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
 10   11   12   13   14 
Sistem Pakar Hibrida Deteksi Keterlambatan Bicara pada Anak Menggunakan Forward Chaining dan Naïve Bayes putri, vivin mahat; Wisesa, Bradika Almandin; Edyyul, Ilham Akerda ; Darma, Satria Agus
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.v5i3.1323

Abstract

Penelitian ini bertujuan untuk mengembangkan dan memvalidasi sebuah metode inferensi hibrida yang mengintegrasikan penalaran berbasis aturan (rule-based reasoning) dari Forward Chaining dengan klasifikasi probabilistik dari Naïve Bayes. Sistem ini dirancang sebagai alat skrining (penapisan) dini terhadap risiko keterlambatan bicara dan bahasa pada anak. Sistem dikembangkan dengan pendekatan hibrida. Metode Forward Chaining diimplementasikan untuk merepresentasikan pengetahuan klinis yang pasti. Sementara itu, metode klasifikasi Naïve Bayes digunakan sebagai sistem probabilistik yang dilatih menggunakan dataset yang telah divalidasi. Proses optimasi model Naïve Bayes melibatkan serangkaian teknik, termasuk penyederhanaan masalah menjadi klasifikasi biner, penyeimbangan data latih menggunakan Synthetic Minority Over-sampling Technique (SMOTE), dan hyperparameter tuning. Pengujian model Naïve Bayes menunjukkan bahwa proses optimasi yang komprehensif berhasil meningkatkan performa secara signifikan. Dengan menggunakan model Bernoulli Naïve Bayes pada data biner yang telah diseimbangkan, performa model berhasil mencapai akurasi sebesar 72.22%. Secara khusus, model menunjukkan nilai recall yang tinggi sebesar 84% untuk kelas 'Terindikasi', yang sangat krusial untuk alat skrining. Sistem pakar hibrida yang diusulkan menunjukkan validitasnya sebagai instrumen skrining yang fungsional. Sinergi antara penalaran logis dari Forward Chaining dan inferensi probabilistik dari Naïve Bayes yang telah dioptimalkan menghasilkan sistem dengan keandalan yang tinggi. Implementasi metode ini telah berhasil divalidasi melalui sebuah prototipe aplikasi web yang fungsional.
Pengembangan Sistem Pendukung Keputusan Diagnosis Kanker Payudara Menggunakan Regresi Logistik Rayendra; Ikhsan; Meri, Rozi; Ismael; Eka Putra, Dian; Ahmad Efendi, Rostam; Ikhbal Salam, Riyan
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.v5i3.1344

Abstract

Kanker payudara merupakan salah satu penyebab kematian tertinggi pada wanita di Indonesia. Diagnosis yang akurat dan cepat sangat penting untuk meningkatkan tingkat kesembuhan pasien. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan untuk diagnosis kanker payudara menggunakan model regresi logistik yang dioptimasi. Metode penelitian menggunakan dataset Wisconsin Diagnostic Breast Cancer yang terdiri dari 569 sampel dengan 30 fitur morfologis sel. Data dibagi menjadi 75% data latih dan 25% data uji. Model regresi logistik diimplementasikan dengan regularisasi L2 dan dievaluasi menggunakan analisis ROC, optimasi ambang batas dengan Indeks Youden, serta kalibrasi probabilitas menggunakan Expected Calibration Error (ECE). Hasil penelitian menunjukkan model mencapai akurasi 95,8%, sensitivitas 96,2%, dan spesifisitas 95,6% dengan nilai AUC-ROC 0,993. Optimasi ambang batas menghasilkan nilai optimal 0,560 yang menyeimbangkan sensitivitas dan spesifisitas. Kalibrasi probabilitas menunjukkan ECE sebesar 0,0390 yang dapat ditingkatkan menjadi 0,0328 menggunakan regresi isotonik. Kata kunci: kanker payudara, sistem pendukung keputusan, regresi logistik, kalibrasi probabilitas, optimasi ambang batas
Eksplorasi Persepsi Mahasiswa terhadap Integrasi Artificial Intelligence dalam Pembelajaran di Era Digital Ramadani, Niska; Yul, Fadlul Amdhi; Fitriany
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.v5i3.1355

