Article Per Year (5 Year)
p-Index From 2019 - 2024
1.704
P-Index
This Author published in this journals
All Journal Majalah Ilmiah Teknologi Elektro Jurnal Sains dan Teknologi INFORMAL: Informatics Journal Jurnal Teknologi Informasi dan Komputer Jurnal Infomedia WIDYABHAKTI Jurnal Ilmiah Populer Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Journal of Computer Science and Informatics Engineering (J-Cosine) Jurnal Puan Indonesia
I Kadek Dwi Gandika Supartha
STMIK STIKOM Indonesia
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Public Health Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Sistem Pakar Diagnosa Awal Penyakit Kulit Pada Sapi Bali dengan Menggunakan MetodeForward chaining dan Certainty Factor Supartha, I Kadek Dwi Gandika; Sari, Ida Nirmala
Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Vol 3, No 3 (2014)
Publisher : Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (889.112 KB)

Abstract

BPTU (Balai Pembibitan Ternak Unggul) Sapi Bali merupakan Breeding Centre sapi yang ada di Pulau Bali. Tugas pokok BPTU Sapi Bali adalah melaksanakan pelestarian, pemulian, produksi dan pengembangan serta penyebaran hasil produksi bibit Sapi Bali murni unggul secara nasional. Pencegahan dan pengobatan penyakit pada BPTU Sapi Bali dilakukan oleh dokter hewan. Namun kurangnya dokter hewan yang tidak selalu ada di tempat sehingga dibutuhkan suatu program sistem pakar berbasis desktop yang mampu memberikan diagnosa akan kemungkinan seekor sapi Bali menderita suatu penyakit beserta cara pengobatannya dengan mengunakan metode forward chaining dan Certainty Factor (CF). Proses diagnosa pertama kali dilakukan dengan menggunakan metode forward chaining, jika dengan metode forward chaining tidak menghasilkan penyakit maka akan dilakukan proses dengan metode CF. Menggunakan gabungan dua metode bertujuan untuk menutupi kekurangan dari metode forward chaining . Metode forward chaining melakukan pemrosesan berawal dari sekumpulan gejala yang kemudian dilakukan inferensi hingga menghasilkan diagnose dan metode CF memakai sistem penalaran sebagaimana layaknya seorang pakar, dimana hasil diagnosa disertai nilai CF yang menunjukkan tingkat kebenaran, keakuratan dari kemungkinan penyakit kulit pada sapi Bali di BPTU Sapi Bali.Pengujian sistem menunjukkan bahwa sistem mampu melakukan diagnosa penyakit kulit pada sapi Bali berdasarkan gejala-gejala yang diinputkan pengguna dan dilengkapi dengan definisi serta cara pengobatan.
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SMK KERTHA WISATA DENPASAR Menggunakan Fuzzy SAW Supartha, I Kadek Dwi Gandika; Dewi, I Gusti Ayu Putu Eka Purnama
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol 3, No 2 (2014)
Publisher : Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (609.014 KB) | DOI: 10.23887/janapati.v3i2.9805

Abstract

Sistem Pendukung Keputusan (SPK) dapat berupa sebuah sistem berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur maupun tidak terstruktur dengan menggunakan data dan model. SPK juga dapat diterapkan untuk menentukan jurusan salah satunya di SMK Kerta Wisata Denpasar. Kriteria yang menjadi inputan ada 6 yaitu: nilai Matematika (C1), nilai Bahasa Indonesia (C2), nilai Bahasa Inggris (C3), nilai IPA (C4), nilai TIK (C5), nilai Keterampilan (C6) dan alternatif yaitu jurusan Akomodasi Perhotelan (AP), Usaha Jasa Pariwisata (UJP), Jasa Boga (JB). Metode yang digunakan yaitu fuzzy dan Simple Additive Weighting (SAW), dengan fuzzy diberikan nilai bobot pada setiap kriteria yang berguna untuk memberikan kejelasan nilai keanggotaan setiap kriteria dan SAW digunakan dalam mencari alternative berdasarkan kriteria yang telah ditentukan. Hasil pengujian menunjukkan bahwa ada data siswa antara minat dan jurusan yang dihasilkan berbeda tentunya hal ini sangat mungkin terjadi karena adanya kriteria nilai, juga bobot masing-masing kriteria.
Implementasi Kombinasi Metode Mean Denoising dan Convolutional Neural Network pada Facial Landmark Detection Udayana, I Putu Agus Eka Darma; Supartha, I Kadek Dwi Gandika
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol 10, No 1 (2021)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v10i1.29779

