Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal JOSINFO : Jurnal Online Sistem Informasi Jurnal Sisfokom (Sistem Informasi dan Komputer) WIDYABHAKTI Jurnal Ilmiah Populer Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya
I Gusti Ayu Desi Saryanti, I Gusti Ayu Desi
Unknown Affiliation
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Neuroscience Social Sciences Transportation

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
SISTEM INFORMASI EKSEKUTIF FOKUS PELANGGAN PADA PT. PENGEMBANGAN PARIWISATA INDONESIA (PERSERO) Arnatha, I Nyoman Juli; Pramana, Dian; Saryanti, I Gusti Ayu Desi
JOSINFO : Jurnal Online Sistem Informasi Vol 1, No 1 (2015)
Publisher : JOSINFO : Jurnal Online Sistem Informasi

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

Abstract

PT. Pengembangan Pariwisata Indonesia (Persero) merupakan salah satu Badan Usaha Milik Negara (BUMN) yang bergerak pada bidang pariwisata. Sistem Informasi Eksekutif Fokus Pelanggan pada PT. Pengembangan Pariwisata Indonesia (Persero) merupakan sebuah sistem yang digunakan untuk top level Management untuk melihat data perkembangan kunjungan wisatawan, penilaian performa pelayanan serta survei kepuasan pengunjung secara cepat, tepat dan akurat. Dalam pengembangan sistem ini menggunakan bahasa pemrograman PHP serta menggunakan sistem manajemen basis data relational MySQL sebagai basis data. Sistem ini dapat mengatasi permasalahan yang dihadapi oleh top level management PT. Pengembangan Pariwisata Indonesia (Persero) yaitu dapat memudahkan serta memperlancar proses-proses pengelolaan data pelanggan sehingga dapat menentukan strategi pemasaran untuk meningkatkan jumlah kunjungan wisatawan ke Kawasan Nusa Dua. Kata kunci: eksekutif, pariwisata, Nusa Dua.
Analisis Perbandingan Kualitas Informasi dari Website dan Instagram RUPBASAN Denpasar Chandrarani, Tifany; Saryanti, I Gusti Ayu Desi; Wijaya, I Gusti Ngurah Satria
Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya Lubuklinggau Vol 6 No 1 (2024): Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya
Publisher : STMIK Bina Nusantara Jaya Lubuk Linggau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52303/jb.v6i1.136

Abstract

Rumah Penyimpanan Benda Sitaan Negara Kelas I Denpasar merupakan instansi dengan tanggung jawab menjaga dan merawat barang sitaan negara. Seluruh kegiatan yang berlangsung harus dilakukan secara transparan dan terbuka. Media sosial digunakan sebagai Platform penyebaran informasi, akan tetapi belum memiliki konsistensi dan Feedback yang baik dari masyarakat. Perbandingan kualitas Informasi di Rumah Penyimpanan Benda Sitaan Negara Kelas I Denpasar pada Website dan Instagram bertujuan untuk mengetahui tingkat kualitas informasi pada masing-masing Platform. Melalui Metode Webqual 4.0 dapat diketahuinya nilai Index keseluruhan dimensi yaitu Ussability, Information Quality dan Service Interaction Quality. Pada Instagram didapatkan hasil Webqual Index sebesar 0,91336 lebih besar dari Website dengan nilai sebesar 0,90309, dengan nilai tersebut dapat diketahui bahwa kedua Platform mendapatkan tingkat kualitas yang sangat baik.
Penerapan Company Profile pada Usaha Jeni Cuci Motor Saryanti, I Gusti Ayu Desi; Ady Kusuma, Gusti Ngurah; Hadi, Rosalia; Nuraini, Siti; Marudut G, Pusar; Nanik Handayanti, Ni Putu; Aghivirwiati, Gusti Ayu
WIDYABHAKTI Jurnal Ilmiah Populer Vol. 6 No. 3 (2024): Juli
Publisher : Direktorat Penelitian, Pengabdian Masyarakat, dan HKI Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/widyabhakti.v6i3.415

Abstract

Banyaknya jumlah sepeda motor menyebabkan semakin meningkatkan jumlah permintaan jasa pencucian kendaraan. Jasa pencuci motor dapat ditemui di berbagai tempat. Maraknya bisnis ini membuat persaingan bisnis jasa pencuci motor begitu ketat bagaimana setiap pemilik usaha harus benar-benar mempromosikan usahanya dengan tepat. Mitra dalam kegiatan ini adalah Bapak I Ketut Ary Subagia yang merupakan pemilik dari jasa pencucian motor tersebut. Pemasaran yang dilakukan pada saat ini hanya berbagi informasi dengan lingkungan sekitar dan memasang tulisan pada pintu gerbang rumah. Hal tersebut sangat tidak menarik apalagi lokasi tempat pencucian motor berada di belakang dan tidak terlihat dari jalan raya. Untuk menangani permasalahan tersebut maka penulis memberikan sebuah solusi dengan membuatkan suatu identitas yang dimiliki oleh perusahaan berupa company profile dalam hal ini melingkupi desain logo, desain papan nama usaha, desain brosur, desain banner dan desain voucher pencucian motor agar usaha lebih terlihat menarik dan memiliki ciri khas tersendiri. Metode evaluasi kegiatan yang dilakukan pada pengabdian masyarakat ini adalah dengan memberikan kuesioner kepada mitra terkait dengan penerapan company profile yang telah diimplementasikan. Berdasarkan hasil kuesioner tersebut menyatakan bahwa kegiatan pengabdian ini sudah berjalan dengan baik.
Implementasi Metode Normalisasi dan Seleksi Fitur dalam Optimasi Algoritma K-Nearest Neighbor (KNN) untuk Klasifikasi Data Bank Hadi, Rosalia; Suwirmayanti, Ni Luh Gede Pivin; Kusuma, I Gusti Ngurah Ady; Saryanti, I Gusti Ayu Desi; Novayanti, Putu Devi
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 5 (2024): Oktober 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i5.7989

