Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Informatika (JUPITA) Jurnal Nasional Teknologi Informasi dan Aplikasinya
I Made Agus Rama Wijaya
Unknown Affiliation
Humanities Computer Science & IT Engineering Other

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

Found 2 Documents
Search

 1 
PENERAPAN MACHINE LEARNING PADA SISTEM MANAJEMEN REPUTASI TERHADAP ULASAN PENGUNJUNG I Made Agus Rama Wijaya; I Ketut Gede Suhartana; Anak Agung Istri Ngurah Eka Karyawati
Jurnal Pengabdian Informatika Vol. 4 No. 1 (2025): JUPITA Volume 4 Nomor 1, November 2025
Publisher : Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

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

Abstract

Salah satu permasalahan utama ketika ingin mengelola reputasi dari properti hospitality adalah kemampuan untuk menganalisis kekurangan dan kelebihan properti tersebut melalui ulasan pengunjung secara cepat dan efisien. Sehingga, jurnal ini dibuat bertujuan untuk menerapkan pembelajaran mesin dengan menggunakan analisis sentimen pada sistem manajemen reputasi, guna mempermudah pemilik properti dalam mengelola reputasi mereka. Untuk mencapai tujuan tersebut, metode-metode yang digunakan seperti pengumpulan data, preprocessing teks, pelatihan model, evaluasi performa model, dan integrasi hasil analisis ke dalam sistem manajemen reputasi. Hasil evaluasi menunjukkan bahwa model machine learning yang dikembangkan mampu menganalisis sentimen ulasan dengan akurasi 98.01% untuk model klasifikasi dan 73.74% F1-score untuk model ekstraksi. Melalui penerapan kegiatan ini, pemilik properti dapat meningkatkan efektivitas manajemen reputasi serta memberikan nilai tambah bagi pemilik properti dalam merespons umpan balik pelanggan secara proaktif. Sehingga, kedepannya hal tersebut akan meningkatkan kualitas layanan dan reputasi properti menjadi lebih baik serta dapat meningkatkan kepuasan pelanggan dan daya saing.
Low-level Images Extraction Features pada Algoritma SVM untuk Mengidentifikasi Kematangan Jeruk I Made Agus Rama Wijaya; I Ketut Gede Suhartana
Jurnal Nasional Teknologi Informasi dan Aplikasinya Vol. 1 No. 4 (2023): JNATIA Vol. 1, No. 4, Agustus 2023
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.2023.v01.i04.p02

Abstract

Terkadang jika melakukan identifikasi secara manual oleh petani buah masih memunculkan peluang terjadinya human error saat panen. Untuk itu, penelitian ini dilakukan bertujuan untuk pelatihan klasifikasi terhadap buah jeruk guna mengurangi error rate dalam pemanenan. Kematangan buah dipisah ke dalam dua kelas yaitu matang dan belum matang. Dimana dataset yang digunakan merupakan data sekunder citra buah jeruk dengan total sebanyak 400 buah, yaitu 200 citra matang dan 200 citra belum matang. Metode yang digunakan adalah Support Vector Machine kernel linear dengan penggabungan Low-level Image Extraction Features, yaitu warna dengan color histogram, tekstur dengan metode Gray Level Co-occurance Matrix (GLCM), dan bentuk dengan kalkulasi kontur. Pembagian klasifikasi dilakukan dengan membagi dataset menjadi 20% data uji dan 80% data latih. Hasil klasifikasi pada penelitian mendapatkan nilai akurasi sebesar 96,34%. 
Co-Authors Anak Agung Istri Ngurah Eka Karyawati I Ketut Gede Suhartana