Garuda - Garba Rujukan Digital

Analisis Penggunaan AI dalam Keberhasilan Customer Experience Pengguna Aplikasi E-Commerce Shopee Zikry, Arief; Muhammad Bitrayoga; Siska Yulia Defitri; Akhmad Dahlan; Nina Dwi Putriani
Indo-Fintech Intellectuals: Journal of Economics and Business Vol. 4 No. 3 (2024): Indo-Fintech Intellectuals: Journal of Economics and Business
Publisher : Lembaga Intelektual Muda (LIM) Maluku

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54373/ifijeb.v4i3.1387

E-commerce has experienced rapid growth with the adoption of digital technology particularly in Southeast Asia. AI enables Shopee to provide personalized product recommendations, responsive customer service, and secure shopping experiences. This study analyzes the use of Artificial Intelligence (AI) technology in enhancing user experience on the Shopee e-commerce platform. The research employs a mixed-method approach involving 400 Shopee users in Indonesia. Product recommendation and user experience personalization both significantly increase user satisfaction. User experience personalization has a greater influence than product recommendations in increasing user satisfaction. The implications of this study suggest that AI not only enhances Shopee's operational efficiency but also strengthens customer satisfaction and loyalty, making it a key element in maintaining competitiveness in today's competitive e-commerce industry

Analisis Penggunaan AI dalam Keberhasilan Customer Experience Pengguna Aplikasi E-Commerce Shopee Arief Zikry; Muhammad Bitrayoga; Siska Yulia Defitri; Akhmad Dahlan; Nina Dwi Putriani
Indo-Fintech Intellectuals: Journal of Economics and Business Vol. 4 No. 3 (2024): Indo-Fintech Intellectuals: Journal of Economics and Business
Publisher : Lembaga Intelektual Muda (LIM) Maluku

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54373/ifijeb.v4i3.1387

E-commerce has experienced rapid growth with the adoption of digital technology particularly in Southeast Asia. AI enables Shopee to provide personalized product recommendations, responsive customer service, and secure shopping experiences. This study analyzes the use of Artificial Intelligence (AI) technology in enhancing user experience on the Shopee e-commerce platform. The research employs a mixed-method approach involving 400 Shopee users in Indonesia. Product recommendation and user experience personalization both significantly increase user satisfaction. User experience personalization has a greater influence than product recommendations in increasing user satisfaction. The implications of this study suggest that AI not only enhances Shopee's operational efficiency but also strengthens customer satisfaction and loyalty, making it a key element in maintaining competitiveness in today's competitive e-commerce industry

Penerapan KNN, DT, dan NB untuk Memprediksi Task Success Developer Berbasis AI-Metrics Iski Mediansyah; Muhammad Bitrayoga; Arief Zikry; Firza Septian
BETRIK Vol. 16 No. 02 (2025): Jurnal Ilmiah BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : PPPM Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/rsvfdr22

This study is motivated by the limited utilization of AI-based metrics to predict task success among developers in software development projects. The main issue addressed is the absence of a systematic comparative approach to classification algorithms in identifying the most effective model in this context. Therefore, this research compares the performance of three classification algorithms—K-Nearest Neighbors (KNN), Decision Tree (DT), and Naïve Bayes (NB)—in predicting task success using AI-metrics data. The evaluation metrics include precision, recall, F1-score, and accuracy, presented through classification reports and confusion matrices. The results show that DT achieved an accuracy of 91%, KNN 92%, and NB 86%. The confusion matrix analysis indicates that DT demonstrates high precision, KNN shows minor imbalance, and NB struggles to identify minority classes. Additionally, clustering was performed using the K-Means algorithm and visualized in two dimensions through Principal Component Analysis (PCA), revealing clear segmentation among developer groups. The ultimate benefit of this study is to provide a foundation for decision-making in selecting the most appropriate algorithm to enhance developer team effectiveness and personalize managerial strategies. The novelty of this research lies in the combined application of classification and clustering approaches using AI-metrics to more accurately and datadrivenly identify developer task success.

Performance Evaluation of Fiber Optic versus Copper Cable Networks: A Comparative Study Muhammad Bitrayoga; Evan Haviana; Jeffrey Payung Langi; Sulastri Kakaly; Apriani Riyanti
Journal of Embedded Systems, Security and Intelligent Systems Vol 6, No 4 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jessi.v6i4.11443

