Pengabdian Informatika Vol. 4 No. 1 (2025): JUPITA Volume 4 Nomor 1, November 2025
Publisher : Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

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

Abstract

Bidang Rehabilitasi di Badan Narkotika Nasional Provinsi (BNNP) Bali bertanggung jawab untuk mengatur dan mengawasi berbagai program rehabilitasi untuk penyalahgunaan narkoba. Sistem Informasi Penjadwalan Kegiatan dibuat untuk membantu operasional sehari-hari agar pengelolaan kegiatan lebih efisien dan produktif. Sistem ini dimaksudkan untuk memudahkan penjadwalan, pengelolaan, dan pengawasan kegiatan rehabilitasi. Tujuannya adalah untuk meningkatkan transparansi dan akuntabilitas sekaligus mengurangi kemungkinan kesalahan manual. Sistem ini menggunakan teknologi web yang memungkinkan admin untuk menambah, mengubah, dan menghapus jadwal kegiatan serta membuat laporan aktivitas secara otomatis dan user untuk mengecek jadwal serta laporan. Akibatnya, diharapkan bahwa sistem ini akan memberikan kontribusi yang signifikan dalam manajemen program rehabilitasi BNNP Bali serta membantu mencapai tujuan rehabilitasi dengan cara yang lebih efisien dan terorganisir
PENGEMBANGAN APLIKASI PEMINJAMAN BARANG BERBASIS WEB UNTUK MENINGKATKAN EFISIENSI OPERASIONAL DI PT PILAR PERSADA SOLUTION Ni Putu Meita Kartika Dewi; Ida Ayu Gde Suwiprabayanti Putra; Putu Praba Santika
Jurnal Pengabdian Informatika Vol. 4 No. 2 (2026): JUPITA Volume 4 Nomor 2, Februari 2026
Publisher : Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

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

Abstract

Pengelolaan barang yang efisien menjadi kebutuhan penting bagi perusahaan di bidang pengadaan barang dan jasa untuk mendukung kelancaran operasional. Saat ini, PT Pilar Persada Solution menghadapi tantangan dalam pengelolaan peminjaman barang yang masih dilakukan secara manual, sehingga mengakibatkan ketidakakuratan dan inefisiensi. Untuk mengatasi hal ini, dikembangkan aplikasi peminjaman barang berbasis web dengan tujuan mempermudah pencatatan dan pengelolaan barang. Pengembangan aplikasi dilakukan menggunakan metodologi Software Development Life Cycle (SDLC) model Waterfall, yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Aplikasi ini menyediakan fitur utama untuk pengelolaan data peminjaman, pengembalian, dan inventaris barang. Hasil pengujian menunjukkan bahwa seluruh fitur dapat digunakan dengan baik dan aplikasi ini mampu meminimalkan kesalahan pencatatan, serta mempermudah akses informasi inventaris.
Klasifikasi Kualitas Daun Teh Menggunakan Metode Support Vector Machine Bayu Fadjar Dwi Puta; I Ketut Gede Suhartana; Putu Praba Santika
Jurnal Nasional Teknologi Informasi dan Aplikasinya Vol. 4 No. 2 (2026): JNATIA Vol. 4, No. 2, Februari 2026
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JNATIA.2026.v04.i02.p19

Abstract

Tea leaf quality serves as the fundamental determinant of both sensory characteristics and commercial competitiveness in the global tea market. However, manual assessment of tea leaf quality remains limited by observer subjectivity and inconsistent classification. This study aims to develop an automatic tea leaf quality classification system based on leaf maturity using a digital image processing approach.The method employed is Support Vector Machine (SVM) with a combination of three feature extraction techniques: color histogram for color features, Gabor filter for texture features, and Histogram of Oriented Gradients (HOG) for shape features. The dataset consists of 4,272 tea leaf images classified into four quality classes: Premium Grade, Standard Grade, Basic Grade, and Reject Grade. Principal Component Analysis (PCA) was applied for dimensionality reduction while maintaining 95% data variance. Testing results show an accuracy of 84.53% with an F1-score of 84.56%, demonstrating the effectiveness of the system in automatically classifying tea leaf quality