Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika SmartComp
I Gede Bintang Arya Budaya
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Sentimen untuk Analisis Kepuasan Pelayanan Puskesmas Berbasis Arsitektur LSTM I Gede Bintang Arya Budaya; Luh Putu Safitri Pratiwi; Dedy Panji Agustino
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 4 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i4.5361

Abstract

Transformasi layanan sistem kesehatan di Indonesia menjadi fokus utama pemerintah melalui program nasional satu data kesehatan Indonesia. Dalam program ini, digitalisasi teknologi kesehatan menjadi salah satu pilar transformasi yang penting. Puskesmas, sebagai pusat layanan kesehatan level pertama, menjadi salah satu fokus dalam transformasi ini. Kepuasan pelayanan di Puskesmas menjadi faktor penting dalam mencapai tujuan tersebut. Penelitian ini bertujuan untuk menganalisis pemanfaatan teknik klasifikasi sentimen dalam survei kepuasan pelayanan Puskesmas Dalam penelitian ini, diterapkan pendekatan deep learning dengan menggunakan arsitektur Long-Short Term Memory (LSTM) untuk klasifikasi sentimen.  Hasil penelitian menunjukkan bahwa model LSTM efektif digunakan untuk mengklasifikasikan sentimen. Akurasi keseluruhan model mencapai 76.26%, menunjukkan kemampuan model dalam melakukan prediksi dengan baik. Namun, terdapat perbedaan performa antara kelas sentimen. Sentimen netral memiliki performa yang sedikit lebih rendah dibandingkan dengan sentimen positif dan negatif. Hal ini dapat disebabkan oleh ketidakseimbangan jumlah sampel, kompleksitas sentimen netral, variabilitas dalam teks, dan perbedaan subyektivitas dalam penilaian sentimen.  Penelitian ini menunjukkan potensi penerapan deep learning, khususnya model LSTM, dalam analisis sentimen kepuasan pelayanan Puskesmas. Hasil penelitian ini dapat menjadi dasar untuk integrasi deep learning dalam pengembangan sistem digital kesehatan nasional. 
Perancangan Mesin Translasi berbasis Neural dari Bahasa Kawi ke dalam Bahasa Indonesia menggunakan Microframework Flask I Gede Bintang Arya Budaya; Made Windu Antara Kesiman; I Made Gede Sunarya
Jurnal Sistem dan Informatika (JSI) Vol 16 No 2 (2022): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v16i2.440

Abstract

Mesin Translasi (MT) adalah pilihan utama bagi orang-orang, terutama untuk mempelajari pengetahuan yang tidak menggunakan bahasa asli mereka. Bahasa Kawi sebagai bahasa lokal, meskipun jarang digunakan secara aktif, merupakan bahasa yang banyak digunakan dalam berbagai literatur lama seperti lontar, khususnya di Bali yang masih dipelajari hingga saat ini. Banyak MT dengan pengguna aktif, seperti bahasa Indonesia yang terus dikembangkan tetapi tidak untuk bahasa Kawi. Perancangan MT berbasis neural menggunakan microframework Flask merupakan langkah awal pengembangan MT dari bahasa Kawi ke Bahasa Indonesia. Pengembangan dimulai dengan membuat korpus paralel Kawi ke Indonesia dan dilanjutkan dengan membuat arsitektur MT dengan model berbasis Recurrent Neural Network (RNN) yaitu simple RNN dan bidirectional RNN. Berdasarkan hasil pengujian, kedua model ini mampu mencapai skor BLEU sebesar 20.43 untuk simple RNN dan 17.6 untuk bidirectional RNN. Model MT yang diajukan masih belum mampu mencapai level standar seperti ahli manusia dan high resources MT yaitu berdasar Google dengan skor BLEU minimal 60. MT untuk bahasa Kawi ke bahasa Indonesia dapat dikembangkan kedepan dengan pemanfaatan microframework Flask, yang dapat membantu proses pengembangan lebih cepat.
Co-Authors Dedy Panji Agustino I Made Gede Sunarya LUH PUTU SAFITRI PRATIWI Made Windu Antara Kesiman