Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal Al-Khwarizmi: Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam Jurnal SIAR ILMUWAN TANI Jurnal Pengabdian Masyarakat Ilmu Terapan (JPMIT) JPNM : Jurnal Pustaka Nusantara Multidisiplin AnoaTIK: Jurnal Teknologi Informasi dan Komputer
Gusti Ngurah Adhi Wibawa
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Mathematics Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Pembuatan Google Form Sebagai Salah Satu Instrumen Pembelajaran Siswa Pada SMP Negeri 2 Dan SMP Negeri 3 Watopute Kabupaten Muna Agusrawati Agusrawati; Gusti Ngurah Adhi Wibawa; Irma Yahya; Iskandar Pattih; Ruslan Ruslan; Hamirul Hadin
Jurnal Pengabdian Masyarakat Ilmu Terapan Vol 4, No 1 (2022)
Publisher : Vokasi Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jpmit.v4i1.26567

Abstract

Sesuai dengan amanat Undang-Undang Nomor 14 Tahun 2005 tentang Guru dan Dosen, maka guru merupakan salah satu pengajar professional yang dituntut mengembangkan diri secara berkelanjutan. Salah satu upaya berkelanjutan ini adalah melalui perbaikan metode pembelajaran kelas, perbaikan metode pembelajaran dengan menggunakan media digital yang akan membantu guru dalam melaksanakan tugas secara kuantitatif dan kualitatif melalui penggunaan media google form. Pengabdian ini akan membahas bagaimana membuat google form secara konkrit dalam melalukan proses pembelajaran, bukan hanya tindakan kelas dengan penekananpadakonsep.Pembahasan diawali dengan menjelaskan manfaat dan fungsi google form, kemudian dilanjutkan dengan bagaimana membuat google form. Kemudian selanjutnya adalah bagaimana penggunaannya, sampai pada bagaimana agar siswa juga mampu mengetahui kegunaan google form tersebut. Pada akhir pelatihan akan disebutkan bagian rekomendasi yang memuat hal- hal yang perlu diperhatikan dalam menggunakan google form dalam proses pembelajaran. Target luaran kegiatan PKMI ini adalah peningkatan kemampuan guru dalam menggunakan media digital berupa google form terutama bagi sekolah-sekolah yang masih jauh dari jangkauan pengetabuan digital secara emperis, artikel ilmiah yang dipublikasikan pada jurnal nasional.
Aplikasi Metode Singular Spectrum Analysis (SSA) dalam Peramalan Produksi Padi di Provinsi Sulawesi Tenggara Ega Sarmita; Gusti Ngurah Adhi Wibawa; Bahridin Abapihi; Ruslan; Lilis Laome; Agusrawati
JPNM Jurnal Pustaka Nusantara Multidisiplin Vol. 2 No. 1 (2024): February: Jurnal Pustaka Nusantara Multidisiplin
Publisher : SM Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59945/jpnm.v2i1.93

Abstract

Penelitian ini bertujuan untuk meramalkan produksi padi di Provinsi Sulawesi Tenggara menggunakan metode Singular Spectrum Analysis (SSA) dan membandingkannya dengan metode Autoregressive Integrated Moving Average (ARIMA). Data produksi padi di Provinsi Sulawesi Tenggara dari tahun 2018 hingga 2021 dijadikan dasar untuk peramalan tahun 2022. Metode SSA digunakan untuk meramalkan produksi padi, dan hasilnya dibandingkan dengan metode ARIMA untuk menilai akurasi peramalan. Hasil penelitian menunjukkan bahwa model SSA dengan window length (panjang jendela) L=25 merupakan model terbaik untuk meramalkan produksi padi di Provinsi Sulawesi Tenggara selama dua belas bulan ke depan (yi = yiT + yiS). Model ini memiliki nilai Mean Absolute Percentage Error (MAPE) sebesar 23,68%, menunjukkan tingkat akurasi yang tinggi dalam meramalkan produksi padi. Perbandingan akurasi peramalan antara metode SSA dan ARIMA menunjukkan bahwa SSA lebih unggul. Akurasi peramalan dengan SSA mencapai 23,68%, sementara ARIMA memiliki MAPE sebesar 48,16%. Hal ini menegaskan bahwa SSA lebih efektif dan akurat dalam meramalkan produksi padi di Provinsi Sulawesi Tenggara dibandingkan dengan ARIMA. Kesimpulan dari penelitian ini adalah bahwa metode SSA dapat menjadi pilihan yang lebih tepat dan efektif dalam meramalkan produksi padi di daerah ini. Keakuratan peramalan yang tinggi menunjukkan potensi aplikasi SSA dalam mendukung perencanaan dan pengambilan keputusan terkait produksi padi di Provinsi Sulawesi Tenggara.
Aplikasi Teknologi LEISA Berbasis Sumberdaya Lokal dalam Produksi Benih Hortikultura Gusti Ayu Kade Sutariati; Nur Santy Asminaya; Abdul Madiki; Nini Milarahni; Gusti Ngurah Adhi Wibawa; I Made Guyasa
Jurnal SIAR ILMUWAN TANI Vol. 6 No. 1 (2025): Jurnal Siar Ilmuwan Tani
Publisher : Fakultas Pertanian Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jsit.v6i1.166

