Article Per Year (5 Year)
p-Index From 2021 - 2026
0.882
P-Index
This Author published in this journals
All Journal KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063 Jurnal Informatika Teknologi dan Sains (Jinteks) Journal of Artificial Intelligence and Digital Business
Rama Ngurah Putera Pinatih
Universitas Pendidikan Ganesha
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering

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

Found 5 Documents
Search

 1 
PERBANDINGAN TOOLS SQL SUS, SQL NINJA, DAN THE MOLE DALAM PENERAPAN SQL INJECTION Gusti Ayu Mas Ekayanti; Dewa Ayu Deby Cintiya; Putu Yoga Suartana; Rama Ngurah Putera Pinatih; Gede Arna Jude Saskara; I Made Edy Listartha
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 4 No 4 (2022): EDISI 14
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (199.046 KB) | DOI: 10.51401/jinteks.v4i4.2201

Abstract

In this modern era, the rapid development of science and technology is certainly very beneficial for human life. However, this development can also bring threats, such as cyber attacks. One type of cyber attack that is often used is SQL injection, which targets database security. Three tools that can be used in testing SQL injection are SQL sus, SQL ninja, and The mole. Testing these three tools uses two operating systems, that is Kali Linux and Windows. The test results are measured based on several parameters, namely, the speed of the tool in responding to commands, the number of stages in its application, the features contained therein, and its efficiency. Based on the test results, it is known that only the sus SQL tool successfully injected a website, while the other two tools failed.
Implementasi Metode XLM-RoBERTa Untuk Analisis Sentimen Ulasan Pengunjung Objek Wisata Kerta Gosa Klungkung Parawangsa, I Dewa Gede Mahesta; Mahendra, Gede Surya; Pinatih, Rama Ngurah Putera
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.5368

Abstract

Pasca pandemi, pemulihan sektor pariwisata di Kabupaten Klungkung, khususnya pada Objek Wisata Kerta Gosa, sangat bergantung pada kemampuan pengelola dalam merespons umpan balik pengunjung secara akurat. Saat ini, ribuan ulasan yang tersebar di platform digital seperti Google Maps dan TripAdvisor menjadi aset data krusial, namun pemanfaatannya terhambat oleh volume data yang besar serta karakteristik linguistik yang tidak terstruktur. Tantangan utama muncul dari fenomena percampuran kode bahasa (code-mixing) antara Bahasa Indonesia dan Inggris yang menyulitkan metode klasifikasi konvensional. Penelitian ini bertujuan untuk mengatasi hambatan tersebut dengan mengimplementasikan analisis sentimen otomatis menggunakan arsitektur Deep Learning berbasis XLM-RoBERTa. Model transformer multibahasa ini dipilih secara spesifik karena keunggulannya dalam mengekstraksi representasi semantik lintas bahasa tanpa memerlukan tahapan penerjemahan awal, sehingga nuansa emosi asli pengunjung tetap terjaga. Melalui pendekatan metodologi SEMMA, dataset diproses dengan teknik normalisasi teks adaptif dan dilatih menggunakan skema pembagian data terstratifikasi. Hasil eksperimen menunjukkan performa model yang solid dengan capaian akurasi pengujian sebesar 91.37%, serta nilai F1-Score mencapai 87.26%. Analisis lebih lanjut pada ulasan negatif secara spesifik menyoroti dominasi keluhan terkait transparansi layanan tiket dan interaksi pemandu wisata, yang menjadi area prioritas bagi manajemen untuk pembenahan. Temuan ini menegaskan bahwa XLM-RoBERTa merupakan solusi yang efisien dan robust untuk sistem pemantauan kualitas layanan pariwisata berbasis data sentimen.
Integrasi Algoritma K-Means untuk Clustering Data Kuesioner Kepribadian Mahasiswa Gede Ngurah Dananjaya Kajeng; I Made Agus Wirawan; I Kadek Dwi Arta Putra; Rama Ngurah Putera Pinatih
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114413

Abstract

Abstrak – Artikel ini menyajikan pendekatan terintegrasi untuk pengelompokan berbasis kepribadian mahasiswa menggunakan algoritma K-Means yang ditingkatkan dengan optimasi Opposition and Dimensional-Based Modified Firefly Algorithm (ODFA). Penelitian ini menangani tantangan dalam mengolah data kepribadian berbasis skala Likert yang bersifat tidak presisi dengan menerapkan pipeline praproses yang komprehensif, meliputi medical filtering, normalisasi Z-score, dan Principal Component Analysis (PCA). Algoritma K-Means dioptimalkan dengan inisialisasi ODFA untuk mengatasi masalah local optima yang sering terjadi pada pendekatan K-Means standar. Data diperoleh dari 114 mahasiswa melalui kuesioner Big Five Personality Traits yang terdiri dari 28 item. Validasi klaster dilakukan menggunakan metode Elbow dan metrik Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah K = 2, dengan nilai Silhouette Score sebesar 0,22, yang mengindikasikan adanya profil kepribadian yang berbeda antar mahasiswa dengan pemisahan spasial yang cukup jelas. Integrasi ODFA dengan K-Means terbukti efektif dengan peningkatan kualitas klasterisasi dibandingkan K-Means standar. Pendekatan hibrida ini berhasil menangani kompleksitas data psikologis yang multidimensi serta menyediakan kerangka kerja otomatis dan objektif untuk segmentasi mahasiswa berdasarkan kepribadian. Temuan ini mendukung penggunaan K-Means yang dioptimalkan dengan inisialisasi ODFA sebagai teknik praproses yang efektif.
Analisis Clustering Kepribadian Mahasiswa Berdasarkan Data Kuesioner Menggunakan Self-Organizing Map I Kadek Dwi Arta Putra; I Made Agus Wirawan; Gede Ngurah Dananjaya Kajeng; Rama Ngurah Putera Pinatih
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114414

