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 
Prediksi Harga GPU Menggunakan ARIMA Model Fauzi, Dimas Sakha; Ekarini , Fitria
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.v5i3.1420

Abstract

Graphics Processing Unit (GPU) semakin berperan penting dalam pengembangan kecerdasan buatan, industri game, dan kebutuhan profesional. Namun, harga GPU mengalami volatilitas tinggi dalam beberapa tahun terakhir akibat gangguan rantai pasokan global, aktivitas penambangan kripto, serta meningkatnya permintaan dari pusat data. Peramalan harga GPU yang akurat dapat membantu konsumen dan pelaku bisnis menentukan waktu pembelian yang optimal serta membantu produsen dalam perencanaan produksi dan strategi penetapan harga. Penelitian ini bertujuan untuk meramalkan harga GPU menggunakan pendekatan deret waktu statistik Autoregressive Integrated Moving Average (ARIMA). Dataset yang digunakan berupa harga historis GPU bekas NVIDIA RTX 4090 pada periode Oktober 2022 hingga Juli 2024. Data dibagi secara berurutan menjadi 80% untuk pelatihan dan 20% untuk pengujian. Parameter model diidentifikasi menggunakan uji Augmented Dickey–Fuller (ADF) dan kriteria Akaike Information Criterion (AIC), dengan konfigurasi optimal ARIMA (3,1,3). Hasil evaluasi menunjukkan MAPE = 8,53%, RMSE = 159,75 USD, dan R² = –1,96, yang menunjukkan bahwa ARIMA mampu menangkap tren umum, namun kurang efektif dalam menghadapi pergerakan harga GPU yang sangat fluktuatif. Temuan ini menunjukkan bahwa ARIMA dapat digunakan sebagai model dasar yang andal untuk peramalan jangka pendek, dan dapat ditingkatkan lebih lanjut melalui pendekatan hibrida atau metode berbasis machine learning.
Perancangan Aplikasi WEB Smartmom untuk Pemantauan Nutrisi Ibu Hamil Nafi, Daffa Akmal; Raditya Dinatha, I Made Dwipa; Liando, Jansen Daniel; Sulistyono, Nailah Putri; Senalia Devi, Ni Putu Balina; Ningsih, Rahmi Yulia; Pratiwi, Chairani Putri
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.v5i3.1427

Abstract

Tingginya prevalensi Kekurangan Energi Kronis (KEK) pada ibu hamil dan anemia di Indonesia mengindikasikan suatu masalah gizi serius yang dapat menimbulkan potensi pada peningkatan risiko kematian ibu dan masalah stunting pada anak. Kesulitan utama yang dihadapi ibu hamil adalah minimnya pengetahuan akan keberadaan informasi mengenai gizi kehamilan yang akurat dan dapat dipercaya. Untuk mengatasi hambatan ini, dirancanglah aplikasi web SmartMom sebagai solusi digital berbasis Artificial Intelligence (AI) yang digunakan untuk memantau asupan nutrisi secara otomatis dan real-time. Adapun metode penelitian yang digunakan yaitu Design Thinking, meliputi tahapan Emptatize hingga Prototype. Survei dilakukan melalui kuesioner kepada 66 responden yang menunjukan bahwa 100% ibu hamil mengalami kesulitan mengatur pola makan dan 50% merasa tidak yakin akan kandungan gizi yang terdapat pada makanan yang dikonsumsi. Berdasarkan data ini, fitur utama SmartMom difokuskan pada Scan AI Nutrisi, Rekomendasi Menu Makanan, dan Jurnal Kesehatan. Perancangan ini menghasilkan prototype yang menunjukkan antarmuka dan fungsionalitas dasar sistem, yang diharapkan menjadi dasar yangkuta utk pengembagdan dan pengujian lebih lanjut Kata kunci : Nutrisi Ibu Hamil, Aplikasi Web, Artificial Intelligence.
Analisis Sensitivitas Parameter Rangkaian RLC Menggunakan Runge-Kutta Adaptif untuk Akurasi Numerik Optimal Putra, David Eka; Fauzan, Reski Yulian; Salmeno, Amran Paso
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.v5i3.1432