Abstract

Penelitian ini bertujuan untuk menelaah persepsi mahasiswa terhadap penerapan Artificial Intelligence (AI) dalam proses pembelajaran serta menganalisis keterkaitan antar berbagai dimensi persepsi yang diambil dari teori Technology Acceptance Model (TAM), seperti Perceived Usefulness (PU), Perceived Ease of Use (PEOU), Attitude Toward Using AI (ATU), Behavioral Intention to Use (BI), Perceived Impact (PI), dan Ketertarikan terhadap AI. Kajian ini menjadi relevan mengingat peran AI yang semakin signifikan dalam mendukung transformasi pendidikan tinggi di era digital. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei yang melibatkan 100 mahasiswa aktif dari Universitas XY sebagai responden. Teknik pengambilan sampel dilakukan secara acak (random sampling), sedangkan analisis data menggunakan uji korelasi Pearson untuk menilai kekuatan dan arah hubungan antar variabel yang diteliti. Hasil analisis menunjukkan adanya hubungan yang signifikan antara Perceived Usefulness (PU) dengan Attitude Toward Using AI (ATU), Behavioral Intention to Use (BI), dan Perceived Impact (PI). Selain itu, ditemukan pula korelasi positif antara Perceived Ease of Use (PEOU) dan ketertarikan dengan AI. Temuan ini memperkuat validitas teori Technology Acceptance Model (TAM) yang menegaskan bahwa persepsi mahasiswa mengenai kegunaan dan kemudahan penggunaan AI berperan penting dalam membentuk sikap serta niat mereka untuk mengadopsi teknologi tersebut dalam kegiatan pembelajaran. Hasil penelitian ini memberikan masukan untuk memperkuat integrasi AI dalam pembelajaran, hal ini dapat dilakukan melalui pelatihan dan sosialisasi untuk meningkatkan pemahaman mahasiswa tentang manfaat dan kemudahan penggunaan teknologi. Sementara itu, secara teoritis, penelitian ini berkontribusi dalam memperluas pemahaman mengenai faktor-faktor yang memengaruhi penerimaan dan adopsi teknologi berbasis AI di lingkungan pendidikan tinggi.
Penerapan Algoritma Metaheuristik untuk Optimasi Nilai K Pada K-NN dalam Pengelompokan Faktor Penyebab Stunting Aritonang, Mhd Adi Setiawan; Ardilla Siregar, Maya; Ani Arnomo, Sasa; Farasalsabila, Fidya
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.v5i3.1367

Abstract

Stunting is a health issue that has a negative impact on people's quality of life and the development of a bangsa. Finding the cause of stunting accurately is a crucial step in developing effective mitigation strategies. K-Nearest Neighbor (K-NN) is one machine learning algorithm that is frequently used for classification and data analysis, but its performance is greatly impacted by the choice of an ideal K parameter. This study highlights the use of metaheuristic algorithms, such as genetic algorithms (GA) and particle swarm optimization (PSO), to optimize K in K-NN in order to identify the stunting factor. This method uses the kekuatan eksplorasi and eksploitasi algoritma metaheuristik to determine parameter K that yields optimal accuracy. Based on the results of the metaheuristic algorithm, it is concluded that without optimization, K-NN only achieves an accuracy of roughly 63%, highlighting the importance of choosing a suitable K value. When GA is used in K-NN optimization, the accuracy increases significantly, reaching 73%, indicating its ability to effectively explore the solution space. On the other hand, PSO also increases accuracy to 74%. It is hoped that the results of this study will provide significant contributions to the development of a more reliable model for analyzing the factors that contribute to stunting, thereby enhancing the use of data-based decision-making in attempts to address the stunting problem holistically.
Smart Medical Tourism dalam Peningkatan Pelayanan Rumah Sakit Berkelanjutan Eko Syaputra, Aldo; Hendra, Yomai; Hidayat, Teguh
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.v5i3.1379