Abstract

Penelitian ini bertujuan untuk mengelompokkan profil kepribadian mahasiswa menggunakan algoritma Self-Organizing Map berdasarkan data kuesioner yang mengacu pada Big Five Personality Traits. Dataset yang digunakan terdiri dari 114 responden yang diperoleh setelah proses preprocessing dari 131 responden awal, dengan 28 item pernyataan skala Likert yang merepresentasikan lima dimensi kepribadian. Tahap preprocessing meliputi pembersihan data, penyaringan, transformasi ke bentuk numerik, serta normalisasi menggunakan metode Min-Max scalling. Algoritma Self-Organizing Map diimplementasikan dengan berbagai kombinasi parameter, yaitu Learning Rate sebesar 0,1, 0,3, dan 0,5, serta jumlah iterasi 50, 100, 150, dan 200, sehingga menghasilkan 12 skenario percobaan. Kualitas klaster dievaluasi menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada Learning Rate 0,3 dan iterasi 50 dengan dimensi lattice 1×2 yang menghasilkan dua klaster, dengan nilai Silhouette Score sebesar 0,180, Davies-Bouldin Index sebesar 1,979, dan Calinski-Harabasz Index sebesar 25,238. Hasil ini menunjukkan bahwa klaster yang terbentuk memiliki tingkat kekompakan dan pemisahan yang baik dibandingkan konfigurasi lainnya. Dengan demikian, algoritma Self-Organizing Map terbukti efektif dalam mengidentifikasi pola tersembunyi pada data kepribadian berdimensi tinggi dan mampu menghasilkan pengelompokan yang lebih stabil dibandingkan metode clustering konvensional.
Klasterisasi Stimulus Video Emosional Berdasarkan Penilaian Self-Assessment Manikin Menggunakan Gaussian Mixture Model Rama Ngurah Putera Pinatih; I Made Agus Wirawan Wirawan; I Nyoman Saputra Wahyu Wijaya Wijaya; Gede Ngurah Dananjaya Kajeng Kajeng
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 3 (2026): ONGOING : Karmapati Vol 15 No 3 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i3.121506

Abstract

Pemilihan stimulus video yang tepat merupakan aspek penting dalam penelitian pengenalan emosi berbasis sinyal electroencephalogram (EEG). Salah satu tantangan dalam menentukan karakteristik emosional stimulus adalah adanya perbedaan persepsi individu terhadap stimulus yang sama pada dimensi Valence dan Arousal. Penelitian ini bertujuan mengelompokkan 16 stimulus video berdasarkan penilaian subjektif dari 33 rater menggunakan instrumen Self-Assessment Manikin (SAM). Metode Gaussian Mixture Model (GMM) diterapkan untuk mengidentifikasi distribusi stimulus yang merepresentasikan empat kategori emosi berdasarkan Model Sirkumpleks Russell. Hasil evaluasi menunjukkan bahwa konfigurasi GMM dengan empat komponen dan struktur kovarians tied memberikan performa pemodelan terbaik dengan nilai Bayesian Information Criterion (BIC) terendah sebesar 4440,0485. Evaluasi konsistensi antar-rater menghasilkan tingkat reliabilitas yang sangat tinggi pada dimensi Valence (ICC = 0,986) dan Arousal (ICC = 0,984). Analisis distribusi menunjukkan bahwa sebagian besar data memiliki pemusatan yang baik, meskipun empat stimulus menunjukkan variabilitas penilaian relatif tinggi karena berada di sekitar batas antarkuadran. Melalui proses seleksi berbasis skor matematis, ditetapkan 12 stimulus representatif yang terdistribusi secara seimbang pada empat kuadran emosi. Stimulus terpilih memiliki karakteristik emosional yang lebih terdefinisi dan konsisten, sehingga ditetapkan sebagai media elicitation untuk eksperimen perekaman sinyal EEG pada tahap selanjutnya.
Co-Authors Dewa Ayu Deby Cintiya Gede Arna Jude Saskara Gede Ngurah Dananjaya Kajeng Gede Ngurah Dananjaya Kajeng Kajeng Gede Surya Mahendra Gusti Ayu Mas Ekayanti I Kadek Dwi Arta Putra I Made Agus Wirawan Wirawan I Made Edy Listartha I Nyoman Saputra Wahyu Wijaya Wijaya M.Cs S.Kom I Made Agus Wirawan . Parawangsa, I Dewa Gede Mahesta Putu Yoga Suartana