cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Arif Budiman
Contact Email
pustakateknologiai@gmail.com
Phone
+6281374373837
Journal Mail Official
pustakateknologiai@gmail.com
Editorial Address
Jl. Batu Kasek Blok E 11 Padang
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Published by Pustaka Galeri Mandiri
ISSN : -     EISSN : 28094069     DOI : https://doi.org/10.55382/jurnalpustakaai
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mathematics
Jurnal Pustaka AI adalah sebuah jurnal Double blind peer-review yang didedikasikan untuk publikasi hasil Penelitian yang berkualitas khusus bidang ilmu Teknologi Artificial Intelligence . Semua publikasi di Jurnal Pustaka AI bersifat akses terbuka yang memungkinkan artikel tersedia secara bebas online tanpa berlangganan apapun. Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) menerima naskah artikel setiap saat yang akan diterbitkan secara berkala tiga kali setahun yaitu pada bulan April, Agustus, dan Desember.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 136 Documents
 9   10   11   12   13 
Sistem Cerdas Pemilihan Makanan Sehat Berbasis Case-Based Reasoning dan SMART untuk Edukasi Pemenuhan Gizi Masyarakat Hamidani, Syafiul; Yanto, Robi
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1209

Abstract

Gizi memiliki peran penting dalam kesehatan perkembangan manusia. Kekurangan atau kelebihan gizi dapat menyebabkan berbagai masalah kesehatan seperti malnutrisi, obesitas, dan penyakit kronis. Ketidaktahuan masyarakat dalam memilih dan mengonsumsi makanan bergizi menjadi salah satu penyebab utama. Pemerintah telah membuat program makanan bergizi gratis yang bertujuan meciptakan masyarakat yang sehat. Namun banyak tantangan dalam implementasi program tersebut diantaranya keterbatasan tenaga ahli gizi, serta bagaimana memastikan makanan yang dikonsumsi sesuai dengan kebutuhan gizi. Oleh karena itu, diperlukan upaya edukasi dan kebijakan kesehatan untuk meningkatkan kesadaran masyarakat tentang pola hidup sehat. Dalam hal ini, penggunaan teknologi pada sistem pakar memungkinkan integrasi data kesehatan masyarakat dan sistem pemantauan gizi. Pengembangan system pakar pemenuhan gizi menjadi solusi inovatif yang dapat membantu menentukan rekomendasi makanan bergizi secara otomatis sesuai dengan standar gizi. Adapun tujuan dari penelitian ini adalah membangun sistem cerdas pemilihan makanan sehat menggunakan kecerdasan buatan dengan basis pengetahuan dari para ahli gizi. Selain itu, sistem cerdas ini dapat memberikan rekomendasi makanan sehat dari banyak alternative kepada masyarakat untuk pemenuhan gizi. Serta dengan sistem cerdas ini dapat membantu dalam memberikan edukasi tentang hidup sehat melalui informasi pemenuhan gizi dengan memilih makanan yang tepat.
Sistem Identifikasi Citra Huruf Aksara Minangkabau Berbasis Convolutional Neural Network Saputra, Riyan; Ramadhanu, Agung; Sovia, Rini
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1214

Abstract

Pelestarian aksara daerah penting untuk menjaga warisan budaya bangsa. Aksara Minangkabau, sebagai salah satu kekayaan budaya Indonesia, masih minim penelitian dan belum memiliki sistem digitalisasi memadai. Penelitian ini merupakan tahap awal eksplorasi pengenalan aksara Minangkabau menggunakan pendekatan Convolutional Neural Network (CNN) sebagai upaya mendokumentasikan dan menguji potensi digitalisasi aksara tersebut. CNN merupakan salah satu model deep learning yang dirancang untuk memproses data grid terstruktur seperti citra. Penelitian sebelumnya menunjukan kinerja CNN sangat baik dalam pengenalan tulisan tangan. Citra aksara yang digunakan dalam penelitian ini diperoleh dari sumber museum dan tulisan tangan dari 31 sukarelawan. Dataset terdiri dari 4.650 citra karakter dari 75 kelas dengan berbagai kombinasi tanda baca pada lima huruf vokal, yang kemudian diproses melalui konversi grayscale, peningkatan kontras, segmentasi, dan augmentasi hingga menghasilkan total 8.537 citra. Model CNN yang dirancang mengklasifikasikan karakter ke dalam 75 kelas. Hasil pengujian mengindikasikan bahwa model dapat mengenali karakter dengan sangat baik. Pengujian menunjukkan akurasi 99% dalam skenario pengujian terbatas pada 500 data uji. Temuan ini memberikan landasan awal untuk digunakan dalam kajian akademis lanjutan maupun diskusi kultural yang lebih luas terkait keberadaan aksara Minangkabau.
Segmentasi Tunggakan Pelanggan Menggunakan Algoritma K-Means Cluster pada Perusahaan Air Minum Daerah Akbar, Syifa Chairunnissa Deliva; Defit, Sarjon; Hendrik, Billy
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1215