Abstract

Abstrak - Dalam era transformasi digital perbankan, pengelolaan data yang semakin besar dan kompleks menjadi tantangan utama. Data transaksi keuangan, profil nasabah, dan kegiatan perbankan menjadi sumber berharga untuk pengambilan keputusan cerdas. Penggunaan teknik klasifikasi, terutama K-Nearest Neighbor (KNN), menjadi esensial untuk menganalisis dan memahami informasi tersembunyi dalam dataset perbankan. Meskipun KNN memiliki keunggulan dalam implementasi dan interpretasi, sensitivitas terhadap skala dan dimensi atribut menjadi hambatan. Oleh karena itu, penerapan metode normalisasi dan seleksi fitur menjadi kritis untuk meningkatkan akurasi dan efisiensi algoritma, terutama dalam lingkungan data heterogen perbankan. Data perbankan, berupa pengajuan kredit memiliki kompleksitas tersendiri dan menciptakan tantangan dalam pengelolaan dan analisis. KNN, sebagai metode klasifikasi non-parametrik berbasis instansi, meskipun sederhana, memiliki kelemahan sensitivitas terhadap skala dan dimensi atribut, yang dapat mempengaruhi perhitungan jarak dalam proses klasifikasi. Dalam optimalisasi KNN pada data perbankan, normalisasi dan seleksi fitur menjadi fokus utama. Pada penelitian ini dapat dilihat bahwa nilai tertinggi dalam proses klasifikasi menggunakan metode KNN terletak pada penggunaan normalisasi data dan seleksi fitur menggunakan Gain Ratio dengan tingkat akurasi sebesar 84.03 sedangkan nilai terendah terletak pada penggunaan tanpa normalisasi data dan tanpa seleksi fitur dimana menghasilkan tingkat akurasi sebesar 57.64. sehingga dalam hal ini normalisasi dan seleksi fitur memiliki peran penting dalam menaikkan tingkat akurasi dalam klasifikasi data perbankan.Kata Kunci: K-Nearest Neighbor, Normalisasi, Seleksi Fitur, Perbankan  Abstract - In the era of digital banking transformation, managing the increasingly large and complex data is a major challenge. Financial transaction data, customer profiles, and banking activities are valuable sources for making intelligent decisions. The use of classification techniques, especially K-Nearest Neighbor (KNN), is essential to analyze and understand the hidden information in banking datasets. Although KNN has advantages in implementation and interpretation, its sensitivity to scale and attribute dimension is a limitation. Therefore, the application of normalization and feature selection methods becomes critical to improve the accuracy and efficiency of the algorithm, especially in the heterogeneous data environment of banking.Banking data, in the form of credit applications, has its own complexity and creates challenges in management and analysis. KNN, as a non-parametric instance-based classification method, although simple, has the weakness of being sensitive to scale and attribute dimension, which can affect the distance calculation in the classification process.In the optimization of KNN on banking data, normalization and feature selection are the main focus. This study shows that the highest value in the classification process using the KNN method lies in the use of data normalization and feature selection using Gain Ratio with an accuracy rate of 84.03, while the lowest value lies in the use of data without normalization and without feature selection, which results in an accuracy rate of 57.64. Thus, in this case, normalization and feature selection play an important role in increasing the accuracy of classification in banking data.Keywords: K-Nearest Neighbor, Normalization, Feature Selection, Bank
Classification of User Expressions on Social Media Using LSTM and GRU Models Yusadara, I Gede Putra Mas; Saryanti, I Gusti Ayu Desi
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 14 No. 1 (2025): JANUARY
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v14i1.2318

Abstract

Social media serves as a platform for sharing information. Through social media, users can interact with others and express their feelings and emotions. Therefore, emotion analysis plays a crucial role in understanding users' conditions regarding various issues and social events. This study aims to compare the performance of emotion classification models in analyzing and identifying users' emotions on social media. The research process includes data preprocessing, training, and model performance evaluation. The dataset used is derived from Twitter social media and is available on Kaggle. It consists of two main columns: text and label, with the latter categorized into six groups. The dataset undergoes several preprocessing techniques to ensure it is ready for model training. The model training process implements the architectures of LSTM and GRU to analyze the emotions contained within the text. The evaluation results show that the model achieves an accuracy of 93% for LSTM and 94% for GRU, indicating that the GRU model slightly outperforms the LSTM in classifying emotions in textual data. This research is expected to contribute to emotion analysis systems based on deep learning.
Co-Authors Ady Kusuma, Gusti Ngurah Aghivirwiati, Gusti Ayu Chandrarani, Tifany Dian Pramana I Nyoman Juli Arnatha, I Nyoman Juli Kusuma, I Gusti Ngurah Ady Marudut G, Pusar Nanik Handayanti, Ni Putu Ni Luh Gede Pivin Suwirmayanti, S.Kom, MT, Ni Luh Gede Pivin Novayanti, Putu Devi Rosalia Hadi Siti Nuraini Yusadara, I Gede Putra Mas