Abstract

Facial landmark detectionmerupakan bagian dari facial recognition,bertujuan untuk mengidentifikasi titik fokus pada wajah berdasarkan ciri penampakan bagian wajah yang cenderung menonjol, seperti area mata, hidung, bibir, serta tulang pipi. Facial landmark detection sering diimplementasikan pada bidang pengenalan wajah, prediksi pose wajah, rekonstruksi wajah 3 dimensi, serta pengembangan sistem deteksi kelelahan karyawan berdasarkan ekspresi wajah. Seiring bertambahnya ketersediaan citra wajah dan kebutuhan proses komputasi yang cepat, metode Convolutional Neural Network (CNN) diimplementasikan pada facial landmark detection. Namun beragamnya kualitas citra menyebabkan CNN kurang optimal dalam melakukan deteksi. Oleh karena itu guna mengatasi permasalahan terkait kualitas citra ini, diimplementasikan metode mean denoising sebagai upaya peningkatan nilai akurasi CNN dalam melakukan pendeteksian landmark wajah. Dataset citra wajah diperoleh dari platform Kaggle, LFW-People, AFLW200 dan Female Facial Image Dataset, dengan total sebanyak 2.050 citra wajah, dan terbagi menjadi 2.000 data latih dan 50 data uji. Berdasarkan hasil pengujian, kombinasi metode CNN dengan mean denoising menghasilkan peningkatan akurasi yang lebih baik dalam pengenalan objek pada wajah pada kualitas citra yang heterogen dengan rata-rata akurasi pengujian sebesar 81,33%.Akurasi yang cukup baik ini didapatkan karena citra wajah masukan dilakukan penghilangan noise terlebih dahulu sehingga fitur dari citra yang seringkali menyebabkan sistem CNN salah dalam mengidentifikasi objek pada wajah dapat diminimalisir.
IMPLEMENTASI COMPUTER VISION PADA MESIN FILLING CUPCAKE MENGGUNAKAN RASPBERRY PI Desnanjaya, I Gusti Made Ngurah; Hartawan, I Nyoman Buda; Supartha, I Kadek Dwi Gandika; Kombonglangi, Kaleb Charisma
JST (Jurnal Sains dan Teknologi) Vol 11, No 1 (2022)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jst-undiksha.v11i1.39048

Abstract

Revolusi Industri 4.0 memberikan dampak besar pada dunia industri yaitu efisiensi waktu dan tenaga kerja pada tahap produksi namun penerapannya kebanyakan masih pada industri besar. Penelitian ini berujuan untuk mengimplementasikan teknologi revolusi industri pada industri rumah tangga dalam mengotomatisasi salah satu bagian produksi yaitu proses filling pada pembuatan cupcake. Dengan mengimplementasikan computer vision pada mesin filling untuk mendeteksi jumlah cup karena jumlahnya kadang tidak menentu. Mesin filling ini menggunakan Raspberry Pi untuk memproses computer vision serta proses filling itu sendiri dan modul kamera sebagai input computer vision. Hasil pengujian menunjukkan sinergi antara komponen mekanik dengan pembacaan computer vision sangat baik sehingga cup dapat diisi tanpa adanya kendala.
Sistem Informasi Geografis Pemetaan Persebaran Alumni dengan Analisa Clustering I Kadek Dwi Gandika Supartha; Made Sudarma; Dewa Made Wiharta
Jurnal Teknologi Elektro Vol 17 No 3 (2018): (September - Desember) Majalah Ilmiah Teknologi Elektro
Publisher : Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (694.434 KB) | DOI: 10.24843/MITE.2018.v17i03.P12

