Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jupiter JIS Siwirabuda (Jurnal Ilmiah Sains Sosial, Kewirausahaan dan Kebudayaan)
I Putu Dody Suarnatha
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Industrial & Manufacturing Engineering Library & Information Science Social Sciences

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

Found 2 Documents
Search

 1 
RANCANG BANGUN SISTEM INFORMASI ARSIP AKTA NOTARIS PADA KANTOR NOTARIS DAN PPAT BERBASIS WEBSITE I Gusti Ayu Komang Anom Arnita; I Putu Dody Suarnatha; I Made Agus Oka Gunawan
Jurnal Ilmiah Sains Sosial, Kewirausahaan dan Kebudayaan Vol. 3 No. 2 (2025): JIS SIWIRABUDA September 2025
Publisher : Universitas Tabanan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58878/jurnalilmiahsainssosialkewirausahaandankebudayaan.v3i2.395

Abstract

The advancement of information technology has driven transformation in archive management, including within notary offices. Manual archiving systems, which are still commonly used, pose several issues such as data loss risks, limited accessibility, and inefficiencies in document retrieval. This study aims to develop a web-based notarial deed archiving information system to address these challenges. The development process adopts the Waterfall software development model, consisting of five stages: requirement analysis, system design, implementation, testing, and maintenance. The design phase includes Data Flow Diagrams (DFD), Entity Relationship Diagrams (ERD), and user interface layouts. The system is implemented using web-based technologies and includes core features such as login, dashboard statistics, deed input and management, document search by category and date, and print functionality. Testing is conducted using the black-box testing method, confirming that all functional requirements perform as expected. As a result, the proposed information system improves effectiveness, efficiency, and data security in managing notarial documents while ensuring compliance with applicable legal regulations.
Analisis Kinerja Algoritma K-Nearest Neighbor pada Sistem Irigasi Cerdas Tanaman Kapas I Made Agus Oka Gunawan; I Putu Dody Suarnatha; I Made Agus Widiana Putra
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 17 No 3 (2025): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.17393886

Abstract

Penelitian ini bertujuan menganalisis kinerja algoritma K-Nearest Neighbor (KNN) pada sistem irigasi cerdas tanaman kapas dengan menggunakan parameter suhu dan kelembapan sebagai dasar klasifikasi status pompa. Data penelitian berasal dari dataset publik sistem irigasi pintar yang berisi 201 baris data mencakup variabel jenis tanaman, kelembapan, suhu, dan status pompa. Tahapan pra-pemrosesan dilakukan untuk meningkatkan kualitas data melalui normalisasi, pembagian data latih dan uji, serta penghapusan nilai hilang. Model KNN diterapkan dengan parameter n_neighbors = 5 dan metrik jarak Euclidean untuk mengklasifikasikan status pompa (aktif dan nonaktif). Hasil pengujian menunjukkan algoritma KNN mampu mencapai akurasi hingga 96% dengan nilai precision, recall, dan F1-score yang seimbang pada kedua kelas, sehingga membuktikan keandalan algoritma dalam mengenali pola berbasis parameter lingkungan. Visualisasi data kelembapan dan suhu memperlihatkan batasan yang jelas antara kondisi pompa aktif dan nonaktif, yang semakin menegaskan kemampuan KNN dalam memisahkan dua kelas tersebut. Penelitian ini memberikan kontribusi penting sebagai tahap awal pengembangan sistem irigasi cerdas berbasis pembelajaran mesin. Untuk penelitian selanjutnya, dapat dilakukan penambahan variabel lingkungan lain dan mengeksplorasi algoritma machine learning lain serta pengujian dengan dataset yang lebih besar dan beragam akan memberikan gambaran yang lebih komprehensif mengenai ketangguhan algoritma KNN pada skala luas dan berbagai kondisi iklim.
Co-Authors I Gusti Ayu Komang Anom Arnita I Made Agus Oka Gunawan I Made Agus Widiana Putra