Penelitian ini bertujuan untuk mengembangkan model evaluasi kualitas sistem informasi karya akhir pada institusi pendidikan tinggi menggunakan metode McCall, dengan mengambil studi kasus di Universitas Pendidikan Ganesha (Undiksha). Evaluasi kualitas sistem informasi akademik merupakan hal yang krusial untuk memastikan efektivitas layanan dan mendukung proses akademik di perguruan tinggi. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan fokus pada aspek product operation yang mencakup lima faktor: Correctness, Reliability, Efficiency, Integrity, dan Usability. Pengambilan sampel menggunakan teknik Proportionate Stratified Random Sampling dengan jumlah 515 responden. Hasil evaluasi menunjukkan nilai total kualitas sistem sebesar 70% (kategori Baik), dengan rincian: Correctness 61% (Baik), Reliability 56% (Cukup Baik), Efficiency 58% (Cukup Baik), Integrity 59% (Cukup Baik), dan Usability 43% (Cukup Baik). Model evaluasi dan rekomendasi yang dihasilkan dapat diadaptasi oleh institusi pendidikan tinggi lain dalam mengembangkan dan meningkatkan kualitas sistem informasi Karya Akhir.
Kata kunci: Evaluasi, kualitas, sistem informasi karya akhir, McCall

Lontar Usada Taru Pramana adalah manuskrip yang merupakan kearifan lokal Bali yang berisi mengenai pengobatan tradisional dengan tumbuhan herbal serta telah dikaji secara ilmiah. Tumbuhan herbal umumnya dikenali dari daunnya. Namun, pengenalan tumbuhan herbal menjadi sulit karena minimnya pengetahuan mengenai jenis tumbuhan herbal dan kemiripan morfologi daunnya. Penelitian ini menggunakan dataset citra daun tumbuhan herbal bernama TPHerbleaf yang digunakan untuk mengklasifikasikan jenis daun tumbuhan herbal berdasarkan Lontar Usada Taru Pramana. Dataset ini terdiri dari 50 kelas jenis daun tumbuhan herbal. Penelitian ini menggunakan tiga arsitektur Convolutional Neural Network sebagai perbandingan untuk klasifikasi, yaitu MobileNet, Inception ResNet V2, dan EfficientNet B2. Model dengan hasil terbaik adalah MobileNet dengan learning rate 0,0001 dan dropout 20%. Model ini menghasilkan akurasi 100% untuk proses training, 79% untuk validation, dan 82% untuk testing. Hasil penelitian ini menunjukkan bahwa teknologi modern dapat digunakan untuk meningkatkan pemahaman dan pelestarian warisan budaya melalui penerapan praktik dalam bidang klasifikasi citra.