Article Per Year (5 Year)
p-Index From 2021 - 2026
1.513
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JOSIKOM : Jurnal Online Sistem Komputer JUTIK : Jurnal Teknologi Informasi dan Komputer METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Teknologi Informasi dan Pendidikan Madaniya Lumbung Inovasi: Jurnal Pengabdian Kepada Masyarakat Jurnal Inovasi Teknologi dan Edukasi Teknik Jurnal Informatika Polinema (JIP)
I Putu Oka Wisnawa
Politeknik Negeri Bali
Religion Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Analisis Performa DETR untuk Deteksi Penyakit pada Buah Kakao Menggunakan Dataset Lokal Ni Luh Putu Listya Dewi; Putu Manik Prihatini; I Putu Oka Wisnawa
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9862

Abstract

Kakao merupakan komoditas perkebunan bernilai ekonomi tinggi, namun ancaman infeksi penyakit pada tanaman seringkali memicu penurunan drastis terhadap kualitas maupun kuantitas hasil panen buah kakao. Selama ini, upaya identifikasi dini cenderung mengandalkan observasi visual secara manual yang tidak hanya memakan banyak waktu, melainkan juga sangat rentan terhadap bias subjektivitas pengamat. Untuk mengatasi permasalahan tersebut, studi ini mengusulkan inovasi otomatisasi deteksi penyakit pada buah kakao dengan memanfaatkan teknologi computer vision, secara khusus mengimplementasikan algoritma Detection Transformer (DETR) berbasis pengolahan citra RGB. Metode penelitian yang dilakukan meliputi pengumpulan dataset citra kakao, preprocessing, anotasi bounding box pada citra, pelatihan model, dan pengujian model. Model DETR dilatih selama 300 epoch dengan menggunakan 720 citra yang dibagi ke dalam data train, validation, dan test dengan perbandingan sebesar 70:15:15. Selanjutnya dilakukan pengukuran kinerja dengan menggunakan metrik mean Average Precision (mAP). Hasil eksperimen menunjukkan performa yang sangat kompetitif, dengan model berhasil memperoleh nilai mean Average Precision (mAP) sebesar 0.86. Kesimpulan dari penelitian ini membuktikan bahwa arsitektur berbasis transformer mampu memberikan keunggulan dalam ekstraksi fitur penyakit kakao dengan tingkat konvergensi yang stabil meskipun dalam keterbatasan parameter pelatihan. Efektivitas yang dihasilkan memberikan kontribusi signifikan bagi pengembangan sistem monitoring pertanian cerdas yang handal dan ekonomis untuk diimplementasikan dalam skala perkebunan secara nyata.
Prediksi Kepatuhan Wajib Pajak PBB-P2 Berbasis Kecerdasan Buatan dengan Algoritma Gradient Boosting pada Badan Pendapatan Daerah Kabupaten Badung Caca Natasya Sugiana; I Putu Oka Wisnawa; Ni Gusti Ayu Putu Harry Saptarini
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 10 No. 1 (2026): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol10No1.pp234-243

Abstract

Rural and Urban Land and Building Tax (PBB-P2) is an important source of Regional Original Income (PAD). However, suboptimal taxpayer compliance often results in under-targeted regional tax revenues. Conventional taxpayer compliance management encourages the need for Artificial Intelligence (AI) and machine learning-based approaches to support more proactive, data-driven decision-making. This study uses the Extreme Gradient Boosting (XGBoost) algorithm to predict PBB-P2 taxpayer compliance based on historical tax data. The research steps include data preprocessing, splitting the training and testing datasets with a 70:30 ratio, model training, hyperparameter tuning, and model evaluation using precision, recall, F1-score, and confusion matrix. The results showed that the best model produced an F1-Macro value of 0.7108 with a learning rate of 0.2, max depth of 12, n_estimators of 400, min_child_weight of 1, subsample of 0.8, and gamma of 0. The most influential variables in the prediction included the District Code, Principal Payment Amount, and Village Code. The XGBoost model was able to provide quite good classification performance in supporting the identification of PBB-P2 taxpayer compliance more effectively.
Co-Authors Arya Pradnyana, I Putu Bagus Caca Natasya Sugiana Gde Brahupadhya Subiksa harini puspita I Gede Putu Krisna Juliharta I Gede Trisna Putra, I Gede I Made Dwi Jendra Sulastra I Made Sulastra I Nyoman Harini Puspita I NYOMAN RAI I Putu Astya Prayudha Ida Bagus Adisimakrisna Peling Luh Gede Putri Suardani Made Pasek Agus Ariawan Made Pradnyana Ambara, Made Pradnyana Ni Gusti Ayu Putu Harry Saptarini Ni Ketut Pradani Gayatri Sarja Ni Luh Putu Listya Dewi Ni Nyoman Harini Puspita Ni Nyoman Harini Puspita Ni Nyoman Harini Puspita, Ni Nyoman Harini Ni Wayan Widyasari Damayanti Pratama, I Putu Arie Putu Manik Prihatini