Abstract

Perusahaan Air Minum Daerah (Perumdam) Tirta Anai is a Regional Elected Business Entity providing clean water services to customers, but based on the BPKP performance report, this company is categorized as an unhealthy BUMD. One of the factors causing this is due to the high arrears of customers which have an impact on the company's revenue, while efforts in the form of late fines have not been able to provide a deterrent effect to customers. Based on this, this research was carried out with the aim of segmenting customer arrears at the Tirta Anai Regional Drinking Water Company. Segmentation is carried out using the K-Means Clustering algorithm. K-Means Clustering is a data mining algorithm used in grouping data based on its similarity in characteristics. The data in this study is sourced from the database of customers who are in arrears at the Tirta Anai Regional Drinking Water Company as of May 2025 which focuses on the Household group, with as many as 20,646 customer arrears data. From this population, samples were taken using the Slovin formula with an error rate of 5% so that 392 data were analyzed. The parameters used in analyzing this study are the number of months of customer arrears and total customer arrears. Based on the K-Means Clustering method, it is proven to be able to group customers based on their payment patterns. The results are divided into C0 (Low) containing 327 data, C1 (High) containing 6 data, and C2 (Medium) containing 59 data. The contribution of this research has an impact on companies in taking strategies for handling customer service in managing existing connections.
Diagnosa Penyakit Tuberkulosis Paru Menggunakan Metode Forward Chaining dan Certainty Factor Wirdawati, Wira; Sovia, Rini; Hendrik, Billy
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1217

Abstract

Tuberculosis (TB) is an infectious disease that can affect people of all ages, including children, adolescents, and the elderly, and can cause illness and death in over one million people. The disease is spread through coughs or sneezes by people with pulmonary TB, through contaminated saliva, and inhalation by healthy people with weakened immune systems. Therefore, this study aims to develop an expert system to assist in the diagnosis of pulmonary tuberculosis using the Forward Chaining and Certainty Factor methods. This process begins by identifying symptoms reported by the user and then searching for rules in the knowledge base that match those symptoms. This method allows the system to follow a logical flow of reasoning similar to the way a doctor diagnoses a disease. This study used data from 100 patients from 2023 at the Pariaman Community Health Center. Using the Forward Chaining and Certainty Factor methods, three patient data sets with three types of tuberculosis were tested. The percentage results for each type of disease were 100% positive for pulmonary tuberculosis, 0.91% negative for pulmonary tuberculosis, and 0.92% latent for pulmonary tuberculosis, with a confidence level of Very Confident. This research contributes to increasing knowledge and understanding in the field of expert systems, particularly in the application of the Forward Chaining and Certainty Factor methods for diagnosing tuberculosis.
Sistem Deteksi Kepuasan Pelanggan dengan Teknik Pengelolaan Citra Menggunakan Convolutional Neural Networks Saputra, Randy; Yuhandri, Yuhandri; Arlis , Syafri
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1219

Abstract

Advancements in computer vision and facial expression recognition provide a new, objective, and non-intrusive method for measuring customer satisfaction in real time. This study develops a customer satisfaction detection system at Rumah Diskusi ALCO Café using Convolutional Neural Networks (CNN) with a mixed-methods approach, combining quantitative and qualitative analysis. The RAF-DB dataset containing 15,339 labeled images (12,271 for training and 3,068 for testing) across seven emotion classes was processed through image acquisition, preprocessing, and ResNet50 fine-tuning. The resulting model achieved an accuracy of 80.34%, with a Precision of 83.55%, Recall of 81.78%, and F1-Score of 82.32% on the test data. Field implementation over four weeks successfully recorded and analyzed thousands of customer facial expressions in key areas such as the cashier and main seating area in real time. Results showed a customer satisfaction distribution of approximately 72% “Satisfied,” 16% “Quite Satisfied,” and 12% “Not Satisfied,” with a declining trend during peak hours in the afternoon. Cross-validation with customer surveys demonstrated a strong correlation between the system’s predictions and reported satisfaction, proving the effectiveness of this method as a real-time monitoring tool. The study contributes a practical technical and methodological framework that can be replicated in other service industries for objective and real-time customer satisfaction monitoring.
Expert System Diagnosa Anak Penderita Autism Dengan Metode Forward Chaining Menggunakan Bahasa Pemograman Java Dan Database MySQL Oktavia, Eva; Ramadini, Yane; Wahyuni, Widya
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1239

