Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pelatihan Digitalisasi Produk Jasa Pariwisata Konvensional untuk Pelaku UKM Pariwisata pada Anggota Koperasi Jasa Transportasi Marga Artha Sedana Agustino, Dedy Panji; Harsemadi, I Gede; Martha, Gede Indra Raditya; Dewa Ayu, Dewa Ayu Mirna Wati
WIDYABHAKTI Jurnal Ilmiah Populer Vol. 6 No. 1 (2023): Nopember
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.v6i1.380

Abstract

Pariwisata merupakan salah satu sektor yang menjadi sumber pendapatan bagi suatu negara terlebih seperti Negara Indonesia, yang memiliki keragaman sumber daya alam sampai keragaman budaya. Potensi dari industri wisata saat ini tertahan oleh dampak Pandemi Covid-19 hal ini memaksa seluruh pelaksanaan dari bisnis sampai sektor pendidikan, produk maupun layanan yang mekanismenya masih berbentuk konvensional diseluruh industri di dikonversi ke digital, tak terkecuali pada industri pariwisata. Penerapan dan market shifting industri pariwisata dengan teknologi yang sering disebut OTA (Online Travel Agency) Kemunculan startup OTA seperti Traveloka, Tiket.com, Booking.com ikut mendisrupsi kondisi pariwisata yang selama ini berbasis bundling services (travel agen mengakomodir semua kegiatan dan keinginan wisatawan mulai dari akomodasi, informasi, jasa guiding sampai ke kebutuhan wisatawan) menjadi ke end-product purchasing yang langsung fokus kepada beberapa komponen pariwisata saja seperti mempermudah dalam pemesanan hotel dan tiket pesawat dan paket tur umum yang terbatas. Koperasi Jasa Transportasi Marga Artha Sedana yang merupakan wadah & paguyuban bagi para driver dan guide pariwisata sangat berupaya untuk dapat membantu seluruh anggotanya, menyalurkan ke beberapa Agen Travel dan penyedia travel, bahkan menyediakan wadah lembaga travelnya sendiri yang dinamakan Balimastrans untuk membantu seluruh anggotanya yang belum disalurkan, akan tetapi mereka masih cukup kesulitan untuk dapat bersaing pada era digital saat ini karena mekanisme mereka saat ini masih benar-benar konvensional sehingga mereka seakan fokus hanya untuk penyaluran tenaga guide dan driver. Membantu UKM Pariwisata dapat berarti membantunya dalam mendigitalisasi layanannya sejalan denga apa yang sedang diusahakan oleh Koperasi Jasa Transportasi Marga Artha Sedana yang ingin mensejahterakan para anggotanya yang semuanya bergerak pada Industri Pariwisata dan sangat terdampak oleh hal yang telah dibahas sebelumnya sehingga pelatihan penggunaan tools SaaS (Software as a Service) yang dapat memfasilitasi kegiatan, & kebutuhan dari para anggota Koperasi Jasa Transportasi Marga Artha Sedana selaku UKM Pariwisata lalu mengemas produknya sehingga mudah ditransaksikan dan di manage menjadi hal yang penting untuk menghidupkan Industri pariwisata dari pelaku konvensional, sehingga pelatihan ini diharapkan dapat membantu mencapai tujuan tersebut dan muaranya dapat memberikan dampak secara ekonomi pada Industri Pariwisata. Kata kunci : pariwisata, pelatihan digitalisasi, UKM
Komparasi Ekstraksi Fitur Nada Gamelan Gangsa Terhadap Performa Klasifikasi Dengan LSTM Budaya, I Gede Bintang Arya; Yusadara, I Gede Putra Mas; Harsemadi, I Gede; Martha, Gede Indra Raditya; Agustino, Dedy Panji
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2382

Abstract

Indonesia has a rich and diverse culture, one aspect of which is traditional musical instruments. Bali, as one of the provinces in Indonesia, has unique instruments such as the Gangsa, which is an important part of the Gamelan ensemble. The main challenge in learning traditional musical instruments is the accurate recognition and classification of notes. This study aims to classify Gangsa notes using a Long Short-Term Memory (LSTM) model based on audio feature extraction. Three feature extraction methods were used: Mel-Frequency Cepstral Coefficients (MFCC), Chroma Features, and Mel-Spectrogram. The dataset consisted of 10 tone classes recorded manually from Gangsa bars. The research stages included audio pre-processing, feature extraction, model training, and performance evaluation using accuracy, precision, recall, and confusion matrix metrics. The results show that the MFCC-based model achieved the highest accuracy of 100%, followed by Chroma Features with 98%, and Mel-Spectrogram with 88%. This study shows that the selection of appropriate audio features has a significant effect on tone classification performance. These findings contribute to the application of Artificial Intelligence (AI) in cultural preservation through digital music education.