Abstract

STMIK STIKOM Indonesia (STIKI Indonesia) memiliki data alumni yang cukup banyak tetapi data tersebut tidak diolah lebih lanjut untuk menjadi informasi yang lebih berguna. STIKI Indonesia juga kurang mengetahui informasi persebaran alumni di dunia kerja. Untuk mengatasi permasalah tersebut dapat memanfaatkan teknologi Sistem Informasi Geografis (SIG) dan data mining. SIG memiliki kemampuan untuk menyajikan informasi dalam bentuk grafis dan data mining bisa mengekstraksi pola yang tersembunyi dari database besar. Clustering dilakukan pada data alumni dengan atribut bidang pekerjaan, Indeks Prestasi Komulatif (IPK), lama study dan lama pengerjaan tugas akhir. Metode yang digunakan yaitu Fuzzy C-Means (FCM) dan untuk pengukuran validitas cluster menggunakan Modified Partition Coefficient (MPC) dan Classification Entropy (CE). Hasil pengujian menunjukkan bahwa jumlah cluster yang paling optimal adalah 7 cluster dan cluster yang memiliki karakteristik terbaik adalah cluster ke 1 yang jumlah anggotanya 49 (9,3155% dari jumlah keseluruhan alumni), jumlah ini masih sangat kecil jika dibandingkan dengan total keseluruhan jumlah alumni. Pengujian menggunakan metode black box pada Sistem Informasi Geografis Pemetaan Persebaran Alumni dengan Analisa Clustering didapatkan hasil bahwa semua modul dalam sistem telah berfungsi dengan baik.
Analisis Kinerja Fuzzy C-Means (FCM) dan Fuzzy Subtractive (FS) dalam Clustering Data Alumni STMIK STIKOM Indonesia I Kadek Dwi Gandika Supartha; Adi Panca Saputra Iskandar
INFORMAL: Informatics Journal Vol 6 No 1 (2021): Informatics Journal (INFORMAL)
Publisher : Faculty of Computer Science, University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/isj.v6i1.22077

Abstract

In this study, clustering data on STMIK STIKOM Indonesia alumni using the Fuzzy C-Means and Fuzzy Subtractive methods. The method used to test the validity of the cluster is the Modified Partition Coefficient (MPC) and Classification Entropy (CE) index. Clustering is carried out with the aim of finding hidden patterns or information from a fairly large data set, considering that so far the alumni data at STMIK STIKOM Indonesia have not undergone a data mining process. The results of measuring cluster validity using the Modified Partition Coefficient (MPC) and Classification Entropy (CE) index, the Fuzzy C-Means Clustering algorithm has a higher level of validity than the Fuzzy Subtractive Clustering algorithm so it can be said that the Fuzzy C-Means algorithm performs the cluster process better than with the Fuzzy Subtractive method in clustering alumni data. The number of clusters that have the best fitness value / the most optimal number of clusters based on the CE and MPC validity index is 5 clusters. The cluster that has the best characteristics is the 1st cluster which has 514 members (36.82% of the total alumni). With the characteristics of having an average GPA of 3.3617, the average study period is 7.8102 semesters and an average TA work period of 4.9596 months.
ANALISA PENGARUH PELATIHAN MEDIA PEMBELAJARAN ONLINE PADA GURU SEKOLAH DASAR NEGERI 2 KAWAN BANGLI Ni Ketut Utami Nilawati; Ayu Manik Dirgayusari; I Kadek Dwi Gandika Supartha; Dewa Putu Yudhi Ardiana; I Gde Eka Dharsika
PUAN INDONESIA Vol. 3 No. 2 (2022): Jurnal Puan Indonesia Vol 3 No 2 Januari 2022
Publisher : ASOSIASI IDEBAHASA KEPRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (616.489 KB) | DOI: 10.37296/jpi.v3i2.66

