Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) Arcitech: Journal of Computer Science and Artificial Intelligence
Juriawan Raja Saputra
Politeknik Negeri Sriwijaya
Computer Science & IT Library & Information Science Mathematics Social Sciences

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

Found 2 Documents
Search

 1 
Analisis Komparatif Algoritma Naïve Bayes dan XGBoost untuk Mengklasifikasikan Performa Akademik Mahasiswa Berdasarkan Tingkat Ketergantungan AI Aryanti Aryanti; Juriawan Raja Saputra; Taufik Permana; Putri Nabila; Ibnu Asrafi
Arcitech: Journal of Computer Science and Artificial Intelligence Vol. 6 No. 1 (2026): June 2026
Publisher : Institut Agama Islam Negeri (IAIN) Curup

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29240/arcitech.v6i1.17321

Abstract

While Artificial Intelligence (AI) integrates into higher education to streamline information retrieval, comprehension, and academic task completion, over-reliance on these tools may jeopardize student outcomes. Extant literature predominantly examines AI adoption rates, dependency levels, and user sentiments; however, comparative analyses of machine learning models for classifying academic performance relative to AI usage intensity remain scarce. To address this gap, this study evaluates and compares the efficacy of Naïve Bayes and XGBoost algorithms in predicting student performance based on their AI engagement. Utilizing the Academic Outcomes & AI Dependency Analysis Dataset—comprising 8,000 instances and 26 features—the methodology encompasses data preprocessing, normalization, partitioning, model training, and evaluation via accuracy, precision, recall, and F1-score. The empirical results demonstrate that XGBoost outperforms Naïve Bayes, achieving a superior accuracy of 84.17% compared to 79.03%. Consequently, XGBoost proves to be a more robust model for classifying academic performance driven by AI usage, offering valuable insights for the advancement of educational data analytics.
SawitScan: Aplikasi Android untuk Deteksi Kematangan dan Prioritas Panen Kelapa Sawit Berbasis YOLO26 dan Metode SAW Juriawan Raja Saputra; Irma Salamah; Ahmad Taqwa
Jurnal Minfo Polgan Vol. 15 No. 3 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i3.16447

Abstract

ABSTRAK Penentuan kematangan tandan buah segar (TBS) kelapa sawit di lapangan masih banyak dilakukan secara manual, sehingga bersifat subjektif dan rawan menimbulkan kesalahan panen, sementara penentuan area yang diprioritaskan untuk dipanen lebih dahulu juga belum dilakukan secara sistematis. Penelitian ini mengembangkan dan mengevaluasi SawitScan, aplikasi Android yang menggabungkan deteksi objek YOLO26 untuk klasifikasi kematangan (ripe, underripe, unripe) secara on-device melalui kamera smartphone, pencatatan koordinat GPS otomatis tiap deteksi, dan sistem pendukung keputusan Simple Additive Weighting (SAW) untuk menghitung skor prioritas panen tiap klaster lokasi. Model YOLO26n dilatih pada dataset gabungan 1.124 citra karena arsitekturnya yang ringan dan desain end-to-end tanpa Non-Maximum Suppression yang sesuai untuk implementasi mobile, dengan akurasi kompetitif (precision 89,8%, recall 87,3%, mAP@0.5 92,1%). Evaluasi independen model akhir yang ter-embed pada aplikasi (TFLite) pada data uji menghasilkan mAP@0.5 0,748 dan F1-score 0,743. Sistem SAW memeringkat area panen berdasarkan kombinasi jumlah deteksi ripe, underripe, dan unripe per klaster, dengan bobot 0,6, 0,3, dan 0,1 sesuai urgensi panen. Hasil penelitian menunjukkan deteksi objek on-device, pemetaan berbasis GPS, dan sistem pendukung keputusan dapat diterapkan praktis pada perangkat mobile untuk mendukung perencanaan panen kelapa sawit yang lebih objektif dan efisien. Penelitian selanjutnya dapat diarahkan pada perluasan dataset ke berbagai lokasi perkebunan serta validasi hasil pemeringkatan SAW terhadap data realisasi panen aktual di lapangan. Kata Kunci: Deteksi Objek; Kematangan Kelapa Sawit; Simple Additive Weighting; Sistem Pendukung Keputusan; YOLO26
Co-Authors Ahmad Taqwa Aryanti Aryanti Ibnu Asrafi Irma Salamah Putri Nabila Taufik Permana