cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Putu Yudia Pratiwi
Contact Email
putuyudia.pratiwi@undiksha.ac.id
Phone
+6281916579014
Journal Mail Official
insert@undiksha.ac.id
Editorial Address
Kampus Tengah Undiksha, Jl. Udayana No. 11 Singaraja, Bali, Indonesia
Location
Kota denpasar,
Bali
INDONESIA
INSERT: Information System and Emerging Technology Journal
Published by Universitas Pendidikan Ganesha
ISSN : -     EISSN : 27228207     DOI : http://dx.doi.org/10.23887/insert.v1i1
Core Subject : Science, Engineering,
Computer Science & IT Engineering
INSERT: Information System and Emerging Technology Journal is an independent, quarterly basis online & print version, open access, peer-reviewed, non-profit journal that publishes original research, short communications, review articles or essays, and book reviews relevant to Information System and Computer Technology.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 6 Documents
 1 
Search results for , issue "Vol. 4 No. 1 (2023)" : 6 Documents clear
Sistem Pendukung Keputusan dengan Metode Simple Additive Weight untuk Mengevaluasi Kinerja dan Ketentuan Jam Mengajar Guru di SMKS Triatmajaya Singaraja Cahyo, Kukuh Adhicahyo; Sunarya, I Made Gede
INSERT : Information System and Emerging Technology Journal Vol. 4 No. 1 (2023)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v4i1.56670

Abstract

Sistem pendukung keputusan dengan metode SAW Simple Addiptive Weighting dikembangkan untuk membantu penilaian agar lebih objektif, menimalisir kesalahan kecil maupun besar, dan mempercepat proses penilaian. Terdapat 6 kriteria sebagai acuan penilaian sekolah yaitu RPP, Media, Pelaksanaan, Kepribadian, Kualitas, Kuantitas, subkriteria sebagai objektifitas nilai, dan alternatif sebagai yang dinilai tenaga pendidik. Penelitian ini berjenis research and development menggunakan Metode SDLC dengan model waterfall terdiri dari 4 tahapan yaitu analisis (requirements), desain (design), implementasi (implementation), verification (verifikasi). Terdapat 3 pengujian yang dilakukan yakni verifikasi blackbox mendapatkan hasil presentase 100%, verifikasi whitebox mendapatkan hasil presentase 100%, uji respon pengguna dibagi menjadi 3 bagian yaitu pengguna (1) admin dengan hasil presentase 100%, pengguna (2) wakakurikulum dengan hasil presentase 96,6%, pengguna (3) tenaga pendidik dengan hasil presentase 94%. Penelitian ini berhasil merancang dan mengimplementasikan sistem pendukung keputusan menggunakan metode saw dengan baik, setelah melewati tahapan verifikasi blackbox dan whitebox. Pengujian pada setiap 3 respon pengguna masing- masing juga mendapatkan rentang yang sangat baik.
Dashboard Monitoring Alumni dengan Teknologi Business Intelligence pada Sistem Tracer Study Undiksha Devi, Made Diah Arista; Indradewi, I Gusti Ayu Agung Diatri; Arthana, I Ketut Resika
INSERT : Information System and Emerging Technology Journal Vol. 4 No. 1 (2023)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v4i1.58275

Abstract

Universitas Pendidikan Ganesha mengembangkan sistem survei evaluasi diri berupa sistem informasi tracer study untuk menelusuri riwayat lulusan pada semua program studi dan semua jenjang yang telah diluluskan. Saat ini, sistem tracer study dikelola oleh UPT PKKM Undiksha di bagian Divisi Tracer Study. Tujuan penelitian ini adalah untuk dapat menyampaikan informasi hasil kuesioner lulusan pada sistem tracer study Undiksha menggunakan teknologi business intelligence yang dapat memberikan varian visualisasi data secara ringkas, mudah dipahami dan lebih menarik ke dalam bentuk dashboard monitoring. Penelitian ini menggunakan metode BI Roadmap dan Microsoft Power BI Desktop sebagai proses pengembangan dashboard monitoring dan alat pengembangannya. Pengujian sistem ini menggunakan metode UAT (User Acceptance Testing) jenis Black Box Testing yang dilakukan melalui interaksi langsung dengan sistem. Data yang digunakan adalah hasil kuesioner lulusan pada tahun 2019-2021. Penelitian ini menghasilkan dashboard monitoring perkembangan alumni yang menyajikan grafik informasi detail hasil kuesioner lulusan pada sistem tracer study Undiksha. Penelitian ini menjadikan Ketua Divisi Tracer Study, Koordinator Program Studi Pendidikan Teknik Informatika, Wakil Rektor Bidang Akademik dan Kerjasama serta Wakil Rektor Bidang Kemahasiswaan, Hubungan Masyarakat dan Alumni sebagai penguji sistem ini. Hasil pengujian sistem ini adalah dashboard monitoring perkembangan alumni dapat berjalan dengan baik dan menyajikan informasi tracer study yang dibutuhkan oleh pengguna.
Pendekatan Berbasis U-Net untuk Segmentasi Hard Exudate dalam Citra Fundus Retina I Made Angga Darma Putra; Maysanjaya, I Md. Dendi; Kesiman, Made Windu Antara
INSERT : Information System and Emerging Technology Journal Vol. 4 No. 1 (2023)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v4i1.59034