Abstract

This study investigates the numerical performance and parameter sensitivity of a RLC circuit solved using the adaptive Runge-Kutta-Fehlberg (RKF45) method. The mathematical model is formulated as a second-order ordinary differential equation and numerically integrated using RKF45 with local error control, then compared with the classical fourth-order Runge-Kutta (RK4) method using a fixed time step. Validation against the analytical steady-state solution shows that RKF45 achieves high accuracy with a lower Root Mean Square Error (RMSE ? 1.39×10??) while requiring 40% fewer integration steps than RK4. A sensitivity analysis based on normalized sensitivity coefficients is performed for ±10% variations of the R, L, and C parameters. The results reveal that inductance is the most dominant parameter influencing oscillatory dynamics, followed by capacitance, while resistance contributes mainly to damping. The sensitivity ranking is found to |. Overall, the findings display that RKF45 offers an efficient and accurate approach for RLC transient simulation and parameter sensitivity evaluation, making it suitable for applications that require high-precision dynamic analysis.
Pengembangan Sistem Prediksi Risiko Diabetes Menggunakan Algoritma Support Vector Machine (SVM) Setiawan, Alfon; 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.v5i3.1437

Abstract

Diabetes melitus merupakan gangguan metabolik kronis yang ditandai dengan meningkatnya kadar glukosa darah akibat gangguan pada produksi atau fungsi insulin. Deteksi dini penyakit ini sangat penting untuk mencegah komplikasi jangka panjang. Penelitian ini berfokus pada pengembangan sistem prediksi risiko diabetes berbasis web menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan adalah Pima Indians Diabetes yang diperoleh dari Kaggle, terdiri dari 768 data dengan delapan parameter medis seperti kadar glukosa, tekanan darah, indeks massa tubuh (BMI), insulin, dan usia. Sistem dikembangkan menggunakan bahasa pemrograman Python dan framework Flask tanpa penerapan StandardScaler maupun SMOTE untuk menjaga keaslian distribusi data. Pengujian dilakukan dengan memisahkan data latih dan data uji untuk validasi performa model. Hasil penelitian menunjukkan bahwa algoritma SVM mampu mencapai tingkat akurasi tinggi dalam klasifikasi risiko diabetes serta memberikan hasil prediksi secara interaktif melalui antarmuka web. Penelitian ini menyimpulkan bahwa sistem yang dikembangkan dapat menjadi alat bantu pengambilan keputusan yang efektif bagi tenaga medis dan berkontribusi pada penerapan machine learning dalam diagnosis kesehatan digital.
Optimalisasi Akreditasi Perguruan Tinggi dengan Orkestrasi Business Intelligence Berbasis K-Means dan OLAP Sakinah, Putri; Eko Syaputra, Aldo; Rahman, Zumardi; Fajri, Muhammad; Fatwa Rachmansyah, Haikal
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.v5i3.1443

Abstract

University accreditation is a key indicator in assessing the quality and competitiveness of higher education institutions. A high accreditation score reflects strong academic standards, institutional competitiveness, and trust from students, industry, and government. However, the accreditation process is highly complex as it involves multiple aspects, such as curriculum, student performance, faculty competence, as well as the quality of research and community service. Universities often face challenges in managing, analyzing, and presenting academic data systematically, which results in suboptimal strategic decision-making for improving accreditation. The limited use of Business Intelligence (BI) in academic data analysis reduces the effectiveness of identifying the main factors influencing institutional performance. This study aims to develop an academic analysis model based on BI by integrating K-Means Clustering to group academic performance according to specific patterns, Silhouette Score to evaluate clustering quality, and Online Analytical Processing (OLAP) to present academic data in an interactive multidimensional form. The research data were obtained from the Institute for Quality Assurance and Educational Development (LPPPM), covering faculty, student, research, and community service data, as well as other accreditation indicators. The research method includes data collection and preprocessing, application of K-Means for clustering, evaluation using Silhouette Score, and the development of an OLAP dashboard for exploring academic data across relevant accreditation dimensions. The results of the study show that the K-Means method with k = 2 produces the most optimal grouping of study program academic performance based on the highest Silhouette Score value, which is then successfully visualized multidimensionally through OLAP to clarify the distribution, patterns, and differences in characteristics between clusters in an interactive dashboard. Keywords: Business Intelligence; Higher Education Accreditation; K-Means Clustering; Silhouette Score; OLAP.
Median Filtering dan K-Means Clustering untuk Identifikasi Jenis Kurma Ghaniyyah, Fathonah
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.v5i3.1444