This study presents a comparative performance evaluation of Fiber Ethernet and copper Ethernet (Cat6) using a controlled testbed to quantify differences in throughput and Quality of Service (QoS). Identical endpoints are connected through a managed switch, and the physical medium is alternated between a fiber link and a Cat6 link. Traffic is generated under TCP and UDP at three utilization levels (10%, 50%, and 90%) and three distance conditions (10 m, 50 m, and 90–100 m for Cat6). The evaluation uses application-level and interface-level measurements, including TCP/UDP throughput, round-trip latency, jitter, packet loss, and reliability counters such as CRC/FCS errors and TCP retransmissions. Results show that both media can achieve near line-rate throughput at short distance and low load, but fiber exhibits consistently lower latency and jitter and near-zero loss across conditions. As utilization increases, Cat6 displays larger variability in delay and a higher tendency toward UDP loss, indicating reduced timing stability under stress. At longer copper runs (90–100 m), the gap widens: Cat6 shows higher jitter and loss and increased error-related counters, while fiber remains stable. These findings suggest that the main advantage of fiber is not only peak capacity but also QoS predictability and link integrity, which are critical for real-time and high-utilization services. The study provides practical guidance for selecting media in campus and building networks where distance, load, and service requirements must be balanced. Future work will include electromagnetic-noise trials, different switch/NIC models, and statistical tests to validate effect sizes across repetitions in diverse building environments

Partisipasi Politik Perempuan Pada Pemilu Tahun 2024 Di Kelurahan Kebun Bungan Kec. Sukarami Kota Palembang M. Gilang Ganesa; Amaliatulwalidain; Isabella Isabella; Muhammad Bitrayoga
PESHUM : Jurnal Pendidikan, Sosial dan Humaniora Vol. 5 No. 3: April 2026
Publisher : CV. Ulil Albab Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56799/peshum.v5i3.16603

Penelitian ini bertujuan untuk mengetahui dan menganalisis partisipasi politik perempuan pada Pemilu 2024 di Kelurahan Kebun Bunga, Kecamatan Sukarami, Kota Palembang. Fokus penelitian mencakup bentuk, tingkat, serta faktor-faktor yang memengaruhi keterlibatan perempuan dalam proses politik, baik sebagai pemilih maupun dalam aktivitas politik lainnya. Kajian ini dilatarbelakangi oleh masih rendahnya keterlibatan perempuan di tingkat akar rumput, sehingga penting untuk memahami dinamika sosial dan kultural yang memengaruhi partisipasi tersebut. Penelitian ini menggunakan pendekatan kualitatif dengan metode deskriptif. Pengumpulan data dilakukan melalui wawancara, penyebaran kuesioner kepada 10 responden dengan teknik purposive sampling, serta dokumentasi. Data dianalisis menggunakan teknik deskriptif dan analisis tematik untuk mengidentifikasi pola partisipasi politik perempuan. Hasil penelitian menunjukkan bahwa partisipasi politik perempuan masih belum optimal, ditandai dengan rendahnya keterlibatan dalam pemilu, kampanye, dan organisasi politik. Faktor yang memengaruhi antara lain kurangnya pemahaman politik, terbatasnya akses informasi, beban domestik, serta budaya patriarki. Namun, sebagian perempuan telah menunjukkan kesadaran politik yang cukup baik. Disimpulkan bahwa rendahnya partisipasi dipengaruhi oleh faktor struktural, sosial, dan kultural. Oleh karena itu, diperlukan pendidikan politik, sosialisasi yang inklusif, serta dukungan lingkungan untuk meningkatkan partisipasi perempuan dalam politik lokal.

Perancangan Model Artificial Intelligence Prediktif untuk Identifikasi Awal Gangguan Mental pada Remaja Muhammad Bitrayoga; Ubaidillah Ubaidillah
Klik - Jurnal Ilmu Komputer Vol. 6 No. 2 (2025): Klik - Jurnal Ilmu Komputer
Publisher : Fakultas Ilmu Komputer Universitas Sumatera Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56869/klik.v6i2.744

Gangguan mental pada mahasiswa merupakan permasalahan yang semakin meningkat dan memerlukan upaya identifikasi awal yang cepat dan sistematis. Penelitian ini bertujuan untuk merancang dan mengimplementasikan model Artificial Intelligence prediktif menggunakan algoritma Random Forest untuk melakukan identifikasi awal gangguan mental pada mahasiswa. Data penelitian diperoleh dari 300 responden mahasiswa melalui penyebaran kuesioner yang memuat indikator kondisi psikologis, tekanan akademik, dan faktor sosial. Tahapan penelitian meliputi pengumpulan data, preprocessing data, pembagian data latih dan data uji, pembangunan model, serta evaluasi performa model. Hasil pengujian menunjukkan bahwa model Random Forest mampu menghasilkan nilai accuracy sebesar 87%, precision sebesar 85%, recall sebesar 88%, dan F1-score sebesar 86%. Hasil tersebut menunjukkan bahwa model memiliki kemampuan klasifikasi yang baik dalam mengidentifikasi potensi gangguan mental secara awal. Model yang dihasilkan dapat dimanfaatkan sebagai sistem pendukung keputusan dalam membantu institusi pendidikan melakukan pemantauan kondisi mental mahasiswa secara lebih dini, tanpa menggantikan diagnosis tenaga profesional.