Abstract

World Health Organization estimates that globally, 422 million adults over the age of 18 lived with diabetes in 2014. It is also supported by the World Diabetes Foundation estimates that more than 439 million people will be threatened with diabetes by 2030. One of the diseases caused by diabetes is diabetic retinopathy which can cause impaired vision to blindness. Damage to blood vessels and damage to the nerve fibers of the eye are called exudates, which are blood spots containing yellowish-colored fats that have an erratic shape. The types of exudates are divided into two, namely hard exudate and soft exudate. Soft exudate is also known as cotton wool spots and appears with a whitish color with less pronounced edges. While hard exudate occurs due to leakage of proteins and lipid vessels of the retina. The shape appears sharp and bright. To find out where the hard exudate is located in the retinal fundus image, experts or doctors are still looking manually, so it takes a long time to find out location of the hard exudate. Therefore, this research work, contributes to segmenting hard exudate using deep learning, which the method is U-Net. The final result of hard exudates segmentation using U-Net methods is validated with ground truth images by measuring accuracy, sensitivity, and specificity metric score. The results of hard exudate segmentation show for the U-Net metric score is 0.993, 0.454, and 0.997 respectively.
Pengembangan Sistem Pendukung Keputusan Penentuan Promo Menu pada Kafe Kumpulin Coffee Menggunakan Metode Multi-Objective Optimization On the Basis of Ratio Analysis (MOORA) Irfanda, Achmad; Maysanjaya, I Md. Dendi; Listartha, I Made Edy
INSERT : Information System and Emerging Technology Journal Vol. 4 No. 1 (2023)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v4i1.59054

Abstract

Kafe Kumpulin Coffee merupakan salah satu bentuk usaha kuliner yang melayani penjualan makanan dan minuman dengan target market adalah remaja. Peningkatan jumlah pengunjung kafe Kumpulin Coffee yang tidak menentu dapat mengakibatkan kerugian terhadap persediaan bahan baku yang digunakan untuk setiap kali proses produksi berlangsung dikarenakan kafe Kumpulin Coffee harus menyediakan bahan baku untuk setiap menu yang di jual. Oleh karenanya untuk meminimalisir kerugian yang diakibatkan dari adanya bahan baku yang mendekati masa kadaluwarsa dan untuk meningkatkan target penjualan, owner kafe Kumpulin memberikan promo menu. Kurang tepatnya penentuan promo menu berdasarkan target penentuan promo menu maka Pengembangan Sistem Pendukung Keputusan Penentuan Promo Menu Berbasis Android merupakan solusi yang tepat dan dapat membantu owner kafe Kumpulin Coffee. Basis Android dalam pengembangan sistem ini merupakan bentuk implementasi dengan menyesuaikan lingkungan perangkat keras dan perangkat lunak yang dapat di implementasikan di kafe Kumpulin Coffee. Pengembangan Sistem Pendukung Keputusan Penentuan Promo Menu ini dikembangkan menggunakan metode MOORA, dan menggunakan metode penelitian Waterfall. Tahapan penelitian menggunakan metode Waterfall dalam penelitian ini terbagi menjadi analisis kebutuhan pengguna terhadap sistem, perancangan user interface, implementasi perangkat lunak (pengkodean), dan yang terakhir yaitu pengujian perangkat lunak. Hasil penelitian ini berupa Sistem Pendukung Keputusan yang mampu memberikan ranking rekomendasi promo menu berdasarkan kriteria yang telah ditentukan oleh owner. Jenis pengujian perangkat lunak yang dilakukan yaitu Black Box Testing, White Box Testing, Uji Akurasi, dan System Usability Scale. Setelah proses pengujian dilakukan dapat disimpulkan bahwa sistem dapat bekerja dan beroperasi dengan baik dan maksimal sesuai rancangan sistem yang telah di rancang sebelumnya.
Pengembangan Website Bilingual Desa Sidetapa sebagai Media Promosi Pariwisata Desa Baliaga Putra, Putu Maha
INSERT : Information System and Emerging Technology Journal Vol. 4 No. 1 (2023)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v4i1.59089