Abstract

Industri smart medical tourism terus berkembang seiring meningkatnya kebutuhan akan layanan kesehatan yang lebih canggih dan berbasis teknologi. Pasien kini mengharapkan akses layanan medis yang lebih cepat, personal, serta terintegrasi dengan sistem digital, termasuk kemudahan pendaftaran, konsultasi, dan pemantauan kesehatan. Namun, rumah sakit masih menghadapi berbagai tantangan dalam mengoptimalkan pelayanan, seperti efisiensi yang belum maksimal, keterbatasan otomatisasi interaksi digital, serta ketiadaan pemetaan aksesibilitas fasilitas medis yang akurat. Tanpa inovasi, rumah sakit sulit menjawab kebutuhan pasien yang semakin dinamis sekaligus bersaing di sektor kesehatan digital. Penelitian ini bertujuan mengembangkan prototipe sistem Smart Medical Tourism dengan mengintegrasikan Artificial Intelligence (AI), Dynamic Customer Relationship Management (CRM), dan Geographic Information System (GIS). AI digunakan untuk analisis preskriptif kebutuhan pasien dan rekomendasi layanan, CRM dinamis untuk otomatisasi interaksi real-time, sedangkan GIS berfungsi memetakan fasilitas pendukung seperti penginapan, rute, dan tempat makan terdekat. Metode pengembangan menggunakan pendekatan Agile dengan iterasi prototipe agar sistem adaptif terhadap kebutuhan pengguna. Data yang dianalisis meliputi catatan interaksi pasien serta lapisan geospasial terkait penginapan, rute transportasi, dan lokasi kuliner. Secara keseluruhan, penelitian ini dapat menjadi rekomendasi bagi rumah sakit untuk meningkatkan kualitas layanan di era digital melalui pemanfaatan sistem berbasis GIS yang lebih efisien, responsif, dan berorientasi pada kebutuhan pasien.
Penerapan Network Monitoring System Berbasis SNMP untuk Deteksi Dini Gangguan Jaringan Aritonang, Mhd Adi Setiawan; Jonas Simanullang, Maradona
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.v5i3.1383

Abstract

Network stability plays a crucial role in maintaining the quality of digital services in modern organizations. Network disruptions such as packet loss, latency, and downtime often degrade overall system performance. This research implements a Network Monitoring System based on the Simple Network Management Protocol (SNMP) to enable early detection of network disturbances in real time.An experimental approach was conducted by evaluating key performance parameters, including response time, packet loss, availability, and automatic alert frequency. The results show a significant improvement in network performance after implementing the system: the average response time decreased from 180 ms to 52 ms, packet loss dropped from 7.5% to 0.8%, and network availability increased from 94.2% to 99.5%. In addition, the system successfully generated automatic alerts when network anomalies were detected. These findings demonstrate that the SNMP-based monitoring system effectively enhances network reliability and accelerates fault detection processes. The implementation of SNMP provides an efficient and proactive approach for network administrators to maintain service stability and minimize downtime. Keywords: Network Monitoring System, SNMP, Early Detection, Network Performance, Availability
Perbandingan Naïve Bayes dan Random Forest pada Seleksi KIP di Universitas Adzkia Thoriq, Muhammad; Maulana, Fajar; Qurrata Ayun, Aisyah
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 membandingkan kinerja algoritma Naïve Bayes dan Random Forest dalam memprediksi hasil kelulusan seleksi pendaftar beasiswa Kartu Indonesia Pintar (KIP) di Universitas Adzkia. Menggunakan dataset berjumlah 829 data pendaftar tahun 2024, penelitian ini menerapkan pendekatan eksperimen kuantitatif berbasis proses Knowledge Discovery in Database (KDD) yang meliputi tahap preprocessing, pembangunan model, dan evaluasi performa. Kedua algoritma diuji menggunakan metode 5-Fold Cross Validation dan pembagian data hold-out 80:20, dengan metrik evaluasi Accuracy, Precision, Recall, F1-Score, dan Precision-Recall AUC (PR-AUC) untuk menangani ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan nilai Accuracy 83,9%, Recall 61,5%, F1-Score 66,6%, dan PR-AUC 0,78. Analisis feature importance mengungkapkan bahwa faktor penghasilan ayah, status P3KE, dan jumlah tanggungan keluarga merupakan variabel paling berpengaruh terhadap hasil seleksi. Temuan ini menunjukkan bahwa Random Forest lebih unggul dan adaptif dalam menangani dataset tidak seimbang pada kasus pengambilan keputusan di bidang pendidikan. Secara praktis, penelitian ini menawarkan kerangka kerja berbasis data untuk meningkatkan keadilan dan transparansi proses seleksi beasiswa di perguruan tinggi.
Sistem Pemantauan Keluaran Generator Set Berbasis IoT audy; Mudia, Halim; Nofrianto, Aldo
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.v5i3.1389

