Claim Missing Document
Check
Articles

Found 27 Documents
Search

Peran Artificial Intelligence (AI) dalam Meningkatkan Kemampuan Berpikir Kritis Siswa Fahmy Syahputra; Elsa Sabrina; Alvin Evraim Situmorang; Marchell Gabriel Manurung; Safira Nazwa Putri; Sarwedi Parhehean Tua
TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora Vol 6, No 4 (2025)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/trilogi.v6i4.13432

Abstract

This study aims to analyze the contribution of artificial intelligence (AI) use in supporting students’ critical thinking skills across the cognitive levels of Bloom’s taxonomy. A descriptive quantitative survey design was employed. Data were collected using a 20-item questionnaire administered via Google Forms to 45 students. Descriptive analysis was conducted by summarizing and reporting the proportion of responses for each Bloom level (remembering, understanding, applying, analyzing, evaluating). The results show that the highest proportion occurs at the understanding level (26.7%), followed by analyzing (22.2%), evaluating (20.0%), applying (17.8%), and remembering (13.3%). These findings indicate that students tend to use AI more to comprehend learning materials and break down information than merely to recall facts. The study concludes that AI can function as a learning partner that supports critical thinking processes—particularly at the understanding and analyzing levels—provided that its use is guided pedagogically to align with instructional goals.
Keamanan Pengenalan Wajah Berbasis Deep Learning: Tinjauan Sistematis Serangan Adversarial dan Strategi Pertahanan (Systematic Literature Review) Fahmy Syahputra; Elsa Sabrina; Andika Sitorus; Khodijah May Nuri Lubis; Frans Jhonatan Saragi; Suci Nurrahma; Novi Novanni Sinaga
TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora Vol 6, No 4 (2025)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/trilogi.v6i4.13424

Abstract

Deep learning–based face recognition is widely adopted due to its strong performance, yet its susceptibility to attacks—particularly adversarial attacks—poses critical risks to the security and reliability of biometric systems. This study presents a Systematic Literature Review (SLR) to synthesize evidence on performance, vulnerabilities, and defense strategies in deep learning–based face recognition. The review follows PRISMA guidelines, including literature retrieval from reputable scholarly sources, deduplication, title/abstract screening, and full-text eligibility assessment based on predefined inclusion and exclusion criteria. Study quality is examined through critical appraisal, and findings are synthesized using thematic analysis, yielding four major themes: (1) model performance and factors influencing accuracy, (2) attack types and their impact on recognition outcomes, (3) defense mechanisms and their effectiveness, and (4) real-world deployment constraints (e.g., illumination, pose, image quality, and identity scale). The synthesis indicates that high accuracy does not necessarily imply high robustness; several defenses (e.g., adversarial training, attack detection, and robust learning) can improve resilience but may introduce trade-offs in computational cost and/or accuracy. This review provides a comparative synthesis and a conceptual model linking accuracy–attacks–defenses, and offers practical recommendations for model selection and security evaluation design. Limitations include heterogeneity in datasets and experimental protocols, inconsistent reporting metrics, and potential publication bias
Performance Evaluation of a Mobile Attendance System Using Dual-Factor Dynamic Qr Code and Gps Geofencing Rosma Siregar; Bagoes Maulana; Muhammad Isnaini; Elsa Sabrina; Harvei Desmon Hutahaean
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 06 (2026): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i06.2281

