GSGusti Ayu Desi Saryanti

Gusti Ayu Desi Saryanti

*This is an algorithmically generated author record based on publicly available information.

Gusti Ayu Desi Saryanti has a total of 19 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    ANALISIS PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI DATA PERBANKAN

    by Rosalia Hadi, Ni Luh Gede Pivin, I Gusti Ngurah Ady Kusuma, I Gusti Ayu Desi Saryanti, Putu Devi Novayanti

    Data perbankan memiliki karakteristik yang beragam, mencakup transaksi keuangan, riwayat kredit, detail nasabah, dan lainnya. Kompleksitas data ini menimbulkan tantangan dalam pengelolaan dan analisis data yang efektif. Salah satu tantangannya adalah menilai kelayakan kredit pemohon pinjaman rumah. Dalam proses pemberian pinjaman, beberapa faktor dipertimbangkan, termasuk karakter pemohon, kemampuan pembayaran, jaminan, kondisi ekonomi, usia, dan sumber pendanaan. Analisis risiko kredit dapat dilakukan melalui berbagai metode, termasuk analisis pasar dan teknik pembelajaran mesin big data. Dalam penelitian ini, kami menggunakan dua algoritma populer: K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM). KNN, dikenal karena kesederhanaannya dan kemampuannya dalam menangani data yang beragam, sering digunakan untuk klasifikasi. Namun, KNN menghadapi keterbatasan dalam kecepatan komputasi pada dataset besar dan kerentanan terhadap data yang bising. Sebaliknya, SVM, sebuah algoritma yang lebih canggih, dirancang untuk memaksimalkan pemisahan antara kelas data dan unggul dalam menangani data berdimensi tinggi. Temuan kami menunjukkan bahwa SVM lebih baik daripada KNN dalam mengklasifikasikan risiko kredit pada data perbankan, terutama untuk pinjaman rumah. SVM dengan kernel dot dan ANOVA mencapai akurasi 80,56%, dibandingkan dengan 69,44% untuk KNN dengan k=50. Temuan ini menunjukkan bahwa SVM lebih unggul dalam klasifikasi risiko kredit pada data perbankan, khususnya untuk kredit kepemilikan rumah..

  • Open Access

    Classification of User Expressions on Social Media Using LSTM and GRU Models

    by I Gede Putra Mas Yusadara, I Gusti Ayu Desi Saryanti

    Social media serves as a platform for sharing information. Through social media, users can interact with others and express their feelings and emotions. Therefore, emotion analysis plays a crucial role in understanding users' conditions regarding various issues and social events. This study aims to compare the performance of emotion classification models in analyzing and identifying users' emotions on social media. The research process includes data preprocessing, training, and model performance evaluation. The dataset used is derived from Twitter social media and is available on Kaggle. It consists of two main columns: text and label, with the latter categorized into six groups. The dataset undergoes several preprocessing techniques to ensure it is ready for model training. The model training process implements the architectures of LSTM and GRU to analyze the emotions contained within the text. The evaluation results show that the model achieves an accuracy of 93% for LSTM and 94% for GRU, indicating that the GRU model slightly outperforms the LSTM in classifying emotions in textual data. This research is expected to contribute to emotion analysis systems based on deep learning.

  • Open Access

    Classification of User Expressions on Social Media Using LSTM and GRU Models

    by I Gede Putra Mas Yusadara, I Gusti Ayu Desi Saryanti

    Social media serves as a platform for sharing information. Through social media, users can interact with others and express their feelings and emotions. Therefore, emotion analysis plays a crucial role in understanding users' conditions regarding various issues and social events. This study aims to compare the performance of emotion classification models in analyzing and identifying users' emotions on social media. The research process includes data preprocessing, training, and model performance evaluation. The dataset used is derived from Twitter social media and is available on Kaggle. It consists of two main columns: text and label, with the latter categorized into six groups. The dataset undergoes several preprocessing techniques to ensure it is ready for model training. The model training process implements the architectures of LSTM and GRU to analyze the emotions contained within the text. The evaluation results show that the model achieves an accuracy of 93% for LSTM and 94% for GRU, indicating that the GRU model slightly outperforms the LSTM in classifying emotions in textual data. This research is expected to contribute to emotion analysis systems based on deep learning.


  • Open Access

    Analisis Perbandingan Kualitas Informasi dari Website dan Instagram RUPBASAN Denpasar

    by Tifany Chandrarani, I Gusti Ayu Desi Saryanti, I Gusti Ngurah Satria Wijaya

    Rumah Penyimpanan Benda Sitaan Negara Kelas I Denpasar merupakan instansi dengan tanggung jawab menjaga dan merawat barang sitaan negara. Seluruh kegiatan yang berlangsung harus dilakukan secara transparan dan terbuka. Media sosial digunakan sebagai Platform penyebaran informasi, akan tetapi belum memiliki konsistensi dan Feedback yang baik dari masyarakat. Perbandingan kualitas Informasi di Rumah Penyimpanan Benda Sitaan Negara Kelas I Denpasar pada Website dan Instagram bertujuan untuk mengetahui tingkat kualitas informasi pada masing-masing Platform. Melalui Metode Webqual 4.0 dapat diketahuinya nilai Index keseluruhan dimensi yaitu Ussability, Information Quality dan Service Interaction Quality. Pada Instagram didapatkan hasil Webqual Index sebesar 0,91336 lebih besar dari Website dengan nilai sebesar 0,90309, dengan nilai tersebut dapat diketahui bahwa kedua Platform mendapatkan tingkat kualitas yang sangat baik.