Abstract

This research is motivated by the ineffective maintenance of generator sets in hospitals. Gensets are crucial components that serve as backup power sources, especially during power outages from the main grid (PLN). However, in practice, genset maintenance is typically carried out only once every six months. During this time, there are no regular inspections, which means any potential damage or malfunction that occurs before the scheduled maintenance may go unnoticed. This can lead to operational disruptions in hospital areas that heavily rely on a stable power supply, like ICUs, operating rooms, and laboratories. A more effective and real-time genset monitoring system is required. This research aims to develop an Internet of Things (IoT) based genset condition monitoring system that can monitor key output parameters of the genset in real time. The monitored parameters include voltage (phases R, phases S, and phases T), current (phases R, phases S, and phases T), frequency, power (phases R, phases S, and phases T), total power, and generated energy. The data will be automatically transmitted to the Ubidots platform via the internet, allowing users to monitor the genset's condition anytime and anywhere through the website. This system is expected to improve maintenance effectiveness and minimize the risk of equipment failure.
Penerapan Face Recogniton untuk Presensi Berbasis WEB dan Mobile di MAN 3 Kulon Progo: Sistem Presensi Siswa Menggunakan Face Recognition di MAN 3 Kulon Progo Falah, Eko Fajrul; Suhirman, Suhirman
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.v5i3.1407

Abstract

Penelitian ini mengembangkan sistem presensi siswa berbasis face recognition yang terintegrasi dengan dashboard web untuk admin dan aplikasi mobile bagi guru. Sistem dibangun menggunakan Next.js untuk platform web, Flutter untuk platform mobile, serta MongoDB Atlas sebagai basis data berbasis cloud. Tujuan penelitian ini adalah memodernisasi proses pencatatan kehadiran agar lebih akurat, mengurangi kesalahan manusia, dan meningkatkan efisiensi administrasi sekolah. Sistem diimplementasikan di MAN 3 Kulon Progo dan menghasilkan waktu respon rata-rata 2 detik serta tingkat akurasi pengenalan wajah sebesar 95%. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat diterapkan secara efektif untuk mendukung transformasi digital dan penerapan konsep smart school.
Analisa Tingkat Kepuasan Pasien Terhadap Pelayanan Puskesmas Menggunakan Algoritma C4.5 Permata Sari, Dian; Febri Mayang Sari, Mike; Triandini, Melissa; harto , Budi
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.v5i3.1411

Abstract

Penilaian kepuasan pasien merupakan aspek penting dalam meningkatkan kualitas pelayanan kesehatan di Puskesmas. Namun penilaian kepuasan yang bersifat subjektif seringkali menyulitkan pengambilan keputusan yang tepat untuk perbaikan layanan. Peneltian ini bertujuan untuk menerapkan algoritma C4.5 dalam menganalisis faktor-faktor yang mempengaruhi kepuasan pasien terhadaap pelayanan yang diberikan di Puskesmas. Algoritma C4.5, yang merupakan metode decision tree, digunakan untuk mengklasifikasikan data kepuasaan pasien berdasarkan kualitas layanan dan kompetensi staf, komunikasi dan interaksi, lingkungan dan fasilitas, proses dan prosedur. Data yang digunakan adalah jenis metode samling menggunakan kuesioner dengan skala linker yang terdiri dari sangat puas, puas, cukup puas dan tidak puas.. Hasil analisis menggunakan algoritma C4.5. Dengan demikian, algoritma C4.5 dapat memberikan wawasan yang berguna bagi manajemen Puskesmas dalam mengidentifkasi area yang diperbaiki untuk meningkatkan kepuasan pasien. Penelitian ini diharapkan dapat menjadi referensi bagi pengembangan strategi peningkatan mutu pelayanan berbasis data yang lebih akurat dan objektif.

Page 12 of 14 | Total Record : 136

 10   11   12   13   14 

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