Claim Missing Document
Check
Articles

Found 3 Documents
Search

ANALISIS APROKSIMASI FUNGSI SIGMOID BINER MENGGUNAKAN DERET TAYLOR DENGAN IMPLEMENTASI MATLAB Yolandari, Nezza Anggraini; Akva, Sabrina; Putra Hatoguan, Idris; Harliana, Putri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12191

Abstract

Fungsi sigmoid memainkan peran penting dalam machine learning dan sistem kontrol, terutama untuk klasifikasi biner. Namun, perhitungan langsung fungsi sigmoid melibatkan operasi eksponensial yang memerlukan komputasi intensif, khususnya pada perangkat dengan sumber daya terbatas. Untuk mengatasi kendala tersebut, penelitian ini mengusulkan penggunaan pendekatan deret Taylor sebagai metode aproksimasi fungsi sigmoid. Pendekatan ini mengubah fungsi non-linear menjadi polynomial, menggantikan operasi eksponensial dengan operasi aritmetika yang lebih efisien untuk dihitung. Penelitian ini bertujuan untuk menganalisis aproksimasi fungsi sigmoid biner menggunakan deret Taylor dengan implementasi MATLAB. Uji coba dilakukan dengan beberapa input x (0.5, 1.0, 1.5, dan 2.0) dan berbagai orde deret taylor (3, 4, 5, hingga 7). Hasil aproksimasi dibandingkan dengan fungsi sigmoid standar, dan galat relatif dihitung untuk mengevaluasi tingkat akurasi. Hasil menunjukkan bahwa orde lebih tinggi menghasilkan galat lebih kecil, yaitu pada galat orde 7 mencapai di bawah 0,5% untuk x = 2,0, dibandingkan galat 70,3% pada orde 3. Aproksimasi paling akurat untuk nilai x kecil, sedangkan nilai x besar membutuhkan lebih banyak suku deret untuk hasil yang mendekati nilai exact. Hasil penelitian ini memberikan wawasan mendalam tentang keefektifan deret Taylor dalam menghampiri fungsi sigmoid biner. Implementasi dalam MATLAB mendukung analisis efisiensi dan akurasi, menjadikan metode ini relevan dalam pengembangan algoritma efisien untuk perangkat dengan keterbatasan sumber daya
Pembuatan Website Peminjaman Buku Perpustakaan Digital dengan Integrasi Fitur Kecerdasan Buatan untuk Meningkatkan Literasi Alvansyah, Oka; Yolandari, Nezza Anggraini; Zulfi, M. Fikri; Nasution, Afifah Naila; Perdana, Adidtya
Jurnal Bisnis Digital dan Enterpreneur (BISENTER) Vol. 3 No. 2 (2025): Jurnal Bisnis Digital dan Enterpreneur
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/bisenter.v3i2.183

Abstract

Perkembangan teknologi informasi dan komunikasi telah mendorong digitalisasi layanan pendidikan, termasuk sistem perpustakaan yang kini mengalami transformasi menuju platform digital berbasis kecerdasan buatan (AI). Meskipun demikian, rendahnya minat baca dan kesulitan siswa dalam menemukan referensi yang sesuai masih menjadi tantangan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem perpustakaan digital yang dilengkapi dengan fitur chatbot AI guna menjadi asisten virtual bagi siswa. Metode penelitian yang digunakan adalah Research and Development (RnD) dengan pendekatan Design and Development Research dan model pengembangan Waterfall. Sistem dibangun menggunakan framework CodeIgniter dan Flask, serta mengintegrasikan teknologi AI Gemini 2.0 Flash untuk mendukung fitur chatbot interaktif yang merekomendasikan buku berdasarkan riwayat dan preferensi pengguna. Hasil pengujian menunjukkan bahwa chatbot mampu memberikan rekomendasi secara kontekstual, memahami pertanyaan pengguna, dan meningkatkan akses terhadap bahan bacaan secara efisien. Keunggulan sistem ini adalah kecepatan dalam pemrosesan teks dan ketepatan proses dari pertanyaan yang diajukan, serta integrasi yang masih jarang diterapkan secara langsung pada sistem perpustakaan pendidikan. Hasil ini menunjukkan bahwa sistem ini tidak hanya memberikan kemudahan akses informasi, tetapi juga menjadi inovasi edukatif dalam mendukung kebiasaan membaca dan peningkatan literasi digital siswa.
Inovasi Perpustakaan Digital dengan AI Gemini 2.0 Flash dan Rekomendasi Adaptif Alvansyah, Oka; Yolandari, Nezza Anggraini; Zulfi, M. Fikri; Nasution, Afifah Naila; Perdana, Adidtya
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 1 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i1.146

Abstract

Perkembangan teknologi informasi dan komunikasi telah mendorong digitalisasi layanan pendidikan, termasuk sistem perpustakaan yang kini mengalami transformasi menuju platform digital berbasis kecerdasan buatan (AI). Meskipun demikian, rendahnya minat baca dan kesulitan siswa dalam menemukan referensi yang sesuai masih menjadi tantangan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem perpustakaan digital yang dilengkapi dengan fitur chatbot AI guna menjadi asisten virtual bagi siswa. Metode penelitian yang digunakan adalah Research and Development (RnD) dengan pendekatan Design and Development Research dan model pengembangan Waterfall. Sistem dibangun menggunakan framework CodeIgniter dan Flask, serta mengintegrasikan teknologi AI Gemini 2.0 Flash untuk mendukung fitur chatbot interaktif yang merekomendasikan buku berdasarkan riwayat dan preferensi pengguna. Hasil pengujian menunjukkan bahwa chatbot mampu memberikan rekomendasi secara kontekstual, memahami pertanyaan pengguna, dan meningkatkan akses terhadap bahan bacaan secara efisien. Keunggulan sistem ini adalah kecepatan dalam pemrosesan teks dan ketepatan proses dari pertanyaan yang diajukan, serta integrasi yang masih jarang diterapkan secara langsung pada sistem perpustakaan pendidikan. Hasil ini menunjukkan bahwa sistem ini tidak hanya memberikan kemudahan akses informasi, tetapi juga menjadi inovasi edukatif dalam mendukung kebiasaan membaca dan peningkatan literasi digital siswa. Kata kunci: Chatbot, Kecerdasan Buatan, Perpustakaan Digital, Sistem Rekomendasi