Claim Missing Document
Check
Articles

Found 5 Documents
Search

Developing Online Learning Application for Programming Language Ciptayani, Putu Indah; Saptarini, Ni Gusti Ayu Putu Harry; Hidayat, Reza Akbar; Dewi, Kadek Cahya
Letters in Information Technology Education (LITE) Vol 3, No 1 (2020)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (590.292 KB) | DOI: 10.17977/um010v3i12020p023

Abstract

.Online learning is one of the most practical and promising learning alternatives nowadays. Flexible time and low cost of online learning are advantages that offline learning does not have. In addition, in online learning, each student can enrol the material according to their level, interest and abilities.  This study aims to build an online learning application for programming language. The method used in this study was Scrum software development. Scrum is one of the Agile method in software development. The system design using use case diagram resulted 3 actors and 8 use cases. The product backlog resulted in this study was five backlogs. The sprint composed based on product backlog result 4 sprints in total 120 days’ work. All five product backlogs were built successfully using Scrum. This system can be an alternative in learning programming language that offers the flexibility to the student, based on their ability and time.
PEMBERDAYAAN TERHADAP LANSIA UNTUK MENINGKATAKN PRODUKTIVITAS USAHA BASE GENEP DI DUSUN SILAKARANG GIANYAR Ni Made Wirasyanti Dwi Pratiwi; Putu Adi Suprapto; Putu Indah Ciptayani
Dharmakarya Vol 10, No 4 (2021): Desember, 2021
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/dharmakarya.v10i4.34695

Abstract

Usaha Base Genep Bali I Kadek Keceg didirikan tahun 2016 yang dijalankan oleh tiga orang lansia yang telah melampaui usia produktif mereka. Pada awal berdirinya, usaha ini adalah untuk membuatkan tetangga dan saudaranya base bali untuk upacara keagamaan yang sedang dilaksanakan. Usaha ini yang awalnya hanya memproduksi 20 bungkus per hari yang kemudian berkembang dan memproduksi hingga 200 bungkus per hari. Begitu juga dalam hal warung penyalurnya yang awalnya hanya 1 warung, sekarang sudah menjadi 11 warung di sekitar rumah mitra. Pada saat ini, terdapat kendala berupa keterbatasan alat produksi yang menyebabkan lamanya proses produksi, belum adanya kemasan produk, kurangnya manajemen keuangan serta keterbatasan dalam hal pemasaran. Berdasarkan permasalahan yang dihadapi, maka akan dilakukan kegiatan bertahap mulai proses produksi, manajemen keuangan sampai dengan pemasaran. Kegiatan dimulai dengan sosialisasi, pemberian bantuan alat produksi produk dengan mesin dan teknologi tepat guna sederhana, pemberian bantuan alat dan label kemasan, pelatihan manajemen keuangan, pembuatan sosial media serta pemberian plang nama usaha. Berdasarkan hasil evaluasi, untuk kegiatan peningkatan alat produksi berdampak pada pengurangan waktu produksi dan penambahan 1 variasi produk yaitu base kesuna cekuh, tetapi dari segi pendapatan dan kapasitas produksi tetap dikarenakan kondisi pasar yang lesu pada masa pandemi covid-19 ini. Kegiatan pelatihan manajemen keuangan berdampak pada peningkatan pengetahuan terkait pengelolaan keuangan. Untuk penggunaan media pemasaran online berupa facebook dan instagram, saat ini 1 orang anggota mitra (anak pemilik) telah dapat melakukan pengelolaan content. Selain itu munculnya pelanggan baru dan pelanggan yang COD di daerah sekitaran usaha mitra dengan adanya pemasaran pada media sosial.
PENERAPAN ALGORITMA GENETIKA UNTUK KOMPRESI CITRA FRAKTAL Putu Indah Ciptayani; Wayan Firdaus Mahmudy; Agus Wahyu Widodo
Jurnal Ilmu Komputer Vol. 2, No. 1 April 2009
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (116.392 KB)