Abstract

Penggunaan benih bermutu yang mencakup mutu fisik, fisiologis, genetik dan patologis merupakan syarat utama untuk keberhasilan budidaya tanaman khususnya tanaman hortikultura termasuk sayuran. Proses budidaya tanaman yang ramah lingkungan dan memenuhi standar kesehatan merupakan prinsip penerapan teknologi LEISA (Low External Input Sustainable Agriculture) yang bisa diimplementasikan dalam penyediaan benih hortikultura. Kegiatan pengabdian kepada masyarakat ini dilaksanakan untuk membantu memberikan pengertian dan pemahaman tentang pentingnya penggunaan benih bermutu dalam budidaya tanaman sayuran dan aplikasi teknik LEISA untuk produksi benih hortikultura. Kegiatan pengabdian kepada masyarakat difokuskan pelaksanaannya pada Kelompok Tani Sayuran di Desa Tanea Kabupaten Konawe Selatan. Tahapan pelaksanaan kegiatan meliputi peninjauan lokasi, penyuluhan da bimbingan teknis. Target luaran kegiatan PKMI ini adalah peningkatan keberdayaan kelompok tani sasaran, eksistensi dan keberlanjutan usaha agribisnis tanaman hortikultura organik yang berimplikasi pada peningkatan pendapatan kelompok tani sasaran. Hasil kegiatan pengabdian menunjukkan bahwa masyarakat sasaran dan masyarakat sekitar di lokasi pengabdian sangat antusias dan aktif berpartisipasi dalam kegiatan penyuluhan dan pendampingan teknik produksi benih dan aplikasi LEISA berbasis sumberdaya lokal dalam budidaya tanaman hortikultura yang diberikan. Peserta target dan masyarakat setempat mengharapkan kesediaan tim pengabdian masyarakat untuk memberikan bimbingan teknis lanjutan teknik produksi benih sayuran secara organik untuk tujuan komersialisasi.
Klasifikasi Judul Berita Online Menggunakan Multinomial Naïve Bayes Laome, Lilis; Dian Christien Arisona; Zelianti; Gusti Ngurah Adhi Wibawa; Irma Yahya; Mukhsar
Al-Khwarizmi : Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam Vol. 13 No. 1 (2025): Al-Khwarizmi : Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam
Publisher : Prodi Pendidikan Matematika FTIK IAIN Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24256/jpmipa.v13i1.6486

Abstract

Abstract: News is defined as stories or information about current events. News can be classified into two categories, namely hard news and soft news. Generally, hard news refers to news topics that are timely, important and consequential. Meanwhile, soft news refers to information that is interesting, unique and entertaining. This research investigates online news headline classification using an enhanced Multinomial Naïve Bayes approach combined with SMOTE (Synthetic Minority Oversampling Technique) to address class imbalance issues. The results showed that out of 4,122 data collected, 3821 or 92.70% of news headlines were classified as hard news categories and 301 or 7.30% of other news headlines were classified as soft news categories. With an accuracy value of 91.5%, precision of 96.8%, recall of 93.8%, F1-Score of 95.2% and AUC value of 0.78 which shows Multinomial Naïve Bayes is good enough in distinguishing hard news and soft news categories, although it has not reached the optimal level. Abstract: Berita didefinisikan sebagai cerita atau informasi tentang peristiwa terkini. Berita dapat diklasifikasikan ke dalam dua kategori, yaitu berita keras (hard news) dan berita lunak (soft news). Umumnya, berita keras mengacu pada topik berita yang tepat waktu, penting, dan konsekuen. Sementara itu, berita lunak mengacu pada informasi yang menarik, unik, dan menghibur. Penelitian ini menyelidiki klasifikasi judul berita online menggunakan pendekatan Multinomial Naïve Bayes yang disempurnakan yang dikombinasikan dengan SMOTE (Synthetic Minority Oversampling Technique) untuk mengatasi masalah ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa dari 4.122 data yang dikumpulkan, 3821 atau 92,70% judul berita diklasifikasikan sebagai kategori hard news dan 301 atau 7,30% judul berita lainnya diklasifikasikan sebagai kategori soft news. Nilai akurasi sebesar 91.5%, precision sebesar 96.8%, recall sebesar 93.8%, F1-Score sebesar 95.2% dan nilai AUC sebesar 0.78 yang menunjukkan Multinomial Naïve Bayes sudah cukup baik dalam membedakan kategori hard news dan soft news, meskipun belum mencapai tingkat optimal.
Klasifikasi Judul Berita Online Menggunakan Multinomial Naïve Bayes Laome, Lilis; Dian Christien Arisona; Zelianti; Gusti Ngurah Adhi Wibawa; Irma Yahya; Mukhsar
Al-Khwarizmi : Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam Vol. 13 No. 1 (2025): Al-Khwarizmi : Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam
Publisher : Prodi Pendidikan Matematika FTIK IAIN Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24256/jpmipa.v13i1.6486