Abstract

With the current outbreak of the corona virus, all sectors must start to improve so that they can survive during a pandemic, including the education sector. The teaching and learning process carried out during a pandemic situation like this is carried out using an online system and distance learning. Teachers must be able to provide facilities so that students can absorb the material optimally. Another problem that arises is that not all teachers are able to implement the distance learning system and also using the applications or technologies that support distance learning system. To solve this problem, the school needs to get the training of how to make a distance learning system media and in this case the school cooperates with STMIK STIKOM INDONESIA (STIKI) for the training. The training materials provided are google classroom training, google form and training on making the learning videos. The results of the analysis were obtained from the pretest and posttest questionnaires which were described descriptively. After receiving the training, most of the teachers will switch to use the Google Classroom media instead of WA social media, because 100% of the teachers stated that Google Classroom is very helpful in supporting online learning. In addition, according to the posttest questionnaires, 8.3% of the teachers understand very well about the features contained in Google Classroom, 41.7% understand it well and 50% are understand it quite well, meaning that most of the teachers understand the use of Google Classroom. The training also received a good responses from SDN 2 Kawan School and it will be applied to support their distance learning system.
Sentimen Analisis pada Komentar Angket Dosen di STMIK STIKOM Indonesia I Kadek Dwi Gandika Supartha; I Wayan Sudiarsa
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 5, No 2 (2020): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v5i2.1997

Abstract

Dalam penelitian ini melakukan sentiment analisis terhadap komentar angket dosen di STMIK STIKOM Indonesia. Angket dosen digunakan untuk mengukur kinerja dosen disetiap akhir semester, namun akan sangat menyulitkan jika untuk melakukan evaluasi komentar secara manual. Untuk itulah diperlukan suatu aplikasi yang dapat menentukan sebuah komentar termasuk ke dalam sentimen positif atau negative secara otomatis. Metode yang digunakan yaitu Naïve Bayes Clasifier (NBC), metode ini dipilih karena cukup sederhana, memiliki akurasi dan kecepatannya yang tinggi. Proses penentuan sentimen dimulai dari memasukkan data latih berupa komentar yang sentimennya sudah ditentukan sebelumnya. Selanjutnya mengubah setiap huruf besar pada komentar menjadi huruf kecil (case folding). Proses text mining pada data latih melalui tiga tahap yaitu tokenizing, filtering dan stemming. Proses stemming pada penelitian ini menggunakan Nazief dan Adriani Stemmer dan kemudian disimpan kedalam database. Selanjutnya yaitu memasukkan data uji berupa komentar baru yang belum diketahui sentimennya. Proses selanjutnya sama seperti pada data latih tetapi pada data uji setelah stemming ada proses analisis. Pada tahapan analisis komentar sebagai data latih yang ada didatabase diambil untuk melakukankan perhitungan menggunakan metode Naive Bayes Clasifier sehingga diketahui sentimen dari data uji yang telah diinputkan. Hasil pengujian  menunjukkan bahwa semakin besar jumlah data latih maka presisi semakin besar. Presisi maksimum sebesar 80% dicapai pada data latih 250 dan data uji sebanyak 50.Kata kunci— Sentimen, Angket, Naive Bayes Classification
IMPLEMENTASI METODE WEIGHTED MOVING AVERAGE (WMA) PADA PERAMALAN JUMLAH KUNJUNGAN TAMU HOTEL Made Suci Ariantini; I Kadek Dwi Gandika Supartha
Jurnal Teknologi Informasi dan Komputer Vol 8, No 2 (2022): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

