Article Per Year (5 Year)
p-Index From 2020 - 2025
2.66
P-Index
This Author published in this journals
All Journal Majalah Ilmiah Teknologi Elektro Jurnal Sistem dan Informatika Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Informatics for Educators and Professional : Journal of Informatics JUTIK : Jurnal Teknologi Informasi dan Komputer Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Teknik Informatika UNIKA Santo Thomas WIDYABHAKTI Jurnal Ilmiah Populer Mattawang: Jurnal Pengabdian Masyarakat Society: Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Sevanam: Jurnal Pengabdian Masyarakat AMMA : Jurnal Pengabdian Masyarakat Majalah Ilmiah Teknologi Elektro
I Komang Dharmendra
Institut Teknologi Dan Bisnis STIKOM Bali
Religion Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing Public Health Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Penerapan Network Attached Storage Menggunakan Openwrt Studi Kasus: Bagian Kemahasiswaan STIKOM Bali Dharmendra, I Komang; Desiani, Luh Putu Ayu
Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) 2015
Publisher : Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (661.516 KB)

Abstract

Bagian Kemahasiswaan merupakan salah satu departemen di STIKOM bali yang menangani segala seasuatu yang terkait dengan mahasiswa, dengan banyaknya aktifitas yang dilakukan mengakibatkan banyaknya data yang harus disimpan dan diakses setiap harinya. Dengan menggunakan fasilitas file sharing yang dibuka pada salah satu komputer pengguna telah membantu memenuhi kebutuhan akan media penyimpanan terpisah, namun untuk mengkases berkas pada komputer tersebut harus ketika komputer tersebut menyala dan dengan username yang dimiliki oleh komputer tersebut. Dengan menggunakan penyimpanan data terpusat pada NAS dan memanfaatkan OpenWRT sebagai server. Diharapkan data yang disimpan menjadi lebih mudah diakses dan dengan penggunaan daya listrik yang lebih minimal.
Analisa Sentiment Untuk Opini Alumni Perguruan Tinggi komang dharmendra; Komang Oka Saputra; I Nyoman Pramaita
Jurnal Teknologi Elektro Vol 18 No 2 (2019): (Mei-Agustus) Majalah Ilmiah Teknologi Elektro
Publisher : Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (483.896 KB) | DOI: 10.24843/MITE.2019.v18i02.P11

Abstract

Opinion is one of the most important parts in decision making, in processing opinions require a thorough analysis process. Especially text-based opinion, where opinion in the form of opinions do not have a definite value limit for the input. Sentiment Analysis as a branch of knowledge from Text mining can be applied in the opinion analysis process in the form of text. Where opinions will be classified into 3 types of opinions, namely positive opinions, neutral opinions and negative opinions. This study grouped opinions from university graduated students using the SVM and NBC algorithms which in this study were divided into 3 main components, namely the input component, opinion grouping system, and output components.Opinion to be processed is data in the form of a * .csv format opinion file, which then conducts a grouping of opinions. Then the system produces output in the form of 3 types of opinions, namely, positive opinions, neutral opinions and negative opinions. In general, the accuracy results show the differences in the accuracy of each sentiment. From the test results generally shows the accuracy with the highest accuracy value in the NBC algorithm reaching 94.45 while the highest accuracy rate in the SVM algorithm reaches 75.76%.
Klasifikasi Penerima Bantuan Kredit Koperasi Dengan Metode ID3 Ida Bagus Suradarma; I Komang Dharmendra
Jurnal Sistem dan Informatika (JSI) Vol 11 No 1 (2016)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (471.93 KB)