Pelatihan Google Gemini dan Google Colab untuk Pengembangan Aplikasi OBE bagi Dosen UNSELA Darius Antoni; Selvia; Hadi Syaputra; Muhammad Bitrayoga
Jurnal Abdimas Mandiri Vol. 10 No. 2 (2026)
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jam.v10i2.7614

Implementasi Outcome-Based Education (OBE) di perguruan tinggi memerlukan dukungan teknologi digital agar proses perencanaan, pelaksanaan, dan evaluasi pembelajaran dapat dilakukan secara efektif. Namun, sebagian besar dosen Universitas Serelo Lahat belum memanfaatkan teknologi Artificial Intelligence (AI) seperti Google Gemini dan Google Colab untuk mendukung pengembangan aplikasi OBE. Oleh karena itu, kegiatan Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan kompetensi dosen dalam memanfaatkan Google Gemini dan Google Colab untuk merancang dan mengembangkan aplikasi OBE. Kegiatan dilaksanakan melalui tahapan analisis kebutuhan, persiapan, pelatihan, praktik langsung, pendampingan, dan evaluasi. Peserta kegiatan berjumlah 35 dosen yang berasal dari lima program studi di Universitas Serelo Lahat. Evaluasi dilakukan menggunakan metode pre-test, post-test, dan kuesioner kepuasan peserta. Hasil kegiatan menunjukkan adanya peningkatan kompetensi peserta yang ditunjukkan oleh kenaikan nilai rata-rata pre-test dari 55,69 menjadi 88,00 pada post-test atau meningkat sebesar 32,31 poin. Selain itu, hasil evaluasi kepuasan menunjukkan rata-rata tingkat kepuasan peserta mencapai 97,36%, yang mengindikasikan bahwa materi, metode pelatihan, narasumber, dan pendampingan telah memenuhi kebutuhan peserta. Melalui pelatihan ini, peserta mampu memanfaatkan Google Gemini untuk menghasilkan rancangan sistem, prompt engineering, desain basis data, antarmuka aplikasi, dan kode program, serta menggunakan Google Colab sebagai lingkungan pengembangan dan pengujian aplikasi berbasis cloud. Dengan demikian, kegiatan ini berhasil meningkatkan kompetensi digital dosen dan mendukung implementasi OBE berbasis AI di Universitas Serelo Lahat

Perbandingan Algoritma Klasifikasi Decision Tree dan Naïve Bayes Classifier untuk Prediksi Penyakit Diabetes Andri; Iski meidiansyah; Muhammad Bitrayoga; Serly Oktarina
Journal of Information Technology Ampera Vol. 7 No. 2 (2026): Vol. 7 No. 2 (2026): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

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

Diabetes merupakan salah satu penyakit yang mematikan yang harus menjadi perhatian bagi semua orang. Penyakit diabetes ini merupakan penyakit yang berlangsung sumur hidup serta dapat menimbulkan beberapa komplikasi jika penderita penyakit ini tidak bisa mengendalikannya. Sebagian besar penderita penyakit diabetes baru menyadari adanya penyakit ini setelah munculnya komplikasi serius seperti gangguan mata atau gangguan ginjal. Penelitian ini akan melakukan perbandingan algoritma klasifikasi Decision Tree dan Naïve Bayes Classifier dalam melakukan prediksi penyakit diabetes. Hasil akhir dari penelitian ini untuk melihat nilai akurasi dari masing-masing algoritma dalam melakukan prediksi berdasarkan model klasifikasi yang telah dihasil dari kedua algoritma tersebut. Dataset yang digunakan dalam melakukan uji coba kedua algoritma ini adalah dataset pasien penderita penyakit diabetes diperoleh dari repository dataset publik yang ada di situs resmi Kaggle. Berdasarkan hasil perhitungan nilai akurasi dari kedua model klasifikasi yang dibentuk dengan teknik sampling data linear sampling dan shuffled sampling, diperoleh nilai akurasi untuk model menggunakan algoritma Decision Tree sebesar 72.79% dan 71.87% dengan nilai classification error sebesar 27.21% dan 28.13%, sedangkan nilai akurasi menggunakan algoritma Naïve Bayes Classifier sebesar 76.05% dan 75.65% serta nilai classification error sebesar 23.95% dan 24.35%. Dari hasil ini dapat disimpulkan bahwa algoritma naïve bayes menghasilkan nilai akurasi yang sedikit lebih tinggi dibandingkan dengan algoritma Decision Tree dengan menggunakan dataset yang sama.

Optimizing Academic Information Delivery: A Hybrid AI Chatbot Model Andika Isma; Fatimah Nur Arifah; Arief Zikry; Muhammad Bitrayoga; Eri Mardiani
Jurnal MediaTIK Volume 7 Issue 1, Januari (2024)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/mediatik.v7i1.1243

This research investigates the implementation of artificial intelligence (AI)-based chatbots in a hybrid model in Computer Science and Computer Engineering departments. The research method used was an online survey of students, providing direct insight from key users of this technology. The findings show significant adoption of AI chatbots in this academic environment, indicating good acceptance from users. The research results provide an in-depth understanding of the extent to which chatbots have been implemented in facilitating the reception of information in the department. AI chatbots have been proven to make a positive contribution in optimizing the process of receiving information, providing fast and accurate answers to students' common questions. The conclusions of this study underscore the potential of chatbots to improve the overall quality of academic services.

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search