Abstract

Abstract: News is defined as stories or information about current events. News can be classified into two categories, namely hard news and soft news. Generally, hard news refers to news topics that are timely, important and consequential. Meanwhile, soft news refers to information that is interesting, unique and entertaining. This research investigates online news headline classification using an enhanced Multinomial Naïve Bayes approach combined with SMOTE (Synthetic Minority Oversampling Technique) to address class imbalance issues. The results showed that out of 4,122 data collected, 3821 or 92.70% of news headlines were classified as hard news categories and 301 or 7.30% of other news headlines were classified as soft news categories. With an accuracy value of 91.5%, precision of 96.8%, recall of 93.8%, F1-Score of 95.2% and AUC value of 0.78 which shows Multinomial Naïve Bayes is good enough in distinguishing hard news and soft news categories, although it has not reached the optimal level. Abstrak: Berita didefinisikan sebagai cerita atau informasi tentang peristiwa terkini. Berita dapat diklasifikasikan ke dalam dua kategori, yaitu berita keras (hard news) dan berita lunak (soft news). Umumnya, berita keras mengacu pada topik berita yang tepat waktu, penting, dan konsekuen. Sementara itu, berita lunak mengacu pada informasi yang menarik, unik, dan menghibur. Penelitian ini menyelidiki klasifikasi judul berita online menggunakan pendekatan Multinomial Naïve Bayes yang disempurnakan yang dikombinasikan dengan SMOTE (Synthetic Minority Oversampling Technique) untuk mengatasi masalah ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa dari 4.122 data yang dikumpulkan, 3821 atau 92,70% judul berita diklasifikasikan sebagai kategori hard news dan 301 atau 7,30% judul berita lainnya diklasifikasikan sebagai kategori soft news. Nilai akurasi sebesar 91.5%, precision sebesar 96.8%, recall sebesar 93.8%, F1-Score sebesar 95.2% dan nilai AUC sebesar 0.78 yang menunjukkan Multinomial Naïve Bayes sudah cukup baik dalam membedakan kategori hard news dan soft news, meskipun belum mencapai tingkat optimal.
ANALISIS SENTIMEN ULASAN APLIKASI WATTPAD DI GOOGLE PLAY STORE DENGAN METODE RANDOM FOREST Safira Nur Adhan; Gusti Ngurah Adhi Wibawa; Dian Christien Arisona; Irma Yahya; Ruslan Ruslan
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 2 No 1 (2024): Juni 2024
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v2i1.32

Abstract

Wattpad is an application and online community site that allows users to write or read informational content in the literary sphere with various genres or categories such as short stories, classics, action, adventure, romance, fantasy, humor, spiritual, mystery, horror, poetry, science fiction, historical fiction, teen fiction, general fiction, fan fiction, and non-fiction. By December 2023, 90 million users spent more than 23 billion minutes accessing the app each month. This study aims to provide an overview of user sentiment while classifying it as negative or positive sentiment text using Random Forest and Random Forest methods optimized with the SMOTE (Synthetic Minority Oversampling Technique) on Wattpad App user reviews that experience class imbalance. The results showed that out of 9.975 data collection results, only 8.743 data could be used with a percentage of positive sentiment of 64,2% (5.616) and 35,8% (3.127) negative sentiment. The Random Forest method without SMOTE optimization tends to be superior in predicting unbalanced sentiment classification, this can be seen from the accuracy value which reaches 84,05%, precision 84,71%, recall 91,60%, F1-Score 88,02%, FPR 8,40%, and AUC value 0,9166 are categorized as excellent classification. SMOTE Random Forest modeling is able to improve the ability to classify the minority class, negative sentiment, as can be seen from the increase in precision value from 84,71 % to 86,70% (1,99%). Unfortunately, this class balancing resulted in a decrease in the performance of accuracy, recall, f1-score and AUC values. In addition, based on the feature importance values, the most influential features in both models are the word attributes "kecewa", "bagus", and "baik".
Co-Authors Abdul Madiki Agusrawati Agusrawati Agusrawati Bahridin Abapihi Dian Christien Arisona Ega Sarmita Gusti Ayu Kade Sutariati Hamirul Hadin I Made Guyasa Irma Yahya Iskandar Pattih Lilis Laome Mukhsar Nini Milarahni Nur Santy Asminaya Ruslan Ruslan Ruslan Safira Nur Adhan Zelianti