Abstract

Koperasi adalah badan hukum yang berdasarkan atas asas kekeluargaan yang anggotanya terdiri dari orang perorangan atau badan hukum sdengan tujuan untuk mensejahterakan anggotanya. Khusus untuk penyaluran kredit biasanya koperasi masih menggunakan cara yang manual untuk penentuan diijinkan atau tidaknya pemberian kredit. Dan proses ini membutuhkan waktu yang lama, yakni meminta persetujuan pada atasan, memeriksa jaminan dan yang lainnya. Salah satu solusi yang dapat dilakukan adalah membuat sebuah sistem untuk melakukan klasifikasi berdasarkan data histori yang sudah ada, yakni dengan menggunakan metode ID3. Algoritma ID3 membentuk pohon keputusan dari beberapa data simbolik yang bersifat tetap ataupun historikal untuk melakukan pembelajaran mengklasifikasikan data tersebut dan memprediksi klasifikasi data yang baru. Metode ini menerima empat buah inputan yaitu penghasilan, status pernikahan, pekerjaan, dan kepemilikan asset. Sedangkan untuk output dari metode ini adalah diterima atau ditolak pengajuan kreditnya.
PELATIHAN PENGEMBANGAN MEDIA PEMBELAJARAN DI SMA N 1 BLAHBATUH I Made Agus Wirahadi Putra; I Komang Dharmendra; Tubagus Mahendra Kusuma
WIDYABHAKTI Jurnal Ilmiah Populer Vol. 4 No. 1 (2021): Nopember
Publisher : STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/widyabhakti.v4i1.277

Abstract

SMA Negeri 1 Blahbatuh merupakan Sekolah Menengah Atas yang terletak di jalan. Astina Jaya , kecamatan Blahbatuh, Kabupaten Gianyar. SMA N 1 Blabatuh berjarak 22 Km dengan waktu tempuh normal 60 menit dari kampus ITB STIKOM Bali Renon. Masa pandemi covid memaksa sekolah SMA N 1 Blahbatuh untuk melakukan pembelajaran secara online untuk mengurangi interaksi. Pembelajaran online dengan media yang kurang meanrik menyebabakan materi yang disampaikan kurang diminati oleh sisiwa. Melalui pengabdian ini dilakukan pelatihan optimasi moodle dan pembuatan media pembelajaran dengan canva. Pengabdian dilakukan melalui 4 tahapan yaitu sosialisasi, penyusunan modul, pelatihan (online dan offline) dan terakhir adalah evaluasi. Berdasarkan hasil evaluasi adanya peningkatan pemahaman akan membuat media pembelajaran dengan canva.
IMPLEMENTASI TEXT MINING UNTUK KLASIFIKASI OPINI ALUMNI PADA PERGURUAN TINGGI I Komang Dharmendra; I Gusti Ngurah Ady Kusuma; Ida Ayu Mirah Cahya Dewi; Edwar
Jurnal Teknologi Informasi dan Komputer Vol. 9 No. 3 (2023): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

Penelitian bertujuan untuk menganalisis sentimen opini alumni menggunakan metode Support Vector Machine (SVM). Analisis sentimen opini alumni merupakan faktor penting dalam evaluasi kualitas institusi pendidikan. Metode SVM digunakan untuk mengklasifikasikan opini dengan tingkat keakuratan yang tinggi, dengan menggunakan TF-IDF untuk pembobotan dan vektorisasi. Hasil penelitian menunjukkan akurasi sebesar 0.873, dengan nilai precision, recall, dan F1-Score berturut-turut sebesar 0.877, 0.803, dan 0.823. Temuan ini menunjukkan bahwa SVM dapat menjadi pilihan yang efektif dalam analisis sentimen opini alumni. Hasil penelitian memberikan wawasan penting bagi institusi pendidikan untuk memahami dan meningkatkan kepuasan alumni, serta mengidentifikasi aspek-aspek yang perlu diperbaiki. Dalam konteks pengambilan keputusan, hasil analisis sentimen opini alumni dapat memengaruhi strategi dan pengembangan program pendidikan. Penelitian selanjutnya dapat mempertimbangkan perluasan sampel dan eksplorasi teknik pemrosesan bahasa alami lainnya untuk meningkatkan performa analisis sentimen opini alumni.
Perbandingan Metode Seleksi Fitur Pada Analisis Sentimen (Studi Kasus Opini PILKADA DKI 2017) Edwar Edwar; I Gusti Agung Ngurah Rai Semadi; Muhamad Samsudin; I Komang Dharmendra
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 8 No 1 (2023): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Edisi Khusus
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/itbi.v8i1.2408