Abstract

Autism Spectrum Disorder (ASD) is a developmental disorder that affects communication, social interaction, and behavior. In Indonesia, autism diagnostic services still rely entirely on experts, thus limiting service effectiveness, particularly at the Disability Services and Inclusive Education Unit (UPTD). This study aims to develop an expert system based on the forward chaining method to diagnose autism quickly, precisely, and accurately. The methods used include data collection through field observations, interviews with experts, and literature review. The system was built using the Java programming language and a MySQL database, with 46 symptoms and four types of disorders as its knowledge base. The inference process was carried out using if-then rules and forward chaining techniques to generate initial diagnoses and recommendations. The results showed that this expert system was capable of independently diagnosing based on user symptom input and producing diagnostic output with high efficiency. This system also simplifies the expert's task because it can be used as an aid, not a replacement, in the diagnostic process. In conclusion, the expert system developed can improve service effectiveness, accelerate the diagnostic process, and reduce dependence on the presence of in-person experts. This system can be an innovative solution to support technology-based inclusive services. Keywords: expert system, autism, forward chaining, diagnosis, UPTD disability services
Keputusan Supplier Terbaik Menggunakan Metode SMART: Studi Kasus pada CV LutfanTechnology Abdillah, Rizky; Elsya Putra, Rezi
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 3 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i3.969

Abstract

Abstract CV Lutfan Technology is one of the companies engaged in general trading to meet the needs of its customers in the industrial sector, where in the process CV Lutfan Technology is currently only focused based on relationship relationships but has not been accompanied by the right method and criteria approach, of course in terms of effectiveness it still requires several approaches.This study aims to provide the expected decision to determine the best supplier for CV Lutfan Technology using the SMART (Simple Multi-Attribute Rating Technique) method. This method was chosen because of its ability to accommodate various evaluation criteria systematically and objectively. The criteria used in the assessment include quality, price, time and quantity. Data was obtained through interviews, observations, and documentation of activities carried out by the company. The evaluation results show that the SMART method is able to provide a comprehensive supplier rating, which can then be used as a basis for strategic decision making, such as supplier selection, monitoring and development. Recommendations are given to the company to implement periodic evaluations to improve partnership relationships and supply chain performance in a sustainable manner.. Keywords: Decision, Supplier, Best, Method, SMART Abstrak CV Lutfan Technology merupakan salah satu perusahaan yang bergerak di bidang general trading untuk memenuhi kebutuhan pelanggannya di sektor industri, dimana dalam prosesnya CV Lutfan Technology saat ini hanya terfokus berdasarkan hubungan relasi saja tetapi belum disertain dengan pendekatan metode dan kriteria yang tepat, tentu dari segi efektivitas masih memerlukan beberapa pendekatan.Penelitian ini bertujuan untuk memberikan keputusan yang diharapkan untuk menentukan supplier terbaik bagi CV Lutfan Technology dengan menggunakan metode SMART (Simple Multi-Attribute Rating Technique). Metode ini dipilih karena kemampuannya dalam mengakomodasi berbagai kriteria evaluasi secara sistematis dan objektif. Kriteria yang digunakan dalam penilaian meliputi kualitas, harga, waktu dan kuantitas. Data diperoleh melalui wawancara, observasi, dan dokumentasi dari aktivitas yang dilakukan perusahaan. Hasil evaluasi menunjukkan bahwa metode SMART mampu memberikan peringkat supplier secara komprehensif, yang kemudian dapat digunakan sebagai dasar dalam pengambilan keputusan strategis, seperti pemilihan, pemantauan, dan pengembangan supplier. Rekomendasi diberikan kepada perusahaan untuk menerapkan evaluasi berkala guna meningkatkan hubungan kemitraan dan kinerja rantai pasok secara berkelanjutan. Kata Kunci: Keputusan, Supplier, Terbaik, Metode, SMART
Penerapan Jaringan Syaraf Konvolusional Untuk Deteksi Penyakit Tanaman Kopi Berdasarkan Citra Daun Panca Putra, Yusran; Susanto, Agus; Novrian, Willi
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 3 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i3.1123