Abstract

This study develops and evaluates an Android-based attendance system integrating dual-factor authentication using dynamic QR codes and GPS geofencing to prevent proxy attendance in higher education. The system was developed using the Waterfall model and evaluated through quantitative experiments measuring response time, GPS accuracy drift, and security robustness via Black-Box testing. Results show high efficiency with an average response time below 1.5 seconds. GPS validation achieved an average drift of 4.2 meters outdoors and 12.5 meters indoors, remaining within the 30-meter geofencing threshold. The system successfully rejected unauthorized attempts, including out-of-range scans and fake GPS spoofing. These findings demonstrate that combining dynamic QR codes with GPS validation significantly improves attendance authenticity and system reliability compared to single-factor methods. The study provides empirical evidence of a robust and scalable solution for secure mobile-based attendance systems in higher education.
Markerless augmented reality remote laboratory for computer networks education in hybrid learning: a quasi-experimental study Muhammad Dominique Mendoza; Wan Ahmad Jaafar Wan Yahaya; Sriadhi Sriadhi; Nur Azlina Mohamed Mokmin; Fahmy Syahputra; Elsa Sabrina; Erita Astrid; Olnes Yosefa Hutajulu
Bulletin of Electrical Engineering and Informatics Vol 15, No 5: October 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v15i5.12476

Abstract

This study evaluates a markerless augmented reality (AR)-based remote laboratory for supporting hybrid learning in a computer networks course. Conventional remote laboratory approaches based on two-dimensional network simulations may provide flexible access but offer limited spatial interaction with networking components. To address this limitation, a markerless AR remote laboratory was developed using the Niantic Lightship Geospatial Browser, enabling students to place, connect, and configure virtual routers, switches, and end devices within their physical surroundings. A quasi-experimental design was conducted over one academic semester (14 weeks) with 120 undergraduate students, comprising an experimental group using the AR-based remote laboratory (n=60) and a control group using a conventional two-dimensional network simulation environment (n=60). Learning outcomes, usability, engagement, interaction logs, and qualitative feedback were collected and analyzed. The experimental group achieved higher post-test scores than the control group (82.45±6.31 vs. 74.18±7.02, p
Penggunaan Mobile Learning Sebagai Media Dalam Proses Belajar Mengajar Fahmy Syahputra; Elsa Sabrina; Ratih Tri Elsadin; Fatma Asisah; Azzahra Syahbila; Raflie Sultan Pradana
Journal of Citizen Research and Development Vol. 1 No. 2 (2024): November 2024
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v1i2.3937

Abstract

Dalam artikel ini, kita akan membahas penggunaan belajar melalui ponsel sebagai alat untuk proses belajar mengajar di era digital. Pendidikan mobile yang menggunakan perangkat bergerak seperti ponsel dan tablet meningkatkan fleksibilitas dan aksesibilitas guru dan siswa. Proses belajar mengajar menjadi lebih interaktif dan menarik dengan penggunaan teknologi dalam pembelajaran. Penelitian ini menggunakan metodologi deskriptif kualitatif, dan fokusnya adalah bagaimana teknologi seluler dapat digunakan dalam pendidikan formal. Hasil menunjukkan bahwa belajar melalui ponsel tidak hanya meningkatkan keinginan siswa untuk belajar, tetapi juga memberi mereka lebih banyak kesempatan untuk berinteraksi dengan guru. Sangat bermanfaat untuk pendidikan, meskipun ada beberapa kelemahan, seperti daya tahan baterai yang rendah dan dukungan file yang terbatas. Oleh karena itu, untuk meningkatkan hasil pembelajaran, guru harus memahami dan menerapkan m-learning.
Perancangan Aplikasi Pembelajaran Materi Jaringan Komputer Berbasis Android Untuk Sekolah Menengah Kejuruan (SMK) Fahmy Syahputra; Elsa Sabrina; M Fajar Sahendra Chan; Diyaul Fikri; Joko Hendratmo; Jeremia Sitepu
Journal of Citizen Research and Development Vol. 1 No. 2 (2024): November 2024
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v1i2.3938