Abstract

Fractal image compression is one of compression techniques which produce a high compression ratio with good quality of result image. But this method has weakness is the time to compress image is too long because checking domain and range block is done by brute force method. Because of it, necessary to get approach with genetic algorithm which genetic algorithm is an appropriate approach for complex combinatorial problem. Genetic algorithm play role in searching the matching domain and range block. Experiment is done by use three crossover and mutation method, the size of range block is 4, mutation probability is 0.1, crossover probability is 0.5, 0.6, 0.7, 0.8, 0.9 and 1.0. Maximal size of generations are 500. The best result of compression image has ratio 75.01% with compression time is 10.7 second and MSE is 0.158839.
Klastering Perekonomian Mahasiswa Politeknik Negeri Bali Menggunakan K-Means Putu Indah Ciptayani; I G N B Caturbawa; I Nyoman Eddy Indrayana
Jurnal Sistem dan Informatika (JSI) Vol 10 No 1 (2015)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (551.267 KB)

Abstract

Politeknik Negeri Bali (PNB) adalah salah satu sekolah vokasi di Indonesia yang menggunakan uang kuliah tunggal (UKT). UKT merupakan biaya yang dibayarkan mahasiswa berdasarkan pada kemampuan ekonominya. Di PNB, mahasiswa memilih level UKT yang mereka inginkan berdasarkan pada kondisi ekonominya, dan kemudian PNB akan meninjau kembali kondisi ekonomi mahasiswa untuk menentukan apakah mahasiswa tersebut memperoleh UKT sesuai dengan level yang mereka pilih atau tidak. Proses ini tentu saja membutuhkan waktu yang lama dan tambahan sumber daya manusia, demikian juga akurasi yang tinggi sangat dibutuhkan guna menghindari kesalahan dalam pemberian UKT untuk mahasiswa. Penelitian ini melakukan klastering berdasarkan pada kondisi ekonomi mahasiswa menggunakan metode K-Means. Dalam penelitian ini akan diperkenalkan sebuah metode untuk pemilihan centroid awal guna mendapatkan hasil klaster yang terbaik. Adapun klaster yang dihasilkan dapat digunakan untuk menganalisis kondisi ekonomi mahasiswa PNB sehingga nantinya pihak manajemen dapat menentukan kuota untuk setiap level UKT. Kesimpulan dari penelitian ini adalah kebanyakan mahasiswa berada dalam ekonomi rendah dan beberapa pencilan data berada pada klaster ekonomi sangat tinggi. Hasil penelitian ini dapat dipergunakan sebagai data untuk pembuatan sistem pendukung keputusan penentuan UKT.
PERBANDINGAN ALGORITMA GENETIKA FIX DENGAN ALGORITMA GENETIKA ADAPTIF PADA TRAVELLING SALESMAN PROBLEM Putu Indah Ciptayani
Matrix : Jurnal Manajemen Teknologi dan Informatika Vol 5 No 3 (2015): MATRIX - Jurnal Manajemen Teknologi dan Informatika
Publisher : Unit Publikasi Ilmiah, P3M Politeknik Negeri Bali

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

Abstract

Travelling salesman problem(TSP) adalah permasalahan seorang salesman yang harus mengunjungi beberapa kota tepat satu kali dan harus kembali ke kota asalnya. Salah satu algoritma yang biasa digunakan adalah metode heuristik, seperti algoritma genetika. Algoritma genetika bekerja dengan membangkitkan beberapa solusi secara random kemudian melakukan crossover dan mutasi untuk mencari solusi yang lebih baik pada setiap generasinya. Pada algoritma genetika biasa, jumlah populasi, probabilitas crossover dan probabilitas mutasi yang digunakan tidak berubah (fix) sepanjang waktu. Pengembangan algoritma genetika yaitu algoritma genetika adaptif, dimana jumlah populasi, probabilitas crossover dan probabilitas mutasi yang digunakan bisa berubah secara adaptif sesuai dengan perubahan ratarata fitness seluruh populasi. Tujuan dari penelitian ini adalah membandingkan penerapan algoritma genetika fix dan adaptif pada kasus TSP. Dari 30 kali percobaan yang dilakukan, algoritma genetika adaptif memberikan solusi yang lebih baik daripada algoritma genetika fix. Fitness terbaik yang diperoleh pada algoritma genetika adaptif adalah 1,07 x 10^-5 dan fitness rata-rata 7,58 x 10^-6. Sedangkan fitness terbaik yang diperoleh pada algoritma genetika fix adalah 1,01 x 10^-5 dan fitness rata-rata 7,66 x 10^-6. Waktu rata-rata algoritma genetika adaptif adalah 207 milidetik, sedangkan algoritma genetika fix 99 milidetik.