Luh Gede Astuti
Universitas Udayana

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

KEGIATAN STUDI INDEPENDEN BERSERTIFIKAT PENGEMBANG FRONT-END WEB DAN BACK-END DI PT PRESENTOLOGICS DICODING INDONESIA Karel Leo Rivaldo; Luh Gede Astuti; Ngurah Agus Sanjaya ER
Jurnal Pengabdian Informatika Vol. 1 No. 4 (2023): JUPITA Volume 1 Nomor 4, Agustus 2023
Publisher : Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

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

Abstract

Perkembangan teknologi berjalan begitu pesat, era revolusi industri sudah mencapai level 4.0, perkembangan ini membuat pengembang aplikasi harus mampu mengikuti standar perkembangan teknologi saat ini. Kampus Merdeka merupakan bagian dari kebijakan Merdeka Belajar oleh Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia yang memberikan kesempatan bagi mahasiswa untuk mengasah kemampuan sesuai bakat dan minat dengan terjun langsung ke dunia kerja sebagai persiapan karir masa depan. PT Presentologics Dicoding memberikan standar kualitas teknologi pada bidang Pengembang Front-End Web dan Back-End saat ini. Membangun suatu website dengan penerapan teknik semantic dan memiliki responsibilitas merupakan pengembangan teknologi yang wajib saat ini pengembang aplikasi kuasai, dengan materi pembelajaran menggunakan Bahasa pemrograman javascript sebagai Bahasa pemrograman utama dalam membangun suatu website yang memiliki interaktif dan responsibilitas yang tinggi dalam pengimplementasiannya.
PENGEMBANGAN SISTEM INFORMASI INVENTORI BARANG DALAM MENINGKATKAN EFEKTIVITAS PENGELOLAAN BARANG (STUDI KASUS: PT. BENLARIS SAHABAT DEWATA) Sang Putu Febri Wira Pratama; Luh Gede Astuti; I Wayan Supriana
Jurnal Pengabdian Informatika Vol. 1 No. 4 (2023): JUPITA Volume 1 Nomor 4, Agustus 2023
Publisher : Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

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

Abstract

Kegiatan Praktik Kerja Lapangan dilaksanakan dari tanggal 1 Oktober hingga 30 November 2021 bertempat di PT. Benlaris Sahabat Dewata. Pelaksanaan PKL berlangsung secara WFO dengan tetap memperhatikan protokol kesehatan. Berdasarkan wawancara dari pelanggan PT. Benlaris Sahabat Dewata yang memiliki usaha mengatakan belum menggunakan sistem yang terkomputerisasi dalam bisnisnya sehingga sering kali mengalami permasalahan salah satunya kesalahan perhitungan stok barang. Berdasarkan permasalahan tersebut, penulis membangun sistem informasi inventori barang yang dapat membantu para pemilik usaha untuk mengelola dan mencatat barang. Sistem tersebut dibangun dengan menggunakan CodeIgniter 3 serta Javascript. Diharapkan dengan dibangunnya sistem informasi tersebut, dapat membantu para pemilik usaha dalam pencatatan barang yang masih menggunakan cara manual serta meningkatkan efektivitas pengelolaan barang.
Analisis Sentimen Pengguna Terhadap Ulasan Aplikasi Duolingo Menggunakan Metode Logistic Regression Made Dinda Radityaswari; Luh Gede Astuti
Jurnal Nasional Teknologi Informasi dan Aplikasinya Vol. 4 No. 1 (2025): JNATIA Vol. 4, No. 1, November 2025
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JNATIA.2025.v04.i01.p07

Abstract

The ability to speak foreign languages, especially English, has become an important skill in the era of globalization and digitalization. However, according to the EF English Proficiency Index 2024, Indonesia ranks 80th out of 116 countries. One of the widely used solutions is the Duolingo application, a gamified language learning platform that has been downloaded over 500 million times. This research aims to analyze user sentiment toward the Duolingo application through reviews on Google Play Store using logistic regression. The data used consists of 8.648 reviews that have been labeled as positive and negative sentiment. The research process includes the stages of data preprocessing, dividing data into test and training data, weighting using TF-IDF, and classification using Logistic Regression algorithm with the parameter class_weight='balanced' to handle class imbalance, and evaluation using a confusion matrix. The evaluation results show that the model can achieve an accuracy of 89.83%, with a precision value of 73.91%, recall of 88.18%, and f1-score of 78.49%. This research shows that Logistic Regression with TF-IDF weighting is effective in sentiment analysis.