Abstract

Kemajuan teknologi saat ini telah mengubah cara kita belajar dan mengakses informasi. Telepon seluler atau handphone, khususnya yang berbasis Android, telah menjadi bagian tak terpisahkan dari kehidupan sehari-hari. Dalam konteks pendidikan, aplikasi berbasis Android dapat dimanfaatkan sebagai sumber dan media pembelajaran yang edukatif. Penelitian ini bertujuan untuk merancang sebuah aplikasi pembelajaran berbasis Android yang fokus pada materi jaringan komputer untuk Sekolah Menengah Kejuruan (SMK). Aplikasi ini diharapkan dapat membantu siswa memahami konsep-konsep dasar dalam jaringan komputer. Metode yang digunakan dalam merancang aplikasi ini adalah metode waterfall. Metode ini dimulai dari tahap analisis, desain, pengkodean, pengujian, dan pemeliharaan. Aplikasi ini mendapatkan penilaian positif serta tanggapan baik dari siswa. Hasil penelitian menunjukkan peningkatan hasil belajar kognitif secara signifikan pada kelas yang menggunakan aplikasi Android ini untuk pembelajaran materi jaringan komputer di SMK.
Studi Komparatif Evolusi Metode Natural Language Processing pada Analisis Sentimen Bahasa Indonesia: dari Algoritma Klasik Hingga Pre-trained Transformer Wasti Harianja; Shinta Novaliana Aritonang; Cetrin Yolanda Sinaga; Keysa Fransiska Siregar; Elsa Sabrina
Arus Jurnal Sains dan Teknologi Vol 4 No 2: Oktober (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i2.3430

Abstract

Pertumbuhan data teks berbahasa Indonesia di media sosial dan platform ulasan telah mendorong penerapan analisis sentimen yang memanfaatkan Natural Language Processing (NLP). Penelitian ini bertujuan untuk membandingkan evolusi metode NLP untuk analisis sentimen bahasa Indonesia, mulai dari pendekatan berbasis leksikon dan machine learning klasik hingga model Transformer yang telah dilatih sebelumnya (pre-trained). Studi literatur dilakukan terhadap 20 artikel yang diterbitkan antara tahun 2021 dan 2026 dengan menggunakan analisis deskriptif-komparatif. Hasil penelitian menunjukkan adanya pergeseran dari algoritma klasik—seperti Naïve Bayes, Support Vector Machine (SVM), dan Random Forest yang menggunakan TF-IDF—menuju model Transformer seperti IndoBERT dan IndoBERTweet. Tingkat akurasi untuk algoritma klasik berkisar antara 74% hingga 98%, sedangkan IndoBERT mencapai angka antara 79,5% hingga 98,27%. Rentang nilai tersebut mengindikasikan bahwa kinerja dipengaruhi oleh karakteristik dataset, domain spesifik, dan tahapan pra-pemrosesan (preprocessing), bukan semata-mata oleh jenis algoritmanya.
Analisis Perbandingan Kinerja Algoritma Machine Learning pada Bidang Engineering Berdasarkan Karakteristik Dataset Melalui Kajian Sistematis Jaka Perdana; Hasanah Nur Aini; Firda Nabilah; Muhammad Yuhda Umama; Khalifhan Sadri; Azri Anggia Putri; Elsa Sabrina
Jurnal Pendidikan Vokasi Raflesia Vol 6 No 2 (2026): Jurnal Pendidikan Vokasi Raflesia
Publisher : LPPM Politeknik Raflesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53494/jpvr.v6i2.1521