ABSTRACTThis research resulted in an forecasting of the number of hotel guests. The system will be used to assist the hotel in predicting the number of guest arrivals in a given period. The research method used in this study is using the Weighted Moving Average (WMA) method. The research phase starts from observation, system design and system implementation. This study is in the form of a hotel guest forecasting application where data input in the form of data on the number of guests in the previous period and output in the form of forecasting results for the number of guests in the next few months. The report was used as a data collection material for the number of hotel guests.Keywords : Weighted Moving Average (WMA), forecastingABSTRAKPenelitian ini menghasilkan peramalan jumlah tamu hotel. Sistem yang dibangun akan digunakan untuk membantu pihak hotel dalam memprediksi jumlah kedatangan tamu pada periode tertentu. Metode penelitian yang digunakan dalam penelitian ini adalah menggunakan metode Weighted Moving Average (WMA). Tahapan penelitian dimulai dari observasi, perancangan sistem dan implementasi sistem. Luaran penelitian ini berupa aplikasi peramalan jumlah tamu hotel dimana input data berupa data jumlah tamu pada periode sebelumnya dan output berupa hasil prediksi peramalan jumlah tamu pada beberapa bulan kedepannya. Laporan tersebut dijadikan sebagai bahan pendataan prediksi jumlah tamu hotel.Kata Kunci : Weighted Moving Average (WMA), Peramalan
Analisis Dampak Pelatihan Media Pembelajaran Online pada Guru Sekolah Dasar Negeri 1 Pesaban I Kadek Dwi Gandika Supartha; Adi Panca Saputra Iskandar; I Gede Andika I; Dewa Ayu Agung Tantri Pramawati; Kadek Ayu Ariningsih
WIDYABHAKTI Jurnal Ilmiah Populer Vol. 3 No. 3 (2021): Juli
Publisher : STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/widyabhakti.v3i3.266

Abstract

Sekolah Dasar Negeri 1 (SD N 1) Pesaban merupakan salah sekolah di desa Pesaban yang berlamat di Jalan. Raya Besakih, Pesaban, Rendang Karangasem, Bali. Sistem pembelajaran yang digunakan di sekolah ini masih konvensional, dimana sistem yang digunakan belum banyak memanfaatkan teknologi informasi dan kurangnya inovasi dari guru untuk mengembangkan media pembelajaran yang menyebabkan kurangnya pemahaman siswa akibat dari media pembelajaran yang digunakan pada sekolah tersebut kurang menarik, kreatif, inovatif dan tidak mengikuti perkembangan teknologi. Hal tersebut juga menjadi salah satu tantangan pada saat pandemi Covid 19 yang mengharuskan pembelajaran dilakukan secara online. Untuk mengatasi hal tersebut maka guru disekolah tersebut diberikan pelatihan Media Pembelajaran Online bekerjasama dengan STMIK STIKOM Indonesia dengan materi google classroom. Setelah dilakukan pelatihan dilakukan analisis untuk mengetahui dampak Pelatihan Media Pembelajaran Online pada Guru SD 1 Pesaban. Data diperoleh menggunanakan metode survey yang kemudian dijabarkan secara deskriptif untuk menjabarkan variabel-variabel penelitian. Angket yang diberikan pada indikator kemudahan Google Classroom dalam pembelajaran daring rata-rata guru menjawab setuju sebesar 79,38% dan tidak setuju sebesar 20,62% dan untuk indikator performa Google Classroom angka rata-rata para guru menjawab setuju 88,9% dan tidak setuju sebesar 11,1%. Hasil tersebut menunjukkan bahwa pelatihan yang telah dilakukan mendapat respon yang baik dari para guru di Sekolah Dasar Negeri 1 Pesaban dan telah diterapkan dalam proses pembelajaran secara daring yang juga memberikan hasil yang memuaskan sehingga kegiatan pelatihan ini cukup berhasil.
Co-Authors Dewa Made Wiharta Dewa Putu Yudhi Ardiana Dewi, I Gusti Ayu Putu Eka Purnama Dirgayusari, Ayu Manik Eka Dharsika, I Gde I Gede Andika I I Gusti Ayu Putu Eka Purnama Dewi I Gusti Made Ngurah Desnanjaya I Nyoman Buda Hartawan I Nyoman Buda Hartawan I Putu Agus Eka Darma Udayana, I Putu Agus Eka I Wayan Sudiarsa Ida Nirmala Sari Iskandar, Adi Panca Saputra Kadek Ayu Ariningsih Kaleb Charisma Kombonglangi Kombonglangi, Kaleb Charisma Made Suci Ariantini Made Sudarma Ni Ketut Utami Nilawati Pramawati, I.D.A Tantri Sari, Ida Nirmala