Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP)
Nurzaenab Nurzaenab
Universitas Teknologi Akba Makassar
Computer Science & IT Library & Information Science Mathematics Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Kecerdasan Buatan Pada Chatbot WhatsApp Sebagai Asisten Belajar Virtual Andis Andis; Pasnur Pasnur; Andi Sumardin; Muhammad Arafah; Tatik Maslihatin; Ilham Ilham; Andi Maulidinnawati Abdul Kadir Parewe; Fitriana M. Sabir; Nurzaenab Nurzaenab
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13872

Abstract

ChatGPT merupakan salah satu aplikasi artificial intelligence generative yang sangat populer saat ini. ChatGPT memiliki versi gratis dan premium. ChatGPT versi gratis sangat diminati karena dapat digunakan tanpa mengeluarkan biaya berlangganan. Akan tetapi, ChatGPT versi gratis memiliki keterbatasan, yaitu tidak mampu menjawab pertanyaan yang terkait dengan data setelah bulan September 2021. Hal tersebut akan mengurangi efektivitas ChatGPT apabila diimplementasikan sebagai asisten belajar virtual. Penelitian ini bertujuan untuk mengimplementasikan kecerdasan buatan pada chatbot WhatsApp sebagai asisten belajar virtual. Penelitian ini mengusulkan perluasan Application Programming Interface (API) OpenAI dengan menggunakan teknik web scraping, sehingga mampu menemukan data terbaru yang tidak dapat ditemukan oleh ChatGPT versi gratis. Hasil penelitian menunjukkan bahwa metode dan sistem yang diusulkan mampu menjawab pertanyaan dengan baik termasuk pertanyaan yang terkait dengan data setelah bulan September 2021. Waktu rata-rata yang diperlukan oleh sistem usulan untuk menjawab pertanyaan adalah 20 detik. Hasil penelitian ini menunjukkan bahwa sistem usulan layak untuk diimplementasikan sebagai asisten belajar virtual.
Perancangan Sistem Pendukung Keputusan Dalam Mendukung Pemasaran Proyek Pembangunan Perumahan Pada Perusahaan Kartajasa.Art Fitriana M Sabir; Nurzaenab Nurzaenab; Asrul Asrul; Neneng Awaliah; Tatik Maslihatin; Ayu Pertiwi Nasaruddin
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14497

Abstract

Penggunaan Multi-Criteria Decision Making (MCDM) dalam pemasaran proyek pembangunan perumahan pada perusahaan Kartajasa.Art dapat membantu perusahaan dalam mengambil keputusan yang lebih akurat dan efektif dalam rangka memaksimalkan keuntungan dan mengurangi risiko kerugian. Berdasarkan yang telah diuraikan diatas, maka penelitian ini bertujuan untuk mengetahui bagaimana menjadikan Multi-Criteria Decision Making (MCDM) dalam membantu pemasaran proyek pembangunan perumahan pada perusahaan Kartajasa.Art dan untuk mengetahui elektabilitas content management system dapat membantu perusahaan Kartajasa.Art untuk mengoptimalkan pemasaran proyek pembangunan perumahan. Metode yang digunakan adalah menghitung prioritas secara kuantitatif dengan Metode AHP (Analytical Hierarchy Process) dalam pemasaran proyek pembangunan perumahan. Berdasarkan hasil penelitian dan pembahasan yang telah diuraikan maka dapat disimpulkan bahwa Multi-Criteria Decision Making (MCDM) untuk memilih alternatif kriteria dalam mengembangkan sistem pemasaran pada perusahaaan Kartajasa.art telah berhasil dirancang. Sistem pendukung keputusan ini menerapkan sistem manajemen konten dalam membantu memasarkan beberapa kriteria yang ditentukan oleh perusahaan. Keputusan yang dihasilkan berdasarkan penentuan kriteria yang ditentukan oleh perusahaan yaitu memperoleh nilai akhir alternatif antara lain Segmentasi pasar dengan skor akhir 0,333, Penentuan Wilayah dengan skor akhir 0,229, Pengembangan Jaringan dengan skor akhir 0,248, Manajemen Tender dengan skor akhir 0,177 sehingga rangking pertama adalah Segmentasi Pasar dengan skor tertinggi 0,333. Berdasarkan hasil pengujian yang telah dilakukan maka, sistem dianggap sudah bebas dari kesalahan karena bekerja sesuai fungsionalnya. Saran untuk penelitian selanjutnya bisa menggunakan berbasis android atau ios.
Perbandingan Implementasi Layer CNN Untuk Akurasi Optimal Dalam Klasifikasi Jenis Sampah Organik dan Non Organik Nurzaenab Nurzaenab; Sulfahmi Sulfahmi; Agus Halid; Fitriana M. Sabir; Andi Sumardin; Asrul Asrul; Andi Ahmad Zacky Mulya
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15867

Abstract

Permasalahan pengelolaan sampah menjadi isu penting di berbagai lingkungan, termasuk kampus, karena berdampak langsung terhadap kebersihan, kesehatan, dan kelestarian lingkungan. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis sampah organik dan nonorganik menggunakan pendekatan Convolutional Neural Network (CNN). Dataset diperoleh dari koleksi gambar yang disimpan dalam Google Drive, kemudian dibagi menjadi data latih (90%) dan data validasi (10%). Untuk meningkatkan variasi dan mengurangi risiko overfitting, dilakukan augmentasi data dengan teknik rotasi, horizontal flip, shear, zoom, serta width dan height shift. Arsitektur CNN yang digunakan terdiri atas beberapa lapisan utama: Conv2D dan MaxPooling untuk ekstraksi fitur, Flatten untuk transformasi data, Dense sebagai fully connected layers, Dropout untuk regularisasi, serta Softmax sebagai output layer dengan dua kelas. Model dilatih menggunakan optimizer Adam, fungsi loss categorical crossentropy, metrik akurasi, dengan 25 epoch dan batch size 10. Hasil eksperimen menunjukkan bahwa model mampu mencapai akurasi tinggi, bahkan lebih dari 99% pada data latih, dengan akurasi validasi yang stabil sehingga tidak menunjukkan gejala overfitting signifikan. Model juga berhasil mengklasifikasikan gambar baru dengan probabilitas yang jelas antara kelas organik dan nonorganik. Kesimpulannya, CNN terbukti efektif sebagai metode klasifikasi sampah berbasis citra, dan penelitian ini membuka peluang pengembangan lebih lanjut ke arah sistem deteksi real-time serta integrasi dengan sistem pengelolaan sampah di kampus maupun masyarakat.
Co-Authors A Sumardin Agus Halid Andi Ahmad Zacky Mulya Andi Maulidinnawati Abdul Kadir Parewe Andis Andis Asrul Asrul Asrul Asrul Ayu Pertiwi Nasaruddin Fitriana M Sabir Fitriana M. Sabir Ilham Ilham Muhammad Arafah Neneng Awaliah Pasnur Pasnur Sulfahmi Sulfahmi Tatik Maslihatin