Abstract

In sentiment analysis, feature selection is a crucial step as it improves the performance and efficiency of sentiment analysis models. Feature selection also helps reduce the complexity of data dimensions, enabling faster and more efficient analysis. However, selecting relevant features poses a challenge as choosing the wrong features can decrease the accuracy of the constructed models. In this study, sentiment analysis was conducted on tweet data from the 2017 Jakarta gubernatorial election using TF-IDF feature selection combined with Recursive Feature Elimination (RFE), Chi Square, and Mutual Information. The models were evaluated using Naïve Bayes Classification (NBC) and Support Vector Machine (SVM) algorithms. Evaluation metrics such as accuracy, precision, recall, and F1-Score were used. The experimental results showed that the TfidfVectorizer + RFE combination in the NBC model achieved the highest accuracy of 71.1111% and demonstrated significant performance in terms of precision, recall, and F1-Score
TEXT MINING UNTUK MENDETEKSI EMOSI PENGGUNA TERHADAP “NUSANTARA” SEBAGAI NAMA IKN I Komang Dharmendra; Ricky Aurelius Nurtanto Diaz; Muhamad Samsudin; I Gusti Agung Ngurah Rai Semadi; I Made Agus Wirahadi Putra
Jurnal Teknologi Informasi dan Komputer Vol. 9 No. 5 (2023): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

Ibu kota negara memainkan peran penting dalam pemerintahan, baik sebagai pusat kekuasaan politik maupun perekonomian suatu negara. Indonesia, misalnya, telah memutuskan untuk memindahkan ibu kota negaranya dari Jakarta ke Kalimantan Timur dan membangun kota baru yang diberi nama Nusantara. Reaksi masyarakat terhadap pengumuman ini banyak dibahas di media sosial Twitter, yang memungkinkan pengguna untuk berbagi opini dan tanggapan mereka terhadap topik ini. Untuk menganalisis emosi pengguna Twitter terhadap pengumuman ini, digunakan metode Teks Mining untuk mengekstrak informasi dari data teks yang tidak terstruktur. Dalam penelitian terdahulu, dataset tweet dengan kategori suka, marah, sedih, senang, dan takut digunakan sebagai data latih, dan dataset tweet baru digunakan sebagai data uji berjumlah 83.590 tweet. Menggunakan model SVM dengan kernel 'linear', dapat disimpulkan bahwa pengumuman mengenai ibu kota baru Nusantara menimbulkan emosi yang beragam di kalangan masyarakat, di antaranya senang berjumlah 39.219, marah berjumlah 37.594, sedih berjumlah 5.999, suka berjumlah 397, dan takut berjumlah 381. Pada proses klasifikasi terjadi ketidakseimbangan jumlah data pada kelas emosi yang dijadikan data latih untuk membangun model yang menyebabkan overfitting atau underfitting, yang pada akhirnya mempengaruhi hasil klasifikasi pada dataset "Nusantara". Penelitian ini bisa menjadi landasan untuk penelitian berikutnya dalam menangani dataset yang tidak seimbang pada klasifikasi emosi.
PENANGANAN KETIDAKSEIMBANGAN DATA PADA KLASIFIKASI PENGADUAN MASYARAKAT I Gusti Ngurah Ady Kusuma; I Made Pradipta; I Made Ari Santosa; I Komang Dharmendra
Jurnal Teknologi Informasi dan Komputer Vol. 9 No. 5 (2023): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

