Claim Missing Document
Check
Articles

Found 2 Documents
Search

Sistem Rekomendasi Al-Quran Berbasis Topik Putriando, Zakia; Edy Sutanto, Taufik
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i2.3799

Abstract

Penelitian ini bertujuan untuk mengatasi tantangan kesehatan mental remaja Indonesia, yang merupakan salah satu hambatan dalam mencapai visi "Indonesia Emas" pada tahun 2045, di mana negara diharapkan memasuki masa bonus demografi dengan mayoritas penduduk di usia produktif. Data Kementerian Kesehatan (2023) menunjukkan bahwa 6.1% penduduk usia 15 tahun ke atas mengalami gangguan kesehatan mental, menandakan kebutuhan mendesak untuk intervensi yang efektif. Penelitian ini mengembangkan sistem rekomendasi ayat-ayat Al-Quran, menggunakan konsep similarity dan kategorisasi ayat (topik) berdasarkan Dewan Syariah Nasional MUI. Penelitian ini menyediakan rekomendasi yang akurat dan relevan untuk membantu penggunanya untuk mendapatkan solusi masalah kesehatan mental yang Islami. Evaluasi sistem menunjukkan bahwa mayoritas rekomendasi yang dihasilkan sesuai dengan pandangan para ahli, menandakan keefektifan sistem dalam menyediakan referensi yang jelas dan akurat. Penelitian ini tidak hanya memberikan wawasan baru dalam pengembangan solusi berbasis teks religius untuk isu kesehatan mental, tetapi juga berkontribusi pada upaya lebih luas dalam menghadapi tantangan sosial dan kesehatan yang dihadapi Indonesia.
Kajian Performa Efisiensi Infrastruktur Big Data Hemat Energi Menggunakan Single Board Computer dan Framework Apache Spark Rusfi Razaba, Syahel; Liebenlito, Muhaza; Edy Sutanto, Taufik
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 2 (2025): Agustus 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i2.2025.152-160

Abstract

Meningkatnya kebutuhan komputasi untuk pemrosesan big data dan pelatihan model AI modern berdampak signifikan terhadap konsumsi energi komputasi global. Penelitian ini mengkaji efisiensi energi dan performa klaster Single Board Computer (SBC) dalam menjalankan beberapa algoritma machine learning menggunakan Apache Spark, sebagai alternatif ramah lingkungan terhadap infrastruktur komputasi konvensional. Tiga algoritma digunakan dalam eksperimen ini, yaitu Multi-Layer Perceptron (MLP), Regresi Logistik, dan Random Forest, yang dijalankan secara terdistribusi pada klaster SBC. Evaluasi dilakukan terhadap dua metrik utama, yaitu waktu eksekusi dan konsumsi energi, dengan tiga skenario ukuran dataset dan lima variasi jumlah inti (core). Hasil menunjukkan bahwa klaster SBC mampu mencapai percepatan waktu pelatihan hingga 59.7% pada algoritma Multi-Layer Perceptron dan hingga 49.3% pada Random Forest saat menangani data berukuran besar. Konsumsi daya listrik juga tetap rendah dan stabil, yakni sekitar 11.4 watt untuk konfigurasi satu core dan 12.6 watt untuk konfigurasi multi-core. Temuan ini menegaskan bahwa penggunaan klaster SBC berdaya rendah merupakan pendekatan potensial untuk mendukung komputasi hemat energi dan inisiatif Green AI.