Abstract

Kinerja algoritma machine learning dalam permasalahan engineering dapat bervariasi bergantung pada karakteristik dataset dan jenis permasalahan yang dihadapi. Penelitian ini bertujuan untuk membandingkan kinerja berbagai algoritma machine learning melalui kajian literatur sistematis. Dari 37 artikel yang diidentifikasi dan disaring, sebanyak 27 artikel relevan dianalisis berdasarkan jenis dan jumlah data, jumlah fitur, preprocessing, algoritma, metrik evaluasi, serta kinerja model. Hasil kajian menunjukkan bahwa dataset tabular merupakan jenis yang paling dominan, yaitu sebanyak 21 artikel, diikuti oleh dataset citra sebanyak 4 artikel dan time-series atau sinyal sebanyak 2 artikel. Algoritma random forest menjadi algoritma yang paling banyak digunakan, yaitu dalam 16 artikel. Meskipun demikian, tidak terdapat algoritma yang selalu menjadi yang terbaik karena kinerjanya dipengaruhi oleh struktur dataset, target prediksi, distribusi kelas, preprocessing, dan jenis permasalahan. Teknik preprocessing seperti feature selection, data balancing, encoding, serta transformasi dataset juga berperan dalam memengaruhi kinerja model. Secara keseluruhan, tidak ada satu algoritma yang secara konsisten unggul pada seluruh permasalahan engineering, sehingga pemilihan algoritma perlu disesuaikan dengan karakteristik dataset dan tujuan penelitian.
Dampak Pemanfaatan AI terhadap Kemampuan Berpikir Kritis Mahasiswa di Era Otomatisasi Teknologi Fahmy Syahputra; Elsa Sabrina; Ratih Tri Elsadin; Henny Puspa Hendrani Nasution; Fatma Asisah; Yosa Steven Perangin-Angin; Muhammad Fadhlan Hawari
Journal of Education Transportation and Business Vol. 2 No. 2 (2025): Desember 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jetbus.v2i2.7568

Abstract

Di era otomatisasi, penggunaan AI dalam pendidikan tinggi semakin meningkat. Penelitian ini bertujuan untuk mengkaji dampak penggunaan AI terhadap kemampuan berpikir kritis siswa melalui metode review literatur. Hasil penelitian menunjukkan bahwa kecerdasan buatan menawarkan beberapa keuntungan dalam konteks pendidikan, termasuk memudahkan akses ke informasi, meningkatkan efisiensi belajar, dan menyediakan analisis melalui umpan balik otomatis yang mendukung proses pembelajaran. Namun, penggunaan AI yang berlebihan dapat menyebabkan ketergantungan pada teknologi dan mengurangi kreativitas serta interaksi sosial, dua elemen penting dalam membangun nalar kritis. Oleh karena itu, penelitian ini menegaskan bahwa AI seharusnya digunakan sebagai alat bantu pembelajaran yang memperkuat kemampuan berpikir kritis siswa, bukan sebagai pengganti proses pembelajaran itu sendiri. Dengan memahami potensi dan tantangan yang dihadapi, pengintegrasian AI dalam pendidikan dapat dilakukan secara lebih efektif dan bertanggung jawab, memastikan bahwa siswa tetap bisa mengembangkan kemampuan berpikir kritis yang diperlukan di dunia modern.
Optimasi Decision Tree Learning untuk Prediksi Kinerja Mahasiswa pada Sistem E-Learning Saiba Al Husna; Nadia Costarika Simanjuntak; Mazaya Amalia; Azura Sakhi Salsabila; Fahmy Syahputra; Elsa Sabrina
Journal of Education Transportation and Business Vol. 2 No. 2 (2025): Desember 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jetbus.v2i2.7569