Pengaduan masyarakat memiliki peran penting dalam meningkatkan kualitas layanan lembaga. Namun, dalam pengolahan data pengaduan, sering terjadi ketidakseimbangan dimana jumlah pengaduan setiap kelas tidak seimbang. Penelitian ini bertujuan mengatasi ketidakseimbangan data dalam klasifikasi pengaduan dengan menggunakan data pengaduan masyarakat Kota Denpasar. Ketidakseimbangan data dapat berdampak negatif pada klasifikasi, model cenderung menjadi bias terhadap kelas mayoritas. Untuk mengatasinya dapat menggunakan model oversampling menggunakan teknik SMOTE (Synthetic Minority Over-sampling Technique) dan ADASYN (Adaptive Synthetic Sampling). SMOTE dan ADASYN digunakan untuk menghasilkan sampel sintetis dari kelas minoritas dalam dataset. Klasifikasi menggunakan NBC (Naive Bayes Classifier), SVM (Support Vector Machine), dan random forest. Untuk mengevaluasi performa model, digunakan matriks evaluasi akurasi, presisi, recall, dan F1-Score. Evaluasi membantu dalam memahami sejauh mana model-model dapat mengklasifikasikan pengaduan masyarakat dengan tepat, terutama dalam ketidakseimbangan data. Selain matriks evaluasi, juga dihitung waktu dari setiap model untuk mengetahui waktu proses yang dibutuhkan oleh model. Hasil menunjukkan penggunaan SMOTE dan ADASYN meningkatkan nilai akurasi pada algoritma SVM dan random forest. Namun, algoritma NBC, penggunaan model sampling justru menurunkan akurasi, waktu proses juga menjadi faktor penting dalam pemilihan algoritma. SVM memiliki waktu proses yang paling lama, NBC memiliki waktu proses yang paling pendek, dan random forest berada di antara keduanya.
ANALISIS SENTIMEN REVIEW APLIKASI SATU SEHAT MOBILE MENGGUNAKAN MODEL SAMPLING TOMEK LINKS Ida Ayu Mirah Cahya Dewi; I Komang Dharmendra; Ni Wayan Setiasih
Jurnal Teknologi Informasi dan Komputer Vol. 9 No. 5 (2023): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

Penelitian ini fokus pada analisis sentimen dalam teks, khususnya terkait opini pengguna Aplikasi Satu Sehat Mobile di Indonesia. Analisis sentimen berguna untuk memahami emosi yang terungkap dalam opini pengguna terhadap layanan. Metode kuantitatif dan kualitatif digunakan untuk menganalisis teks, dengan teknik statistik dan pendekatan interpretatif. Aplikasi Satu Sehat Mobile membantu akses kesehatan dengan informasi penyakit, klinik terdekat, dan layanan reservasi online. Kondisi data tidak seimbang dapat memengaruhi analisis sentimen, menghasilkan bias dalam model. Solusinya adalah menggunakan metode sampling seperti Tomek Links untuk seimbangkan data. Model algoritma Random Forest, Neural Network, KNN, dan SVM dibangun dan dievaluasi dengan metrik akurasi, presisi, recall, dan F1-Score untuk analisis sentimen yang lebih tepat, khususnya pada data tidak seimbang dari opini pengguna Aplikasi Satu Sehat Mobile. Dimana evaluasi performa dilakukan pada data tanpa dan dengan model sampling. Penggunaan SVM menghasilkan akurasi tertinggi tanpa sampling (80,528%), karena fokus pada margin. Namun, Random Forest memiliki Precision, Recall, dan F1-Score lebih unggul untuk kelas minoritas. Dalam skenario model sampling, semua model mengalami peningkatan akurasi, terutama SVM dengan peningkatan 0,489%. Penerapan metode sampling Tomek Links memperbaiki evaluasi matriks dan mengatasi ketidakseimbangan kelas. Model sampling juga mengurangi waktu proses dengan ukuran dataset yang lebih kecil setelah penghapusan instance. Metode ini efektif mengatasi masalah ketidakseimbangan dataset, meningkatkan kinerja model, dan mengurangi waktu proses.
PERBANDINGAN METODE VEKTORISASI PADA ANALISA SENTIMENT, STUDI KASUS : CYBERBULLYING PADA KOMENTAR INSTAGRAM I Putu Ramayasa; I Gusti Ayu Desi Saryanti; I Komang Dharmendra; Edwar
Jurnal Teknologi Informasi dan Komputer Vol. 9 No. 5 (2023): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