Abstract

Meningkatnya konsumsi kurma di Indonesia mendorong perlunya sistem otomatis yang mampu membedakan varietas dengan kemiripan visual tinggi, seperti Ajwa dan Sukari. Penelitian ini mengembangkan sistem identifikasi otomatis dengan menggabungkan metode Median Filtering dan K-Means Clustering dalam ruang warna L*a*b. Median Filtering diterapkan pada tahap pra-pemrosesan untuk mengurangi noise tanpa menghilangkan detail penting pada tepi objek, sementara K-Means Clustering digunakan untuk segmentasi berdasarkan kesamaan warna dan tekstur. Dataset terdiri atas 14 citra kurma yang diambil dengan pencahayaan seragam. Hasil eksperimen menunjukkan bahwa pendekatan ini berhasil mencapai tingkat akurasi identifikasi sebesar 100%. Tahapan pra-pemrosesan terbukti meningkatkan kualitas citra, sedangkan penggunaan ruang warna L*a*b memberikan segmentasi yang lebih stabil terhadap perubahan pencahayaan. Pendekatan ini menunjukkan potensi tinggi dalam pengembangan sistem klasifikasi buah berbasis pengolahan citra digital guna mendukung otomatisasi dalam industri pangan.
Aplikasi Cerdas Prediksi Keberlanjutan UMKM dengan Extreme Learning Machine dan Power BI Eirlangga, Yofhanda; Pramana Gusman, Aggy; farhan Satria, Trinda
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.v5i3.1448

Abstract

Penelitian ini mengembangkan model berbasis data untuk memprediksi keberlanjutan usaha mikro, kecil, dan menengah (UMKM) menggunakan algoritma Extreme Learning Machine (ELM) dan menyajikan hasilnya melalui dashboard interaktif di Power BI. Data diperoleh dari 500 pelaku UMKM melalui kuesioner yang memuat 46 indikator pada dimensi keuangan, inovasi dan digitalisasi, sumber daya manusia, dukungan eksternal, lingkungan usaha, serta karakteristik pelaku, beserta satu label keberlanjutan (aktif/tidak aktif). Tahapan pra-pemrosesan meliputi pembersihan data, pengkodean variabel kategorikal, dan normalisasi Min–Max, kemudian data dibagi menjadi 80% data latih dan 20% data uji. Model ELM disetel menggunakan grid search terhadap jumlah neuron hidden, fungsi aktivasi, dan koefisien regularisasi L2. Konfigurasi terbaik menggunakan 46 fitur input, 800 neuron hidden, fungsi aktivasi ReLU, dan L2 = 0,1. Pada data uji, model menghasilkan akurasi 0,890, precision 0,820, recall 1,000, dan F1-score 0,901. Evaluasi 5-fold cross validation memberikan rata-rata akurasi 0,820, precision 0,736, recall 1,000, dan F1-score 0,847, yang menunjukkan performa model relatif stabil. Hasil prediksi diintegrasikan ke dalam dashboard Power BI untuk menampilkan skor probabilitas keberlanjutan, kategori risiko, dan profil UMKM secara interaktif guna mendukung pengambilan keputusan berbasis data.
Analisis Sentimen Publik Berbasis KNN Terhadap Kinerja Purbaya dan Sri Mulyani Selama Sebulan anshari, ari; Diva, Krisna; Azwan, M; Nainggolan, Irfan; Wijaya, Rian Farta; Sitorus, Zulham
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.v5i3.1461