Abstract

Produktivitas tanaman kopi di Indonesia sangat dipengaruhi oleh serangan penyakit daun yang sering kali tidak terdeteksi secara dini akibat keterbatasan pengetahuan petani dalam mengenali gejala penyakit. Deteksi penyakit secara manual membutuhkan keahlian khusus dan waktu yang tidak efisien, sehingga dibutuhkan pendekatan berbasis teknologi untuk memberikan solusi yang lebih cepat dan akurat. Penelitian ini mengusulkan pemanfaatan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk mendeteksi penyakit tanaman kopi berdasarkan citra daun. Data citra daun diperoleh dari dataset publik Kaggle, yang mencakup total 1664 citra daun kopi dengan klasifikasi sehat maupun terinfeksi penyakit. Proses pelatihan dilakukan pada platform Google Colaboratory menggunakan algoritma optimisasi Adam dan teknik augmentasi untuk meningkatkan kemampuan generalisasi model. Hasil pelatihan menunjukkan bahwa model ResNet-50 mampu mencapai akurasi pelatihan sebesar 96,33% dan akurasi validasi sebesar 95,31% setelah 40 epoch. Evaluasi model terhadap data uji menghasilkan nilai macro average precision sebesar 95,83%, recall 96,05%, dan F1-score 95,58%. Model terbukti efektif dalam mendeteksi berbagai jenis penyakit seperti miner, phoma, dan rust, meskipun masih terdapat kesalahan klasifikasi minor. Penelitian ini menunjukkan potensi besar dari penerapan CNN dalam bidang pertanian cerdas, khususnya dalam deteksi otomatis penyakit tanaman kopi, serta dapat menjadi dasar pengembangan sistem deteksi berbasis aplikasi yang mudah digunakan oleh petani. Temuan ini berkontribusi pada pengembangan teknologi tepat guna dalam mendukung peningkatan hasil dan kualitas produksi pertanian.
Analisis Penentuan Penerima Hibah Penelitian Menggunakan Metode AHP di Perguruan Tinggi Prima, Wahyu; Sapriadi, Sopi; Hariani Manurung, Kiki; Hayati, Rahmatul; Khazinrah
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 3 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

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

Abstract

Penelitian ini bertujuan untuk menganalisis dan mengembangkan sistem pendukung keputusan dalam proses seleksi penerima hibah penelitian internal di Universitas Adzkia dengan menggunakan metode Analytic Hierarchy Process (AHP). Permasalahan utama yang diidentifikasi adalah ketidaksesuaian antara topik penelitian dengan kompetensi dosen, serta lemahnya keterkaitan dengan roadmap penelitian institusi. Penelitian ini bersifat deskriptif kuantitatif dengan tahapan: analisis kebutuhan, penyusunan hierarki, perbandingan berpasangan, pengujian konsistensi, dan sintesis hasil. Empat kriteria utama yang digunakan adalah urgensi penelitian, metode, referensi, dan rekam jejak dosen, yang selanjutnya dijabarkan ke dalam sejumlah subkriteria. Hasil pengolahan data menunjukkan bahwa metode AHP mampu menyusun prioritas alternatif secara objektif dan konsisten. Alternatif dengan skor tertinggi adalah MU, diikuti oleh MH dan YN. Temuan ini menunjukkan bahwa AHP merupakan metode yang efektif untuk meningkatkan akurasi, transparansi, dan kesesuaian dalam proses seleksi hibah penelitian.
Analisis Penggunaan Kecerdasan Buatan Dalam Mengerjakan Tugas Coding Mahasiswa Wilayah Depok Dengan Menggunakan Metode Analytical Hierarchy Process Alga, Muhammad Lutfie; Aria Dusu, Syahrul Angelo; Rabun, Jaka Aris; Hidayati, Nur
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 3 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i3.1318

Abstract

Penelitian ini menganalisis penggunaan kecerdasan buatan (AI) oleh mahasiswa di Kota Depok dalam menyelesaikan tugas coding. Tiga platform AI yang dievaluasi adalah ChatGPT, GitHub Copilot, dan Blackbox AI. Metode Analytical Hierarchy Process (AHP) dipakai untuk menetapkan bobot kriteria dan peringkat alternatif. Penilaian ini didasarkan pada masukan dari 100 mahasiswa sebagai responden. Hasil penelitian menunjukkan bahwa kualitas hasil coding merupakan kriteria terpenting dengan bobot 0,2377, diikuti pemahaman konsep pemrograman (0,1865), kemudahan penggunaan (0,1799), waktu penyelesaian tugas (0,1720), motivasi belajar (0,1158), dan etika penggunaan AI (0,1081). Pada tingkat alternatif, ChatGPT memperoleh bobot tertinggi sebesar 0,432, disusul GitHub Copilot (0,287) dan Blackbox AI (0,280). Temuan ini menegaskan bahwa ChatGPT lebih unggul dalam membantu mahasiswa meningkatkan pemahaman konsep sekaligus efisiensi penyelesaian tugas. Hasil penelitian diharapkan dapat menjadi masukan bagi lembaga pendidikan untuk mengoptimalkan pemanfaatan AI secara efektif dan etis dalam proses pembelajaran.

Page 11 of 14 | Total Record : 136

 9   10   11   12   13 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol 5 No 3 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 1 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 4 No 3 (2024): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 4 No 2 (2024): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 4 No 1 (2024): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 3 No 3 (2023): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 3 No 2 (2023): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 3 No 1 (2023): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 2 No 2 (2022): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 2 No 1 (2022): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence Vol 1 No 1 (2021): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) More Issue