  • Open Access

    Pemanfaatan Media Sosial untuk Meningkatkan Omzet Usaha Jajan Bali Mahalaksmi Desa Petang

    by Ni Putu Nanik Hendayanti, Gusti Ayu Aghivirwiati, Deviana, Gusti Ayu Desi Saryanti, Gusti Ngurah Ady Kusuma, Rosalia Hadi, Maulida Nurhidayati

    The entrepreneurial effort of Bali Mahalaksmi snack production, owned by Mrs. I Dewa Ayu Sutari, is a household industry located in Banjar Petang, Petang Village, Petang District, Badung Regency. Mrs. Sutari has been engaged in the production of Balinese snacks for approximately two years. During this period, the production of Bali Mahalaksmi snacks for partners varies daily, depending on orders from small shops, stalls, neighbors, and relatives. This variability in orders results in inconsistent income for the partners. The customer base primarily consists of residents from the partner's village, with some from neighboring villages. Consequently, the marketing scope for Mrs. Sutari's snack business is limited. To address this marketing management challenge, a community partnership program was implemented, focusing on training in social media platforms such as Instagram and Facebook to broaden the partner's market reach. Asset Based Community Development (ABCD) method was employed for this engagement. The outcomes of the program include the establishment of Instagram and Facebook marketing channels for the partner, contributing to an increase in the partner's business turnover.

  • Open Access

    PERBANDINGAN METODE VEKTORISASI PADA ANALISA SENTIMENT, STUDI KASUS : CYBERBULLYING PADA KOMENTAR INSTAGRAM

    by I Putu Ramayasa, I Gusti Ayu Desi Saryanti, I Komang Dharmendra, ) Edwar

    Media sosial sebagai alat komunikasi global telah membawa dampak positif namun juga muncul sisi gelapnya, seperti peningkatan kasus cyberbullying. Penelitian ini mengajukan pendekatan melalui analisis sentimen, dengan penekanan pada teknik vektorisasi. Pendekatan ini menggabungkan tiga teknik vektorisasi utama, yaitu LSTM, Word2Vec, dan TF-IDF, dengan tiga model klasifikasi utama: Random Forest, Naive Bayes, dan Gradient Boosting. Hasil penelitian menunjukkan bahwa penggunaan LSTM dalam kaitannya dengan algoritma Random Forest memunculkan akurasi tertinggi, mencapai 92.5%, dengan kemampuan mengenali pola sentimen yang kompleks. Sementara Naive Bayes memiliki akurasi yang lebih rendah, Word2Vec memberikan peningkatan signifikan dalam pengenalan pola sentimen pada algoritma ini. Penggunaan Word2Vec juga menghasilkan hasil yang konsisten pada algoritma Gradient Boosting dengan akurasi sekitar 86%, menegaskan kemampuannya dalam mengidentifikasi relasi kata dalam analisis sentimen terkait cyberbullying. Di sisi lain, teknik vektorisasi TF-IDF memberikan hasil yang mengesankan, mencapai akurasi tertinggi 96.25% pada algoritma Random Forest, dengan kemampuan mengenali kata-kata kunci yang mempengaruhi sentimen. Kesimpulannya, penelitian ini menggambarkan bahwa berbagai metode vektorisasi memiliki dampak yang signifikan dalam analisis sentimen terhadap komentar Instagram, terutama dalam konteks deteksi cyberbullying. Oleh karena itu, pemilihan metode vektorisasi yang sesuai sangat penting dalam mengembangkan algoritma analisis sentimen yang efektif.

  • Open Access

    Analisis Tingkat Kepuasan Mahasiswa Pengguna E-learning Berbasis Moodle Pada ITB STIKOM Bali

