Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Ilmiah Teknologi dan Komputer (JITTER)
Anak Agung Ketut Agung Cahyawan Wiranatha
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Tracking Bus Driver Sarbagita dengan Android I GEDE ADHI INDRA JAYA; Anak Agung Ketut Agung Cahyawan Wiranatha; Putu Wira Buana
JITTER : Jurnal Ilmiah Teknologi dan Komputer Vol 2 No 3 (2021): Jurnal Jitter Vol. 2, No. 3, December 2021
Publisher : Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (477.903 KB) | DOI: 10.24843/JTRTI.2021.v02.i03.p08

Abstract

Kemajuan teknologi informasi mengalami perkembangan yang sangat cepat dan memiliki peran yang begitu penting diberbagai aspek. Salah satunya kemajuan teknologi informasi dapat memberikan kemudahan dibidang transportasi. Perkembangan transportasi yang begitu pesat juga menimbulkan berbagai masalah salah satunya kemacetan lalu lintas. Dinas Perhubungan Pemerintah Provinsi Bali adalah salah satu instansi pemerintahan yang menyelenggarakan urusan pemerintahan bidang transpotasi umum seperti Bus Trans Sarbagita. Program ini hadir tidak hanya untuk mengatasi kemacetan lalu lintas di Bali Selatan, tetapi juga untuk menanggapi respon pemerintah provinsi Bali terhadap kurangnya angkutan umum di pulau itu. Namun, masyarakat masih memiliki minat yang rendah dalam penggunaan transportasi publik, dengan masalah yang muncul maka dibuatlah Aplikasi Trans Sarbagita. Aplikasi ini berbasis Android dibuat untuk sisi masyarakat dan juga sisi driver. Aplikasi Driver Bus Trans Sarbagita juga berguna untuk driver agar dapat mengetahui nomor bus, status, dan rute setiap halte pada tiap koridor. Aplikasi ini juga diharapkan dapat menumbuhkan minat masyarakat agar lebih memanfaatkan transportasi umum seperti Trans Sarbagita ini dan mulai memanfaatkan fasilitas yang telah disediakan oleh Trans Sarbagita agar dapat mengurangi kemacetan akibat kepadatan lalu lintas.
Analisis Sentimen Pembelajaran Daring Era Pandemi COVID-19 Menggunakan Naive Bayes Dan SVM Ketut Mediana Ayu Candrayani; I Made Agus Dwi Suarjaya; Anak Agung Ketut Agung Cahyawan Wiranatha
TEMATIK Vol 10 No 1 (2023): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2023
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v10i1.1274

Abstract

Kondisi pandemi COVID-19 di Indonesia memberikan pengaruh yang signifikan di seluruh sektor kehidupan, tidak terkecuali pendidikan. Dalam upaya mengurangi tingkat penyebaran virus dan memastikan bahwa kegiatan pembelajaran tetap berjalan meski di situasi pandemi, pemerintah mencetuskan kebijakan sistem pembelajaran daring yang mewajibkan kegiatan pembelajaran dijalankan secara online dari rumah. Perubahan drastis yang terkesan mendadak ini memunculkan beragam respons dari masyarakat termasuk dalam platform media sosial seperti Twitter. Opini masyarakat yang tertuang dalam tweet merupakan textual data yang dapat diekstrak dan diolah untuk dapat memahami pandangan dan perasaan masyarakat terhadap suatu topik, yang biasa disebut analisis sentimen. Analisis sentimen merupakan bentuk penerapan konsep Big Data, yaitu ilmu yang menangani kumpulan data besar dan kompleks untuk mendapatkan informasi penting, mengungkap pola tersembunyi, serta membantu pengambilan keputusan. Penelitian ini dilakukan untuk mengetahui sentimen masyarakat terhadap pembelajaran daring selama pandemi COVID-19 menggunakan data Twitter. Total data yang digunakan berjumlah 953.378 tweet terhitung dari bulan Januari 2020 sampai dengan Mei 2022, yang diklasifikasi menggunakan tiga kelas sentimen, yaitu negatif, positif, dan netral. Model klasifikasi dibentuk untuk mengklasifikasi data tweet dengan mengimplementasikan metode TF-IDF untuk pembobotan kata, serta 2 algoritma machine learning, yaitu Naive Bayes dan Support Vector Machine (SVM). Hasil evaluasi model menemukan bahwa persentase akurasi tertinggi mencapai 84% menggunakan SVM dan hasil penelitian menunjukkan bahwa data didominasi oleh sentimen netral dengan persentase sebesar 43.28%, sementara persentase sentimen negatif 32.91%, dan sentimen positif 23.82%. Hal ini mencerminkan bahwa sentimen masyarakat cenderung netral, dalam artian masyarakat tidak sepenuhnya mendukung maupun menentang pembelajaran daring di era pandemi COVID-19.
Co-Authors I GEDE ADHI INDRA JAYA I Made Agus Dwi Suarjaya Ketut Mediana Ayu Candrayani Putu Wira Buana