Abstract

Masyarakat selalu khawatir tentang perubahan staf Menteri Keuangan karena mereka memainkan peran penting dalam menjaga stabilitas ekonomi negara. Purbaya Yudhi Sadewa menggantikan Sri Mulyani sebagai Menteri Keuangan dalam Kabinet Merah Putih. Karena mungkin mengungkapkan tingkat penerimaan publik dan kepercayaan terhadap kebijakan yang akan diterapkan, persepsi publik selama bulan pertama menjabat sangat penting. Studi ini menggunakan algoritma K-Nearest Neighbor (KNN) untuk menguji sentimen publik terhadap pemikiran di platform media sosial X selama bulan pertama masa jabatan kedua kedua tokoh tersebut. Dataset ini mencakup 2.071 cuitan dari Sri Mulyani (21 Oktober–20 November 2024) dan 2.960 cuitan dari Purbaya Yudhi Sadewa (8 September–7 Oktober 2025). Setelah praproses dan pelabelan data dengan IndoBERT, distribusi sentimen untuk Purbaya adalah 57,80% positif dan 42,20% negatif, sedangkan untuk Sri Mulyani adalah 46,74% positif dan 53,26% negatif. TF-IDF kemudian akan digunakan untuk ekstraksi fitur, sementara KNN dengan K=5 dan metrik jarak kesamaan kosinus akan digunakan untuk klasifikasi. Menurut hasil evaluasi, model KNN Sri Mulyani memiliki akurasi 77% dengan presisi 78%, recall 77%, dan skor F1 77%, sedangkan model KNN Purbaya memiliki akurasi 80% dengan presisi 80%, recall 78%, dan skor F1 79%.
Perancangan Smart Home Berbasis Iot Menggunakan Esp32, Telegram dan Spreadsheet Gustia, Ririn; Febriani, Widya; Hasanah, Miftahul; Fradana, Aldi
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.v5i3.1482

Abstract

Implementasi sistem smart home berbasis Internet of Things (IoT) yang berfungsi untuk mengontrol lampu, memantau suhu dan kelembapan, serta meningkatkan keamanan rumah. Sistem dibangun menggunakan mikrokontroler ESP32 dan ESP32-CAM yang terintegrasi dengan sensor DHT11, sensor PIR, relay, dan buzzer. Aplikasi Bot Telegram digunakan sebagai antarmuka pengendalian jarak jauh dan media notifikasi, sedangkan Google Spreadsheet dimanfaatkan untuk pencatatan data secara otomatis. Metode penelitian yang digunakan adalah eksperimen dan rekayasa sistem melalui tahap perancangan perangkat keras, pemrograman perangkat lunak, integrasi sistem, serta pengujian performa. Hasil pengujian menunjukkan bahwa sistem mampu menyalakan lampu secara otomatis, mengaktifkan kipas ketika suhu melebihi 30C, mendeteksi pergerakan hingga jarak 2 meter, serta mengirimkan notifikasi real-time berupa teks dan gambar. Penelitian ini membuktikan bahwa penerapan IoT pada smart home mampu memberikan solusi efektif untuk kebutuhan otomasi dan monitoring jarak jauh.
Penerapan Decision Making System dalam Seleksi Pemilihan Salesperson Berdasarkan Multi-Kriteria gusriva, revi
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.v5i3.1488

Abstract

The sales recruitment process in the housing industry requires objective and measurable candidate evaluation so that companies can select truly competent salespeople. However, manual selection processes often lead to subjectivity and slow decision-making. This study aims to develop a Decision Support System (DSS) using the Simple Additive Weighting (SAW) method to select sales candidates based on multiple criteria relevant to the needs of the property industry. The criteria used include communication skills, work experience, digital marketing skills, negotiation skills, and professional appearance and ethics. The SAW method was chosen because it can perform simple, fast, and accurate weighting calculations to generate the best alternative value based on all predetermined criteria. The results show that this system can assist companies in determining sales candidates who best meet competency standards through a transparent and measurable ranking process. Thus, the application of the SAW method to the sales selection process has proven effective in supporting more objective, efficient, and aligned decision-making in the digital era. Hasil akhir penelitian ini diperoleh 4 rekomendasi sales dengan nilai akhir Perhitungan SAW menghasilkan nilai untuk setiap kandidat, dengan skor tertinggi diperoleh pada kandidat V16 dan V19 sebesar 0,898, serta diikuti kandidat V10 dengan nilai 0,731. Kandidat-kandidat dengan nilai tertinggi tersebut direkomendasikan sebagai calon sales terbaik karena memenuhi standar kompetensi yang sesuai dengan kebutuhan perusahaan

Page 13 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