Abstract

Penelitian ini dilatarbelakangi oleh meningkatnya penggunaan sistem e-learning yang menghasilkan data akademik dan perilaku belajar mahasiswa dalam jumlah besar, namun belum dioptimalkan untuk prediksi kinerja secara akurat. Permasalahan utama yang diangkat adalah rendahnya efektivitas model Decision Tree standar dalam memprediksi performa mahasiswa tanpa teknik optimasi yang tepat. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi, membandingkan, dan mensintesis metode optimasi Decision Tree yang paling efektif dalam konteks prediksi akademik berbasis e-learning. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan tahapan identifikasi, seleksi, ekstraksi data, dan analisis komparatif terhadap sepuluh artikel yang memenuhi kriteria inklusi. Hasil kajian menunjukkan bahwa integrasi fitur perilaku digital, seperti aktivitas pada Learning Management System, mampu meningkatkan akurasi prediksi dibandingkan hanya menggunakan data akademik. Selain itu, metode ensemble seperti Random Forest dan AdaBoost terbukti menghasilkan performa yang lebih stabil dan akurat dibandingkan model pohon tunggal. Analisis juga menegaskan bahwa kualitas preprocessing dan pemilihan parameter memiliki pengaruh signifikan terhadap hasil prediksi. Kesimpulan penelitian ini adalah bahwa optimasi Decision Tree melalui kombinasi teknik preprocessing, feature engineering, dan metode ensemble dapat meningkatkan efektivitas model prediksi kinerja mahasiswa serta mendukung intervensi akademik dini di lingkungan e-learning.
Co-Authors Abel Frans Sinaga Abel Sinaga Ade Anggraini Afnel Yoniva Marbun Alfi Rahmadhani Alvin Evraim Situmorang Alya Rahmi Andika Sitorus Andreas Damanik Anggina Pertiwi Nasution Ariel Trifandi Zalukhu Ariyantika Br Ginting Artiani Zebua Aulia Yolanda Ritonga Azri Anggia Putri Azura Sakhi Salsabila Azzahra Syahbila Balqis Hijriaulia Carlo Heskia Cetrin Yolanda Sinaga Christian Johansen Sihombing Cristina Elseria Rahelta Daldi Altamerando Suramana Sembiring Dheany Angelina Putri Sembiring Diyaul Fikri Erika Togito Siahaan Erita Astrid Fadhil Ardiansyah Fatma Asisah Febrinata Silvianna Br Tarigan Firda Nabilah Frans Jhonatan Saragi Fransiskus Jul Rikar Gea Gali Armando Grace Patresya Tambunan Grace Roni Anuar Lase Hanifah Mardhiyah Harvei Desmon Hutahean Hasanah Nur Aini Henny Puspa Hendrani Nasution Hutahaean, Harvei Desmon Hutri Ami Irwan Sanjaya Jaka Perdana Jauharah Jauharah Jeremia Sitepu Joko Hendratmo Keysa Fransiska Siregar Khalifhan Sadri Khodijah May Nuri Lubis Laili Tanzila Liska Yuni Br Lumban Gaol Loveyanni Marito Benedikta Gorat M Fajar Sahendra Chan M Farid Al Farishi M Raflie Alhadi Marchell Gabriel Manurung Marta Aulia Simangunsong Martino Bijeloys Siagian Matius Irvan Sarumaha Maulana, Bagoes Maya Sari Mazaya Amalia Mendoza, Muhammad Dominique Mikhael Batubara Muhammad Fadhlan Hawari Muhammad Fakhri Lubis Muhammad Fattah Muhammad Isnaini Muhammad Munawwar Muhammad Naufal Ilham Muhammad Yuhda Umama Muhammad Zaki Ulwi Mutiara Arini Putri Nadia Costarika Simanjuntak Nadila Ramadani Novi Novanni Sinaga Nuelsen Leo Metro Sihombing Nur Azlina Mohamed Mokmin Olnes Y. Hutajulu Putra Rodoando Marudut Pardede Putri Adelia br. Lumbantobing Rabiatul Adwiyah Rachel Christa Masniari Pardede Raflie Sultan Pradana Ratih Tri Elsadin Razha Jamsik Syah Reyvaldo Gilbert Sitinjak Rifki Fali Riza Irfanny Rizkina Ramadhani Rambe Rosma Siregar Roy Marthin Sihombing Safira Nazwa Putri Saiba Al Husna Samuel Jonathan Pangaribuan Sandha Calista Simanjorang Sarwedi Parhehean Tua Shinta Novaliana Aritonang Siska Anzani Sriadhi Sriadhi Steven Eben Ezer Lase Suci Nurrahma Syahputra, Fahmy Teguh Arif Mediansyah Teguh Mediansyah Tirta Yasa Agung Barus Umar Abdurrahman Wan Ahmad Jaafar Wan Yahaya Wasti Harianja Yeremia Christoper Sihotang Yohanes Febrian Silalahi Yosa Perangin Angin Yosa Steven Perangin-Angin Yosua Nathanael Nainggolan Zulkaidah Harahap