    by I Gusti Ayu Desi Saryanti

    Moodle-based e-learning is one of the software that can be used for teaching and learning purposes with the principles of social construction pedagogy. The End User Computing Satisfaction method of an information system is an overall evaluation of the users of the information system based on their experience in using the system. Evaluation using this model emphasizes end-user satisfaction with the technology aspect, with the content, accuracy, format, time and ease of use of the system. With the change in the e-learning model used by students, it became the background of this research which was carried out so that it would know the level of student satisfaction as a moodle-based e-learning user by using the End User Computing Satisfaction method. Based on the results of calculations carried out, the values generated by each indicator are Content = 33.64 (84.1) %. Format = 3.25 (81.2) %, Accuracy = 3.31 (82.8) %, Timeliness = 3.28 (82.1) %, and Easy of Use = 3.25 (81.3) %.Keywords: End User Computing Satisfaction; E-Learning; Satisfaction level; Moodle AbstrakE-learning berbasis Moodle merupakan salah satu software yang dapat digunakan untuk keperluan belajar mengajar dengan prinsip social construction pedagogy. Metode End User Computing Satisfaction dari sebuah sistem informasi adalah evaluasi secara keseluruhan dari para pengguna sistem informasi yang berdasarkan pengalaman mereka dalam menggunakan sistem tersebut. Evaluasi dengan menggunakan model ini lebih menekankan kepuasan (satisfaction) pengguna akhir terhadap aspek teknologi, dengan isi, keakuratan, format, waktu dan kemudahan penggunaan dari sistem. Dengan adanya perubahan model e-learning yang dipergunakan oleh mahasisawa melatar belakangi penelitian ini dilakukan sehingga akan mengetahui tingkat kepuasan mahasiswa sebagai pengguna e-learning berbasis Moodle dengan menggunakan metode End User Computing Satisfaction. Berdasarkan hasil perhitungan yang dilakukan nilai yang dihasilkan oleh masing-masing indikator yaitu Content = 33.64 (84.1) %, Format = 3.25 (81.2) %, Accuracy = 3.31 (82.8) %, Timeliness = 3.28 (82.1) %, dan Easy of Use = 3.25 (81.3) %


  • Open Access

    Pemberdayaan UMKM Kripik Landrang Indra Berbasis Digital

    by Ni Putu Nanik Hendayanti, Gusti Ayu Aghivirwiati, I Gusti Ayu Desi Saryanti, Siti Soraya

    The Ladrang Crispy Business of Mrs. Ni Kadek Indra Puspita is a home industry business located in Kenderan Village, Gianyar Regency. Indra's mother has been running the business of making ladrang chips for approximately 2 years since the onset of covid-19 which caused Indra's mother to be dismissed from work. During this 2 year period, the production of Ladrang Chips produced by partners is erratic every month depending on orders from small shops / stalls, which Indra usually entrusts to sell Ladrang chips which are produced by partners, and there are orders from relatives and partners, resulting in income uncertain partner. Customers owned by partners come from the partner's village of residence and there are also some from villages around the partner's residence. Therefore, the marketing area of ​​Mrs. Indra's Kripik Ladrang business is not wide. Based on this, the goal to be achieved in this community service activity is to help solve the problems faced by partners by helping to develop Instagram and Facebook marketing media, so that the businesses owned by partners are more easily known to the public. The result of this service is that Instagram and Facebook marketing media training can run well and smoothly and can achieve the expected results. Based on the results of the evaluation using a questionnaire, the results of the index category are very good with an index value of 92.5%.


  • Open Access

    Purwarupa Aplikasi Peramalan Kebutuhan Persediaan Barang Dagang Berbasis Website dengan Semi Average Method

    by I Gusti Ayu Desi Saryanti, Rosalia Hadi, I Gusti Ngurah Ady Kusuma

    The Point of Sale application has now begun to be used by many trading entrepreneurs. Of course, this is because Point of Sale (POS) can record all trade transaction activities, such as recording sales and recording purchases of inventory items. However, the majority of POS applications are only limited to recording transactions and do not yet have the ability to assist traders in determining the need for merchandise. This study discusses how to build an application that can help traders predict the need for merchandise with one of the forecasting methods, namely the Semi Average Method. The application in this study was built with the waterfall method and is based on a website and utilizes sales reports from the POS application that has been used. Based on the website, users don't have to bother installing this application because it can be accessed via a browser and anytime as long as it is connected to the internet. Testing the application in this study using the Blackbox Testing method shows that this application has 100% functionality working. It is hoped that the application from this research can later be used side by side with the existing POS application so there is no need to make changes to the POS application that is already in use.


  • Open Access

    Pengembangan dan Penerapan Web Sebagai Media Promosi Pengerajin Gamelan Bambu Pada UKM De Percussion

    by I Gusti Ayu Desi Saryanti, Putu Setyarini, Putu Ayu Diah Rahmayanti

    Alat musik dari bambu adalah salah satu kekayaan budaya yang dimiliki oleh Indonesia. Dari Sabang hingga Merauke bermacam-macam kebudayaan dan keragaman yang memiliki nilai estetika. Orang Indonesia selalu bisa memanfaatkan sumber daya alam di sekelilingnya misalnya memanfaatkan tanaman bambu menjadi alat musik. Mitra dalam kegiatan ini adalah UKM De Percusion, di mana UKM ini bergerak dalam bidang kerajinan gamelan yang terbuat dari bambu. Gamelan biasanya dipergunakan untuk mengiringi suatu pertunjukan baik tari, tembang maupun pertunjukan yang lainnya. Jenis gambelan dari bahan bambu yang dibuat oleh mitra salah satunya adalah angklung bambu, pindekan tingklik, rindik, jeglog, cajon. Pada saat ini, terdapat beberapa kendala dimana dari segi promosi kerajinan masih sangat umum dan sederhana hanya seputaran daerah saja sehingga masyarakat luas tidak banyak yang mengetahuinya. Dengan demikian dilakukanlah pengembangan dan penerapan media promosi menggunakan website kepada mitra agar penjualan terjangkau oleh masyarakat luas dan penghasilan mitra bisa lebih meningkat.