Media sosial sebagai alat komunikasi global telah membawa dampak positif namun juga muncul sisi gelapnya, seperti peningkatan kasus cyberbullying. Penelitian ini mengajukan pendekatan melalui analisis sentimen, dengan penekanan pada teknik vektorisasi. Pendekatan ini menggabungkan tiga teknik vektorisasi utama, yaitu LSTM, Word2Vec, dan TF-IDF, dengan tiga model klasifikasi utama: Random Forest, Naive Bayes, dan Gradient Boosting. Hasil penelitian menunjukkan bahwa penggunaan LSTM dalam kaitannya dengan algoritma Random Forest memunculkan akurasi tertinggi, mencapai 92.5%, dengan kemampuan mengenali pola sentimen yang kompleks. Sementara Naive Bayes memiliki akurasi yang lebih rendah, Word2Vec memberikan peningkatan signifikan dalam pengenalan pola sentimen pada algoritma ini. Penggunaan Word2Vec juga menghasilkan hasil yang konsisten pada algoritma Gradient Boosting dengan akurasi sekitar 86%, menegaskan kemampuannya dalam mengidentifikasi relasi kata dalam analisis sentimen terkait cyberbullying. Di sisi lain, teknik vektorisasi TF-IDF memberikan hasil yang mengesankan, mencapai akurasi tertinggi 96.25% pada algoritma Random Forest, dengan kemampuan mengenali kata-kata kunci yang mempengaruhi sentimen. Kesimpulannya, penelitian ini menggambarkan bahwa berbagai metode vektorisasi memiliki dampak yang signifikan dalam analisis sentimen terhadap komentar Instagram, terutama dalam konteks deteksi cyberbullying. Oleh karena itu, pemilihan metode vektorisasi yang sesuai sangat penting dalam mengembangkan algoritma analisis sentimen yang efektif.
Co-Authors Adistana Wira Saputra, Gede Agung Ngurah Rai Semadi, I Gusti Budaya, I Gede Bintang Arya Dedy Panji Agustino, Dedy Panji Desak Putu Ayu Aprilia Dinda Sari EDWAR Edwar Edwar Evi Triandini Fathur Mahida Rangga I Gede Harsemadi I Gusti Agung Ngurah Rai Semadi I Gusti Agung Ngurah Rai Semadi I Gusti Ayu Desi Saryanti I Gusti Ngurah Ady Kusuma I Made Agus Wirahadi Putra I Made Ari Santosa I Made Pasek Pradnyana Wijaya I Made Pradipta I Putu Ramayasa, I Putu Ida Ayu Mirah Cahya Dewi Ida Bagus Suradarma Komang Oka Saputra Kusuma, Tubagus Mahendra Luh Putu Ayu Desiani, Luh Putu Ayu Mahendra, Tubagus Muhamad Samsudin Muhamad Samsudin Ni Kadek Mesi Damayanti Ni Nyoman Utami Januhari, Ni Nyoman Ni Wayan Setiasih Novia Ari Sandra Nyoman Ayu Nila Dewi Nyoman Pramaita Pande, I Made Suandana Astika Putra, I Made Agus Wirahadi Ricky Aurelius Nutanto Diaz, Ricky Aurelius Tubagus Mahendra Kusuma Yohanes Priyo Atmojo