Abstract

Desa Baliaga adalah desa yang dihuni oleh penduduk asli Bali. Desa Baliaga memiliki kebudayaan yang sangat unik yang tidak mungkin ditemukan di tempat lain. Akan tetapi informasi tentang Desa Baliaga masih belum diketahui oleh banyak orang. Salah satu Desa Baliaga adalah Desa Sidetapa. Kebudayaan yang dimiliki oleh Desa Sidetapa sangat banyak, begitu juga kerajinan yang dihasilkan oleh masyarakat setempat yang sangat unik dan beragam. Tidak kalah juga keindahan alam yang dimiliki oleh Desa Sidetapa. Seharusnya dengan keragaman budaya, kerajinan dan keindahan alam yang dimiliki, Desa Sidetapa bisa menjadi daerah tujuan pariwisata yang paling digemari oleh wisatawan. Tetapi, karena kurangnya media informasi yang tersedia Desa Sidetapa menjadi belum dikenal oleh banyak orang. Website Desa Sidetapa dirancang untuk memperkenalkan Desa Sidetapa ke masyarakat luas dan dapat di gunakan sebagai media informasi bagi wisatawan yang ingin mengunjungi dan mengetahui masyarakat asli Bali. Website ini dirancang menggunakan dua bahasa yaitu bahasa Indonesia dan bahasa Inggris. Website Desa Sidetapa telah dibangun dan diimplementasikan dengan menggunakan web editor Macromedia Dreamweaver dibantu dengan script PHP dan MySQLsebagai pengelola database. Website ini memberikan informasi mengenai profil Desa Sidetapa, informasi kebudayaan, informasi kerajinan, informasi objek pariwisata, informasi jadwal pementasan kebudayaan, informasi kegiatan desa dan terdapat fasilitas buku tamu.
Analisis Performa Logistic Regression, Naïve Bayes, dan Random Forest sebagai Algoritma Pendeteksi Kanker Payudara Cecep Wahyu Cahyana; Akhsin Nurlayli
INSERT : Information System and Emerging Technology Journal Vol. 4 No. 1 (2023)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v4i1.62362

Abstract

Kanker payudara merupakan jenis penyakit kronis yang sampai saat ini masih diragukan terkait upaya penyembuhan total penyakit ini, selain itu juga memerlukan waktu pengobatan yang lama dan juga biaya yang cukup tinggi. Faktor penyebab dari kanker payudara sendiri hingga kini masih belum diketahui secara spesifik, namun dapat dicermati bahwa penyebab penyakit ini bersifat multifaktorial yang saling mempengaruhi satu dengan lainnya, seperti: faktor lingkungan, genetika, virus, pola makanan, dan juga radiasi di daerah dada. Tujuan penelitian ini adalah untuk mengetahui metode mana yang memiliki akurasi tertinggi dalam prediksi kanker payudara di Coimbra, dengan metode Logistics Regression, Naïve Bayes, atau Random Forest. Penelitian ini diharapkan mampu membantu masyarakat dan tenaga medis dalam deteksi dini penyakit kanker payudara. Berdasarkan pengujian yang dilakukan menggunakan algoritma Logistics Regressiondidapatkan nilai akurasi sebesar 80%, pada algoritma Naïve Bayes mendapatkan nilai sebesar 75%, dan terakhir dengan algoritma Random Forest didapatkan nilai sebesar 75%. Dari pengujian tersebut dapat disimpulkan bahwa algoritma Logistics Regression terbukti memiliki tingkat akurasi yang paling baik dalam hal prediksi penyakit kanker payudara dibandingkan dengan kedua algoritma lainnya

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2025) Vol. 5 No. 2 (2024) Vol. 5 No. 1 (2024) Vol. 4 No. 2 (2023) Vol. 4 No. 1 (2023) Vol. 3 No. 2 (2022) Vol. 3 No. 1 (2022) Vol. 2 No. 2 (2021) Vol 2, No 2 (2021) Vol 2, No 1 (2021) Vol. 2 No. 1 (2021) Vol 1, No 2 (2020) Vol. 1 No. 2 (2020) Vol. 1 No. 1 (2020) Vol 1, No 1 (2020) More Issue